專利名稱：基于多源數據融合的人口時空動態出行特征建模方法
技術領域：
本發明涉及人口時空動態出行特征建模技術，更具體地說，涉及一種基于多源數
據融合的人口時空動態出行特征建模方法。
背景技術：
城市是一個復雜的社會經濟系統，人口在城市系統中所進行的各類活動都通過人 口動態分布進行體現。通過地理信息系統(Geographic Information System,簡稱"GIS") 將交通調查、交通分析與其社會屬性、空間屬性、空間行為等聯系起來進行交通空間分析， 探討人口分布特征與城市之間的相互關系，認識并揭示其中的規律，為進行城市管理、城市 規劃和交通規劃等提供輔助決策，具有重要意義。 因此，如何應用高科技手段獲取城市人口動態出行數據，通過GIS交通空間分析 方法將交通調查、交通分析與其社會屬性、空間行為、空間屬性等聯系起來，進行城市人口 時空動態分布特征研究、城市人口動態出行特征建模研究，滿足日益龐大的城市交通相關 的規劃設計及輔助決策需求和人口管理需求，是城市管理、交通規劃建設面臨的難題之一。
常規的人工分布建模方法一般采用基于人口普查和人口調查等方式，這種調 查方式的數據質量較差、成本較高、抽樣樣本有限、周期較長、通常間隔若干年進行一次 全面的調查，不能把握人口分布信息的動態變化特征。同時，一般是按照調查的起止點 (Original-Destination,簡稱"0D")數據按照最短路徑匹配到路網或交通小區進行空間 分析，不能嚴格反映人口的時空動態分布特征。
發明內容
基于此，有必要提供一種能得到精確的人口分布特征依據的基于多源數據融合的 人口時空動態出行特征建模方法。 所述基于多源數據融合的人口時空動態出行特征建模方法包括以下步驟A.將 地圖數據、手機定位數據、浮動車輛數據輸入系統，并按照要求進行數據組織管理；B.建立 基于手機定位數據及浮動車輛數據的人口出行特征空間分析模型；C.應用所述人口出行 特征空間分析模型對所述地圖數據、手機定位數據、浮動車輛數據進行多源數據融合處理， 獲得人口出行特征綜合信息；D.根據所述人口出行特征綜合信息進行各種人口出行特征 分析，并將所述分析結果通過地理信息系統進行發布。 所述步驟A之前還包括步驟Al.對所述手機定位數據、浮動車輛數據進行預處 理；A2.建立基于手機定位數據、浮動車輛數據獲取人口移動軌跡信息的基本方法模型。
所述步驟B中建立人口出行特征空間分析模型包括人口分布空間密度建模、人 口出行頻率建模、人口出行時間建模、人口出行起止點分布建模、人口出行距離建模、路段 出行流量建模。 所述步驟C中對地圖數據、手機定位數據、浮動車輛數據進行多源數據融合處理 的步驟包括Cl.對單種類型數據進行綜合和特征建模；C2.進行多層次數據融合處理，包括基礎數據融合處理、特征數據融合處理和決策數據融合處理。 所述步驟D中進行各種人口出行特征分析的步驟包括Dl.分析人口出行的基本 特征，包括出行次數、出行目的及出行方式結構；D2.分析人口分布空間密度特征、人口出 行頻率特征、人口出行時間特征、人口出行起止點分布特征、出行距離特征及路段出行流量 特征。 所述步驟D中進行各種人口出行特征分析的步驟還包括D3.不同類型人群時間 分布特征分析、流動人口分布特征分析、弱勢人群的分布特征分析、疏散模型分析、商業選 址分析和疾病預防控制分析。
所述方法還包括步驟E.將所述通過地理信息系統發布的分析結果應用到應急
處置、交通需求管理、土地利用規劃、交通規劃、交通誘導應用中，并根據所述分析結果實現
以人口時空分布特征建模為基礎的綜合信息知識提取應用，為決策管理提供支持。
所述步驟E中根據分析結果實現綜合信息知識提取應用的步驟還包括將所述通
過地理信息系統發布的分析結果應用到流動人口管理、弱勢人群管理、商業選址和疾病預
防應用中。 上述基于多源數據融合的人口時空動態出行特征建模方法，基于手機定位數據、 浮動車輛數據建立人口出行特征空間分析模型，獲取大數據量、高質量、具有時空特性的城 市人口出行特征數據，解決了常規方法成本高、樣本少、質量差、時效性差等不足。應用所建 立的人口出行特征空間分析模型對地圖數據、手機數據及浮動車輛數據進行多源數據融合 處理及人口出行特征分析，能得到精確的人口分布特征依據，且所得到的人口特征信息覆 蓋面大、實用性強，能夠反映交通需求的特點、出行行為規律及城市的交通流分布。另外，基 于地理信息系統的處理分析平臺，能夠對海量人口出行特征數據進行存儲、融合處理、建模 分析、數據挖掘、專題展示，并結合土地利用、交通小區劃分、交通路網等數據，實現了以人 口出行特征建模為基礎的綜合信息知識提取，為城市規劃、土地利用及交通規劃提供了決 策支持。
圖1是一個實施例中基于多源數據融合的人口時空動態出行特征建模方法的流 程圖。
具體實施例方式
圖l示出了一個實施例中基于多源數據融合的人口時空動態出行特征建模方法 流程，具體過程如下 在步驟S101中，將地圖數據、手機定位數據及浮動車輛數據輸入系統，并按照要 求進行數據組織管理。 在一個實施方式中，還應對手機定位數據、浮動車輛數據進行預處理。在數據獲取 方面，出租車交通是公交方式的有益補充，是非通勤出行、非經常性出行的主要交通工具。 基于浮動車輛數據(Float Car Data,簡稱"FCD")的人口出行數據獲取主要是從出租車 監控調度系統中車載終端發送到調度中心的數據中提取的。由于車輛終端定期通過無線 通訊方式(例如GPRS/CDMA/GSM等)發送到中心的數據中包含當前時刻的全球定位系統
5(Global PositioningSystem，簡稱"GPS")數據和車輛狀態(空車還是重車)等信息，從連
續的數據中就可以提取該車輛具有地理坐標的出行軌跡數據、OD數據等。 出租車出行基本特征包括運營時間、全天載客里程、車均載客次數、載客時間、空
駛時間、日運營時間、全天載客里程、車均載客里程、日運營收入和車均運營收入等，經過統
計分析可以獲取不同時間、不同地域的不同出行流量、OD分布等信息，這些信息客觀上反映
了城市居民出行交通需求在時間上的分布規律，相對于常規人工交通調查而言，數據量大
且自動化程度高。由于車載設備、信號傳輸與接收、建筑物遮擋等原因，接收浮動車輛數據
時會出現GPS數據漂移、車速值異常、接收時間混亂等情況，因此必須對原始的浮動車輛數
據進行預處理，該處理過程包括對FCD數據進行邏輯判斷以過濾異常數據。此外，未載客出
租車在尋找客源的過程中，經常會出現路邊侯客、休息、不規則變道和加減速等隨意性較大
的駕駛行為，這些都不能真實反映城市道路的實際交通運行狀況，因此必須將空車數據刪除。 而路網GIS數據庫的構建中，采用點與直線來表征城市路網，且點和直線都具有 準確的地理位置屬性，以實現GPS數據和城市路網數據的對應，實現地圖數據與手機定位 數據、FCD數據、路網、交通小區等數據集成和管理。 在一個實施方式中，還應建立基于手機定位數據、浮動車輛數據獲取人口移動軌 跡信息的基本方法模型。隨著手機定位技術的出現以及手機用戶的快速增長，可以對目標 對象進行位置定位、連續追蹤其位置變化信息，在此基礎上進行數據處理和建模分析，提煉 出相應的人口移動軌跡。基于手機定位技術的人口移動軌跡獲取技術相對傳統的調查方法 有明顯優勢，利用手機無線通信已有的基礎設施，成本較低。另外，追蹤目標對象的位置變 化，能夠反映各種時間周期間隔內移動軌跡的動態變化特征，可追蹤的樣本量充足，獲得的 數據具有較強的代表性和真實性，數據質量較高。 在步驟S102中，建立基于手機定位數據及浮動車輛數據的人口出行特征空間分 析模型。 人口分布與出行具有以下基本特征 (1)空間特性。城市具有城市實體空間和功能空間特性。實體空間是集中各種城 市設施所占據的地域范圍，功能空間是城市人口進行社會經濟活動涉及的地域范圍，包括 與實體地域有密切社會經濟聯系的外圍地域。城市人口進行日常活動主要在城市實體空 間、以及與不同交通狀況而衍射的功能空間。城市人口聚居與城市實體空間內，其空間特性 由其城市實體空間位置體現。城市實體空間和功能空間的分布，一定程度上決定了城市人 口的空間分布特性和出行特點。 (2)多屬性特性。城市人口在表征其空間特定的同時，還表現出其不同類型、不同 自然和不同社會經濟等方面的屬性特征，這些屬性特征所表述的人口數量、出行數量、人口 總量等是城市規劃管理決策的基礎性依據指標。 (3)時間特性。城市實體空間及聚居于其中的城市人口是隨時間動態變化的，而城 市人口空間特性由城市實體空間所界定，兩者隨時間變化周期不同且相對影響。城市實體 空間隨城市建設進行的變化，其位置空間相對穩定，但城市功能空間與城市人口分布相互 影響、相互作用，其屬性結構變化則相對頻繁。
(4)多尺度特性。根據研究對象、研究目標的不同，城市人口分布和出行根據時間
6間隔、空間范圍等不同的建立宏觀或微觀、局部或大范圍的不同尺度統一地理實體在幾何、 數據結構和屬性方面的多重表示，建立多尺度之間的相關和互動機制，以進行有效的綜合 分析和輔助決策。 城市人口和許多人文、社會經濟地理現象的分析，一般將城市實體空間看作一定
空間尺度下二維平面上的投影而研究其空間分布。城市實體空間中的人口位置用點位標
識，在與其它人口分布、交通網絡等實體空間相互空間作用時，影響城市人口分布及出行。
城市人口分布與出行特征建模的直接目的是為城市總體規劃、區域土地利用總體規劃提供
關于城市及各城鎮人口規劃、區域城鎮化水平等一系列基礎性數據，并對城鎮體系動態演
進進行地理模擬。因此，需要從空間分析方法上進行城市人口出行特征建模。 空間數據分析是人口出行特征建模的核心應用功能，它提供各種不同的分析模型
對原始數據進行融合處理、分析處理而后獲取各類的專題數據。同時，分析模型也可以結合
原始數據和專題數據進行分析處理后獲取各類新的專題數據，并將各類專題數據分類存儲
到各個專題數據表中，以備展示或數據共享使用。在數據獲取的基礎上，通過不同專業建模
數據模型，創建各種不同的分析模式，對各種不同的數據進行組合分析以其獲取出行規律
或對存在的出行問題做出科學的解釋，為規劃人員提供規劃分析工具，為決策領導提供決
策依據。 在一個實施方式中，建立人口出行特征空間分析模型包括人口分布空間密度建 模、人口出行頻率建模、人口出行時間建模、人口出行OD建模、人口出行距離建模和路段出 行流量建模。其中 (1)人口分布空間密度建模。人口分布是人口地理學的一個重要課題，通常用人口
密度作為衡量人口分布的主要指標。人口分布本質上是離散非連續性的，可以通過將研究
區域分為一定分辨率的格網或交通小區，按照劃分單元進行人口空間密度統計、數據模擬，
獲取人口的居住密度分布、工作密度分布、不同時間刻度的空間密度分布。
(2)人口出行頻率建模。人口出行頻率模型廣義上指的是描述一個城市居民出行
次數指標的模型，狹義上指不同土地利用類型出行生成率的模型。居民出行次數指標與城
市的規模、人口、就業、經濟發展狀況、城市交通發展狀況、人民生活水平、生活習慣甚至城
市的地理狀況有關。需要根據人口的居住密度分布、工作密度分布、不同時間刻度的空間密
度分布信息，居于劃分單位進行人口出行頻率統計、數據模擬，獲取人口不多尺度、不同分
辨率的出行頻率分布。 (3)人口出行時間建模。出行時間模型是評價城市交通服務質量、服務能力和道路 交通可靠性的交通指標，與路網的交通流量、平均車速、交通密度和交通延誤等因素有關。 在一個實施例中，通過匹配出租車乘客的上下車時間和GPS時間，確定乘客的出行時間。
(4)人口出行0D建模。出行0D在交通中有著重要價值，0D數據是反映出行需求 空間分布的重要參數，也是進行交通需求分析、交通分配、制定交通規則的重要基礎信息。 如何建立人口出行0D模型，需要定量定性地研究居民出行量與車流量、平均車速、交通密 度和交通延誤的關系。在一個實施例中，通過匹配手機定位數據、土地利用數據等，確定乘 客的路線選擇行為，確定乘客的0D信息。 (5)出行距離建模。土地利用是交通源，確定出行數量、交通需求。出行距離是交 通需求、道路網的服務能力、土地使用的一個非常重要的評價指標，可以通過出行OD和旅行時間計算。在一個實施例中，通過匹配出租車GPS數據中的載客標志及經緯度坐標，確定 乘客的0D和路線選擇行為，確定乘客的出行距離信息。 (6)路段出行流量建模。交通流量是交通需求的實現結果，是交通需求在有限的時
間與空間上的聚集現象。同樣，出行流量是人口出行的實現結果，準確的人口出行模型不僅
有利于理解人口的出性行為，而且對分析交通狀況，規劃交通網絡和實現交通優化控制策
略都有十分重要的作用。通過出行OD、GPS數據/手機定位數據和路網數據地圖匹配，所經
路段交通流量進行統計，可以統計出一定時間段內所有路段的交通流量。 在步驟S203中，應用人口出行特征空間分析模型對所述地圖數據、手機定位數據
及浮動車輛數據進行多源數據融合處理，獲得人口出行特征綜合信息。 在一個實施方式中，所進行的多源數據融合處理包括對單種類型數據進行綜合 和特征建模；進行多層次數據融合處理，包括基礎數據融合處理、特征數據融合處理和決策 數據融合處理。 手機定位數據和FCD數據作為兩種海量城市人口出行數據源，有其各自優勢和不 足。FCD的數據精度較高，但服務范圍有限，可以部分表征市區出行特點。手機定位數據具 有海量特點，能夠對眾多出行者進行軌跡跟蹤，其服務范圍較廣闊，可以代表市區、區縣等 城市人口出行特點，但精度相對稍差。數據融合技術充分利用了多源數據的冗余性和互補 性，可有效增加信息處理的置信度和可靠性，能夠將不確定、離散、甚至相互矛盾的復雜信 息轉換為一致性的解釋和描述。 為了保證人口出行信息的質量，提高其可信度和可用度，需要利用多源數據相互 檢驗、相互補充、綜合處理。利用數據融合技術，在一定準則下加以自動分析、綜合，才能得 到具有實際應用價值的城市人口出行特征綜合信息。多源數據是數據融合的加工對象，協 調優化和綜合處理是數據融合的核心。 在步驟S104中，根據所述人口出行特征綜合信息進行各種人口出行特征分析，并 將所述分析結果通過地理信息進行發布。 在一個實施方式中，對各種人口出行特征進行分析具體包括分析人口出行的基 本特征，包括出行次數、出行目的及出行方式結構；分析人口分布空間密度特征、人口出行 頻率特征、人口出行時間特征、人口出行OD特征、出行距離特征及路段出行流量特征。在一 個實施例中，還包括不同類型人群時間分布特征分析、流動人口分布特征分析、弱勢人群 的分布特征分析、疏散模型分析、商業選址分析和疾病預防控制分析等。 通過手機定位技術可以獲取大量數據量、連續時間序列的城市人口出行軌跡數 據，基于手機定位誤差、連續時間序列內相鄰兩坐標位置的平面距離、交通小區劃分等信 息，判斷單個研究對象的出發地和目的地信息，從而獲取眾多城市人口的出行0D信息。出 租車0D數據可以根據車輛運行狀況的連續數據，根據車輛服務狀態變化得到不同車輛、不 同時間的OD分布。 基于手機定位技術獲取的海量人口出行0D數據獲取、出租車FCD的出行0D數據 獲取是兩種重要的人口出行OD數據，通過對這兩類數據的有機數據融合，實現了以交通小 區劃分的人口出行OD建模和專題圖發布。通過手機定位技術獲取的人口軌跡數據的數據 精度較差，可以通過將不同時空位置數據的前后關系和路網拓撲結構充分結合進行地圖匹 配，提高手機定位精度。出租車FCD數據精度較高，但仍然需要通過與路網數據的地圖匹配實現與其所在路段的銜接。基于兩類不同精度的人口出行軌跡數據，結合道路交通網絡基 礎技術數據(如路網中各路段的地理分布、等級、長度等)和道路交通管理規則信息(如單 向行駛、禁拐、禁行等)，通過應用人口出行流量的融合處理方法，實現不同粒度、不同比例 尺的人口出行流量建模和專題圖發布。 在一個實施方式中，將分析結果通過地理信息系統發布后，將分析結果應用到應 急處置、交通需求管理、土地利用規劃、交通規劃、交通誘導應用中，并根據所述分析結果實 現以人口時空分布特征建模為基礎的綜合信息知識提取應用，為決策管理提供支持。另外， 還可以將其應用到流動人口管理、弱勢人群管理、商業選址和疾病預防應用中。
本發明基于構建的GIS信息處理分析平臺，實現對海量人口出行數據的存儲、融 合處理、建模分析、數據挖掘、專題展示，并結合土地利用、交通小區劃分、交通路網等數據， 實現人口出行0D、出行流量等統計分析，實現以人口出行特征建模為基礎的綜合交通信息 知識提取，為進行城市規劃、土地利用規劃、交通規劃等提供決策支持。 最后應說明的是，以上實施例僅用以說明本發明的技術方案而非限制，盡管實施 例對本發明進行了詳細說明，本領域的技術人員應當理解，可以對本發明的技術方案進行 修改或等同替換，而不能脫離本發明技術方案的精神和范圍。本發明的專利保護范圍應以 所付權利要求為準。
權利要求
一種基于多源數據融合的人口時空動態出行特征建模方法，其特征在于，所述方法包括以下步驟A.將地圖數據、手機定位數據、浮動車輛數據輸入系統，并按照要求進行數據組織管理；B.建立基于手機定位數據及浮動車輛數據的人口出行特征空間分析模型；C.應用所述人口出行特征空間分析模型對所述地圖數據、手機定位數據、浮動車輛數據進行多源數據融合處理，獲得人口出行特征綜合信息；D.根據所述人口出行特征綜合信息進行各種人口出行特征分析，并將所述分析結果通過地理信息系統進行發布。
2. 根據權利要求1所述的基于多源數據融合的人口時空動態出行特征建模方法，其特 征在于，所述步驟A之前還包括步驟Al.對所述手機定位數據、浮動車輛數據進行預處理；A2.建立基于手機定位數據、浮動車輛數據獲取人口移動軌跡信息的基本方法模型。
3. 根據權利要求1所述的基于多源數據融合的人口時空動態出行特征建模方法，其特 征在于，所述步驟B中建立人口出行特征空間分析模型包括人口分布空間密度建模、人口 出行頻率建模、人口出行時間建模、人口出行起止點分布建模、人口出行距離建模、路段出 行流量建模。
4. 根據權利要求1所述的基于多源數據融合的人口時空動態出行特征建模方法，其特 征在于，所述步驟C中對地圖數據、手機定位數據、浮動車輛數據進行多源數據融合處理的步驟包括Cl對單種類型數據進行綜合和特征建模；C2.進行多層次數據融合處理，包括基礎數據融合處理、特征數據融合處理和決策數據 融合處理。
5. 根據權利要求1所述的基于多源數據融合的人口時空動態出行特征建模方法，其特征在于，所述步驟D中進行各種人口出行特征分析的步驟包括Dl.分析人口出行的基本特征，包括出行次數、出行目的及出行方式結構；D2.分析人口分布空間密度特征、人口出行頻率特征、人口出行時間特征、人口出行起止點分布特征、出行距離特征及路段出行流量特征。
6. 根據權利要求5所述的基于多源數據融合的人口時空動態出行特征建模方法，其特征在于，所述步驟D中進行各種人口出行特征分析的步驟還包括D3.不同類型人群時間分布特征分析、流動人口分布特征分析、弱勢人群的分布特征分 析、疏散模型分析、商業選址分析和疾病預防控制分析。
7. 根據權利要求1所述的基于多源數據融合的人口時空動態出行特征建模方法，其特 征在于，所述方法還包括步驟E. 將所述通過地理信息系統發布的分析結果應用到應急處置、交通需求管理、土地利 用規劃、交通規劃、交通誘導應用中，并根據所述分析結果實現以人口時空分布特征建模為 基礎的綜合信息知識提取應用，為決策管理提供支持。
8. 根據權利要求7所述的基于多源數據融合的人口時空動態出行特征建模方法，其特 征在于，所述步驟E中根據分析結果實現綜合信息知識提取應用的步驟還包括將所述的分析結果應用到流動人口管理、弱勢人群管理、商業選址和疾病預防應用中,
全文摘要
本發明提供了一種基于多源數據融合的人口時空動態出行特征建模方法，所述方法包括A.將地圖數據、手機定位數據、浮動車輛數據輸入系統，并按照要求進行數據組織管理；B.建立基于手機定位數據及浮動車輛數據的人口出行特征空間分析模型；C.應用人口出行特征空間分析模型對地圖數據、手機定位數據、浮動車輛數據進行多源數據融合處理，獲得人口出行特征綜合信息；D.根據人口出行特征綜合信息進行各種人口出行特征分析，并將分析結果通過地理信息系統發布。本發明可獲取大數據量、高質量、具有時空特性的城市人口時空動態分布和出行特征數據，能得到精確的人口分布和人口出行特征依據，為城市規劃、土地利用規劃、交通規劃等提供決策支持。
文檔編號G08G1/01GK101694706SQ20091019063
公開日2010年4月14日 申請日期2009年9月28日 優先權日2009年9月28日
發明者曹文靜, 胡金星, 陳會娟 申請人:深圳先進技術研究院;