非轨道站点轨迹不纳入)。站间OD为(A,F)的预设路径集途径站点 pathI,path2,path3, [A,B,C,D,E,F与三个path的相似度计算规则如下 1.站点相似度(stop_ similarity) 识别出的轨道站点集SU与预设站点集SP取交集,计算交集长度L,取交集长度L最 大的预设站点集 stop similarity=lens Uns P 2时长相似度( time simi larity) 当存在多个最大长度L的预设站点集时,对应预设站点集的出行时长TP与实际途经时长 TA的相似度,方法如下 T P-T A similarity= 站点相似度和时长相似度最高的预设路径,即认为是最大可能的出行路径。该路径及相 应的时间、换乘信息作为后续各项参数分析的基础。 四、重要参数校核 在获得轨道路径后,即可通过统计分析技术进行轨道客流特征分析。在此之前,需要对 标杄参薮进行校核,以验证手机信令数据识别出的轨道客流准确性。 考虑到用户空间分布不均衡的原因,本文仅采用分时段网络客流量、主要线路客流占比 等参数进行校核。 数据选取:选取2018年4月17日移动手机信令数据与南京地铁提供的AFC数据以及官方公 布的相关数据。该时段内,南京有9条地铁线正常运营,包括1、2、3、4、10、S1、S3、S8 S9,如下图所示。 (c)1994-2019ChinaAcademicJournalElectronicpUblishingHouse.Allrightsreservedhttp://www.cnki.net非轨道站点轨迹不纳入）。站间OD为（A,F）的预设路径集途径站点path1，path2，path3， [A,B,C,D,E,F]与三个path的相似度计算规则如下： 1.站点相似度（stop_similarity） 识别出的轨道站点集 S_U 与预设站点集 S_P 取交集，计算交集长度 L，取交集长度 L 最 大的预设站点集。 stop similarity len S P _ ( _ )   S_U 2.时长相似度(time_similarity) 当存在多个最大长度L的预设站点集时，对应预设站点集的出行时长T_P与实际途经时长 T_A的相似度，方法如下： -T_A _ _ time similarity T A  T_P 站点相似度和时长相似度最高的预设路径，即认为是最大可能的出行路径。该路径及相 应的时间、换乘信息作为后续各项参数分析的基础。 四、重要参数校核 在获得轨道路径后，即可通过统计分析技术进行轨道客流特征分析。在此之前，需要对 标杆参数进行校核，以验证手机信令数据识别出的轨道客流准确性。 考虑到用户空间分布不均衡的原因，本文仅采用分时段网络客流量、主要线路客流占比 等参数进行校核。 数据选取：选取2018年4月17日移动手机信令数据与南京地铁提供的AFC数据以及官方公 布的相关数据。该时段内，南京有9条地铁线正常运营，包括1、2、3、4、10、S1、S3、S8、 S9，如下图所示