基于GWR模型的出租载客时空分异分析

为充分挖掘出租车轨迹数据反映的运营规律,将城市电子地图兴趣点(point of interest,POI)数据作为影响参数纳入出租车轨迹数据研究中,探讨出租车载客运营的时空分异现象。通过处理出租车轨迹数据提取并统计各时段出租车上客量,证实出租车载客具有时间非平稳性;基于核密度估计方法对各载客高峰时段载客点聚类,分析出租车载客的空间非平稳性;构建载客热点提取模型,提取载客热点并定义热度值;从城市POI数据中筛选出显著影响载客热点分布及热度值的设施,计算其与各时段产生的载客热点的最短距离,分时段建立出租车载客地理加权回归(geographical weighted regression,GWR)模型,探讨载客热点与各类城市设施的时空关系,并以西安市出租车GPS数据为例展开实证分析,对提出的模型进行验证。结果表明:与普通线性回归模型(OLS)相比,地理加权回归模型拟合效果显著提高,拟合优度均值从0.29提高到0.57;在研究区域不同时间段,各类设施点回归系数均值存在明显时间差异,同类设施点回归系数分布存在明显空间差异;研究区域内出租车载客热点的时空分异现象大体符合城市居民出行规律,在工作日各高峰时段出租车发挥公共交通系统替补作用这一现象更为显著。研究结果可为出租车空间需求预测、出租车载客调度及价格调控精细化管理提供参考。     

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。     

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.     

城市企事业人群出行链提取及出行特征分析

居民出行特征分析是研究交通需求和探寻交通拥堵症结的基础手段.为研究居民出行特征,基于企事业单位人群出行特征调研数据,改进经典DBSCAN聚类算法,识别出居民出行停留点,进而结合关联规则提取出居民出行轨迹数据;根据出行轨迹数据的时空特征,分别从时空角度和功能区划分角度,挖掘出企事业人群出行时空分布规律,以及不同功能区企事...     

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.     

基于移动通讯数据的用户行为可视分析

手机通话记录数据反映了人类的生活行为。基于数量庞大、类型繁多的移动数据,设计了多视图多粒度可视方式,对城市居民消费分布规律、个体活动轨迹、个体紧密社会关系网络进行分析;基于数据的时空属性,关联时空对比可视分析,对个体活动位置、活动范围等进行分析;在此基础上,设计并实现了移动通讯用户行为可视分析系统。结果表明,该系统在用户交互下能有效识别用户活动规律。     

环形放射状路网拓扑结构交通拥堵特性

考虑交通出行需求和路网拓扑结构,研究了环形放射状路网上的交通拥堵特性。基于国内7个城市的出租车乘客OD数据分析,研究了出租车用户群体出行距离分布特性,建立了一种基于OD分布的交通需求生成普适性模型。在此基础上,研究了特定需求分布下规则网格状和环形放射状两种典型路网结构的交通拥堵特性。结果表明在满足特定OD直线距离分布的交通需求下,环形放射状路网拓扑结构能有效减少网络拥堵时间,节约交通出行成本。     

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.     

城市居民出行碳排放研究进展

在应对全球气候变化和解决城市交通问题中,居民出行碳排放逐渐成为科学研究的重要课题.文章从居民出行碳排放的核算、影响因素和模拟三方面系统归纳了居民出行碳排放的研究内容及相关研究方法.可以认为:使用自下而上方法核算居民出行直接碳排放能明晰社区-家庭层级上居民出行碳排放的变化特征,由于数据获取困难,使用复杂方法核算居民出行间接碳排放的可操作性差;区域-城市环境特征和社区-家庭因素共同作用影响居民出行碳排放的变化,单方面分析居民出行碳排放的影响因素会出现研究结果的偏差,将二者结合使用复杂的数理统计方法量化各因子是揭示居民出行碳排放驱动机制的关键;基于时间地理学理论和GIS空间技术模拟居民出行时空轨迹可以较为直观地分析居民出行碳排放的时空特征,且为居民出行碳排放驱动机制分析提供支持.虽然考虑城市形态、土地利用、交通系统和居民个体行为的综合模型的时间和空间精度较低,却是未来模拟和调控居民出行碳排放的有效途径.     

考虑居民出行OD或居住地的出行方式选择巢式Logit模型

为定量化分析居民出行OD或居住地引入轨道交通后对出行方式选择的影响,在综合考虑出行者家庭特征、个人属性和出行特性的基础上,结合南京市居民出行调查数据,分别建立了考虑居民出行OD、考虑居住地、既不考虑出行OD也不考虑居住地的3个出行方式选择巢式Logit模型,并对比了模型的拟合度.结果表明:考虑居民出行OD的巢式Logit模型具有最高的拟合度;相比于出行OD小区或居住地远离轨道交通站点的出行者,出行OD小区或居住地接近轨道交通站点的居民更倾向使用慢行交通和/或公共交通出行方式.得到的分析结果为城市规划者认识轨道交通在吸引居民出行由小汽车向公共交通转移中的作用提供了理论支持和决策依据.     

具有时空特性的区域移动模式挖掘算法

丰富的居民出行行为信息对挖掘城市热点区域以及居民出行模式有很大的帮助,并且对更好地满足居民出行需求也有一定的启示作用.最新的相关研究主要聚焦于城市中区域之间的空间移动模式,但并不能识别移动模式发生的时间以及持续的时长.针对这一问题,提出具有时空特性的区域移动模式挖掘算法STMPZ(Spatio-Temporal based Movement Patterns between Zones).该算法在DBSCAN(Density-based Spatial Clustering of Applications with Noise)算法的基础上,通过将对象从点扩展成一条出行OD(Origin-Destination)记录,并引入时间特性,最终可以挖掘出具有时空特性的区域移动模式.为了验证所提出算法的可行性和有效性,利用真实的上海地铁通勤数据集进行实验,实验结果表明,该算法可以快速有效地检测出具有高覆盖率和准确率的区域移动模式.此外,该算法也可以通过修改聚类过程的参数应用于其他区域或类型的交通数据.     

OD约束的出租车经验模型与路径规划

从出租车轨迹中提取司机经验并应用于大众出行引导是出租车轨迹数据的重要应用领域.在经验提取上,为了避免传统方法中因忽视OD而导致结果不准确的问题,提出了OD约束的经验模型(ODCEM).以深圳市为例,分别用传统的经验模型、ODCEM及最短路径模型进行实验.结果显示:ODCEM在经验提取和路径推荐时能够成功地模拟出租车司机的经验;3种方法的比较中,ODCEM推荐的路径在通行时间和平均通行速度上体现出93.3%和76.7%以上的优势,通行长度位于其他两种模型推荐的路径之间.最后对约束的尺度进行了讨论.结果显示,约束尺度为2 km×2 km时效果比较理想.     

基于兴趣点与导航数据的手机信令数据出行方式识别

手机信令数据具有样本量大、采集成本低、跟随性强等优势,基于手机信令数据的居民出行特征分析具有重要意义。文章针对手机信令数据,设计了一套用户出行特征分析的框架,包括数据清洗、轨迹点分析、出行链提取、兴趣点分析与出行方式识别;基于兴趣点、路网数据与导航数据将用户的出行方式划分为驾车、公交、步行与骑行四种模式。结果表明,结合兴趣点与导航数据后,用户出行方式的识别正确率得到明显提升,与仅使用导航数据的识别算法相比,所提出的结合兴趣点与导航数据的算法正确率提升超过10%,具有较高的识别准确率。     

基于轨迹数据的导航卫星时空可视性分析研究

全球导航卫星系统是重要的时空信息基础设施,导航卫星的可见数是进行导航卫星定位精度评估的重要依据﹒长期以来,卫星可视性分析主要通过定量观测与实地测量的方式获取,其评估的范围相对有限,无法对城市尺度开展大范围的可视性评价﹒基于此,本文提出了一种基于车辆轨迹数据的大尺度城市导航卫星时空可视性分析方法,即：对轨迹数据进行预处理(包括轨迹数据简化和轨迹点的路网匹配),然后对处理后的数据进行导航卫星时空可视性分析,并通过上海市真实轨迹数据对其进行了验证﹒结果表明：该方法能够快速发现导航卫星高可见区域和低可见区域﹒     

居民出行停留目的识别模型框架

居民出行轨迹通常以样本数据点的形式呈现出来,未经语义信息化处理的样本数据点无法理解出行者的目的.提出了一种新的算法,从居民出行样本数据中挖掘居民出行GPS轨迹的语义,通过解释出行轨迹的停止与运动,对出行轨迹进行活动识别,推断出行停留目的.该算法通过分析轨迹数据点的物理几何特性(停留时长、转角、速度),判断轨迹中的停留,然后,利用领域知识建立的判别信息库进行对比,推断出居民停留目的.实验数据验证了算法的可行性.     

基于出租车GPS数据的交通状况分析

随着城市化进程和交通运输业的发展,城市人流量和车流量的日益增多,导致交通的供需失衡,使城市交通拥堵越来越严重,对整个城市的发展造成了制约.本文以四川省成都市出租车GPS轨迹数据为实例,利用时间降维、空载去噪、时间阈值和速度阈值4种方法对数据进行预处理,使用统计学和空间分析结合的综合分析方法,根据出租车路段平均速度、路段内速度变化等信息,分时段对成都市交通状况进行分析,并进行了可视化展示,得出的结果可给出行人或出租车司机提供出行时间及路段组选择提供建议.     

基于html5技术的时空联合目标轨迹动态可视化技术

传统时空轨迹可视化技术要求用户在PC端安装终端或插件,无法实现有效推广。部分技术能够实现预渲染数据的可视化处理,但浏览器不能对图像描述进行空间研究,无法实现地图的可视化。为此,提出一种新的基于HTML5技术的时空联合目标轨迹动态可视化技术。基于HTML5技术对时空联合目标轨迹动态可视化技术进行分析,提出可视化技术总体结构,利用MVC模式实现开发。对时空轨迹数据进行预处理,通过三次Hermite插值完成对时空联合目标轨迹插值的重构处理,通过实时处理手段对轨迹数据流进行异常检测。通过新的HTML5技术,利用canvas完成对浏览器端时空联合目标轨迹的动态可视化处理,无需第三方插件。用户终端的http访问请求通过websocket提供,用于实现时空联合目标轨迹数据的高效传输。实验结果表明,所提技术精度高,能够有效检测时空轨迹异常,实用性强。     

采用时空重排扫描统计量的犯罪集聚可视分析

首先,基于时空重排扫描统计量方法,对福州市2014年案事件数据进行日尺度与小时尺度的时空重排扫描统计,得到不同尺度下的犯罪时空集聚区.然后,结合数据可视化技术,对分析结果进行多尺度、多视角的交互式可视化设计.结果表明:用户可以通过选择日期尺度,按月或按月日期段、周日期段查看犯罪热点空间分布;也可以通过选择小时尺度,按时段查看周日期或节假日犯罪热点的空间分布.     

基于时空LSTM的OD客运需求预测

客运需求预测是打造智能交通系统中的重要一环,精准的预测模型有助于预分配交通资源,改善用户出行体验.然而客运需求的动态时空特性导致准确预测客运需求具有很大的挑战.本文提出了一种基于时空长短期记忆网络(LSTM)的出发地—目的地(OD)客运需求预测模型(STLSTM-PDP),显式地建模了客运需求时间序列内部的时间依赖关系和序列之间的空间依赖关系,预测未来一段时间所有OD的客运需求量.在全国民航重点航线客运需求量数据集及某城市区域间出租车客运量数据集上进行了实验,结果表明:STLSTM-PDP模型优于其他现有的预测方法,其MAE比其他方法降低了4.4%～41.4%,RMSE降低了4.3%～49.1%.     

疫情防控背景下城市居民出行特性及影响因素分析

探究疫情防控背景下城市环境、居民个人属性、居民出行行为对居民出行模式安全性的影响程度,基于问卷调查分析了疫情期间的出行频率、出行目的、出行方式变化等特征,并得出个人属性、城市属性、出行特征、出行心理4类因素对居民出行模式安全性的影响程度。通过建立有序Logisitic回归模型分析影响疫情期居民出行模式安全性的因素,研究结果表明,安全性顺序对出行模式安全性有显著的正向影响,道路网密度、弹性出行和出行频率对出行模式安全性有显著的负面影响。研究结果将为新冠肺炎疫情期间的交通管控对策制定、群体出行的安全性评估以及高风险人群的交通管控策略制定提供重要的理论参考价值。