出租车轨迹数据的南京人群出行模式挖掘

针对现有出租车轨迹数据挖掘中时间序列邻近度量方法存在的问题,提出一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,进而研究城市人群出行行为的时空差异。以南京市为例,结合电子地图对出行模式的空间分布特征进行分析,证明了本文所提出的方法的有效性。实验结果表明:在空间分布上,工作日出租车出行模式按照平均出行频次由高到低排序,从城市中心向四周扩散,呈中心环状分布,出行模式区域界限较为明显,同类出行模式分布区域对应相似的功能。提出了一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,有效地分析城市人群出行行为的时空差异。     

海口市网约车乘客出行时空模式挖掘

针对利用起讫点数据研究出行特征导致时间与空间维度割裂的问题,该文提出了一种出行模式分析方法.基于海口市滴滴出行2017年5-10月的1 200余万个订单数据,利用以鲁棒局部加权回归作为平滑方法的时间序列分解方法(STL)开展时间趋势分析.基于整体趋势,将海口市划分为1 km×1 km的网格,引入经验正交函数分解法(EOF),将海口市居民的出行时间序列分解为空间模态和时间系数两部分,以探讨居民出行规律.结果显示,在研究时段内,研究区内的出行量整体呈上升趋势;出行模式具有很强的周期性;居民出行的时空模式在工作 日与周末存在差异.该文深入分析居民的出行模式,可为优化交通资源配置等提供科学依据.     

出租车出行的居民活动区域与住宅价格的相关性

出租车数据能够反映居民出行的时空分布特征,与房价有密切关系。本文通过爬取链家网上公开的大连市房价数据,采用Kriging法对房价数据进行插值,生成大连市住宅价格分布图;通过获取出租车的乘降点数据,采用K-means法对乘降点数据进行聚类,得出居民出行区域的空间分布特征。通过对出租车乘降点空间分布数据与住宅价格数据的相关性进行分析,发现居民出行活动密集、频繁的区域,其周围的房价普遍偏高。实验结果表明房价与出租车数据呈正相关,对利用出租车数据研究房价具有重要意义。     

居民出行与轨迹行为交互模式挖掘与关联技术

出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息。原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律。通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据。本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息构建语义交互矩阵,用以推断和描述行为目的交互模式;最后选取北京市中心为研究区域进行方法验证。结果表明,中心城区内不同类别的停留点聚集分布规律不同,围绕高校和商圈聚集较明显;工作日各类停留点的活跃度持续时间较非工作日长;工作日和非工作日行为目的交互模式差别显著,工作日以职住和工作交互为主,非工作日以休闲和居住交互为主。本文研究可以为城市规划管理、资源调度和应急管理提供一定的决策支持。     

利用轨迹数据提取城市居民出行时空分布特征

介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.?研究表明:居民的出行活动特征在"工-休"日之...     

顾及兴趣点潜在上下文关系的城市功能区识别

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。     

基于多源数据的城市功能区识别及相互作用分析

随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,识别城市功能区,并结合出租车轨迹数据进行时空挖掘,定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。以北京市五环内主城区为例进行分析,可得:①该方法可以识别典型功能区西单、国贸、中关村是以商业为主的混合城市功能区,望京是以居住为主的混合功能区,且居民通勤出行特征明显;②国贸对自身的引力较强（39.4%）,说明国贸区域城市功能更加齐全;③典型功能区对居民出行距离范围内的区域吸引力随着距离的增加而减弱,符合经验认知和地理空间衰减规律。结果表明,利用POI和移动大数据采用重尾打断分类法和核密度聚类法进行城市功能区识别与分析是可行和有效的。     

出租车出行的空间不平等及其与人口结构的关联

出租车出行是表征空间不平等的重要指标,分析其特征对于城市规划、交通管理、智慧城市建设等具有重要意义。利用中国上海市出租车出行的车流数据与人口普查数据,对研究区域进行空间多尺度划分,运用Hadoop大数据处理、社会网络分析、地理加权回归等方法,探究中国上海市出租车出行的空间不平等状况及其与人口结构的关联性。结果表明:上海市存在出租车出行的空间不平等现象,在中心城区以及城市副中心区域,出租车出行便利性高于其他地区且平均出行距离小于其他地区;不同类型人口在出行能力上有差异,出行弱势人群(儿童、老人、外来人口、农业人口等)比例高的区域具有更低的出行便利性与更长的出行距离,这一相关性随空间位置与空间尺度的变化而发生变化。     

出租车数据的时间序列谱聚类分析

城市空间运行的出租车产生大量的OD数据,数据的时序呈现周期性特点,客观反映人们的出行行为模式,本文采用谱聚类算法对北京五环区域内各空间单元的出行特征及其相似性进行探究。由于空间单元的时空行为特征受空间邻域和功能区划的影响,研究添加邻域因子和功能区因子以改进时间序列的相似性度量方法,从而实现时间序列谱聚类算法的空间和功能区拓展,进而增加人们对不同时空条件下出行行为特征的了解,以便对不同空间单元提供差异性服务,如不同时段公交的发车频次、动态调整商场营业时间、不同时空环境出租车候车点的实时变换、调控和优化不同区域服务保障等,将有助于降低城市能耗,更加合理地利用资源,也有助于居民实现智慧生活。     

城市手机用户移动轨迹时空熵特征分析

利用手机话单数据分析城市个体居民移动活动的时间熵和空间熵特征,一方面探讨了从原始话单记录中进行出行识别的必要性,另一方面提出了一种考虑空间邻近性的轨迹近似熵特征分析方法。其中,出行识别可以克服手机定位数据采样频率较低的缺陷;近似熵分析方法具有强空间鲁棒性,可以减少因手机定位数据空间精度较低带来的影响。实证结果表明,城市居民出行活动既具有强烈的目的地选择倾向,同时也具有强烈的移动路径选择偏好。     

Exploring the link between urban form and work related transportation using combined satellite image and census information: Case of the Great lakes region

Aspects of urban transportation have significant implications for resource consumption and environmental quality. The level of travel activity, the viability of various modes of transportation and hence the level of transportation-related emissions are influenced by the structure of cities, i.e., their urban forms. While it is widely recognized that satellite remote sensing can provide spatial information on urban land cover and land use, its effective use for understanding impacts of urban form on issues such as transportation requires that this information be integrated with relevant demographic information. A comprehensive bi-national urban database, the Great Lakes Urban Survey (GLUS), comprising all cities with populations in excess of 200,000 has been created from Landsat imagery and national census and transportation survey information from Canada and the United States. A suite of analysis tools are proposed to utilize information sets such as GLUS to investigate the link between urban form and work-related travel. A new indicator, the Employment Deficit Measure (EDM), is proposed to quantify the balance between employment and worker availability at different transit horizons and hence to assess the viability of alternate modes of transportation. It is argued that the high degree of residential and commercial/industrial land uses greatly impact travel to work mode options as well as commute distance. A spatial interaction model is developed and found to accurately predict travel distance aggregated at the census tract level. We argue that this model could also be used to explore the relative levels of travel activity associated with different urban forms.     

基于时间序列相似度的城市功能区识别研究

随着城市化的快速发展,城市空间结构愈发复杂,城市功能区的快速有效识别对资源的有效配置和城市规划具有重要意义.传统的功能区识别缺乏对居民这一城市空间活动主体的动态表征,而长时间序列的出租车数据能动态表征居民出行行为,进而反映城市空间结构.动态时间扭曲(DTW)距离比传统的欧氏距离更能有效挖掘高维数据,泛化后的LB_Keo...     

北京市出租车GPS轨迹数据统计特征分析

以2015年5月11-17日北京市3万多辆出租车3.85亿条轨迹点数据为研究对象,对非载客段数据点进行剔除,使用R语言从居民出行距离、轨迹段持续时间、分时段出行量、出行方向及平均速度五个角度进行统计特征分析,并通过拟合得到浮动车行驶距离与持续时长所遵循的指数分布,进而发现距离衰减效应、工作日与周末的日律性,并以此分析乘客出行距离、出行时间的潜在规律。     

利用Minkowski距离逼近道路网络距离算法研究

道路网络背景下的距离度量（如道路网络距离、旅行时间）是在空间分析或空间统计过程中常用的距离度量,但在科研过程中由于道路数据的可获得性和精度等方面的限制,该类距离的计算可能较为困难。Minkowski距离函数是欧氏空间中的广义距离函数,其参数p值的不同代表着对空间不同的度量。利用Minkowski的通用性和灵活性（参数p不同的取值）,研究如何更好地逼近道路网络距离。同时,探索不同道路网络的部分计量特征（如密度、弯曲度等）与最优p值之间的关系。实验证明,相对于最常用的欧氏距离度量,优选p值后的Minkowski距离函数能够更大程度上逼近道路距离。而通过对道路网络计量特征与最优p值之间的关系的分析,指出了弯曲度与最优p值之间的对应关系,它对于p值的选择具有重要的指导意义。此外,为了验证Minkowski距离逼近算法的可行性,以地理加权回归分析为例,通过对比传统的欧氏距离度量、最优Minkowski距离度量和道路网络距离（旅行时间）对模型解算结果的影响,指出优选后Minkowski距离一定程度上更接近于采用旅行时间对模型解算的结果。     

地理空间数据结合手机信令等多源数据刻画城市居民出行特征

本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。     

基于出租车GPS数据的城市居民出行时空分布研究

随着城市的快速发展,道路拥堵、打车难等问题越来越突出,严重影响了居民的出行效率和生活质量。出租车GPS数据,在一定程度上包含了部分居民出行行为的丰富信息。考虑到出租车载客事件发生于一维道路网络空间,本文提出对出租车上下客事件所在路段进行分析,得到不同时段居民出行的热门路段和区域,分析居民出行时空分布特征,有助于了解交通现状和居民出行需求,提高城市对居民出行活动的服务水平。     

Exploring the Impact of Non-normality on Spatial Non-stationarity in Geographically Weighted Regression Analyses: Tobacco Outlet Density in New Jersey

The principal rationale for applying geographically weighted regression (GWR) techniques is to investigate the potential spatial non-stationarity of the relationship between the dependent and independent variables—i.e., that the same stimulus would provoke different responses in different locations. The calibration of GWR employs a geographically weighted local least squares regression approach. To obtain meaningful inference, it assumes that the regression residual follows a normal or asymptotically normal distribution. In many classical econometric analyses, the assumption of normality is often readily relaxed, although it has been observed that such relaxation might lead to unreliable inference of the estimated coefficients' statistical significance. No studies, however, have examined the behavior of residual non-normality and its consequences for the modeled relationships in GWR. This study attempts to address this issue for the first time by examining a set of tobacco-outlet-density and demographic variables (i.e., percent African American residents, percent Hispanic residents, and median household income) at the census tract level in New Jersey in a GWR analysis. The regression residual using the raw data is apparently non-normal. When GWR is estimated using the raw data, we find that there is no significant spatial variation of the coefficients between tobacco outlet density and percentage of African American and Hispanics. After transforming the dependent variable and making the residual asymptotically normal, all coefficients exhibit significant variation across space. This finding suggests that relaxation of the normality assumption could potentially conceal the spatial non-stationarity of the modeled relationships in GWR. The empirical evidence of the current study implies that researchers should verify the normality assumption prior to applying GWR techniques in analyses of spatial non-stationarity.     

北京地区居民时空行为的大数据分析

信息技术的快速发展带来了"大数据"时代的到来,使得城市时空行为研究面临变革。传统的城市时空行为研究方法并不能涵盖居民空间移动的复杂性和工作生活的移动性。随着智能手机的普及,微博也成为人们日常生活中常用的社交网络。本文通过获取新浪微博的签到数据,应用GIS软件分析北京地区居民行为的时空间关系。研究发现:工作日的热点要比周末集中很多,上下班高峰期多条地铁线路客流量较大,北京地区办公地区比居住地更加集中。