中文摘要：

基于位置的服务，特别是面向智能交通领域的服务，是最近的研究热点之一。本项目提出了一种基于位置信息的交通出行行为分析方法。首先，提出了基于交通功能的空间位置语义表征方法，并基于先验知识建立候选位置的多级滤波模型，提高了位置信息获取的鲁棒性。同时，还提出了交通出行行为数据聚类分析与自标定方法，通过无监督、半监督学习的聚类分析方法实现出行状态、交通方式等交通出行行为的标定，为交通出行行为分析建模提供了数据基础。最后，研究并建立了基于空间上下文特征及运行轨迹特征的交通出行状态和交通方式的辨识模型，基于交通参与者的位置、速度、时间等特征对交通出行状态和交通方式进行建模；依据自动辨识出的交通出行状态和交通方式，还可以实现动态OD估计、交通态势分析、混合交通流检测等更高层次的出行行为分析，初步构建了交通出行行为分析模型，为基于位置信息的交通服务的应用提供了理论基础。

结论摘要：

本项目主要研究基于位置信息的交通出行行为分析方法。主要研究内容包括（1）研究如何获取准确的、鲁棒的交通位置信息，为交通出行行为分析奠定数据基础；（2）研究如何构建基于位置信息的空间交通语义框架，并基于位置信息实现空间交通语义标定，提升交通信息与交通知识获取的效率；（3）研究如何基于出行者位置信息解析交通出行行为，辨识交通出行方式；（4）研究如何基于交通出行行为分析实现交通小区划分、出行OD获取及宏观交通态势分析等高层交通行为分析理解。针对上述研究内容，我们开展了一系列的研究工作，取得的主要研究成果为（1）通过分析移动通信网络数据，我们提出了基于位置变化频率结合卡尔曼滤波的位置序列获取方法。该方法结合了移动通信网络数据的特点，引入位置变化频率的概念，消除“沉默用户”。进一步利用卡尔曼滤波方法滤除用户移动通信网络数据位置序列中的“乒乓切换”，并消除位置漂移等对位置获取的干扰。（2）我们提出了基于移动通信网络数据的交通语义框架，并采用基于特征提取的交通语义标定方法为移动通信网络基站标定交通语义。实现移动通信网络基站与城市交通系统的关联，形成物理空间的交通语义拓扑，提升了交通信息与交通知识获取的效率。（3）研究用户出行GPS位置信息，提出基于出行轨迹状态切分的交通出行状态获取和交通出行方式获取方法。该方法将出行轨迹进行分割，并提取各分割片段的距离、瞬时速度、瞬时加速度等特征，对相邻分隔段进行基于欧式距离的相似性度量，确定出行状态切分点，进而利用决策树分类法辨识各出行片段的出行方式。（4）基于上述研究工作，我们进一步研究了基于交通出行行为分析的综合应用。基于移动通信网络基站交通语义及位置特征，提出基于加权马氏距离的K-means聚类划分交通小区的方法，该方法可以自动、快速的实现交通规划层面的交通小区划分。还研究了基于卡尔曼滤波结合逗留时间阈值的出行OD获取的方法，快速获取交通出行OD矩阵。在这些工作的基础上，从两个区域和路网两个层面上分析城市宏观交通态势。基于上述成果已经在交通领域国内外知名期刊和国内外一流学术会议上发表一系列论文，并申请发明专利3项。