《Annals of GIS》:A methodological evaluation of app location data extraction and processing for traffic flow applications
编辑推荐:
新兴的空间数据形式,例如由移动应用程序(MPD)收集的基于传感器的位置数据,已被证明有望增强或取代传统分析方法。MPD以较低成本提供详细且及时的信息,使其对城市和交通规划具有价值。多源MPD还提供了优势,例如更大的代表性。然而,高数据量、可变频率和异质性给数据
新兴的空间数据形式,例如由移动应用程序(MPD)收集的基于传感器的位置数据,已被证明有望增强或取代传统分析方法。MPD以较低成本提供详细且及时的信息,使其对城市和交通规划具有价值。多源MPD还提供了优势,例如更大的代表性。然而,高数据量、可变频率和异质性给数据处理和分析带来了重大挑战。本研究调查了多源MPD在街道层面估计交通量的潜力,重点关注格拉斯哥城市区域。评估涵盖了一系列处理方法的组合。其中包括三种MPD空间提取技术——简单缓冲区(SB)、连接街道缓冲区(CB)和整条街道缓冲区(ESB)——以筛选相关的车辆移动数据。此外,还考虑了四种处理方法:原始计数(A1)、带有通勤假设的简化计数(A2)、详细几何分析(A3)和地图匹配(A4)。将结果与来自交通部(DfT)的人工交通计数进行比较。研究结果表明,由于每位用户数据量不均匀,原始MPD计数(A1)会导致重要偏差。简化计数(A2)提高了准确性,但仍捕获了非车辆活动。与A1和A2相比,地图匹配(A4)带来了显著改进。然而,这种方法的效果不如A3。几何-时间方法(A3)通过纳入移动推断提供了最准确的估计。缓冲区大小和建成环境因素影响了方法的性能,强调了局部缓冲区和建成环境控制的必要性。本研究发现多源MPD在补充传统交通系统方面具有中等潜力,至少从空间变异性的角度来看,能够提供成本效益高且详细的交通洞察,但不适用于跨时间比较。未来的研究可以将MPD应用扩展到主动出行,并将分析扩展到其他城市。
**论文解读:多源移动应用位置数据在交通流量估计中的方法论评估**
**研究背景与问题**
传统交通数据收集方法,如人工计数或感应环路,成本高昂且时空覆盖有限。新兴的传感器定位数据,特别是由移动应用程序收集的基于传感器的位置数据(Mobile Phone Data, MPD),因其低成本、高时空分辨率及广泛代表性,被寄予厚望以补充或替代传统方法。然而,多源MPD具有高数据量、可变采样频率和异质性等特征,对数据处理与分析构成严峻挑战。目前,多数研究依赖单源、高频或预处理后的轨迹数据,对原始多源MPD在交通估计中具体方法论的评估尚不充分。因此,研究人员开展此研究,旨在系统评估多源MPD在道路段层面估计交通流量的潜力,重点考察空间提取标准与点处理技术的不同组合对估计结果的影响。本研究成果发表在《Annals of GIS》。
**主要关键技术方法**
研究人员使用了来自格拉斯哥城市区域超过200个移动应用的MPD数据(2019-2021年),通过研究许可协议获得,供应商保持保密。关键技术方法包括:三种基于OpenStreetMap路网和交通部(DfT)手动计数点生成的空间提取技术——简单缓冲区(Simple Buffer, SB)、连接街道缓冲区(Connected Street Buffer, CSB)和整条街道缓冲区(Entire Street Buffer, ESB),宽度设为10米或20米,连接街道长度可调整(20米、40米或全段)。四种点处理方法包括:原始计数(Approach 1, A1)、限制每人每天印象次数并带通勤假设的简化计数(Approach 2, A2)、基于时空特征规则判定通行方向并排除停留与步行活动的几何-时间方法(Approach 3, A3),以及基于隐马尔可夫模型(HMM)并通过开源路由机(Open Source Routing Machine, OSRM)Viterbi解码实现的地图匹配方法(Approach 4, A4)。评估采用普通最小二乘(OLS)回归,以对数形式的手动交通计数为因变量,包含年份交互项及建成环境控制变量(道路类型、人口密度、就业可达性)。
**研究结果**
**5.1 描述性概览(Descriptive overview)**
通过散点图比较不同方法下估计值与手动计数的自然对数关系。结果表明:A1(原始计数)在2019年出现明显低估,2021年出现高估,主要由用户间数据量不均匀导致;A2(简化计数)的相关系数普遍强于A1,有效缓解了高频用户偏差,但低估问题仍存在,尤其在ESB中;A3(几何-时间方法)和A4(地图匹配)的年份分离程度较低,说明两者均能较好降低数据量年际异质性,且A3对异常高估计的抑制效果最为显著;A4在ESB中出现了额外的高估,表明其纳入较远点后可能误判未经过手动计数点的行程。
**5.2 估计性能(Estimation performance)**
以R2值比较模型拟合优度,涵盖两种模型规格(M1:仅含MPD计数与年份交互;M2:额外包含建成环境控制)。结果显示:A3在所有缓冲区和模型规格中一致表现最优;A2显著优于A1,体现了简单的每日印象限制和通勤假设的有效性;A1为最差方法。缓冲区宽度方面,10米宽度的表现始终优于20米,且该差异在A3和A4中虽有所减弱但仍存在。缓冲区类型方面,无建成环境控制下,简单缓冲区(SB)在A1中优于连接街道缓冲区(CSB),而CSB10在A2中表现最佳;A3中各缓冲区长度差异不大,仅宽度差异持续存在。A4的精度低于A3,且在ESB20上下降最为明显,表明其去噪能力弱于A3。
**5.3 预测因子在交通估计中的作用(Role of predictors in traffic estimates)**
回归系数显著性分析表明:MPD计数在绝大多数模型中显著为正,但A1在20米宽度且包含整个连接街道时显著性减弱甚至消失;A2在所有缓冲区中持续显著,但ESB的不确定性增大;A3和A4在所有规格中均显著。年份效应在A1中非常显著,但随处理方法改进及建成环境控制引入而大幅减弱,例如A2中2020年与2021年与基准年(2019年)的差异不再显著。人口密度和道路类型在A2、A3、A4中多数显著,但在A1中不显著,因为噪声过大。建成环境控制有效补偿了方法局限性,减少缓冲区宽度差异的影响。
**讨论与结论**
**讨论总结**
研究人员指出,MPD在格拉斯哥城市区域交通量估计中展示了中等潜力。A3方法通过结合时空推理有效区分移动与静止点,并在去除噪声方面表现最佳,显著减少了缓冲区选择带来的偏差。A4尽管能验证行程,但因数据稀疏性及地图匹配对数据的高需求,其精度低于A3,尤其在试图最大化样本量时。原始聚合(A1)因用户数据量不均而引入重要误差,而简化计数(A2)能保留有用信息并提升匿名化水平。建成环境因素(道路类型、人口密度、就业可达性)在多数模型中显著,并有助于减弱年份效应及缓冲区差异。研究还强调,匿名化MPD(如限制每人每日印象次数)结合建成环境控制,可在保护隐私的同时维持合理的估计精度。
**研究结论翻译**
总体而言,本研究结果为在保持MPD可用于交通估计的同时实现匿名化提供了见解。原始聚合因数据点分布不均而引入了显著的不确定性,而通过限制访问次数简化MPD保留了大量有用信息,增强了个体隐私。此外,尽管点级数据处理(即A3和A4)提供了最高的估计精度,但对此类数据的使用和处理必须遵循严格协议以维护隐私。通过纳入建成环境特征(如道路类型、人口密度和土地利用模式),可以维持并提升合理的精度水平。建成环境控制对数据进行情境化,使其在交通分析中更稳健,无需依赖精确的可识别数据点。本研究发现,当应用建成环境控制时,缓冲区性能的差异被最小化,进一步优化了交通估计。因此,对MPD进行匿名化及简化处理,并辅以建成环境控制,可在隐私保护与准确可靠的交通量估计需求之间取得平衡。A3和A4实施的过滤(排除中位速度低于步行速度及方向错误的行程)支持了合理的模型精度(R2=0.54–0.79)。然而,在拥堵条件下,车辆速度可能低于自行车或行人,仍可能残留非车辆行程。未来研究可整合完整的出行模式检测框架,如模糊逻辑、规则启发或机器学习。同时,10分钟行程分割阈值基于数据经验特征确定,但采样频率随年份变化(表1),固定阈值可能无法完全适应这种变异性,未来可考虑自适应或动态阈值方法。本研究为方法论评估开辟了多条未来研究路径,包括应用于主动出行分析、扩展至其他城市以及结合自动交通计数数据建立全路网模型。研究结果指向MPD可以补充但无法替代传统数据形式。