基于共享单车数据的城市短途出行时空模式分析

共享单车的爆发式增长给城市规划管理和交通运行带来较大挑战,如何定量解译城市内共享单车的出行时空规律和空置率情况是单车科学调度的迫切需求.基于北斗平台提供的北京市共享单车数据,辅以POI数据,采用空间统计方法提取不同区域内共享单车的时空特征、挖掘单车与城市功能区间的关系,并提出共享单车空置率模型,从而揭示城市中共享单车用户短途出行的时空规律与多区域、多时段单车空置率情况.研究发现:工作日呈现规律性的早晚骑行高峰,出行具有明显的潮汐现象,且热点区域相比休息日更为集中;空置率随用户出行时序变化,以北京市东单区域为例,定量结果显示交通枢纽在早晚出行高峰单车使用率较高空置率较低,从而反映用车需求.本文研究结论可为单车管理调度、辅助城市规划提供参考.     

接驳地铁站的共享单车时空均衡性分析与吸引区域优化

共享单车是接驳地铁出行的最有效选择之一,但共享单车的时空分布不均问题对使用者和管理者造成了很大的不便,尤其是早高峰期间出现这种问题更会大大降低2个交通系统的运行效率。因此,研究用于接驳地铁出行的共享单车的时空均衡性特点对提升早高峰期间的通勤效率有一定意义。为了了解接驳地铁骑行的时空均衡性特点,本文以厦门市作为实验区,将厦门市早高峰期间接驳地铁站的骑行作为主要研究对象,基于出行OD提出了新的地铁站吸引区域建立方法,基于出行特点提出了考虑地铁站点的单车聚类方法。本文还从潮汐比统计角度和吸引区域角度对各个地铁站的早高峰整体出行均衡性做了分析,从时空角度对早高峰中不同时段的地铁站接驳骑行的时空均衡性做了分析, 通过分析得出了3种角度下各个地铁站点均衡性的相似点与不同点,结果表明：① 根据潮汐比特点,地铁站对骑行的接驳职能可划分为4类,分别为起始型,均衡型,到达型和不适合接驳地铁出行型,反映了各地铁站点的总体接驳特征;② 地铁站对接驳骑行的吸引区域与潮汐比特点有所差别,其主要影响因素为地铁站点的地理位置及周边土地利用类型;③ 对于时空均衡性分析结果而言,潮汐比对时空均衡性层面没有显著影响,其最大影响因素为周边土地利用类型。该分析结果能体现出厦门市早高峰期间与各地铁站接驳骑行的共享单车运行的差异性以及与地铁接驳效率的高低,以此来支持共享单车企业的重点区域调度和监管。     

接驳地铁站的共享单车源汇时空特征及其影响因素

共享单车是解决“最后一公里”出行的有效方法,然而,人们在利用其进行接驳地铁时,常出现无车可用或车辆淤积的现象。因此,探究用于接驳地铁的共享单车的源汇时空分布特征及其影响因素对实现其供需平衡有一定意义,单车运营公司可据此进行更及时、合理的调度。为了解不同区域的共享单车在接驳地铁时使用模式的差异,本文基于不同时间段的客流特征,对用于接驳北京市地铁站的共享单车所产生的源、汇网格进行了K-均值聚类,并进一步利用地理探测器探究了造成这种空间分异的原因。结果表明：① 源、汇网格各被分为5类,分别为高频低流出、高频异常源、中频低流出、低频高流出、低频低流出和高频低流入、中频低流入、低频高流入、低频差异流入、高频异常汇等类型,反映了共享单车源汇的时空分布特征; ② 在不同聚类中,共享单车的日均流量对应的主导因子有所差别,位于市中心的聚类的车辆主要受距离和交通因子的影响,而在其它聚类中则会同时受到多种POI的显著影响,且在不同时段中影响机制不同;③ 对于净流入（出）率而言,各聚类的源、汇网格的主导因子则大致相同,车辆的缺少或过剩主要与距地铁站或市中心的距离有关。④ 从整体源、汇来看,住宅类POI数量与距最近地铁站的距离分别是影响日均流量和净流入（出）率的最强的因子。     

天气因素对武汉市出租车出行活动的影响

天气状况作为人们生活环境的组成要素之一,对居民日常出行可产生显著的影响,具体可表征为特定空间位置和用地类型范围内出行活动的需求量以及道路交通路线选择的变化。高效、智能化的交通应急管理和城市规划建设亟需理解天气因素影响交通出行时空分布的基本规律。本文选取武汉市作为典型研究区域,基于出租车、气象和空气质量等数据,对不同天气下的居民出行模式和司机路径选择模式进行时空分析,并解释2类模式产生变化的原因和机制。结果表明：① 从时间上看,工作日的出租车需求量更容易受到天气变化的影响,其中降雨、气温的升高和风速的增强会显著降低居民对出租车的需求;② 从全市域空间尺度上看,降雨使得居民对出租车的需求量在工作日时段减少,而在周末时段增加,其中降雨主要刺激短距离出租车出行需求而抑制中长距离出行需求;③ 从城郊区空间尺度上看,雨天时段主城区内部的中距离流量减少,郊区内部的短距离流量增加,往返于主城区和郊区的中长距离流量在工作日减少、在周末增加;④ 从功能区空间尺度上看,下雨使得行政办公用地的出租车需求量减少,商业金融用地的出租车需求量在工作日减少、在周末增加,工业用地的出租车需求量在工作日增加、在周末减少;⑤ 从行驶路径上看,出租车司机在晴天时偏好根据距离来判断最佳路线,而在雨天倾向于改变原先路线选择策略,将距离和车速共同作为最佳路线的指标,选择用时最少的最佳路线。本文研究成果可帮助城市和交通管理部门更加深入地理解城市居民出行规律及其时空分布特征。     

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。     

基于感兴趣点和滴滴数据的打车需求分析

大数据具有多数据形式、大数据量、传输快捷等优势,大数据分析已逐渐影响和改变人们解决问题的思维方式。本文利用滴滴打车数据和感兴趣点分析人们的打车需求,识别出打车活跃区域。对打车需求数据进行时间划分,核密度分析得到打车聚集区域。统计了打车点附近各类型POI的个数,分析了各区域内打车需求与时间段、地理位置、工作日和周末的关系。发现早高峰(7点到9点)打车与住宅区POI相关,晚高峰(17点到19点)与商铺POI相关,夜晚(21点到2点)打车与公司POI相关,且同一地区在周末与工作日的打车活跃时间不同。     

一种识别共享单车潮汐点的时空模型和基于KNN-LightGBM的租还需求预测方法

随着互联网租赁自行车(共享单车)的兴起，“共享单车+地铁”“共享单车+公交”已成为城市通勤的主要接驳方式，但共享单车的“潮汐效应”也成为共享单车管理和资源调配的“痛点”和“难点”。因此，发现共享单车的“潮汐规律”，准确预测共享单车停车区(电子围栏)的租还需求，对于共享单车的有序规范发展，优化用车体验和环境等具有重要意义。本文首先基于共享单车订单数据和“电子围栏”空间数据，提出一种识别共享单车潮汐点的时空模型并分析其潮汐性时空特征。该模型将潮汐点定义为短时间内因大量共享单车租或还从而导致无车可租或无车位可停的电子围栏，然后根据电子围栏在某时间段的状态进行分类，并赋予不同的缺车/缺停指数。结果显示该模型能够精准识别特定时段出现的潮汐点。随后，基于共享单车订单、城市信息点(POI)、道路、人口、土地利用、气温、风速等时空数据，并考虑局部范围内的电子围栏相关性，构建KNNLightGBM模型来预测共享单车租还需求：(1)利用主成分分析(Principal Component Analysis,PCA)进行特征提取；(2)利用KNN(K Nearest Neighbors)算法计算局部范围内电子...     

融合实时路况信息的北京市就医可达性分析

就医可达性是衡量区域医疗公平性的标准之一,为均衡医疗设施配置提供了理论依据。两步移动搜索法(2SFCA)是一种较为成熟的可达性计算方法,但仍存在研究最小基本单元尺度较大、供需点间时间估算忽略路网的通达性和实时路况等问题。本文利用高德地图获取依据实时路况规划最优驾车路线的时间,通过2SFCA评估北京市1 575个居民点在工作日的5个时段和4种出行时间阈值内到达208所医院的可达性。结果表明:北京市就医可达性空间分布不均衡,随搜索阈值的增大,分布形态由多峰值分布向以西城区和东城区为中心的环状扩散分布转换。时段分异特征显著,各时段可达性为一般及以上居民点比例由高至低依次为夜晚、中午、下午、早高峰、晚高峰。     

基于多源地理大数据与机器学习的地铁乘客出行目的识别方法

探索地铁乘客出行目的识别方法,有助于突破智能卡数据（Smart Card Data,SCD）在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值。本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市居民地铁出行为例,在交通出行调查数据中提取5565个地铁出行样本及其对应的出行目的和出行特征相关变量。基于兴趣点（Point of Interest,POI）数据得到各样本起止站点的土地利用特征相关变量,形成包含每次地铁出行的出行目的、出行特征、土地利用特征的地铁出行数据集。使用基于随机森林（Random Forest,RF）算法对地铁出行数据集进行训练完成的分类器对SCD记录的每一次地铁出行进行分类,获得该次出行的出行目的及其不同目的地铁出行时空间分布规律。研究结果表明,本识别方法可有效预测地铁乘客的出行目的,其中,“上班”、“回家”2类出行目的的预测准确率均超过90%;纳入土地利用特征相关变量可显著提升RF分类器预测准确率,印证了城市交通与土地利用的时空间互动理论。鉴于当前SCD的可获取性逐渐提高,该项技术在居民地铁出行监测与预测、地铁线网布局和地铁周边土地利用规划等实践方面,具有很强的推广性,有助于更全面地认知大城市居民的地铁出行行为。     

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。     

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.     

2003—2018年中国地级城市土地出让交易状况及时空动态特征

本文结合2003—2018年中国土地市场网的土地出让数据,利用核密度分析、冷热区分析和空间可视化等方法,对土地出让空间分布、出让土地来源和用途等要素进行对比研究,总结出中国地级市土地出让的空间结构分布特征。研究结果显示：① 2003—2013年全国土地出让增速明显,2013年后土地出让总量增速放缓,但土地出让收入在持续增长,土地出让整体呈现出“量变到值变转化”的特征;② 2003—2018年用地出让构成变化趋势为：道路与交通设施用地、绿地与广场用地出让占比增长较为明显,居住用地、商业用地、公共管理与公共服务设施用地出让占比稳定,工业用地、物流仓储用地和公用设施用地出让占比增速开始放缓,并呈现出收缩趋势;2003—2018年土地出让来源差异显著,主要来源于新增建设用地,对存量用地的再开发利用率较低,盲目的外向扩张不利于新型城镇化建设;③ 2003—2018年土地出让呈现出“点-线-面”的空间演变特征,形成了多核心、层级分明的圈层空间结构,展现出“核密度重心由北向南、由西向东转移”、“核心城市高度集聚、外围城市密集、区（县）稀疏”的空间演进特征;其中,不同用地也呈现出不同的空间演进特征：工业用地出让增速由东北地区向全国扩张后,逐步向华东沿海城市收缩,并呈现出“由一般城市到省会城市,再到其周边城市”的空间演变特征;居住用地出让面积由省会城市带动周边城市增长,增长到一定程度,逐渐向华南和华东中心城市收缩;商业用地出让较为稳定,未出现收缩现象、增速较为均衡;其他建设用地出让面积分布覆盖范围较均衡,也反映出全国基础设施建设土地资源配置比较均衡。     

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。     

南京市九乡河流域土地利用程度空间异质性分析

定量分析九乡河流域土地利用程度及其空间异质性,对确定该流域土地资源利用和保护方向、实现土地资源可持续利用具有重要意义.以2003和2009年2期遥感影像为基本信息,利用空间自相关以及半变异函数分析方法,探讨了2003- 2009年九乡河流域土地利用程度的空间异质性特征,结果表明:流域土地利用程度的空间自相关表现出较强的...     

岩溶碳循环及碳汇效应研究与展望

碳酸盐岩风化是全球碳循环的重要组成部分, 具有大气与土壤CO₂汇效应, 受生态系统因子驱动与全球变化影响, 岩溶地区碳汇具有地表和地下双碳汇特征。简要介绍岩溶碳循环与全球变化关系, 论述岩溶碳汇的相关科学问题和主要进展, 分析岩溶增汇潜力与土地利用变化, 进一步提出基于岩溶关键带理念的碳酸盐岩风化过程概念模型。碳酸盐岩风化产生的碳汇可能是全球碳循环"遗漏碳汇"的贡献者, 同时具有缓解土壤CO₂向大气释放的作用, 进而成为全球碳循环模型中"土地利用变化项"(E_LUC)的重要调节者(减源效应)。碳酸盐岩风化过程能快速响应短时间尺度变化环境因子, 是岩溶关键带中连接生物、水文与地球化学过程的核心驱动机制。岩溶碳循环可理解为是土壤-生态系统碳循环的延伸或横向组成部分, 共同组成岩溶地区完整的陆地浅表层碳循环系统。碳酸盐岩风化对大气CO₂浓度上升的负反馈效应, 石漠化治理与生态修复工程的持续推进, 蕴藏着巨大的岩溶固碳增汇潜力。应加强土壤CO₂季节及其区域变化监测与研究, 构建基于土壤CO₂与流域水化学指标相关性的反向模型, 为估算区域碳汇本底、评估年际碳汇增量与潜力提供更加清晰且有效的岩溶增汇方案与途径。      

基于时空热点分析的城市交通违法行为特征识别方法

交通违法行为是引发交通事故的重要原因,然而现有研究主要关注交通违法行为的整体特征,缺少面向交通违法治理需求的分析框架。本文基于时空热点分析方法,提出从热点区域时间分布特征和典型时段热点区域空间分布特征两个角度识别交通违法行为特征的分析框架,分别用于支撑局部交通违法热点以及全局违法模式的原因分析和精准治理。基于该方法对福州市的机动车和非机动车（含行人）违法行为特征进行了识别分析,结果表明：机动车和非机动车违法行为在时间维度均呈现出9:00和16:00一日双峰特征,在空间维度呈现出“一片区、多热点”的聚集分布特征。二者也存在明显差异,具体表现为：① 在时间维度,非机动车违法行为呈现出更大的变化幅度,高峰时段与中午低谷时段、工作日与周末的违法行为数量差异均明显高于机动车;② 在空间维度,机动车违法行为在商业中心、医院等重要场所和交通枢纽呈现出聚集特征,分布范围更广,而非机动车违法行为则主要在人流量大且人车混行严重的城市中心路口区域呈现聚集特征;③ 不同违法热点地区产生的原因存在差异,需要有针对性制定治理措施。上述发现表明了本文方法能够全面快速识别交通违法行为特征,可以帮助指导城市交通违法行为动态监测分析系统建设,为持续优化城市交通现场执法警力动态分配以及交通违法行为精准治理提供决策支持。     

地缘经济背景下泰国及其毗邻国家边境农业扩张与集约化抵边特征

自泰国总理差猜1988年提出“变印支战场为市场”倡议以来,泰国与毗邻国家（缅、老和柬）的地缘关系由政治阻隔转向经济合作,并在其边境（尤其是口岸）引发不同程度的土地覆被/利用变化。利用美国国际开发署SERVIR-Mekong项目土地覆被产品,基于GIS空间分析对泰缅、泰老和泰柬边境地带（国界线两侧20 km缓冲区）1988、1998、2008、2018年的土地覆被现状及其时空变化、以及因农业扩张与集约化引起森林变化的抵边/离边、趋同/趋异特征进行了定量研究与国别对比。结果表明：① 森林、耕地和果园是3条边境主要土地覆被类型,土地占比超过96%,其中森林因农业扩张与集约化而持续减少。② 农业扩张与集约化引起的森林转换时空特征显著,即泰缅、泰老边境于1998—2008年在湄索（泰）-妙瓦底（缅）口岸、汶干（泰）-北汕（老）口岸附近及“金三角”地区较为剧烈,泰柬边境则在1988—1998年内于卡普曾（泰）-奥斯玛（柬）口岸周边较为突出,土地占比超七成。③ 边境地区农业扩张与集约化引起的森林变化具有明显的抵边/离边、趋同/趋异特征。农业扩张所致森林变化在泰老边境由同向变化转为反向趋异,在泰缅边境两侧由强抵边转为在缅一侧抵边更为明显,在泰柬边境主要表现为先抵边后离边再抵边。集约化生产所致森林变化在泰老边境表现为泰国一侧抵边更强,在泰缅缅甸一侧为离边到抵边,在泰柬边境两侧主要为反向抵边。④ 边境森林变化的抵边/离边、趋同/趋异特征分析表明,泰国对老挝的影响最大,柬埔寨次之,缅甸最次。本研究可为从地理学空间视角研究边境土地利用与地缘经济关系交叉互动提供启发。     

Source-sink landscape spatial characteristics and effect on non-point source pollution in a small catchment of the Three Gorge Reservoir Region

The source and sink landscape patterns refer to landscape types or units that can either promote positive evolvement of non-point source (NPS) pollution process, or can prevent/defer the ecological process, respectively. Therefore, the role of a catchment landscape pattern in nutrient losses can be identified based on the spatial arrangement of source and sink landscapes. To reveal the relations between landscape spatial characteristics and NPS pollution in small catchment, a case study was carried out in a Wangjiagou small catchment of the Three Gorges Reservoir Region (TGRR), China. Google earth imagery for 2015 were processed and used to differentiate source and sink landscape types, and six subcatchments were selected as sample regions for monitoring nitrogen and phosphorus nutrients. Relative elevation, slope gradient and relative flow length was used to construct the Lorenz curves of different source and sink landscape types in the catchment, in order to assess the source and sink landscape spatial characteristics. By calculating the location-weighted landscape indices of each subcatchment and total catchment, the landscape spatial load characteristics affecting the NPS pollution was identified, with a further Pearson correlation analysis for location-weighted landscape indices and nitrogen-phosphorus monitoring indicators. The analysis of Lorenz curve has revealed that the obtained distribution trend of Lorenz curve and curve area quantified well the spatial characteristics of source and sink landscape pattern related to the relative elevation, slope gradient and relative flow length in small catchment. Results of Pearson correction analysis indicated that location-weighted landscape index (LWLI) combining of terrain and landscape type factor did better in reflecting the status of nitrogen and phosphorus loss than the indices related to relative elevation, slope gradient and relative flow length.