基于出租车用户出行的功能区识别

出租车数据作为城市大数据重要来源,其上车行为和下车行为直接反映城市人群出行行为特征,帮助城市规划者发现城市人群出行规律和城市功能结构。但是出租车数据隐含多维度信息,一维或者二维模型不足以表达和挖掘其蕴含的多维信息,因此本文选择可以承载多维数据的张量模型对出租车OD（上车/下车）数据进行时空模式挖掘。本文将北京六环区域划分为500 m×500 m格网,采用北京市2012年11月1-16日的出租车OD数据,分别构建O点和D点张量,利用张量分解模型从日尺度、时段尺度揭示出租车用户出行时间模式,同时获取不同时段对应的出租车用户出行空间模式,并推测空间模式包含的语义属性。本文结合城市兴趣点（Point of Interest, POI）数据,提高空间模式语义属性推测的准确性,识别出租车用户出行功能区。结果表明：出租车用户出行时间符合工作日和休息日的早高峰、日间、晚高峰以及夜间模式;对应8种时间模式,出租车用户出行包含8种空间模式,每一种空间模式都是对应时间模式下的上下车热点区域,因此空间模式的变化表明城市人群在不同的时间点,到达不同的场所,进行不同的活动,间接表达空间功能的动态变化;区域的功能不是单一静态的,而是随着时间在不断地变化,是不同时段功能的组合。本文揭示出租车OD数据中隐含的出租车用户出行模式和空间功能动态变化,对利用人类行为时空模式研究区域空间功能结构具有科学参考价值。     

小城市居民出行行为时空动态及驱动机制研究

相比于大城市,中小城市在新型城镇化中至关重要,具有独特的居民出行行为特征,但以往的研究并没有得到足够的关注。目前研究主要使用浮动车数据分析特大城市居民的出行行为,但考虑到小城市土地开发强度低、公共交通不发达、研究空间尺度精细等特点,这些研究方法不能完全适用于针对小城市的研究。因此,本文使用小城市出租车GPS轨迹数据识别上下客事件,沿道路生成随机样点采样得到了分时段的上下客密度,并对其时空动态进行描述和表达;筛选出显著影响上下客密度时空分布的9类设施,建立出租车上下客事件的地理加权回归模型;分析了小城市出租车上下客时空动态与各类城市设施的时空关系,发现在工作日与双休日和一天中不同时段中,不同城市设施对上下客事件的影响具有不同的分布规律及其驱动机制。研究结果可为小城市的城市规划和交通需求精细化管理提供参考。     

北京市居民地铁出行出发时间弹性时空分布特征研究

伴随城市转型进程的加快,交通需求不断膨胀,导致大城市交通拥堵日趋严重,以调节出行者的选择行为为核心要素的交通需求管理理念成为相关政策的重要理论基础,但现有研究也表明,交通需求管理对出行弹性较高的出行具有显著调节作用,而对出行弹性较低的出行调节作用并不明显。因此,加强出行弹性等居民出行行为研究日益迫切,而公交刷卡数据等新的时空数据为居民复杂出行行为的挖掘提供了新的契机。本文利用北京市2014年3月地铁刷卡数据,以出行者出发时刻的可变性来测度出发时间选择的可改变程度,对居民地铁出行出发时间选择弹性进行测度,并结合GIS空间分析技术对其时空分布特征进行分析。研究表明：① 北京市地铁出行的居民出行弹性平均值为0.521,出发时间选择弹性整体上较大,表明北京居民出发时间选择相对较为灵活;② 北京市居民地铁出行弹性存在时空差异,居民个体休息日出行弹性高于工作日,一天中高峰时段出行弹性高于非高峰时段;③ 居民出行弹性存在空间自相关,倾向于在空间上发生集聚,存在明显的冷热点区域;内城居民的出行弹性明显高于城市外围居民。     

基于时间序列聚类方法分析北京出租车出行量的时空特征

受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提供了数据支撑。本文以道路分割城市得到的地块为研究单元,利用北京市一个月的出租车轨迹数据,对北京居民的出行模式及城市功能格局进行分析。在轨迹数据分析中,本文从轨迹数据中提取每个地块的出行量时间序列信息,然后采用结合时间序列距离度量和时间序列自身相关性的聚类方法,对出行量时间序列数据进行聚类分析,从而研究乘客出行的时空分布特征,最后结合北京市POI数据,探讨了不同区域乘客出行规律和区域功能类型的相互关系。结果表明,出租车出行量时间序列模式在工作日和周末间存在明显差异。此外,工作日的2个出行高峰与通常的通勤早晚高峰不同。由出行量所得的区域聚类结构,除具有重要交通枢纽功能的地块外,总体上以市中心为圆心大致呈同心圆分布,且距离市中心越远出行量越小。研究结果对于分析北京市居民出行行为、辅助城市交通规划具有一定的意义。     

城市出租车上下客的GPS轨迹时空分布探测方法

出租车作为城市公共交通的重要补充,是城市面向公众的一个窗口,在人们日常出行中起到越来越重要的作用。出租车资源时空分布的不均衡,直接影响到城市公共交通的运行效率和城市形象。通过研究出租车上下客的时空分布特征,不仅可以反映城市居民的工作、生活、出行的规律和模式,也可反映城市空间在不同时段内的动态性和“热度”。本文基于出租车GPS轨迹大数据,针对出租车上下客事件轨迹呈现的线状特征,以及城市道路网络空间不同时段“热度”的动态分段特征,提出了出租车上下客时空分布的线密度探测模型。该模型通过对时间多粒度描述与表达,对不同城市道路网络空间,进行出租车上下客事件的探测和分析,获取城市出租车上下客的时空分布规律,更深刻地理解和认知了城市空间的动态性。     

北京市摩拜共享单车源汇时空特征分析及空间调度

共享单车是解决城市出行最后一公里的重要工具。然而,共享单车在使用过程中出现了供需时空失衡的现象,导致部分区域无车可用,而另一些区域却车满为患。这一现象不仅给用户带来不便,同时也降低了单车周转效率。解决供需失衡问题,关键在于探究共享单车供需失衡的时空分布特征。本文定义了共享单车的“源”、“汇”点,采用2017年5月10日至2017年5月16日北京市摩拜单车数据以及土地利用分类等多源数据,分析了共享单车工作日与周末,以及早、晚高峰期间强源、强汇点的分布特征,并结合土地类型信息分析了不同用地类型的单车使用模式,从而进一步提出了共享单车的空间调度模型。结果显示,在考虑不同土地利用类型的影响下,摩拜共享单车强源汇点分布模式具有明显的时空异质性：① 工作日单车使用量明显高于周末,且不同土地利用类型的源汇分布显著不同,如居住用地、商业金融用地等地净流入、流出密度更大,绿地等地区则相对较小;② 对比早晚高峰期间,同一地区的单车使用源汇模式极可能相反,如教育科研用地、商业金融用地等带有办公性质的地区会有“早汇晚源”的特征,而居住用地则是“早源晚汇”;③ 同一类土地利用在工作日与周末的早晚高峰期间,单车使用的源汇特征亦存在差异,如办公性质的地区在周末时源汇比例会明显产下降。基于上述结果,本文提出了一种局部优化的调度模型,并通过实际数据进行了检验。该模型在一定程度上可以解决车辆空间分配不均衡的问题,提高城市共享资源使用率,增加人们出行的方便程度。     

降雨事件对上海地铁通勤客流时空影响的精细尺度研究

全球气候变化背景下,降雨事件日益增多,严重影响城市交通和居民的日常出行。本文以上海市为例,基于分时降雨数据和地铁OD客流数据,运用Prophet时序模型拟合降雨事件下的客流常态值,从站点和OD二个维度定量评估降雨造成的地铁通勤客流变化时空格局。研究结果表明：① 通勤客流总体随小时雨量增大而下降,不同类型站点客流的降雨波动性呈现差异;降雨会造成进站客流的时间滞后性和堆积性,通勤出行需求越大的站点类型堆积效应越显著;由于出发时间弹性差异,不同时点客流的降雨敏感性也不同,7:00和17:00敏感性较高,8:00—9:00和18:00—19:00则相对刚性;② 降雨会造成行程时间≤15 min的短距离客流显著上升,总体增加7.3%,中长距离客流变化不明显,总体减少1.3%;在不同功能区之间,早高峰居住型→产业型的客流波动和时间堆积性最为显著,晚高峰商服型→居住型的返程客流波动性较低;早高峰降雨敏感性线路的起始站点多分布在大型居住区,晚高峰则位于大型产业园区和商业中心;晚高峰返程客流的波动性低于早高峰。尽管降雨事件对通勤客流总量影响不明显,但会造成局部空间区域和时点的客流激增。本文的研究方法与结果有助于量化降雨对地铁通勤客流的影响程度,并为空间化的交通运行保障提供决策依据。     

武汉市主城区用地结构遥感监测及动态变化

城市内部用地结构及其时空演变特征不仅能一定程度上反映出城市社会经济发展水平、预示城市未来发展空间和发展潜力,而且还会直接影响城市人居环境的适宜性,不同地区和不同发展阶段城市内部用地结构存在明显差异。本文基于武汉市1990、2000、2010和2018年4期Landsat TM/OLI遥感影像,采用面向对象多尺度分割算法对武汉市主城区内部用地结构进行了长时间序列遥感监测研究,并在此基础上分析了城市用地结构的时空演变特征。研究表明:1990-2018年武汉市主城区用地结构类型以不透水层、植被和水体为主,用地结构演变模式主要表现为植被和水体向不透水层的转化。主城区内部不透水层面积由1990年的329.73 km~2增加至2018年466.69 km~2,增加了136.96 km~2;植被和水体面积则由1990年的332.74 km~2、318.26 km~2减少到2018年的320.46 km~2、196.39 km~2,分别减少了12.28 km~2、121.87 km~2;裸土地面积较小,整体变化不如前3种用地类型显著。本研究可为城市功能用地制图、城市用地效率分析以及城市生态环境质量综合评价提供参考。     

基于轨迹偏移算法的居民就医时空特征与空间格局分析

居民就医时空特征与空间格局反映了医疗设施的服务能力与布局合理性。本文以厦门岛为例,采用出租车轨迹数据,探讨了居民就医的时空特征和空间格局。论文提出了基于道路中心线的研究单元划分方法;提出OD轨迹偏移算法,更精细地提取出三级医院的就医OD数据,改善传统的缓冲区分析法中精确度较低的问题;对居民就医行为进行时空特征分析;基于就医意向与K-means聚类算法分析了居民的就医空间格局。结果表明：① 相对于传统的缓冲区分析,使用OD轨迹偏移算法提取医院的就医OD数据时,不要求OD数据具有较高的定位精度,仅通过偏移OD点坐标即可更加准确与完整地提取就医OD数据,精度提高约30%以上,并适用于所有浮动车轨迹数据;② 居民就医高峰期在7时与14时,休息日日均就医人次为工作日的2倍,当就医出行距离大于1 km时,就医出行人次随着出行距离的增加不断减少,整体符合韦伯分布函数;③ 居民就医时首要选择中山医院、第一医院或中医院,就医选择具有显著的区域性差异,反映居民临近就医的习惯,厦门岛西南部区域医疗资源十分充足,居民首要选择的就医最大出行距离在4 km以内,而西北部与东南部区域的居民首要选择的就医出行距离多在10 km左右,医疗资源较为匮乏,亟待加强;④ 厦门岛三级医院的吸引力具有明显的层次性,居民的强就医意向 （P_ij>33%）的医院皆为中山医院、第一医院与中医院中的1所,这3所医院的服务范围基本包括整个厦门岛,对居民有着较强的吸引力,居民对其余6所医院的就医意向值在0~33%之间,服务范围基本为医院临近的一些区域,吸引力与服务能力相对较弱。研究结果不仅为挖掘居民就医时空特征提供方法参考,还为后续医疗设施资源空间配置优化提供决策支持。     

基于出租车GPS数据的居民就医时空特征分析

城市医疗服务在很大程度上影响着城市居民的生活质量,在公共服务领域中发挥着极其重要的作用。近年来,中国城市化发展过程中产生了海量的大数据,基于这些海量数据分析居民就医出行特征对于优化和改善城市医疗资源布局具有重要意义。本文以北京市主要医疗机构空间位置数据为基础,基于出租车GPS移动轨迹数据,采用时空统计分析方法,研究了出租车出行模式下的居民就医出行时空特征。结果表明,利用医院的OD（Origin-Destination）网络结构特征分析,可以识别出不同医院的服务范围以及受众的时空分布模式。市区尤其是四环以内医院的就医网络密集、紧凑,就医密度较高,而四环以外尤其是郊区周边,就医网络稀疏、分散,医疗资源的级别及地理位置影响了居民的就医倾向。本研究基于浮动车GPS数据开展居民就医时空行为模式挖掘研究,可以为城市医疗资源供需分析和优化配置提供决策支持。     

Travel Behaviours of Sharing Bicycles in the Central Urban Area Based on Geographically Weighted Regression: The Case of Guangzhou,China

Mobile information and communication technologies(MICTs) have fully penetrated everyday life in smart societies;this has greatly compressed time, space, and distance, and consequently, reshaped residents’ travel behaviour patterns. As a new mode of shared mobility, the sharing bicycle offers a variety of options for the daily travel of urban residents. Extant studies have mainly examined the travel characteristics and influencing factors of public bicycles with piles, while the travel patterns for sharing bicycles and their driving mechanisms have been largely ignored. Using one week’s travel data for Mobike, this study investigated the spatial and temporal distribution patterns of sharing bicycle travel behaviours in the central urban area of Guangzhou, China;furthermore, it identified the influences of built environment density factors on sharing bicycle travel behaviours based on the geographically weighted regression method. Obvious morning and evening peaks were observed in the sharing bicycle travel patterns for both weekdays and weekends. The old urban area, which had a high degree of mixed function, dense road networks, and cycling-friendly built environments, was the main travel area that attracted sharing bicycles on both weekdays and weekends. Furthermore, factors including the point of interest(POI) for the density of public transport stations, the functional mixing degree, and the density of residential POIs significantly affected residents’ travel behaviours. These findings could enrich discourse regarding shared mobility with a Chinese case characterised by rapidly developing MICTs and also provide references to local authorities for improving slow traffic environments.     

基于出行时空数据的分时租赁汽车与网约车出行场景比较研究

分时租赁和网约车同属共享汽车,但规模对比悬殊。找到差异化的出行场景有利于分时租赁在网约车主导的共享汽车市场中谋求立足之地。本文以北京地区某分时租赁公司2017年5月1日—30日的出行订单和2018年4月23日—29日的网约车出行订单为研究对象,结合城市兴趣点数据,利用地理信息层次聚类、关联规则等方法挖掘两共享汽车的典型出行场景,并进行比较分析。研究表明：① 网约车主要服务于“通勤出行”和“市内商务区之间的出行”,2种出行场景分别占网约车订单总量的40.3%和28.7%;② 分时租赁主要服务非通勤出行,其特色出行场景是“往返城市旅游景区的出行”、“城市旅游景区之间的出行”和“外城住宅商务混合区的午夜出行”,分别占分时租赁订单总量的24.4%、6.9%和5.5%。③ 在分时租赁的特色出行场景中,分时租赁与网约车或传统租车等共享出行方式相比费用更低,仅占其费用的25%~35%,具有较大的竞争优势。本研究有关出行场景挖掘的方法和结论可以为北京市分时租赁的推广以及其他共享出行研究提供借鉴和参考。     

基于浮动车数据的城市道路通行能力时空特征分析

针对城市道路通行能力定量度量指标,提出基于浮动车数据的道路基本通行能力评估方法;以道路通行能力指标来分析深圳市道路网通行能力的时空分异规律,结论如下：城市道路通行能力具有明显的时变特征和空间分布的不均衡性;各行政区域通行能力在工作日变化平缓,在休息日出现午高峰;通行能力余量无论在工作日和休息日都浮动较大,并在休息日中午显著下降;道路通行能力具有明显区域分类现象,人口密度和发展程度较高区域的道路通行能力整体较低,且一天内的变化较小;道路等级对通行能力和通行能力余量影响显著,较高等级道路一天内变化较大,低等级道路则较平稳。     

融合多源地理大数据的城市街区综合活力评价

随着城市人口、物资、信息流动的日益频繁,城市居民活动特征和生产生活方式更加复杂多变,同时,城市空间无序扩张,发展规划不足,引发了交通堵塞、人口流失、公共空间缺乏等一系列问题,最终引发了城市活力消解难题。因此,如何科学高效地进行城市活力定量分析成为了重点研究问题。本文基于OpenStreetMap、百度地图兴趣点（Point of Interest,POI）、微信宜出行、美团、高德建筑物轮廓等多源地理大数据,从人与空间双重角度,分别对人群活力、活力多样性、活动满意度和空间交互潜能进行量化研究;引入空间权重矩阵,构建了改进的空间优劣解距离法（Technique for Order Preference by Similarity to Ideal Solution,TOPSIS）综合活力评价模型,实现对南京市中心城区综合活力的评价,最后分析了工作日、周末的街区活力空间分布特征及活力极的异同,并比较了传统的熵值TOPSIS综合活力评价结果,以此探究空间关系对城市街区活力的影响,以求帮助城市规划者系统的认识当前城市活力现状,为城市规划研究提供一种可行性方案。     

顾及空间异质性的出租载客与公交客流回归分析

出租车一直以来被看作公共交通的补充,但是以往研究多侧重于出租客流与公交客流的独立研究,对于二者的关联关系分析没有足够得到关注。预测出租车载客热点区域不仅能够实时的了解城市交通热点区域,还能够很好地指引出租车司机,帮助出租车司机快速寻客。出租车载客热点常发生在人流密集并且交通出行需求较高的区域,公交乘客IC卡数据能够实时的反映城市中的交通需求。因此,本文使用厦门岛出租车GPS轨迹数据与公共交通运输系统运营数据,利用核密度估计法和地理加权回归模型分析了早晚高峰时段出租车载客与公交上下车（OD）客流之间的时空分布关系。研究发现,出租乘客O点的核密度值在空间上存在分布不均衡性,聚集特征明显。在同一区域,公交乘客O点和公交乘客D点对出租乘客O点所产生的影响刚好相反;在不同区域,城市功能类型复杂的地区公交乘客O点对出租乘客O点产生负的影响,在城市功能类型单一的地区公交乘客O点对出租乘客O点产生正的影响,公交乘客D点则刚好相反。与普通线性回归模型相比,地理加权回归模型的拟合效果显著提高,早晚高峰拟合优度分别从0.13和0.11提升到了0.59和0.53。研究结果可为出租车载客数量的预测提供相关依据。     

基于大规模手机位置数据的城市潜在自行车出行需求评估

潜在自行车出行是指可能会使用自行车作为交通工具的出行,评估潜在自行车出行需求能够帮助指导城市自行车资源配置方案的优化。大规模手机位置数据蕴含丰富的人群移动信息,而且具有大样本、低成本的特点,能够用于评估城市潜在自行车出行需求。本文结合自行车出行的时间和距离特征,提出一种基于大规模手机位置数据的潜在自行车出行需求评估方法。该方法以单次出行为分析单元,从手机用户的轨迹中提取出具有短距离出行特征和公共交通接驳出行特征的移动轨迹段,并根据该移动轨迹段评估潜在自行车出行需求。基于该方法,利用上海市大规模手机位置数据评估上海市潜在自行车出行需求并分析其时空分布特征,发现在空间上,潜在自行车短距离出行需求主要分布在城市中心和郊区的商业中心,而公共交通接驳的自行车需求主要分布在郊区。在时间上,上午,自行车出行需求从非中心城区向中心城区聚拢;晚上,上海市自行车出行骑车与停车需求从中心城区向非中心城区扩散。     

智能卡和出租车轨迹数据中蕴含城市人群活动模式的差异性分析

当前采用交通流数据量化城市人群活动模式研究已经取得了丰硕的研究成果,但是对于同一区域、同一时段不同类型交通流数据反映城市人群活动模式的共性与差异性仍然知之甚少,直接影响了城市人群活动模式挖掘结果的可解释性与实际应用效果。为此,本文旨在对目前广泛采用的智能卡数据（公交和地铁刷卡）和出租车轨迹数据2种重要的交通流数据,从时空分布模式的差异性、行程距离及距离衰减效应的差异性、空间社团结构的差异性3个方面,探索二者反映城市人群活动模式的差异性：① 采用北京市六环以内区域2016年5月9日至15日的智能卡和出租车轨迹数据进行实验分析,研究发现：① 2种交通流反映出行需求的空间分布呈现出高度相关性,但是在同一空间单元上,2种交通流反映出行需求的时间相关性较低;② 2种交通流的使用率在不同空间位置存在明显差异,仅在城市中心区域使用率较为均衡;③ 2种交通流反映人群行程距离的空间分布、距离衰减效应存在明显差异,公共交通对于促进长距离出行更为重要;④ 从2种交通流发现的空间社团结构都显示了城市的多中心结构特征,但是二者发现社团结构存在的差异性表明两种交通方式对城市空间交互起着不同的作用。本研究有助于深入理解多源交通流反映城市人群活动的内在机理,提升城市人群活动模式在城市规划、交通管理等领域的应用效果。