内容简介
本书系统阐述基于手机信令、网约车轨迹等移动数据源的城市群交通出行分析理论、方法与应用技术。全书针对移动数据质量问题，构建质量控制与评价体系；围绕出行路径推断、交通方式识别、客流预测等核心问题，提出融合隐马尔可夫模型、深度学习、超图卷积网络等前沿算法的解决方案；建立都市圈层级划分、综合交通韧性评估等分析框架，并探讨智慧高速路侧单元布局优化方法。本书通过理论建模、算法设计与实证案例相结合，为城市群交通规划与管理提供方法论支撑。
本书可供交通运输工程、交通规划与管理、智慧城市等领域的科研人员、研究生及高年级本科生阅读使用，也可作为交通规划设计院所、交通管理部门及相关企业技术人员的参考用书。
目录
前 言
第1 章 手机信令数据质量控制方法
1. 1 数据质量分析/ 001
1. 1. 1 质量问题来源/ 001
1. 1. 2 质量问题分类/ 002
1. 1. 3 质量问题识别/ 004
1. 1. 4 实例分析/ 005
1. 2 数据质量评价体系设计/ 009
1. 2. 1 数据质量评价系统框架/ 009
1. 2. 2 数据质量评价指标体系/ 012
1. 2. 3 层次分析- 模糊综合评价法/ 014
1. 3 基于张量分解的数据质量控制方法/ 019
1. 3. 1 张量基础理论/ 019
1. 3. 2 基于梯度的Tucker 分解数据质量修复方法/ 026
1. 3. 3 实例验证/ 029
1. 4 小结/ 033
第2 章 城市交通方式划分方法
2. 1 出行路径推断/ 036
2. 1. 1 手机信令出行路径推断的必要性/ 037
2. 1. 2 主流路径推断技术评述/ 038
2. 1. 3 基于隐马尔可夫模型的出行路径推断/ 039
2. 2 基于多特征融合的交通方式识别模型/ 047
2. 2. 1 多源特征工程体系/ 048
2. 2. 2 基于随机森林的分类模型构建/ 053
2. 3 实证分析/ 054
2. 3. 1 数据准备与预处理/ 054
2. 3. 2 参数标定/ 055
2. 3. 3 结果分析/ 056
2. 4 结论/ 062
第3 章 城市网约车轨迹异常识别与调度优化方法
3. 1 数据处理方法/ 063
3. 1. 1 数据生态与采集渠道/ 063
3. 1. 2 订单级数据处理/ 064
3. 1. 3 轨迹级数据处理/ 065
3. 1. 4 多源融合与时空索引/ 066
3. 2 城市网约车轨迹异常识别方法/ 066
3. 2. 1 研究背景与现有局限/ 067
3. 2. 2 核心定义与模型概述/ 067
3. 2. 3 轨迹数据预处理模块/ 071
3. 2. 4 异常轨迹检测模块/ 071
3. 2. 5 异常轨迹类型识别模块/ 076
3. 3 城市网约车调度优化方法/ 077
3. 3. 1 研究动机与现实挑战/ 078
3. 3. 2 问题定义与建模/ 078
3. 3. 3 优化方法/ 081
3. 3. 4 服务公平性与激励机制/ 083
3. 4 小结/ 085
第4 章 都市圈层级和区域划分方法
4. 1 理论基础与框架/ 088
4. 1. 1 背景意义/ 088
4. 1. 2 方法框架/ 089
4. 2 都市圈功能区划分方法/ 091
4. 2. 1 划分方法概述/ 091
4. 2. 2 网格模型构建/ 092
4. 2. 3 聚类算法与属性选择/ 094
4. 2. 4 功能区筛选与确定/ 095
4. 2. 5 方法优缺点与改进方向/ 097
4. 3 通勤特征分析及层级识别方法/ 098
4. 3. 1 通勤特征研究的重要性/ 098
4. 3. 2 通勤联系强度分析方法/ 099
4. 3. 3 通勤时空特征分析方法/ 101
4. 3. 4 通勤可达性分析方法/ 103
4. 3. 5 层级结构识别方法/ 104
4. 4 案例应用： 北京都市圈层级划分/ 107
4. 4. 1 数据来源与处理/ 107
4. 4. 2 功能区划分结果/ 110
4. 4. 3 通勤联系强度分析/ 114
4. 4. 4 通勤时空特征分析/ 118
4. 4. 5 通勤可达性评价/ 124
4. 4. 6 层级结构识别/ 128
4. 4. 7 规划启示/ 132
4. 5 小结/ 134
第5 章 城市群出行特征挖掘与驱动机理建模方法
5. 1 概述/ 135
5. 1. 1 研究背景/ 135
5. 1. 2 国内外研究现状/ 137
5. 2 城市群出行时空特征挖掘/ 140
5. 2. 1 城际出行量时间分布特征/ 140
5. 2. 2 基于时空特征的旅客出行目的识别/ 146
5. 3 城市群出行需求驱动机理建模与应用/ 153
5. 3. 1 GWNN 模型与案例分析/ 153
5. 3. 2 SHAP 理论与案例分析/ 157
5. 4 小结/ 160
第6 章 城市群出行预测方法
6. 1 概述/ 162
6. 1. 1 研究背景/ 162
6. 1. 2 国内外研究现状/ 163
6. 2 城市群出行需求短时预测/ 166
6. 2. 1 概述/ 166
6. 2. 2 基于深度学习的OD 需求预测模型构建/ 167
6. 2. 3 城市群城际出行OD 需求预测结果分析/ 177
6. 3 城市群出行行程时间预测/ 189
6. 3. 1 概述/ 189
6. 3. 2 融合分位数回归的OD 行程时间区间预测模型/ 190
6. 3. 3 城市群城际出行OD 行程时间区间预测结果分析/ 194
6. 4 小结/ 200
第7 章 城市群综合交通韧性评估方法
7. 1 概述/ 202
7. 1. 1 研究背景/ 202
7. 1. 2 文献综述/ 203
7. 2 城市群综合交通网络和韧性评估模型构建/ 206
7. 2. 1 城市群多层交通网络模型/ 206
7. 2. 2 级联失效模型/ 208
7. 2. 3 韧性评估指标/ 212
7. 3 突发事件下交通网络级联失效和韧性评估分析/ 214
7. 3. 1 不同场景下的网络韧性仿真分析/ 215
7. 3. 2 乘客选择行为对网络韧性的影响/ 221
7. 3. 3 网络供需关系对网络韧性的影响/ 223
7. 4 小结/ 225
第8 章 基于手机信令数据的城市群出行特征分析
8. 1 手机信令数据的预处理与出行分布分析/ 227
8. 1. 1 手机信令数据预处理/ 227
8. 1. 2 出行分布分析/ 230
8. 2 出行模式匹配与时空特性分析/ 234
8. 2. 1 出行模式匹配算法/ 234
8. 2. 2 不同出行模式的时空特性分析/ 234
8. 3 综合运输通道识别与时空特性分析/ 235
8. 3. 1 综合运输通道的识别算法/ 235
8. 3. 2 综合运输通道的时空特征分析/ 239
8. 4 小结/ 245
第9 章 基于动态超图卷积网络的多方式客流预测方法
9. 1 客流预测研究概况/ 246
9. 2 超图概念定义/ 249
9. 2. 1 超图网络构建/ 250
9. 2. 2 静态超图概念/ 251
9. 2. 3 动态超图概念/ 255
9. 3 多方式客流预测模型构建/ 257
9. 3. 1 模型框架设计/ 257
9. 3. 2 关键模块设计/ 258
9. 3. 3 模型训练策略设计/ 261
9. 4 案例分析/ 263
9. 4. 1 数据介绍/ 263
9. 4. 2 实验配置及评价指标/ 264
9. 4. 3 模型有效性分析/ 265
9. 4. 4 模型敏感性分析/ 273
9. 4. 5 消融实验分析/ 274
9. 5 小结/ 276
第10 章 智慧高速路侧单元布局多目标优化模型
10. 1 路侧单元交通适应性表征体系/ 277
10. 1. 1 路侧单元布局分析/ 277
10. 1. 2 智慧高速信息传输特性分析/ 284
10. 1. 3 路侧单元交通适应性表征体系构建/ 292
10. 2 路侧单元布局多目标优化模型/ 297
10. 2. 1 问题描述/ 297
10. 2. 2 模型构建/ 298
10. 2. 3 求解算法设计/ 300
10. 3 案例分析/ 302
10. 3. 1 实验场景搭建及参数设置/ 302
10. 3. 2 实验结果分析/ 304
10. 4 小结/ 314
参考文献/ 315
前言/序言
改革开放以来，我国经历了世界历史上规模最大、速度最快的城镇化进程。截至2025年底，全国常住人口城镇化率已超过67.89%，京津冀、长三角、粤港澳大湾区等世界级城市群加速形成，成渝、长江中游等新兴城市群快速崛起。城市群作为新型城镇化的主体形态，已成为承载发展要素、参与国际竞争的主要空间载体。然而，伴随城市群空间尺度不断扩张、内部联系日益紧密，交通系统面临着前所未有的复杂挑战：城际通勤客流持续增长、多方式交通网络交织耦合、突发事件冲击频发、出行需求时空分布极不均衡。传统依托人工调查、固定检测器的交通分析手段，在数据覆盖范围、更新频率、精细程度等方面已难以满足城市群尺度下科学决策的需求。
幸运的是，我们正身处一个数据资源空前丰裕的时代。手机信令、网约车轨迹、车辆GNSS、IC卡刷卡记录等移动数据源，如涓涓细流汇聚成海，为洞察城市群交通运行规律提供了革命性的工具。一部智能手机，每日不经意间留下的时空印记，累计起来便是亿万人出行行为的完整叙事；一辆网约车的运营轨迹，串联起城市角落的供需网络。这些数据源具有覆盖范围广、采集成本低、时空精度高、更新实时性强等突出优势，理论上可构建全样本、全方式的交通观测体系。然而，数据之海虽广，却非皆可畅饮。移动数据与生俱来的质量问题——基站定位误差、信号漂移、样本代表性偏差、隐私保护限制等，如同暗礁险滩，威胁着分析结论的可靠性。如何有效驾驭这些数据，将其转化为支撑城市群交通规划与管理的可操作情报，既是学术研究的前沿热点，也是工程实践的迫切需求。
本书正是立足于这一时代背景，系统总结近年来在移动大数据驱动的城市群交通分析领域的研究探索与实践经验。我们深知，一本有价值的学术著作，既要仰望星空构建理论框架，也要脚踏实地解决具体问题。因此，全书始终遵循“问题导向—方法创新—实证检验—应用拓展”的逻辑主线，力求在理论深度与实用价值之间取得平衡。
本书具有4个鲜明的特色：一是数据驱动的系统性，贯穿数据获取、质量控制、特征提取、模型构建、应用落地全链条；二是方法论的多元融合，将经典交通理论、空间分析、机器学习、复杂网络等交叉学科方法有机整合；三是时空尺度的一致性，在统一的时空分析框架下，实现从个体出行到系统运行、从城市内部到城际联系的多尺度无缝衔接；四是理论实践的紧密结合，每个方法论章节均配以详实案例，确保方法可用、可行、可信。
本书的付梓要感谢众多同仁的支持。我们所在的研究团队十余年来深耕交通大数据领域，承担国家自然科学基金（编号：61973028）、国家重点研发计划（编号：2023YFC3009604、2022YFB4300404）、车路一体智能交通全国重点实验室开放基金课题（编号：2025-A004）、综合交通规划数字化实验室开放课题项目（编号：(2025)JH-F011）等多项课题，在长三角、粤港澳、成渝等城市群开展大量实证研究，书中内容多为这些研究的凝练结晶。感谢历届研究生在数据清洗、算法实现、案例分析中的辛勤付出；感谢各地交通管理部门与数据运营商在数据获取与应用验证中给予的信任与配合；感谢学术同行在论文评审、会议交流中的宝贵建议。当然，还要感谢出版社编辑的耐心与专业，让本书得以高质量呈现。
移动大数据领域发展迅猛，新方法、新应用层出不穷，本书内容有一定的局限性。我们恳请读者不吝赐教，共同推动这一新兴领域走向成熟。
衷心希望本书能为关注城市群交通问题的研究者、规划者、决策者提供有益参考，为交通强国建设贡献绵薄之力。当未来的人们回顾这个时代，或许会记得，正是在移动数据与传统交通科学的交汇点上，我们共同探索出一条通往智慧城市群的新路径。
著 者
