Mobile phone application data for activity plan generation

Çağlar Tozluoğlu

doi:10.1007/s11116-025-10679-6

2025-09-20

Çağlar Tozluoğlu *

Yuan Liao

Frances Sprei

DOI：10.1007/s11116-025-10679-6

原文链接

原文求助

摘要

En 中文

基于活动的交通模型对于提供个体活动-出行模式的全面且真实的理解至关重要，有助于改进需求预测、政策分析以及土地利用与交通规划。尽管出行调查长期以来用于开发包含完整活动-出行计划的基于活动的模型，但收集成本高昂且样本量较小。移动应用程序数据作为新兴出行数据来源的示例，提供了在更广泛地理区域和人口覆盖范围内长期收集数据的替代方案，然而其在基于活动的模型中仍未得到充分利用。然而，使用这些数据面临的挑战包括人口覆盖中的抽样偏差以及由于间歇性和不规则数据收集导致的个体层面的数据稀疏。为了合成活动-出行计划，我们提出了一种新型模型，结合移动应用程序数据与出行调查数据，克服了各类数据的局限性并发挥其优势。我们的生成模型为居住在瑞典的26.3万余人（约占瑞典人口的2.6%）模拟了多个工作日活动时间表，这些时间表包含活动序列、类型、起止时间及地点，并融入了日常计划的变异性。在该模型中，我们提出了一种基于时间分值的方法，以改进我们设计方案中的现有最佳家庭和工作地点识别方法，从而真实地合成活动-出行计划。我们通过对比现有的大规模瑞典代理模型（SySMo）和仅使用移动应用程序数据的虚拟模型，评估了生成模型的表现。生成的活动-出行计划与SySMo模型的输出相当，并显著优于虚拟模型的结果，表明所提出模型能够生成合理的日常活动-出行时间表。该模型可适用于拥有类似出行调查和新兴数据来源（如通话详单记录）的其他地区，以低成本、易于更新的方式推动这些数据在基于活动的模型中的有效应用。

Keyword:

Mobile phone application data

Big data

Activity-based modelling

Daily activity-travel plans