《表2 近期手机定位技术应用于出行OD采集概况》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于手机定位数据的个体出行行为特征分析综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于手机信令数据可通过手机信号强度在基站之间的切换情况与切换路网的标定获取车辆的行程车速。然而这类数据对出行方式的识别较为有限，准确率较高的出行方式包括:停留、步行与机动化的出行模式[24]。更精确的识别需要依靠手机传感器数据进行，它可提供更精确的定位信息来对出行速度等参数进行提取，以此识别出行方式。例如Sheung Tsui集成GPS+GIS系统对步行、自行车、公交车、小汽车、有轨电车等五种交通方式进行识别，整体准确率达到了91%[25]。Tao Feng将加速度数据加入方式识别的过程中，发现识别准确度达到90%以上，证明加速度数据在识别交通方式时有着很好的辅助作用[26]。Fei Yang等人通过开发的手机GPS采集软件收集传感器数据，将个体出行速度以信号波的形式利用小波变换的方法处理识别交通方式换乘点，并利用神经网络算法与公交站点匹配识别出行方式，正确率在85%以上[27]。Zahra Lari提出算法机理、样本量大小、识别参数、模型假设条件4个因素对交通方式识别正确率影响最为显著；并利用随机森林算法对公共汽车、小汽车和步行三种出行方式进行识别精度，识别精度在87%以上[28]，并指出速度相似的出行方式识别率不高。因此识别交通方式主要利用各交通方式间的速度差异，补充交通网络等数据，应用贝叶斯网络、神经网络、随机森林、支持向量机等多种方法取得了较高的识别准确度。