10.13813/j.cn11-5141/u.2019.0307
大数据时代的交通模型
通过新的大数据来源诸如手机通信记录、智能卡数据以及社交媒体地理编码记录,可以前所未有地观察和了解出行行为的细节.尽管有如此庞大的大数据来源,但在规划实践中使用的交通需求模型,其数据源仍大多来自交通调查和人口普查等传统方法.对近期利用大数据研究交通行为,以及使交通规划师可以进行假设情景分析的交通需求模型的最新进展进行梳理.从出行识别到出行活动推理,回顾和分析现有数据分析方法,这些传统方法使收集到的出行轨迹信息能响应交通需求模型.未来的研究应该侧重将概率模型和机器学习技术应用于数据科学.设计这些数据挖掘方法是为了处理由手机移动追踪数据衍生的零散和掺杂偏差的数据的不确定性.此外,这些方法还适用于将不同的相关数据组整合到一个数据融合方案中,以便用出行日志信息丰富大数据.总之,建模知识已经在交通运输领域发展成熟,因此强烈建议在交通规划方面应用数据驱动方法时应建立相应领域专业知识的基础.这些新的挑战呼吁交通模型师和数据科学家之间的多学科协作.
大数据、交通规划、出行需求建模、基于个体仿真、智能公交卡、手机网络数据
17
U491.1+2(交通工程与公路运输技术管理)
本研究成果隶属于由苏黎世ETH和新加坡国家研究基金会FI370074016联合成立的新加坡ETH中心未来城市实验室,得到"研究人才和科技企业"项目
2019-07-05(万方平台首次上网日期,不代表论文的发表时间)
共15页
53-66,74