[发明专利]一种基于大数据和传统方法相结合的居民出行调查综合扩样校核方法

权利要求书

1.一种基于大数据和传统方法相结合的居民出行调查综合扩样校核方法，其特征在于采用大数据和居民出行调查数据相结合进行所述综合扩样校核，所述大数据为多源大数据，包括手机信令数据、上网数据、GPS数据、IC卡数据、高速公路收费数据和卡口数据；所述居民出行调查数据包括入户调查数据和户外调查数据，所述入户调查数据主要包括家庭信息、个人信息和个人出行信息，所述户外调查数据包括道路流量和载客率调查数据、公交客流调查数据和轨道客流调查数据；

所述综合扩样校核方法的具体实施步骤如下：

第一步：利用多源大数据进行总体初步校核工作：

1)首先构建城市现状交通模型；

2)然后利用居民出行调查的组合扩样数据得到的出行空间分布构建初始综合矩阵；

3)再结合GPS数据、IC卡数据、道路流量和载客率调查数据分离出道路机动车矩阵；

4)流量数据OD校正和收敛判断；

5)最后进行结果输出即得到初步校正的出行特征；

第二步：分类校核，按照通勤出行和非通勤出行两大类对初步校正的出行特征分开进行分类校核：

1)所述通勤出行校核包括上下班出行校核和上下学出行校核；

2)所述非通勤出行校核包括以下步骤：第一步：利用组合扩样的数据减去通勤出行数量，得到非通勤出行的基础数据库；第二步：在所述非通勤出行的基础数据库中采用有放回抽样方法进行修正，区分出出行目的；

第三步：总体约束再修正，对分类校核后的出行数据进行总体约束再修正：

1)利用IC卡数据、GPS数据对方式结构进行总量约束修正；

2)对时间分布进行约束修正；

第四步：至此完成居民出行调查综合扩样校核。

2.根据权利要求1所述的基于大数据和传统方法相结合的居民出行调查综合扩样校核方法，其特征在于，上述第一步的步骤3)中所述结合GPS数据、IC卡数据、道路流量和载客率调查数据分离出道路机动车矩阵的流程如下：

(3-1)：从初始综合矩阵中分离出慢行矩阵，所述慢行矩阵包括组合扩样后的步行矩阵和非机动车矩阵，分离后即得到机动化方式矩阵；

(3-2)：利用GPS数据获取出租车矩阵，利用IC卡数据获取常规公交矩阵和轨道矩阵；所述常规公交矩阵和所述轨道矩阵两者的总和构成全市公交系统矩阵；

(3-3)：从所述的机动化方式矩阵中分离出所述全市出租车矩阵和所述全市公交系统矩阵进而推算出初步的分离道路机动车矩阵；

(3-4)：利用道路流量和载客率调查数据进行校核，得到分离道路机动车矩阵。

3.根据权利要求1或2所述的基于大数据和传统方法相结合的居民出行调查综合扩样校核方法，其特征在于，上述第一步的步骤4)中所述流量数据OD校正和收敛判断的流程如下：

(4-1)：利用所述道路机动车矩阵和现状路网数据进行综合，得到初始分配结果；

(4-2)：利用所述道路流量和载客率调查数据、所述高速公路收费数据和所述卡口数据进行OD校正；

(4-3)：对OD校正结果进行检验。

4.根据权利要求3所述的基于大数据和传统方法相结合的居民出行调查综合扩样校核方法，其特征在于，所述对OD校正结果进行检验可选择如下两种方法之一，方法一：仅针对核查线交通调查流量进行检验，以核查线交通调查流量作为约束条件；方法二：双重约束，一是对核查线交通调查流量进行约束，二是对由所述卡口数据和所述高速公路收费数据推算的较为精确的矩阵进行约束。

5.根据权利要求1所述的基于大数据和传统方法相结合的居民出行调查综合扩样校核方法，其特征在于，所述上下班出行校核包括：利用所述上网数据获取较为准确的职住分布；利用所述手机信令数据获得较为精确的上下班出行数据的分布扩样。

6.根据权利要求1所述的基于大数据和传统方法相结合的居民出行调查综合扩样校核方法，其特征在于，所述上下学出行校核包括大学生、中学生、幼小学生三类出行校核。