王印海 崔志勇城市交通，2019，17（3）：08-10
出版日期：
2019年5月25日 ＋ 显示摘要（点击可直接显示摘要）- 摘要
吴子啸城市交通，2019，17（3）：11-18
出版日期：
2019年5月25日 ＋ 显示摘要（点击可直接显示摘要）- 摘要
利用手机数据推演居民出行特征是近年交通研究中的一个热点。尽管已有众多研究成果发 表，但现实应用中仍有诸多问题需要解决和改进。提出一种基于手机数据的出行链推演算法，通过 构造时空贪婪同化流程来处理手机数据的空间不确定性，并对传统聚类算法进行改进以提高活动地 点识别效率。通过个体实际数据验证了算法的有效性。结果显示，与其他方法相比，提出的算法能 够高效地锚固居住地、工作地等停留较长时间的出行端点，从而提高出行链推演的效率和准确性。 该算法适用于多天、手机基站定位和三角算法定位的混合位置数据，对现实数据有很好的适应性
钮心毅 谢琛城市交通，2019，17（3）：19-29
出版日期：
2019年5月25日 ＋ 显示摘要（点击可直接显示摘要）- 摘要
使用手机信令数据识别职住地时，采用不同规则和参数取值可能导致结果差异。这种差异对 职住地识别结果可靠性的影响程度值得研究。根据手机信令数据特性，提出职住地识别的时间连续 性、空间位置分辨率、数据时间序列3 个关键时空因素。采用4 种时间规则、3 种空间聚合距离、3 种数据时间序列进行组合，对同一城市同一批手机信令数据进行职住地测算。比较不同时空因素下 职住地识别结果的差异，采用识别率、平均直线通勤距离、共同识别用户一致性等指标验证结果的 可靠性。研究表明，不同的时空因素对职住地识别结果产生显著影响。最后，探讨在实际应用中时 空因素取值需注意的问题，并提出相关建议
苏跃江 陈先龙 吴德馨城市交通，2019，17（3）：30-38
出版日期：
2019年5月25日 ＋ 显示摘要（点击可直接显示摘要）- 摘要
传统抽样调查往往是调查某个时段某类群体的个体属性和出行信息，难以确定个体的连续活 动模式和活动特征。而利用大数据进行连续的特征追踪、动态观测和分析个体的空间活动特征成为 可能。首先分析传统抽样调查与大数据挖掘的差别与关系，进而总结北京、上海、广州城市交通综 合调查的演变历程及特点。以广州市为例进行实证研究，梳理2017 年广州市第三次交通综合调查 的框架和特点，从挖掘特殊指标、实现多源数据相互补充与校核两个层面探讨大数据在交通综合调 查中的作用
熊杰 陈彪 李向楠 陈艳艳 郝世洋城市交通，2019，17（3）：39-47
出版日期：
2019年5月25日 ＋ 显示摘要（点击可直接显示摘要）- 摘要
单纯提高交通供给能力无法从根本上缓解城市交通供需失衡的矛盾，而交通需求管理理念已 越来越广泛地应用于相关政策制定中。在阐述城市交通需求管理内涵的基础上，结合大数据与信息 化行业应用背景，提出大数据支撑下的交通需求管理体系框架。进而从出行总量控制、出行分布调 整、出行时间均衡、出行空间均衡、交通结构优化5 个维度分析城市交通需求管理政策的制定思路 与作用机理。最后，阐述了大数据对交通需求管理政策绩效评估的支撑作用
张爱国 范文强 张迎娅城市交通，2019，17（3）：48-52
出版日期：
2019年5月25日 ＋ 显示摘要（点击可直接显示摘要）- 摘要
为了缓解城市交通拥堵、保障交通安全、提升智慧交通管控水平，采用云计算模型与智慧交 通管理系统相结合的方法，构建智慧交通云系统结构框架。通过深圳智慧交通云服务平台的实际案 例应用，实证了云计算的超强计算能力、系统融合能力、信息集成能力、个性化服务能力等能弥补 目前智慧交通系统中子系统间共享困难、数据分析处理不及时、信息传递延迟等问题。提出加快研 究智慧交通云计算系统的推广应用，以便提升交通信息化管理水平、改善城市交通运行状况
Cuauhtemoc Anda, Alexander Erath, Pieter
Jacobus Fourie 著宗晶译城市交通，2019，17（3）：53-66
出版日期：
2019年5月25日 ＋ 显示摘要（点击可直接显示摘要）- 摘要
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
