基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为研究智能手机所采集到的位置数据在识别用户出行方式领域的应用,首先,比选出速度、速度的百分位数、轨迹点数量占比、出行距离、停止率这5个适用于移动终端定位数据区分出行方式的特征变量,并对各特征变量的判别阈值进行了定义.然后,针对基站分布导致的数据偏差和位置信息漂移等问题,采用扇形定位结合地图匹配技术对数据进行了修正,进而在对时间阈值和距离阈值分割的基础上提出了移动终端用户出行链的获取方法.接着,建立C4.5决策树模型,以此判别移动终端用户的出行方式.最后,基于在某地区采集的7 000部移动终端的位置数据(包含:终端编号、定位时刻、经度、纬度)来对用户的出行方式进行研究.结果表明,模型在区分机动车和非机动车时准确率较高,达到了90%以上;在进一步区分中,如区分步行与自行车以及公交车和小汽车的出行上准确率相对较低,但也达到了80%以上的精度.
推荐文章
基于智能手机大数据的交通出行方式识别研究
粒子群
支持向量机
出行方式识别
智能手机大数据
模式识别
基于手机信令和导航数据的出行方式识别方法
城市交通
出行方式识别
聚类分析
时间关联
手机信令
导航数据
移动数据的交通出行方式识别方法
交通出行方式识别
用户行为
移动数据
无线网络技术
传感器
基于Spark的移动用户行为 轨迹大数据分析
移动用户行为
轨迹分析
分布式处理
Spark
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于移动数据的用户出行方式识别研究
来源期刊 交通运输研究 学科 交通运输
关键词 移动终端 位置数据 出行方式 城市规划 决策树 C4.5算法
年,卷(期) 2018,(6) 所属期刊栏目
研究方向 页码范围 47-54
页数 8页 分类号 U491.13
字数 6044字 语种 中文
DOI 10.16503/j.cnki.2095-9931.2018.06.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱广宇 北京交通大学交通运输学院 24 82 6.0 7.0
5 李晓璐 北京交通大学交通运输学院 3 7 2.0 2.0
9 张鹤鹏 北京交通大学交通运输学院 1 4 1.0 1.0
10 黄达 北京交通大学交通运输学院 1 4 1.0 1.0
11 杜辰 北京交通大学交通运输学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (79)
参考文献  (16)
节点文献
引证文献  (4)
同被引文献  (6)
二级引证文献  (0)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(8)
  • 参考文献(2)
  • 二级参考文献(6)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(7)
  • 参考文献(2)
  • 二级参考文献(5)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(8)
  • 参考文献(5)
  • 二级参考文献(3)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(4)
  • 引证文献(4)
  • 二级引证文献(0)
研究主题发展历程
节点文献
移动终端
位置数据
出行方式
城市规划
决策树
C4.5算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
交通运输研究
双月刊
1002-4786
10-1323/U
大16开
北京市东城区和平里东街10号院办公楼1109室
2-513
1976
chi
出版文献量(篇)
10878
总下载数(次)
15
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导