《基於智慧型手機的個體活動鏈信息獲取及挖掘方法》是依託上海交通大學，由雋志才擔任項目負責人的面上項目。
基本介紹
- 中文名：基於智慧型手機的個體活動鏈信息獲取及挖掘方法
- 項目類別：面上項目
- 項目負責人：雋志才
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
本項目以時空軌跡為數據源，提出個體活動-出行信息挖掘方法，設計不完整活動鏈彌補方法，研究個體、家庭和小區屬性對多日活動-出行行為的影響機理。主要內容包括：基於智慧型手機和網路調查技術採集個體出行軌跡，運用時空路徑和時空稜鏡模型，實現軌跡在時空維度下的可視化；運用卡爾曼濾波地圖匹配算法，實現軌跡與地圖的有效匹配，結合GIS信息和POI知識資料庫，分別使用基於特定規則的算法、離散隱馬爾可夫模型和時空匹配方法推斷出行端點、方式和目的；提出活動鏈完整性邊界條件，建立不完整活動鏈的分類體系，設計每種不完整活動鏈特有的彌補規則；生成個體、家庭和小區三個層級的活動-出行影響因素集合，建立以集合中影響要素為變數的多日活動-出行模型，精細化分析個體多日活動-出行特性和規律。項目研究成果在理論上能夠豐富和擴展出行行為研究的數據獲取方法和理論框架，在實踐上為精細化分析交通需求特徵和制定可行的交通管理政策提供依據。
結題摘要
本項目套用行為決策理論及基於活動的出行行為研究方法，以時空軌跡為數據源，提出個體活動-出行信息挖掘方法，設計不完整活動鏈彌補方法，研究個體、家庭和小區屬性對多日活動-出行行為的影響機理。主要內容包括：基於智慧型手機和網路調查技術採集個體出行軌跡，運用時空路徑和時空稜鏡模型，實現軌跡在時空維度下的可視化；運用卡爾曼濾波地圖匹配算法，實現軌跡與地圖的有效匹配，結合GIS信息和POI知識資料庫，分別使用基於特定規則的算法、離散隱馬爾可夫模型和時空匹配方法推斷出行端點、方式和目的，出行端點識別、出行方式識別和出行目的識別的精度分別達到了96.02%、95.05%和96.53%，驗證了基於規則的方法和機器學習方法在軌跡數據挖掘研究中的適用性；提出活動鏈完整性邊界條件，建立不完整活動鏈的分類體系，設計每種不完整活動鏈特有的彌補規則；生成個體、家庭和小區三個層級的活動-出行影響因素集合，建立以集合中影響要素為變數的多日活動-出行模型，精細化分析個體多日活動-出行特性和規律。研究發現工作日出行模式與休息日差異較大，周三的出行模式與其他工作日也存在一定差異，男性比女性日間差異大，高收入人群比低收入人群日間差異大，有小孩的家庭會購置更多的小汽車，小汽車出行比例也更高。項目研究成果在理論上能夠豐富和擴展出行行為研究的數據獲取方法和理論框架，在實踐上為精細化分析交通需求特徵和制定可行的交通管理政策提供依據。
