出租车载客热点精细提取的改进DBSCAN算法

随着城市化水平的提高和居民公共交通出行的需求增长,要求有更精细化的聚类方法提取出租车载客的热点区域。针对基于密度聚类在出租车数据聚类中存在的问题,设计一种基于路网约束的改进DBSCAN算法。该算法通过将行程距离引入DBSCAN算法中,改进原有DBSCAN算法在出租车数据聚类中存在的精细尺度聚类参数选择和设置困难问题,弥补现有聚类算法在出租车载客热点区域提取方面的不足。利用武汉市出租车GPS轨迹数据进行的实验结果表明,在加入道路约束后,算法在出租车载客热点区域的精确提取方面具有较好的效果。     

采用轨迹大数据探测短时非营运行为

现有的关于出租车GPS轨迹大数据的研究均没有考虑出租车司机本身的非运营行为(如出租车加油(气)、就餐、交接班)的特征和需求。根据出租车轨迹大数据,研究了出租车短时非运营行为特征,从轨迹数据中提取出租车短时非运营行为,利用平面线要素核密度分析其时空分布,并采用Ripley’s K函数分析了武汉市徐东大街区域的短时非运营行为与加气站的空间相关性。实验结果表明,分析出租车短时非运营行为时空分布能有效地揭示出租车司机群体的短时非运营行为需求,以及需求与现有公共资源不匹配引发的资源低效配置现状,为公共资源优化调整提供科学有效的辅助决策支撑。     

城市交通热点区域识别及空间交互分析

出租车载客数据可以用于研究居民的出行特征,提取城市的交通热点区域,但对城市交通热点区域的交互关系研究相对较少。本文以纽约市的出租车行程记录数据为数据源,利用交通小区划分结合出租车载客数据提取城市交通热点区域,基于复杂网络的方法对不同日期类型和天气情况的城市交通热点区域空间交互网络进行研究并进行社区发现。结果表明,热点区域受城市核心区的影响而聚集在核心区域周围,城市内社区的形成可以克服地形和行政区域等因素的影响。研究结论有望为城市规划、城市交通管理、出租车调度、以及人们的出行等提供信息参考。     

符合认知规律的时空轨迹融合与路网生成方法

以行驶在城市大街小巷的出租车GPS时空轨迹数据为研究对象,研究了符合"感知—认知—经验"认知规律3层次的轨迹融合与路网生成方法,提出了基于Delaunay三角网的时空轨迹融合模型,实现了从GPS时空轨迹中对符合认知规律需求的路网信息的获取,并以武汉市出租车GPS轨迹为试验,实现了对武汉市出租车时空轨迹的融合与武汉市路网数据的生成,证明了该方法的有效性。     

基于出租车轨迹数据的人口活动分析

根据轨迹数据识别出人们感兴趣的区域,并且挖掘出人们的日常出行特性,作为数据挖掘的一个热点逐渐受到人们的重视。目前,绝大多数大城市的出租车上都安装有GPS,其记录的轨迹数据在时间和空间上都包含丰富的信息,分析出租车的轨迹数据能在一定程度上反映城市人口的出行情况,挖掘有价值的信息。文中挖掘出租车轨迹数据中的乘客上下车的位置点数据,经过数据预处理、地图匹配以及整合后,对位置点进行有权重的热点区域分析,叠加到地图上进行人口活动分析。     

期刊博览

正基于出租车轨迹数据的人口活动分析(《测绘工程》2016年第10期)根据轨迹数据识别出人们感兴趣的区域,并且挖掘出人们的日常出行特性,作为数据挖掘的一个热点逐渐受到人们的重视。目前,绝大多数大城市的出租车上都安装有GPS,其记录的轨迹数据在时间和空间上都包含丰富的信息,分析出租车的轨迹数据能在一定程度上反映城市人口的出行情况,挖掘有价值的信息。     

基于深度强化学习的电动出租车运营优化

作为公共交通的重要组成部分,电动出租车对电动车推广具有重要的示范意义。相较于燃油出租车,电动出租车需要耗费更多充电时间,降低了出租车司机的使用意愿,全面推广面临较大阻力。强化学习方法方兴未艾,适用于出租车运营的顺序决策过程。基于强化学习,本文构建双深度Q学习网络（double deep Q-learning network,DDQN）模型模拟电动出租车的运行。根据出租车的实时状态选择并执行最优载客、充电、空驶和等待等动作,通过训练得到全局最优的电动出租车运营策略,实现电动出租车运营智能优化。利用美国纽约市曼哈顿岛的出租车出行数据进行试验。结果表明：相较于简单的电动出租车运营模式,DDQN优化策略最高将充电等待时长降低70%,拒载率降低53%,司机的载客收入提高7%。相对于电池容量,充电速率和车辆总数对出租车运营收入影响更大,当充电速率达到120 kW时,电动出租车达到最佳的运营表现,政府在推广电动出租车的过程中应当建设更多高速率的充电站以提升电动出租车的运营表现。     

运用交通运行状况指标分析交通热点时空模式

城市交通热点是居民出行活动的体现,通过出租车的移动轨迹可以分析城市交通运行状况。目前,相关研究主要集中于GPS采样数据的起讫点(origin destination,OD)估计模型以及轨迹流的提取分析算法,而对交通热点的交互作用和时空模式的研究还很少。以中国江苏省南京市的出租车GPS数据为研究对象,通过轨迹流提取和地图匹配,基于宏观基本图模型构建交通运行状况指标,利用数据挖掘技术分析交通热点时空模式。通过研究发现:(1)南京市交通在早晚高峰时拥堵最严重,并且休息日的交通运行状况要优于工作日;(2)在工作日,停车场和办公楼附近最拥堵;在休息日,商场和居民小区附近最拥堵;(3)交通热点的时空交互特征主要表现在交叉路口附近,并具有显著的时空聚集性差异。上述研究结果可为交通管理部门针对不同时段和路段的交通运行状况进行治理提供帮助,并为建立现代化综合交通运输体系提供依据。     

北京出租车GPS轨迹数据地图匹配算法研究

由于车辆位置数据匹配到电子地图时,会出现车辆轨迹偏离实际道路的情况,为了提高出租车GPS轨迹数据匹配到地图的准确率,提出一种出租车地图匹配算法:基于GPS定位精度的距离范围和车辆行驶方向与道路方向的夹角区间确定候选路段,依据车辆的速度确定方向权重,计算距离和方向的综合权重值进行轨迹点匹配,通过最短路径算法进行行驶轨迹的选择,并采用北京市西二环周围100辆出租车24860条GPS数据进行实验验证。实验表明该匹配算法的匹配正确率可达到96.72%。其具有地图匹配的准确性。     

双比例尺交互模式的粒子系统动态可视化——以出租车数据为例

针对如何对海量、多源、高维的时空轨迹数据进行交互可控、形象直观的可视化分析这一地理信息系统(GIS)领域的热点问题,该文提出了一种出租车全球定位系统(GPS)轨迹数据的网页端三维动态可视化方法,通过空间比例尺和时间比例尺的双重控制,运用粒子系统构建了城市大尺度三维场景中GPS轨迹的模拟移动模型。实验结果表明,该方法可以直观地反映出租车轨迹的时空演变规律,具有良好的可交互性,可以通过网络平台广泛地应用到各种轨迹数据的实时监控和历史分析中,为交管部门的管理和出租车公司的车辆调度提供依据。     

一种基于车辆轨迹数据的城市建成区边界识别方法

城市建成区边界是城市土地资源管理和城市扩张管理的重要依据。本文提出了基于出租车轨迹数据，利用多分辨率下规则格网对比分析法及Densi-Graph阈值确定法，来自动提取城市建成区边界的方法。试验采用北京市2008年出租车GPS轨迹点数据，依据该方法模型计算提取城市建成区并进行结果准确度评价，将提取结果与北京市2008年土地覆盖空间分布图进行比对，所提取建成区边界范围与城镇、建设用地区域范围基本相符；将提取结果与中国城市统计年鉴数据进行比对，该年鉴中给定2008年北京市建成区总面积为1 310.94 km²，本文方法提取建成区总面积约为1 077.33 km²，提取准确度约为82.18%，表明本文方法可以获得准确的建成区范围。     

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_Keogh距离和LB_Hust距离相继克服了DTW距离时间复杂度高和不对称的缺点。为了探究基于时间相似性度量的聚类算法在识别城市功能区方面的可行性,首先基于OpenStreetMap(OSM)路网数据获取研究单元,再通过滴滴订单数据提取上下车点、构建研究单元内的居民出行时间序列,然后利用PAM算法结合4种相似度度量方法进行聚类,最后结合兴趣点(POI)数据识别城市功能区,并对结果进行精度验证。结果表明,基于LB_Hust距离的PAM算法能有效挖掘高维时间序列数据,应用于城市功能区识别的精度高达86%,为应用时间序列数据进行城市研究提供了一种新的方法。     

基于地理格网的复杂路线车辆通行时间估算方法

车辆通行时间隐含了特定时隙的交通状况，准确地计算该时间在交通监测和路径规划中具有重要意义。现有研究通常利用车辆历史轨迹估算一定距离内选定路径的通行时间，然而当路径距离较长时，限于很难找到完整穿越指定路径的历史轨迹而无法对其通行时间进行准确估计；此外，海量历史轨迹在估计路径通行时间时会产生巨大的数据管理和计算压力。因此，本文引入地理格网，首先构建统一的时空索引，将路网及其历史轨迹分别划分为一系列落在地理格网单元（Cell）中的路段模式及轨迹段；然后利用一系列频繁共享轨迹在Cell中的停留时间计算车辆在当前路段模式的通行时间；最后通过一组历史时段相似路径模式的通行时间估算较长路线的车辆通行时间。通过对北京市10 000辆出租车一周的轨迹数据进行试验，验证了本文方法在处理海量历史轨迹数据上的有效性，以及在估算较长路径上车辆通行时间的优越性。     

出租车GPS大数据在东莞市“小山小湖”社区公园选址中的应用

选址问题是GIS最基本的任务之一。选址通常是考虑一定条件下的空间位置优化,很难将人类的活动情况作为优化因素考虑进来。本文结合东莞市小山小湖社区公园的选址工作,通过分析海量出租车的OD（上下车）记录数据,在选址任务中引入居民实际居住与出行情况作为参考。通过提高人口分布密度这一重要选址影响因素的精度,进而改进小山小湖社区公园的选址情况,这种方法是对传统分析方法的有效补充和创新。基于出租车轨迹数据的选址方法与传统的选址方法相结合,更有效、合理地提高了选址的可靠度。     

基于位置点统计的时空异常检测与分析

探讨了位置数据异常分析的一种新思路,给出了面向异常的时空表达模型,建立了基于区域位置点统计的异常检测和分析框架,探寻异常在事件影响下的时空发展趋势和分布特征。通过纽约两个月的出租车出行数据的实验分析验证了框架的有效性,并发现一些有趣的规律,为公共安全、交通管控应急、城市功能区分析等提供指导信息。     

城市商业服务设施吸引力的空间相关性分析

利用武汉市出租车轨迹数据,根据服务设施的空间可达性,采用加权两步移动搜寻法计算服务设施的吸引力大小,并通过计算全局自相关指标分析服务设施吸引力在整体上的空间聚集特征,在此基础上分析服务设施吸引力的局部空间相关性。实验结果表明,武汉市服务设施吸引力整体上呈现显著的空间聚集特征,在商业繁华中心地带服务设施吸引力具有局部自相关性。     

Online monitoring of local taxi travel momentum and congestion effects using projections of taxi GPS-based vector fields

Ubiquitous taxi trajectory data has made it possible to apply it to different types of travel analysis. Of interest is the need to allow someone to monitor travel momentum and associated congestion in any location in space in real time. However, despite an abundant literature in taxi data visualization and its applicability to travel analysis, no easy method exists. To measure taxi travel momentum at a location, current methods require filtering taxi trajectories that stop at a location at a particular time range, which is computationally expensive. We propose an alternative, computationally cheaper way based on preprocessing vector fields from the trajectories. Algorithms are formalized for generating vector kernel density to estimate a travel-model-free vector field-based representation of travel momentum in an urban space. The algorithms are shared online as an open source GIS 3D extension called VectorKD. Using 17 million daily taxi GPS points within Beijing over a 4-day period, we demonstrate how to generate in real time a series of projections from a continuously updated vector field of taxi travel momentum to query a point of interest anywhere in a city, such as the CBD or the airport. This method allows a policy-maker to automatically identify temporal net influxes of travel demand to a location. The proposed methodology is shown to be over twenty times faster than a conventional selection query of trajectories. We also demonstrate, using taxi data entering the Beijing Capital International Airport and the CBD, how we can quantify in nearly real time the occurrence and magnitude of inbound or outbound queueing and congestion periods due to taxis cruising or waiting for passengers, all without having to fit any mathematical queueing model to the data.