● 摘要
城市居民通勤客流指居民上下班产生的客流，其流量和变化规律一直是交通管理人员的关注重点。传统的通勤客流调查多基于人工调查方式，成本高，周期长，准确率低，无法适应现代城市客流规律研究的需要。在城市居民利用手机进行通信时，基于网络定位方式产生的手机定位数据，覆盖率高，能真实反映居民出行行为，基于手机定位数据的城市客流信息计算日益受到智能交通系统研究人员的重视。 现有研究多基于利用无线网络，GPS装置产生的模拟数据，与真实的城市居民手机定位数据存在较大差异，而且由于手机通信机制特点，手机定位数据中存在特有的基站抖动现象产生的噪音干扰。目前主流的基于用户活动范围对用户行为模式进行分析的方法，在数据采样率不足时，受基站抖动数据的干扰较大，准确率较低。另外基于用户通勤OD信息的城市通勤客流统计方法在用户量达到千万级别时，计算效率较低。 经过对现有计算方案的深入研究和对实际手机数据特征的分析，本文提出了一套基于手机定位数据的城市居民通勤客流信息计算方案，并在此基础上，基于北京市手机数据，设计实现了城市通勤客流信息处理系统。 本文取得的主要成果如下： 1)提出一套基于手机数据的用户行为模式分析方案：包括对手机数据可计算序列的判断和平滑方法；基于时空密度聚类的用户停走状态识别算法，相比常用的基于活动范围的用户行为模式区分算法准确率更高，抗噪音干扰性更强。 2)给出基于网格划分的客流信息计算方案，通过简化用户通勤信息的区域位置计算过程和将实时计算量转移到预先计算中以提高区域间客流信息的计算速度，解决由于手机数据用户量大导致的计算效率问题。 3)基于手机通信方式的特点，提出基于通信量变化规律的城市交通小区发现方法，通过分析基站通信量变化规律与基站周围环境的关系，提取出居住区、工作区基站通信量变化模型，通过对城市基站通信量变化的匹配，发现城市中居住区、工作区的分布，从而为城市交通小区划分提供可靠准确的数据支持。 4)基于北京1300多万用户的手机定位数据，设计实现了一个城市通勤客流信息处理系统，并对本文提出的计算方案进行了测试和验证。