基于多视图大数据的城市交通出行行为特征画像构建与分析

The behavior profile of urban trip is the prerequisite and basis of traffic network design, optimization and control. In order to solve the shortcomings of the existing detection methods, the project will try to use multi-view traffic data such as mobile phone signaling, license plate recognition, GPS positioning, bus credit card, public/shared bicycle, mobile Internet and so on. Adaptive multi-source heterogeneous data cleaning, screening and recovery methods will be proposed, and the data structure and standardization system will be established. This proposal constructs the feature tag based on the OD structure, departure time, mode selection, path preference and travel time of the individual traveler, and the precise profile descriptive model of individual traffic traveler is established. Then, the unsupervised / semi-supervised depth learning method is used for the characteristic image classification and trend prediction. On this basis, commuter travel behavior identification, travel time and space distribution and road network state mapping model, and influence of travel time and space evolution law under different control measures are proposed. The above models will be tested and verified in Hangzhou. The results should enrich and develop the theory and method of big data analysis and promote the deep application of big data technology in the transportation field.

城市交通出行行为特征是交通网络设计、优化与调控的前提与基础。针对现有检测手段单一，无法精确识别个体出行行为特征的不足，本项目拟综合利用手机信令、车牌识别、GPS定位、公交刷卡、公共/共享自行车、移动互联网等多视图交通大数据，构建适应交通出行行为特征分析的多源异构数据清洗、筛选与恢复方法，建立数据结构化及标准化体系。以个体出行者的OD结构、出发时刻、方式选择、路径偏好、行程时间等参数构建特征标签，建立个体交通出行者特征精准画像的描述模型，利用无监督/半监督深度学习方法对特征画像进行分类识别与趋势预测。在此基础上，研究通勤出行行为特征识别、出行时空分布与路网状态映射模型、不同管控措施影响下的出行时空演化规律。以杭州市主城区为试验区域进行上述模型方法的测试验证。项目研究成果应能丰富和发展交通大数据分析的理论与方法体系，促进大数据技术在交通领域的深度应用。

城市交通出行行为特征是交通网络设计、优化与调控的前提与基础。针对现有检测手段单一，无法精确识别个体出行行为特征的不足，本项目综合利用手机信令、车牌识别、POI等多视图交通大数据，从车辆类型、出行需求以及运行状态三方面构建了出行画像模型。基于车辆出行时空特征参数采用聚类算法实现了车辆类型划分，并采用决策树方法实现了通勤车辆规则的获取。基于时空加权回归模型，构建了全方式和不同类型机动化出行需求与土地利用直接的关系模型，分析了不同土地利用以及时空特征对出行需求的影响。基于多源数据构建了路网宏观基本图模型，在此基础上利用车牌识别数据构建了微观路段受信号影响下的多态行程时间估计模型。以杭州市数据为例开发了交通大数据分析系统，并针对杭州车牌限行等政策进行了应用分析。项目研究成果将丰富和发展交通大数据分析的理论与方法体系，促进交通大数据技术在公共管理领域的深度应用。