出租车优质客源时空特征及影响因素

针对城市出租车供需失衡、运营效率低等问题,提出一种综合考虑寻客空载与相邻载客状态的优质客源量化评价模型,利用数理统计、地理统计等时空分析方法探究其时空特征,并结合兴趣点(point of interest, POI)数据构建多时段地理加权回归模型分析其影响因素。以重庆市2019年“五一”假期4 d与后6 d工作日出租车轨迹数据展开研究。结果表明：节假日优质客源整体较多于工作日,呈节假日首日和工作日末日较多的“U”形分布;23:00—次日5:00优质客源先减少后增加再减少,5:00—9:00逐渐增加,此后呈波动趋势并于21:00—23:00达到峰值;优质客源在6:00—10:00聚集情况最差,其余时段主要围绕重庆市中心城区“1主、6副、21组团”的商业、娱乐及交通枢纽等区域聚集,并呈现粘连趋势;交通设施、医疗机构、休闲娱乐及宾馆酒店等是影响优质客源时空分布的主要因素;节假日相比于工作日,工作、服务较规律的设施其影响强度明显降低,而提供娱乐、交通出行的设施其影响强度及时间都有显著增加。研究结果对提高出租车精细化管理具有重要意义。     

地理加权回归模型的平稳性检验

利用最小二乘估计理论,给出了在地理加权回归模型(GWR模型)中回归关系的全局平稳性检验方法和各回归系数随空间位置变化的平稳性检验方法.     

基于实时路况的top-κ载客热门区域推荐

为降低城市出租车的空载率,缓解路网交通拥堵压力,亟需设计有效的出租车载客热门区域推荐方法.针对传统的出租车相关推荐方法忽略实际路况导致推荐精度较低的现状,提出了一个两阶段的载客热门区域实时推荐算法.首先,离线挖掘阶段,基于出租车历史轨迹数据集提取基于时段属性的载客热门区域;随后,在线推荐阶段,根据出租车请求位置及时间,结合实时路况设计潜在空载时间开销函数T_(cost)对载客热门区域进行评测排序,继而发现Top-κ载客热门区域.基于出租车轨迹数据集的实验结果表明,结合实时交通状况的Top-κ载客热门区域推荐方法以确保较小潜在空载时间开销,相较于传统的出租车推荐方法具有较好的有效性与鲁棒性.     

出租车载客热点技术研究

通过挖掘北京市出租车历史轨迹数据,分析出租车载客热点区域,从而为空载行驶的出租车司机提供寻客方向.基于大数据平台的历史轨迹数据预处理,按照数据生成时间对出租车历史数据进行排序,提取历史数据中的所有乘客上车地点;使用聚类算法对提取出的上车地点进行聚类分析,提取乘客频繁出现的区域.以出租车寻找乘客为背景,分别采用基于密度的DBSCAN算法和基于距离的K-means算法对载客点进行聚类.采用聚类算法性能评估中的DB内聚指数对两种算法的聚类效果进行评估,结果显示工作日和非工作日DBSCAN算法聚类结果的内聚效果均优于Kmeans算法.     

基于Circos弦图的居民出行模式可视分析

基于对城市中出租车OD(Origin-Destination：起始点－终止点)流时空模式的研究,能为城市路网规划、出租车营运方案制定以及居民出行计划提供科学的依据.而时空数据可视化与可视分析是从时空轨迹大数据中感知城市动态、分析OD时空模式的重要手段.该文基于Circos软件,以一种全新的可视化方式对出租车轨迹数据中的OD流进行时空多尺度可视分析.这种方式能在不同时空尺度下表征出租车轨迹OD流的流量、流向及OD流属性特征,能够展示多时空尺度下轨迹OD流数据的时空模式,能更好地理解居民在城市内部区域之间的流动模式,进而揭示居民的出行模式.通过对北京出租车历史轨迹GPS数据进行可视化实验,结果表明该可视化技术能在多时空尺度下表征轨迹OD流数据的时空模式.     

多源数据视角下城市建成环境对城市活力空间分布的影响机制

城市活力一直是城市规划领域的热点话题。研究使用百度人口热力数据度量城市活力,使用POI数据、城市矢量数据、夜间遥感影像数据等度量合肥市区建成环境,利用OLS线性回归与GWR地理加权回归模型探究合肥市城市活力与建成环境之间的影响机理。研究结果表明：①合肥市区的城市活力总体呈现出由中心向四周逐级递减、局部高值集中的空间分异特征,空间分布极不均衡。②建成环境对城市活力影响具有空间异质性。提升地区功能混合度、建筑平均层数以及基础设施完善度能够在全局范围内有效改善地区活力;而居住人口密度、街区POI密度、道路交叉口密度、建筑容积率、绿化水域覆盖率、共享单车密度、商业服务设施可达性、教育文化设施可达性等指标则因空间位置的不同而对城市活力产生促进或抑制的双重作用;与公交站最近距离、与地铁站最近距离指标则与城市活力具有负相关性。结合研究结果对城市规划与管理提出一定建议,有助于城市开展精细化与差异化街区建设,促进城市良性发展。     

新疆地区降水量与海拔的空间变系数模型

空间变系数回归模型是将变系数回归模型的回归系数转化为包含数据空间位置特征的回归系数函数的模型.以新疆地区降水量和海拔高度为指标,选取1991-2000年气象观测站的数据,运用空间变系数回归模型对新疆各区域的海拔高度和降水量之间的空间关系加以研究.结果表明:新疆各区域的海拔高度与降水量之间呈现显著的空间非平稳性特征,即海拔高度对降水量的影响随着研究区域地理位置的不同而不同,是地理位置的函数,并且得到了具体的影响系数函数.     

结合出租车轨迹数据的城市道路拥堵时空分析

为定性和定量分析城市道路拥堵情况,选用能够消除道路等级影响的INRIX指标,利用出租车轨迹数据计算道路拥堵指数,并提出道路拥堵指数异常的判定和基于区域连续性的拥堵指数修正方法. 利用福州市2015年5月份出租车轨迹数据计算道路的拥堵指数,研究了福州市工作日早高峰期间在量化指标下道路拥堵的时空分布,并尝试挖掘道路拥堵的关联规则为居民出行提供建议. 结果表明,在工作日早高峰时段,福州市道路拥堵在时间上的分布呈三段式,而在空间上分布不均.     

基于时空语义挖掘的城市功能区识别研究

针对目前城市功能区划分大多依靠人工完成,且未充分使用城市中时空数据的问题,提出一种基于时空语义挖掘的城市功能区识别方案.首先,选取某城市矩形区域为研究样本,并以建筑物为划分依据将研究样本划分为有效的基础区域;然后,对各基础区域内的新浪微博位置签到数据及POI(Points of Interest)数据进行时空语义挖掘,采用狄利克雷多项式回归(DMR)主题模型生成区域的功能性向量;最后,通过向量聚类,依据POI类别比例完成区域的功能性识别.实验结果表明,本方案相比基于POI密度的k-means聚类方案和基于潜在狄利克雷分布(LDA)主题模型的城市功能区识别方法具有更高的准确性,位置签到数据所表征出的人们活动模式可以揭示城市功能区之间的差异,在城市地理空间分析上具有良好的效果.     

基于出租车OD数据的居民活动强度时空特征研究

以福州市区出租车GPS轨迹数据为数据源研究面向地理空间的居民活动时空规律.首先探析出租车起源地-目的地(OD)空间分布和时间分布特征;接着采用基于道路中心点区划方法确定空间研究单元,将时间分为6个时间段,以活动强度为主要研究对象探索其时空变化规律;最后结合出租车乘客的出入情况实现对研究区内居民活动时空规律的进一步探索.研究发现,主城区居民夜间活动规律总体上比白天明显,尤其是晚21点之后,主城区总体的居民活动强度达到一天的顶峰,核心区内外的活动强度以及出入特征差异突出,核心区内的居民活动优势最明显,有成片聚集的特征;白天大部分时间的居民总体活动强度变化稳定但空间分布规律不明显;通勤早高峰时段的出租车活动强度为全天最低并且大部分区域以流出为主.     

一种基于出租车轨迹数据的优质客源评价模型及实证研究

以出租车轨迹数据为研究对象,构建一种基于出租车轨迹数据的优质客源模型.模型重新定义一次完整的出租车出行,引入出租车开销与行程速度关系,解决车辆动态消耗的问题,以出租车单位时间内的盈利来量化客源.并以福州市2015年5月份出租车轨迹数据为例,根据模型对轨迹数据进行预处理与密度计算,分析出租车优质客源在时间和空间的分布规律.结果表明,模型可以较好地量化出租车客源,为分析出租车时空分布提供科学依据.     

城市路网空间结构对住宅价格的影响分析

以链家房产交易平台和安居客房产交易平台的上海市二手住宅为研究样本,结合OpenStreetMap(OSM)提供的城市路网数据及高德地图提供的兴趣点(POI)等多源数据,利用空间句法测算路网空间结构的选择度和整合度.基于空间自回归模型、地理加权回归模型等空间计量估计方法,研究城市路网空间结构影响住宅价格的效果及机制.研究结果表明：城市路网空间结构是影响住宅价格的重要的区位因素,考虑空间相关性是必要的;与市中心住宅价格相比,郊区住宅价格对路网空间结构的依赖程度更强.     

基于GPS浮动车的数字速度模型在城市交通状态演变分析中的应用——以昆明市为例

为分析城市道路交通状态时空演变规律,提出了一种基于GPS浮动车数据的数字速度模型,依据昆明市2010年12月2日1 000辆装有GPS设备的出租车采集的城市交通路网各处样点速度,以60 min为间隔分24个时间段,采用Kriging插值法在ArcGIS Desktop内构建数字速度模型,从时间和空间角度分别分析模型得出,昆明市的交通状况呈现出从早上7:00开始车辆运行速度持续减缓,在早上7:00-9:00时段内形成早高峰,下午17:00-18:00时段形成晚高峰,22:00时之后恢复通畅的运行状态,在空间上,交通状态的演变由城市中心开始出现拥挤并不断地向周围蔓延,数字速度模型能够直观有效地揭示出昆明市交通状态的时空演变规律,为分析研究城市交通状态提供了一种新的方法。     

交通状况对出租车运行区域的影响研究

针对大中城市高峰期间打车难的现象,利用出租车GPS数据,提出了一种量化研究出租车逃离城市拥堵区域的方法。首先采用射线法进行地图匹配,将中心城区路网划分为多个研究区域,利用出租车GPS数据来统计各区域每5分钟内的累计车辆频数;再利用不同区域间的累计车辆频数比值来描述区域间出租车的流动情况。研究结果表明,出租车在高峰期间存在逃离交通拥堵区域的现象,并且发现出租车逃离拥堵区域的时段相对于社会车辆的高峰期滞后0.5~1.0 h。该研究成果对于掌握出租车运行特性和出租车管理具有一定的借鉴价值。     

基于时空地理加权回归的服务区驶入量影响因素分析

为掌握河北省服务区驶入量的时空分布规律,构建了时空地理加权回归（geographically and temporally weighted regression,GTWR）模型,揭示了服务区规模、服务区地理区位、关联地区土地利用、高速公路类型等因素在时间和空间上对服务区不同车型驶入量的影响。结果表明：时空地理加权回归模型的拟合结果显著优于最小二乘回归模型与地理加权回归模型;断面交通量对三种车型均具有促进作用,特别是在夏季高温地区服务区对于小型车驶入量促进作用显著;2~4h车程范围内,风景名胜密度对小型车驶入量具有促进作用,且在旅游旺季及位于旅游业发达城市的服务区影响最显著;2~4h车程范围内工商业型信息点(point of information,POI)密度对大中型车驶入量具有促进作用,特别是在货运高峰期及位于商贸发达城市的服务区促进作用显著;所属高速公路沿途资源型城市数量对服务区大型车驶入量具有显著促进作用,特别是在供暖季节。     

考虑宏微观建成环境的共享单车骑行影响因素分析

针对共享单车骑行影响因素分析中对微观建成环境因素探讨的不足,以北京市五环内及附近街道为研究对象,基于城市多源数据,从公共交通设施、土地利用、人口经济属性、空间设计及道路环境5方面提取宏微观建成环境因素,并构建全局回归模型(global regression, GR)、地理加权回归模型(geographically weighted regression, GWR)及多尺度地理加权回归模型(multi-scale geographically weighted regression, MGWR),对共享单车骑行密度进行分析。研究结果表明：MGWR模型有更好的回归效果,调整拟合优度R²高达0.91;共享单车骑行密度空间上呈现“高-高”及“低-低”聚类两极分化现象;地铁站点密度为局部影响因素,公交线路密度及隔离护栏出现率为区域影响因素,其他建成环境变量为全局尺度;骑行密度显著影响因素的回归系数,在空间上较为平稳,单一变量的空间影响关系均为正向或负向影响;微观建成环境中,绿视率、交通信号出现率为正向影响,色彩丰富性及路灯出现率为负向影响。     

基于出租车轨迹的并行城市热点区域发现

提出一种基于MapReduce的从出租车轨迹中提取交通热点区域的分布式并行算法,首先对原始轨迹数据进行停靠点的提取来消除噪声并剔除行驶中间点,然后通过对按时间段分块的停靠点并行运行基于密度的带有噪声的空间聚类(DBSCAN),实现对分块的数据聚类来发现不同时间段的热点区域.经过在实际数据集上的试验表明:与传统方法相比,该方法在准确性和大数据量下的整体效率具有优势.     

多空间尺度融合的出行轨迹规律分析

多源时空轨迹数据隐含丰富的城市出行信息,通过对其进行挖掘、处理和分析,可以找到个体与群体之间的交互关系。针对轨迹数据挖掘研究范围单一,缺少多空间尺度研究的问题,提出一种融合多空间尺度特征的出行轨迹数据挖掘分析方法。以广东为例,结合社交媒体腾讯用户密度(Tencent user density, TUD)数据集,通过具有噪声的基于密度的聚类方法(density-based spatial clustering of applications with noise, DBSCAN)聚类算法与局部密度峰值计算法提取时空相似性轨迹区域,进而簇类分成一系列热点区域,获得不同时间粒度、不同空间尺度下的出行轨迹规律特征。这能够实现在不同空间尺度融合下展示同一地区的热点区域,进一步探讨出行轨迹的规律变化。可见所提出的方法为利用时空大数据进行城市空间结构研究提供科学参考。     

基于出租车GPS数据的贵阳市交通状态空间自相关分析

城市交通状态具有时空性,自身又具有空间自相关特征。分析城市交通状态空间自相关特性,对交通管制、居民出行行为以及城市道路基础设施建设具有重要意义。基于贵阳市中心城区出租车GPS空间数据库,划分交通小区并计算各交通小区平均行程速度和空间自相关Moran’s I指数,对贵阳市中心城区交通状态的空间自相关性和演化特征进行分析。结果表明:1)全局时空Moran’s I指数形成良好的空间相关性,存在一定的空间聚集性,且随时间的推移空间自相关性呈波动式变化,工作日与休息日分时段时空Moran’s I指数变化态势明显,交通状态表现为时空集聚性强;2)局部时空Moran’s I指数高高聚集与低低聚集模式在空间上维持良好的稳定机制,高高聚集呈现城市外围区域指向性特征,低低聚集呈现城市核心区指向性特征;3)工作日与休息日早晚高峰时段各种类型区分布格局保持高度共轭协同,仅有小部分区域出现异质情况;4)时空Moran’s I指数时空聚集区域在空间上表现出由弱聚集向强聚集,再向弱聚集状态转变。在高峰时段表现为强聚集趋势,在非高峰时段聚集程度较弱。     

空间异质性视角下常规公交客流影响因素

常规公交出行是城市客运体系重要的组成部分,其出行强度明显受城市建成环境的影响作用。以往建模方法未考虑影响因素之间的多尺度空间异质性问题,研究结果均存在一定局限性。以青岛市主城区为研究对象,首先基于公交GPS与IC卡数据提取常规公交客流为研究的因变量,并通过网络地图开放平台获取14个指标作为自变量;其次,通过探索性空间数据分析探究303个研究单元的常规公交客流空间演化特征;最后,分别构建地理加权回归与多尺度地理加权回归模型量化分析建成环境变量对常规公交客流影响的空间异质性。研究结果表明：与地理加权回归模型相比,多尺度地理加权回归模型的对回归结果的解释性更强;学校密度、医院密度、公交线路密度和停车场密度正向影响早晚高峰公交客流量,购物密度、土地利用混合度、距公交站点距离对早晚高峰的常规公交客流均有显著负向影响;公交线路密度、学校密度具有明显的空间异质性,对常规公交客流的影响程度整体上呈现由南向北扩散性递减的趋势。