江苏省技术产权交易市场

基于手机信令大数据的交通出行方式识别
170人浏览  | 1人应答
众包 需求发布日期: 2020-11-11 14:25:43 剩余时间: 已过期
高新技术领域
电子信息,智能交通和轨道交通技术,交通基础信息采集、处理技术
发布者
曹媛
状态
已解决
悬赏价格
¥500,000元
联系方式
184xxxx5255 【点击查看】
①路径匹配精度85%以上;
②交通出行方式识别80%以上;
③申请专利2-3篇。
交通需求预测是城市交通规划及运营的基础,能够准确地预测城市交通需求对合理管理和控制城市交通系统具有重要意义。 在现有的交通需求预测方法(例如交通分配模型)中都高度依赖于不同出行方式下的出行需求估计。然而,鉴于其高度复杂的性质,准确预测不同方式的需求具有一定的难度。这是由于运输系统的运行和交通流的时间/空间波动是不可检测的,因此,有效识别交通方式是当前技术的关键。 以往通过传统调查手段获取出行方式等交通信息的方法存在许多缺陷,如调查成本高,抽样率低等,近年来移动智能设备迅速发展,如何从包含有居民移动位置信息的轨迹数据比如GPS数据、手机信令数据中获取出行方式成为了交通领域关注的热点。 手机信令数据以其海量性、连续可获取性强以及无需特定感知设备等特点近年来更是受到了各界的广泛关注。其通过基站记录的个体位置可以还原个体在时空维度上的出行链信息,从而探寻个体活动空间规律,精准刻画人群画像。利用云计算、人工智能等先进的科学技术实现异构多数据源的数据集成与共享、处理及建模,突破利用手机大数据获取城市交通规划及运营指标的高精度要求,解决获取交通出行方式等技术难题,并将研究成果应用于各层次城市规划,为现状评价、规划支撑、方案优化提供支持,充分发挥大数据的实践价值,最终为政府实现科学决策、精准规划提供整体解决方案。 目前现有技术中大多是主要存在以下三个问题: 第一是绝大部分关于轨迹数据挖掘的研究是基于GPS数据集,GPS数据采样频率和定位精度较高是理想的轨迹数据来源,但是相比于手机信令数据,其可获取性和能耗性较差,目前对于手机信令数据挖掘出行方式的研究还有待进一步深入。 第二是样本量较少且获取成本高,不管是基于规则还是机器学习的方法都需要获取一定数量带有出行方式标签的轨迹样本作为先验知识建立规则或训练分类器,样本量的大小和质量会直接影响到模型的可靠性和泛化能力。目前大部分的研究都是采用开发手机终端上的APP程序并招募志愿者填写相关信息的方式来获取用于研究的样本数据,由于信息收集的成本较高使得样本量偏少,同时招募的志愿者群体受限于机构的性质和规模而存在偏向性,导致获取的轨迹样本量在时空分布以及人群分布上缺乏全面性和随机性。 第三是以往的研究在轨迹分类问题时往往只考虑了交通方式自身的差异性在轨迹时空分布上的体现,选取的特征参数局限于距离、时耗、速度等,但是在复杂交通环境的影响下,各类出行方式在出行轨迹中体现的差异特性会被干扰而存在交叉现象导致识别精度降低。
需求类型 众包 所处阶段 实验室 发布方 单位
交易方式 合作开发 所在地区 江苏省南京市栖霞区 需求标签
项目总金额 资金用途 信息有效期至 2020-12-31
高新技术领域分类 电子信息,智能交通和轨道交通技术,交通基础信息采集、处理技术
最新动态
暂无数据