28645

استخراج مولفه‌هاي توليد، جذب و توزيع سفر به منظور استفاده در مطالعات عارضه‌سنجي ترافيكي بر مبناي داده‌هاي شبكه تلفن همراه

كارشناسي ارشد

عمران-حمل‌ونقل

1399

1402/05/30

دكتر افشين شريعت مهيمني

مهندسي عمران

طي دو دهه گذشته، برخي از كلان‌داده‌ها، مانند داده‌هاي سيستم موقعيت جهاني، به عنوان داده جايگزين و يا مكمل در مطالعات حمل‌ونقل استفاده شده‌اند. اين در حالي است كه استفاده از داده‌هاي تلفن همراه بسيار محتاطانه صورت گرفته و اغلب در مطالعات كلان برنامه‌ريزي حمل‌ونقل بكار گرفته شده است. استفاده از اين نوع داده‌ها علاوه بر دشواري تحليل دقيق، با نگراني‌هايي در زمينه حريم شخصي كاربران همراه بوده است. در پژوهش پيش‌رو با استفاده از داده‌هاي ناشناس شبكه تلفن همراه سعي بر استخراج ميزان توليد و جذب سفر، نحوه توزيع سفر و ساير اطلاعات سفر به صورت 30 دقيقه‌اي، در سطح يك كاربري عمده شده است. با توجه به اين كه اين نوع داده‌ها ماهيت كلان‌داده دارند، در اين پژوهش از روش‌هاي مختلف كار با كلان‌داده‌ها، خوشه‌بندي و مصورسازي استفاده شده است. به منظور اعتبارسنجي نتايج، مطالعه موردي بر روي يكي از مجموعه‌هاي تجاري-تفريحي شهر تهران صورت گرفته است. مقايسه نتايج حاصل از آماربرداري تردد افراد و مصاحبه با تعدادي از مشتريان اين مركز با نتايج حاصل از تحليل داده‌هاي تلفن همراه نشان مي‌دهد كه انطباق زيادي ميان اكثرمولفه‌هاي سفر، مانند توليد و جذب، سهم انواع سفر، توزيع مبادي سفرها، چندپاره بودن سفرها و تواتر انجام سفرها، در واقعيت با داده‌هاي شبكه تلفن همراه وجود دارد. سفرهاي جذب‌شده به كاربري مدنظر، و سفرهاي گسيل‌شده از كاربري مدنظر، در بازه‌هاي 30 دقيقه‌اي همبستگي بالاي 99% را نشان مي‌دهند كه با هم‌فزوني زمان در سطوح بالاتر نتايج باز هم بهبود مي‌يابند. علاوه بر اين، مدت زمان حضور افراد در مجموعه، مبدأ سفر، نوع مبدأ سفر، بازگشت يا عدم بازگشت به مبدأ سفر ايشان نيز تا حد زيادي منطبق با خروجي‌هاي حاصل از تحليل داده‌هاي تلفن همراه مي‌باشد. در اين مطالعه نشان داده شد كه مي‌توان از داده‌هاي شبكه تلفن همراه به عنوان جايگزين روش‌هاي سنتي، كه بر مبناي رگرسيون و احتمالات هستند، در برآورد اطلاعات سفرهاي يك كاربري عمده، كه يكي از كاربردهاي آن در مطالعات عارضه‌سنجي ترافيكي مي‌باشد، استفاده كرد.

1402/06/11

Extracting Trip-generation & Trip-distribution Components of Traffic Impact Assessment (TIA) Using Mobile Phone Cellular Data

8/20/2024 12:00:00 AM

Over the past two decades, some types of big data, such as GPS data, have been used extensively as alternative or complementary data in transportation studies. On the contrary, the analysts have been pretty careful when it comes to mobile phone cellular data. In addition to the technical difficulties on the way, there always have been deep concerns about the users’ privacy. In this study, using anonymous mobile phone cellular data, we extracted trip production, attraction, distribution, and other travel demand characteristics in 30-minute intervals for the coverage areas of towers. Due to the fact that the data is big data, different methods of big data analytics, clustering and visualization have been used in this research. In order to validate the results, a case study has been conducted on one of the major shopping centers in Tehran. Comparing the results with the survey and questionnaire data shows that they are pretty promising in most of trip components, such as 30-minute production and attraction patterns, types of trips, distribution of trip origins, returning to the origin, and trip frequency. The trips attracted to/produced from the chosen land use, demonstrate promising correlation in 30-minute intervals (more than 0.99). In addition, the duration of people's presence, origin of travel, type of origins, and returning behavior of their travel are also largely consistent with the results obtained from mobile phone cellular data analysis. In this study, it was shown that mobile phone cellular data can be used as an alternative to traditional methods, which are based on regression and are probabilistic. The results could help many aspects of travel planning, one of which is estimating trip production and attraction in traffic impact studies.

داده تلفن همراه , كلان داده , عارضه‌سنجي ترافيكي , برآورد سفر , اطلاعات سفر

Mobile Phone Cellular Data , Big Data , Traffic Impact Studies (TIS) , Travel Forecast , Travel Characteristics

Cena Abdollahi

Dr. Afshin Shariat Mohaymany