The scaling laws of human travel

The dynamic spatial redistribution of individuals is a key driving force of various spatiotemporal phenomena on geographical scales. It can synchronize populations of interacting species, stabilize them, and diversify gene pools. Human travel, for example, is responsible for the geographical spread of human infectious disease. In the light of increasing international trade, intensified human mobility and the imminent threat of an influenza A epidemic, the knowledge of dynamical and statistical properties of human travel is of fundamental importance. Despite its crucial role, a quantitative assessment of these properties on geographical scales remains elusive, and the assumption that humans disperse diffusively still prevails in models. Here we report on a solid and quantitative assessment of human travelling statistics by analysing the circulation of bank notes in the United States. Using a comprehensive data set of over a million individual displacements, we find that dispersal is anomalous in two ways. First, the distribution of travelling distances decays as a power law, indicating that trajectories of bank notes are reminiscent of scale-free random walks known as Lévy flights. Second, the probability of remaining in a small, spatially confined region for a time T is dominated by algebraically long tails that attenuate the superdiffusive spread. We show that human travelling behaviour can be described mathematically on many spatiotemporal scales by a two-parameter continuous-time random walk model to a surprising accuracy, and conclude that human travel on geographical scales is an ambivalent and effectively superdiffusive process.     

时空轨迹中隐含的周期性行为模式

将人类时空轨迹中隐含的信息进行可视化并转换为语义语言是公安工作的迫切需要。使用聚类算法将空间轨迹数据离散化,设计等间距抽样算法规整时间序列数据,从而将连续域上的时空轨迹数据表示为离散的二值序列,为使用离散傅里叶变换和循环自相关方法查找时空轨迹中隐含的周期性行为模式做好数据准备;并通过调整采样时间跨度以增强稀疏二值序列的周期性特征。实验表明可以有效提取时空轨迹中的周期性行为模式,而具有季节性和随机变化的行为模式也具有重要参考价值。案件的发生是由人的行为导致的,所以对人类时空轨迹的研究成果也可以应用于案件分析。     

基于手机信令数据的特大城市人口时空分布及其社会经济属性估测——以北京市为例

提出应用手机信令数据, 基于空间模式单元(Spatial Pattern Unit)进行人口动态分布估测和人口属性识别的方法, 并以北京为例开展实例研究。以手机信令数据为主, 结合大样本问卷调查数据和腾讯热力图数据, 对人口布局进行分时段估测, 分析人口分布的时空间动态特征; 采用大样本问卷调查数据, 以人口社会经济属性和通勤出行特征等关键指标, 对调查的种子空间单元进行模式分类和识别, 运用机器学习的方法进行全域地域空间的人口属性估测识别, 最后对估测结果进行对比和验证。所提方法和研究结果可以为监测人口布局动态、针对人口属性布局商业服务和合理规划城市设施等提供决策支撑。     

基于出行偏好和路径长度的路径规划方法

针对基于最短路径的路径规划方法只关注路径长度,而基于轨迹的路径规划方法过度依赖用户偏好的问题,提出一种同时考虑用户出行偏好和路径长度的路径规划方法.首先,利用长短期记忆模型从历史出行轨迹中提取用户的出行偏好;其次,采用Markov链Monte Carlo采样技术将用户的出行偏好引入启发式搜索算法A*中,在道路网络中搜索...     

基于多源数据的城市内部空间交互特征：以福州市主城区为例

人群在城市内部空间中的流动是社会活力和资源分配的直接体现,是城市交通规划管理的重要依据。融合手机信令大数据和POI(point of interests)数据,对福州市主城区内的交通小区进行功能分区并构建了交通小区之间的空间交互网络,采用复杂网络方法对各类型功能区的中心性地位及出行距离衰减效应进行了分析。结果表明：福州市主城区功能区以居住及公共服务相关功能区为主。鼓楼区和台江区的人流量最为活跃,仓山区及晋安区的内部空间交互格局存在显著的不平衡现象。各功能区的中心性地位存在明显的空间和周期差异,科教文化及商服类型功能区的中心性普遍较高。居住用地与其他功能区之间的距离衰减效应受到时段的影响较大。基于以上结果可对城市公共交通优化提供一定支持。     

柔性机械臂运动轨迹规划模板函数的比较研究

末端加速度曲线中含有的高频成分会激励起柔性机械臂逆动力学的病态行为,由此限制了末端最小运动时间轨迹跟踪控制的实现,本文对轨迹规划的模板函数进行了比较研究,以揭示不同模板函数生成的末端运动轨迹对运动学及动力学关键参量的内在影响.     

空间交互网络研究进展

 空间交互网络是人、商品和信息等在地点之间流动而形成的嵌入在空间中的有向流网络。典型的空间交互网络包括国际贸易网络、人口迁移网络、人群出行网络及电话通信网络等。理解和预测空间交互网络中的流量分布模式不仅是区域科学、交通科学、经济地理学等很多领域长期以来的一个重要研究主题,在城市和交通规划、疾病传播防控、商业服务等领域也具有广泛应用价值。本文在简要介绍引力模型、介入机会模型等经典空间交互模型的基础上,着重对近年来复杂系统研究领域在空间交互网络建模方面的研究成果进行介绍,包括辐射模型、人口权重机会模型及空间交互网络上的随机游走模型等,并且对空间交互网络研究中存在的挑战性问题进行探讨,包括个体多样性行为建模、群体空间交互决策行为实验、数据驱动的活动-出行行为研究等。     

基于移动大数据的城市空间结构感知

准确描绘城市结构、深刻理解城市特性对于智慧城市建设、提升居民生活体验至关重要。遍布于城市的基础设施,如公交车站、银行网点、移动网络等,提供了大量具有时空标记、描述个人行为的数据,使得基于人类行为的城市时空特性分析成为可能,且逐渐成为城市研究的热点。针对这些移动大数据,提出一种方法,将人类移动行为投影到城市空间实体之间的联系中,从而可以方便地从整体和局部研究城市空间实体间联系。基于该方法,利用中国西南某地级市手机上网数据进行实证研究,发现城市空间实体间联系的变化具备周期性,且城市空间结构存在与行政区划相一致的区域中心,这些区域中心的时空变化,反映了人类作息习惯与移动特性。研究结果揭示了城市空间联系的动态特性,为数据治理城市、基础设施的合理配置和资源分配提供了有效的依据。所提出的方法提供一个新的视角,将人类运动整合到空间分布式系统的研究中。     

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。     

“双碳”目标下城市空间数字化技术应用研究进展

 目前,城市空间碳排放的数字化技术中轨迹数据挖掘是需要关注的发展方向。数字化技术为空间碳源和碳汇数据的准确获取和分析提供了动态数据信息平台,可提升国土空间规划的全要素管控效率,促进城市领域的碳减排。基于数字化分析方法发现：生态脆弱性识别与安全格局构建是建立生态韧性城市空间需要重点关注的方面,利用遥感技术测算碳汇过程中的同一类型内容由于地理特征不同带来误差的问题值得关注,未来城市空间碳汇精准计量需要通过宏、微观相结合,多平台、多时段动态监测相结合的方式来实现。     

通道行人超越行为研究

采用轨道车站双向通道监控视频数据进行分析,提出以步为基本单位确定统计间隔,按照超越者双脚重心投影位置确定行走轨迹的研究方法,根据超越者轨迹,提出超越的三个阶段划分方法和四个描述超越行为轨迹特征的空间指标.深入分析了超越行为三个阶段行人横向间距、累计横向侧移、超越者行走直线距离等的特征和规律,被超越者性别差异对各项空间指标的影响,提出判别超越结束阶段超越者行走状态的方法,分析了超越行为出现频率与人均空间的关系.     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

基于轨迹聚类的热点路径分析方法

随着智能终端、移动定位、无线通信等技术的快速发展,在交通、物流等应用领域,大量受路网约束的轨迹数据得以收集.利用轨迹数据分析热点路径,可以在时空和语义特征不变的前提下反映移动对象的运动和行为模式.在提取道路交叉点的基础上,引入轨迹的停留点语义,并将两者共同作为特征点进行轨迹划分,在轨迹聚类的基础上进行子轨迹权重分析,从...     

基于有趣地点压缩的时空轨迹聚类

研究移动物体时空轨迹局部关键地点时空相似的聚类问题.根据移动物体的运动状态提取轨迹中的有趣地点,利用最小包围盒技术对这些有趣地点进行描述,得到基于有趣地点压缩的轨迹表示形式;然后给出一个时空属性相结合的相似性度量公式,对压缩表示的轨迹进行相似性度量;基于这个相似性度量公式对轨迹进行聚类,聚类方法采用层次聚类法.实验结果表明,本文提出的方法能有效地对移动物体时空轨迹进行聚类,由于采用了增量式的轨迹压缩方法,不仅提高了聚类的速度,而且还实现了增量式的轨迹聚类.     

Frequent Trajectory Patterns Mining for Intelligent Visual Surveillance System

A frequent trajectory patterns mining algorithm is proposed to learn the object activities and classify the trajectories in intelligent visual surveillance system. The distribution patterns of the trajectories were generated by an Apriori based frequent patterns mining algorithm and the trajectories were classified by the frequent trajectory patterns generated. In addition, a fuzzy c-mcans (FCM) based learning algorithm and a mean shift based clustering procedure were used to construct the representation of trajectories. The algorithm can be further used to describe activities and identify anomalies. The experiments on two real scenes show that the algorithm is effective.     

基于RFID位置语义的室内移动轨迹聚类算法

面向室内空间的移动轨迹聚类有利于发现室内热点和用户移动模式.针对室内环境在定位技术、距离度量等方面的特殊性,充分考虑室内移动轨迹的空间和语义特征,提出一种基于无线射频识别(radio frequency identi-fication,RFID)位置语义的室内移动轨迹聚类方法.该方法对原始轨迹提取特征点,可简化轨迹以降低算法时间复杂度;从空间形状和位置语义2个方面加权计算轨迹相似度,其中,空间相似度通过定义适用于室内三维空间的距离函数来计算,语义相似度计算基于最长公共子序列思想,并引入移动对象在轨迹点的到达时间和停留时间;利用线性表存储轨迹相似度,采用改进的层次聚类方法对移动轨迹进行聚类.实验结果表明,该方法能够有效地进行室内轨迹聚类并具有较高的效率.     

考虑路径尺度的城市轨道交通客流分配

城市轨道交通客流分配是进行轨道交通线网规划、评估和运营管理的关键技术之一。考虑有效路径之间重叠对路径选择概率的影响,在效用函数中加入路径尺度调整效用值,提出基于路径尺度的Logit客流分配方法。以北京地铁线网为例,构建乘客出行广义费用函数,搜索有效路径,清洗自动售检票系统(automatic fare collection, AFC)刷卡数据,通过MATLAB软件进行客流分配计算。结果表明:与既有模型相比,路径尺度Logit模型路径选择概率误差降低了24.32%,提高了客流分配精度。提出的路径尺度Logit模型具有较好的适用性、有效性,对于提升城市轨道交通线网科学规划水平、降低运营安全风险具有重要意义。     

复杂环境下的移动机器人路径规划

为了提高移动机器人在复杂环境下的路径规划能力, 通过双层路径规划思想研究了移动机器人路径规划问题：用栅格法对机器人工作环境进行建模,首先采用改进的遗传算法进行全局路径规划,解决了由于交叉概率和变异概率选择不当导致最优个体丢失的问题;然后,在规划好的全局路径的基础上利用改进的人工势场法进行局部动态避障,解决了局部极小点问题。结果表明：移动机器人能够在复杂环境下规划出一条无碰撞的优化路径。可见改进算法的有效性。     

技术进步与城市空间创新

城市空间的形成与变化是特定社会形态的反映 ,而社会形态的形成与技术进步密不可分。技术进步是城市空间发展过程中最为活跃的因素。技术的重大突破导致出现新的社会形态 ,更新了的社会形态为城市空间的创新提供了动力与条件。技术的进步除了因为影响社会形态而促使城市空间结构变化外 ,还直接参与城市空间创新 ,使城市空间在水平与垂直两个方向延伸。