基于移动通信数据的居民空间行为分析技术/面向未来的交通出版工程交通大数据系列 同济大学出版社 下载 pdf 2025 网盘 epub 在线 mobi 免费

在移动通信数据出现以前，尚没有数据能够长时间、大范围地记录居民的空间位置信息和出行轨迹信息。移动通信数据的出现为研究居民空间行为提供了靠前的机遇。近年来，居民空间行为研究领域涌现了大量借助移动通信数据开展的高水平原创研究工作，其中一些引领性的研究成果发表在Nature，Science等国际很好期刊上。本书较为系统地介绍了一些有趣的、普适的居民空间行为规律和特征，一些典型的居民空间行为模型，许多行之有效的移动通信数据挖掘方法和技术，以及移动通信数据在交通研究中的应用方法。

本书第1章介绍了移动通信数据的类型、特点，居民空间行为研究的发展，以及移动通信数据与居民空间行为研究之间的密切联系。第2章介绍了移动通信数据的分析挖掘技术，包括移动通信数据的数据结构，手机用户标识的识别技术，移动通信数据的处理、分析、清洗、修正、存储技术等。第3章介绍了居民空间行为的统计分析方法，居民空间行为的可预测性、典型模体，居民职住地点判别方法，基于向量场的居民空间行为分析方法，以及居民空间行为分析在多领域的应用等。第4章介绍了多种居民空间行为模型，如连续时间随机游走模型、探索与优先回归模型、辐射模型、人口加权机会模型、个体和群体空间移动通用模型等。第5章介绍了基于手机通话详单数据和手机信令数据的交通需求估计方法，基于移动通信数据和交通数据融合的交通需求估计方法，以及基于移动通信数据的交通方式划分方法。第6章介绍了基于移动通信数据的交通拥堵源分析方法，以及交通拥堵源信息驱动的交通限行、路网优化、路径诱导和交通管控方法。第7章介绍了基于手机通话详单数据和手机信令数据的居民空间分布感知方法，以及基于复杂网络和信息论方法融合的人群聚集预警模型等。

本书既介绍了一些具体落地技术，又介绍了一些前沿理论进展，读者可能只对某些章节的内容感兴趣。如果移动通信数据的处理、挖掘是您关注的重点，请阅读本书的第2章；如果您想了解移动通信数据在交通领域的应用情况，请关注第5章、第6章和第7章的内容；如果您对大数据驱动的居民空间行为研究更感兴趣，请把重点放在第3章和第4章。

本书可作为高等院校交通大数据教学、科研的参考书，也适合从事移动通信数据分析应用、智能交通、交通规划领域的工作者阅读。

总序

前言

1 绪论

1.1 移动通信数据简介

1.2 移动通信数据与居民空间行为研究

1.3 一个解决移动通信数据隐私问题的提议

1.4 本书章节安排

参考文献

2 移动通信数据的分析挖掘技术

2.1 引言

2.2 移动通信数据的数据结构特点

2.2.1 手机通话详单数据

2.2.2 手机信令数据

2.3 手机用户标识的识别方法与技术

2.3.1 基于C++的手机用户识别算法

2.3.2 基于Python的手机用户识别算法

2.4 面向居民空间行为分析的移动通信数据高效存储结构

2.4.1 移动通信基站坐标信息的高效存储结构

2.4.2 手机用户空间移动轨迹的高效存储结构

2.4.3 单线程手机用户空间位置记录表生成程序

2.4.4 多线程手机用户空间位置记录表生成程序

2.4.5 基于移动通信数据的居民社交网络构建

2.5 移动通信数据中的空间位置信息处理

2.5.1 移动通信基站服务区的估计方法

2.5.2 基于移动通信数据的空间连通性分析

2.5.3 手机用户空间位置跳动(乒乓效应)的处理方法

2.5.4 基于移动通信基站信号强度的手机用户定位方法

2.6 移动通信数据中异常、缺失数据的甄别与处理

2.6.1 移动通信数据中异常数据的识别与处理

2.6.2 移动通信数据中数据缺失的处理

2.7 移动通信数据中手机用户的隐私保护

2.8 小结

参考文献

3 居民空间移动行为特征分析

3.1 引言

3.2 居民空间移动行为的统计分析方法

3.2.1 居民出行轨迹的质心

3.2.2 居民出行轨迹的回转半径

3.2.3 居民出行轨迹的方向主轴

3.3 居民出行的探索与优先回归行为

3.4 居民空间移动行为的可预测性

3.4.1 个体移动网络建模

3.4.2 居民空间移动行为的随机程度测量

3.4.3 居民空间移动行为的可预测性

3.5 居民空间移动行为的典型模体

3.5.1 基于手机通话详单数据的居民个体移动网络模体分析

3.5.2 基于手机信令数据的居民个体移动网络模体分析

3.6 居民职住地点判别

3.7 基于向量场模型的居民空间移动行为分析

3.8 基于移动通信数据的居民集群行为分析

3.9 居民空间移动行为分析的多领域应用

3.10 小结

参考文献

4 居民空间移动行为模型

4.1 引言

4.2 连续时间随机游走(CTRW)模型

4.3 探索与优先回归模型

4.4 基于人类空间普适行为统计概率的居民空间位置预测

4.5 重力模型与辐射模型

4.6 人口加权机会(PWO)模型

4.7 个体和群体空问移动行为通用模型

4.8 基于主成分分析法的居民空间位置预测

4.9 TimeGe0模型

4.10 基于n-gram模型的个体出行预测模型

4.11 小结

参考文献

5 基于移动通信数据的交通需求估计

5.1 引言

5.2 基于手机通话详单数据的交通需求估计

5.3 基于手机通话详单数据和视频监控数据融合的交通需求估计

5.4 基于手机信令数据的交通需求估计

5.5 基于手机信令数据和交通数据融合的交通需求估计

5.6 基于移动通信数据的交通方式划分

5.7 小结

参考文献

6 基于移动通信数据的交通拥堵溯源

6.1 引言

6.2 基于移动通信数据的交通拥堵溯源方法

6.2.1 交通拥堵溯源二分网络的构建

6.2.2 交通拥堵溯源方法

6.2.3 交通拥堵溯源案例及应用

6.3 交通拥堵溯源技术在缓解交通拥堵方面的应用

6.3.1 基于交通拥堵源信息的交通限行策略

6.3.2 基于交通拥堵源信息的交通网络优化

6.3.3 基于交通拥堵源信息的路径诱导策略

6.3.4 基于交通拥堵溯源信息的交通管控策略

6.4 城市轨道交通客源预测与脆弱性分析

6.5 小结

参考文献

7 基于移动通信数据的居民空间分布感知

7.1 引言

7.2 居民空间分布感知方法简介

7.2.1 传统居民空间分布感知方法

7.2.2 基于互联网查询数据的居民空间分布感知

7.2.3 基于手机通话详单数据的居民空间分布感知

7.3 基于移动通信数据和交通数据融合的居民空间分布感知

7.3.1 手机信令数据和交通数据的预处理

7.3.2 基于手机信令数据和交通数据融合的交通需求估计

7.3.3 基于手机信令数据和交通数据融合的居民空间分布推演

7.4 基于复杂网络和信息论方法融合的人群聚集预警

7.4.1 基于多源交通数据的人群聚集密度估计

7.4.2 基于异常移动网络的人群聚集预警

7.4.3 人群聚集形成过程规律分析

7.5 小结

参考文献

王璞，中南大学交通运输工程学院教授、博士生导师，轨道交通大数据湖南省重点实验室主任、IEEE Transactions on Intelligent Transportation Systems副主编、湖南省城乡规划学会城市综合交通规划专委会委员。入选湖南省“湖湘青年英才”支持计划、获2016年度霍英东青年教师奖三等奖，曾任中南大学学术委员会委员、IEEE／CAA Journal of Automatica Sinica副主编等学术职务。近年来，主要从事交通大数据分析、居民空间行为分析建模、复杂网络科学方面的研究，主持国家自然科学基金3项，在Science，Nature Physics，Nature Cornmunications，Nature Computational Science，Transportation Research Part B／Part C，IEEE Transactions on Intelligent Transportation Systems等国际权威期刊发表论文30余篇，获国家发明专利授权20余项，国际专利授权3项。研究成果入选Science研究动向、Nature Physics研究亮点与新闻动态。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：基于移动通信数据的居民空间行为分析技术/面向未来的交通出版工程交通大数据系列 同济大学出版社在线阅读

在线听书地址：基于移动通信数据的居民空间行为分析技术/面向未来的交通出版工程交通大数据系列 同济大学出版社在线收听

在线购买地址：基于移动通信数据的居民空间行为分析技术/面向未来的交通出版工程交通大数据系列 同济大学出版社在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

移动通信数据是近年来出现的一类重要交通大数据资源。移动通信数据记录范围广、采集成本低、蕴含海量的居民出行信息，是获取、更新交通需求O-D的新型数据来源，可为传统交通调查提供有力补充。然而，移动通信数据在空间上较不精确，在时间上稀疏、无规律、存在大量缺失，导致从移动通信数据中挖掘居民空间行为信息并不容易。对于通话详单数据，只有用户使用手机时才有位置记录，一般仅用于分析居民惯常出行行为规律或估计交通需求在粗分时段的均值；对于手机信令数据，用户位置每隔固定一小短时间记录一次，可用于分析居民动态出行或估计时变交通需求，但手机信令数据非常稀缺，难以持续应用。为了解决这个问题，近年来又有学者提出了基于常规交通数据和移动通讯数据融合的居民空间行为分析技术。基于移动通信数据的居民空间行为分析技术正在快速发展创新，作者相信未来移动通信数据将在更多领域有更广泛地应用。本书对现有移动通信数据的处理算法与应用方法进行较为详细介绍，并提供了相关算法的详细代码，以期使相关技术人员能较为容易地、快速地掌握移动通信数据的分析与应用方法。