基于手机GPS定位数据的交通方式换乘点识别方法研究

来源：中国血液净化杂志2021年第12期北京时间：

作者：姚振兴, 许心越, 邵海鹏, 杨飞

单位：1. 长安大学 运输工程学院, 陕西 西安 710061;2. 北京交通大学 交通运输学院, 北京 100044;3. 西南交通大学 交通运输与物流学院, 四川 成都 611756"],"fundList_en":["National Natural Science Foundation of China (52002030, 52072313, 52072044); Humanities and Social Sciences Foundation of the Ministry of Education (20XJCZH011); Natural Science Foundation of Shaanxi Province (2021JQ-256); Humanities and Social Sciences Foundation of Shaanxi Province (2020R035); Fundamental Research Funds for the Central Universities CHD (300102341676); Program of Chongqing Municipal Bureau of Planning and Natural Resources (KJ-2021007)

摘要：交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点，既有研究大多通过设置出行时间、距离阈值进行识别，算法经验性强，普适性不佳，且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此，提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先，构建模糊时空聚类算法识别个体运动-静止状态，算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求，对个体运动状态识别效果更佳；其次，建立支持向量机模型进行交通方式换乘点识别，有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰；最后，从出行链视角出发，提出了基于序列相似度算法的误差回溯自检与优化模型，能够有效修复换乘点漏识别与错误识别问题。此外，在成都市开展了大范围实测试验，由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%，换乘时间平均识别误差控制在20 s以内；与既有空间聚类、小波分析算法相比，换乘点识别精度提升近10%，换乘时间误差最大可降低20 s以上，算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑，为交通规划与管理部门决策提供技术支持。

关键词：交通工程,换乘点识别,模糊时空聚类,手机GPS定位数据,支持向量机,出行链

基金资助：国家自然科学基金项目（52002030，52072313，52072044）；教育部人文社会科学基金项目（20XJCZH011）；陕西省自然科学基金项目（2021JQ-256）；陕西省社会科学基金项目（2020R035）；中央高校基本科研业务费专项资金项目（300102341676）；重庆市规划和自然资源局项目（KJ-2021007）