基于出租车数据的轨迹网络与流动模式研究

城市交通网络在微观尺度具有局部积聚、马太效应等特征;在宏观尺度具有小世界、无标度等特征;除上述两种极端情况,还具有介于宏观和微观之间的层次结构.社区结构就是城市交通网络关键结构特性之一.构建了精细颗粒度空间网格的时空立方体模型,将社区结构发现算法应用于成都市出租车轨迹的研究中,以成都市2016年11月1日-7日的出租车轨迹数据为例,对其进行时空分析,探讨了公交站点核密度估计结果与出租车出行数据之间的相关性;并利用空间热点发现算法发掘了城市不同时刻的热点网格,构建了城市复杂交通网络,进行了节点之间空间相关性分析以及社区结构发现研究.结果表明,城市交通网络符合复杂网络特性,且呈现明显的社区结构,市区人流具有强烈的潮汐效应.     

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。     

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。     

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。     

一种公交到站时间预测方法

基于公交GPS轨迹数据和路段在空间关系和时空分布上的分析和处理,开展了公交车辆到站时间预测的研究,提出并实现了基于空间关系的路段平均到站总时间与基于属性数据修正的综合预测方法;以北京市300路内环公交线路为例进行了验证和效果评价,并对下一步工作进行了展望。     

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。     

改进两步移动搜索法的焦作公共交通可达性

针对大部分城市公交发展滞后、公交站点和公交线路供需不平衡等问题,该文采用统计数据与实调数据相结合的方式,利用两步移动搜索法,从供需的角度研究分析城区公交站点服务的空间可达性。以河南省焦作市为例,以城区街道办为基本研究单元,分别采用固定阈值的简单两步移动搜索法和基于实测数据拟合的增强两步移动搜索法,对焦作市公交设施可达性的空间布局和差异性进行研究。实验结果表明:焦作市城区公交站点服务可达性整体上比较差;城区公共交通资源发展不平衡,空间差异比较明显,公交站点供需相对平衡区域主要集中在城区中心城区,低值区主要集中在城区边缘;增强两步移动搜索法考虑了距离衰减对人们公交出行的影响,更能反映焦作市真实的公交状况。     

大数据驱动的人类移动模式和模型研究

大数据时代的到来使得基于个体粒度的海量时空轨迹获取人类移动模式成为可能。来自不同领域的学者基于手机通话数据、公交卡刷卡记录、社交网站签到数据、出租车轨迹、银行刷卡记录等进行了人类移动模式的研究,这些研究丰富了地理信息系统的时空分析方法,为从个体角度审视人与地理环境之间的交互关系提供了一个新视角,并可以应用于交通、公共卫生等领域。总结了基于大数据的人类移动模式研究流程,归纳了人类移动模式的基本度量方法,探讨了解释所观测移动模式的模型构建方法,指出了地理环境对于移动模型建立的影响。     

基于时空轨迹数据的传染病传播风险评估

本文利用CRAWDAD提供的2009年10月份纽约市的出租车时空轨迹数据,依据复杂网络理论在城市交通网络中的应用,提出了一种方法求解出租车空间密度表示移动人群的时空密度变化,并用不同时段的平均速度表示人群的移动速度综合判定传染病在市内传播的高风险区域,重点分析了13时传染病传播的风险区位。通过建立空间密度与平均速度的二维特征空间,并将齐夫定律与能够遍历曼哈顿区的最大速度作为条件确定传染病传播的风险边界。结果反映在二维特征空间中,由最大遍历速度、安全行驶的空间密度临界值与数据上边界围成的三角区内节点对应的实际区位为传染病传播的高危区域。     

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。     

顾及时空正负延迟的城市道路交通状态关联分析

准确地发现城市道路交通状态的时空演化过程是实施有效交通治理的前提.以多源轨迹数据为基础,基于改进的时空关联性度量,重新定义时空相邻对象,从不同时间延迟和多阶空间邻接矩阵两个角度探索城市交通状态的全局和局部时空演化规律.以厦门岛2015-06-13-2015-06-19公交车和出租车两种轨迹数据为数据源进行实验分析,实验结果表明,该方法不仅能够有效分析在不同时空延迟下城市路网整体的交通状态关联特性,还能从局部分析的角度发现在上下游路段影响下路段交通状态变化的原因.     

利用GPS轨迹二次聚类方法进行道路拥堵精细化识别

针对当前在精细识别道路拥堵时空范围方面研究的不足,提出一种利用GPS轨迹的二次聚类方法,通过快速识别大批量在时间、空间上差异较小且速度相近的轨迹段,反映出道路交通状态及时空变化趋势,并根据速度阈值确定拥堵状态及精细时空范围。首先将轨迹按采样间隔划分成若干条子轨迹,针对子轨迹段提出相似队列的概念,并设计了基于密度的空间聚类的相似队列提取方法,通过初次聚类合并相似子轨迹段,再利用改进的欧氏空间相似度度量函数计算相似队列间的时空距离,最后以相似队列为基本单元,基于模糊C均值聚类的方法进行二次聚类,根据聚类的结果进行交通流状态的识别和划分。以广州市主干路真实出租车GPS轨迹数据为例,对该方法进行验证。实验结果表明,该二次聚类方法能够较为精细地反映城市道路的拥堵时空范围,便于管理者精准疏散城市道路拥堵,相比直接聚类方法可以有效提升大批量轨迹数据的计算效率。     

一种城市公交线网分布的可视化分析方法

可视化分析技术在分析交通数据、发现交通问题及辅助决策扮演着越来越重要的角色,成为一项重要的智能交通技术。为了更加直观地展示城市公交线网空间分布的疏密情况,本文基于北京市公交线路矢量数据,采用直接可视化和聚集可视化两种方法对公交线网的空间分布进行了分析。通过对原数据处理计算得到了基于北京市主干道的公交线路分布数据并进行了直接可视化;同时利用HTML5的Canvas绘制热力图的方法对原数据进行了聚集可视化,根据可视化结果对北京市公交线路空间分布情况进行了分析。该方法对城市公交线网规划和优化有实用价值和意义。     

利用轨迹大数据进行城市道路交叉口识别及结构提取

交叉口是城市交通路网生成、更新的重要组成部分。本文基于车辆时空轨迹大数据,提出了一种城市交叉口自动识别方法。该方法首先通过轨迹跟踪识别轨迹数据中包含的车辆转向点对;然后基于距离和角度的生长聚类方法进行转向点对的空间聚类,并采用基于局部点连通性的聚类方法识别交叉口;最后利用交叉口范围圆和转向点对提取城市各级别路网下的交叉口结构。以武汉市出租车轨迹大数据为例,对武汉市城区内189个交叉口进行了探测。试验结果表明,本文所提方法可以准确地从轨迹大数据中识别出城市交叉口及其结构。     

出租车轨迹数据挖掘进展

大数据、物联网与精密定位技术的发展推动了城市感知的进步。随着社会活动的与日俱增,出租车轨迹数据不仅记录了出租车的行车轨迹,还蕴藏着道路交通状态、城市居民出行规律、城市结构及其他社会问题。通过各种数据分析与挖掘手段对出租车轨迹数据进行深入探究,对于智能交通、城市规划等有着重要意义。本文综述了近十年国内外基于出租车轨迹大数据的相关研究,按照空间统计方法、时间序列方法、图论与网络方法及机器学习方法等4类,详细阐述各类方法的研究现状。随后,本文分析了现有研究的应用领域、热点主题和发展趋势。最后,本文指出了出租车轨迹数据挖掘研究领域面临的挑战和未来研究方向。     

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。     

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。     

Supre MapGIS 公交换乘算法设计与实现

公交换乘分析是地图服务的一项重要内容,在对城市公交数据特点进行分析的基础上,提出了一种高效实用的公交换乘算法。该算法通过引入归并站点概念和记录归并站点间步行邻接关系,完善了公交线路和站点之间的关系存储,并有效减少了换乘方案搜索的网络规模。同时,该算法还支持多样化的用户需求：涉及换乘次数、费用、距离、步行距离等方面。最后,本文使用北京市公交换乘数据进行了算法验证和搜索结果分析。     

SuperMap GIS公交换乘算法设计与实现

公交换乘分析是地图服务的一项重要内容,在对城市公交数据特点进行分析的基础上,提出了一种高效实用的公交换乘算法。该算法通过引入归并站点概念和记录归并站点间步行邻接关系,完善了公交线路和站点之间的关系存储,并有效减少了换乘方案搜索的网络规模。同时,该算法还支持多样化的用户需求:涉及换乘次数、费用、距离、步行距离等方面。最后,本文使用北京市公交换乘数据进行了算法验证和搜索结果分析。     

出租车轨迹数据的频繁轨迹识别

为识别城市交通中的频繁路径,本文提出了一种出租车轨迹数据的频繁轨迹识别方法。该方法首先对轨迹数据进行轨迹压缩,以降低计算复杂度;然后基于最长公共子序列和动态时间规整算法进行轨迹相似性度量计算,利用计算得到的轨迹间相似度生成距离矩阵;最后将生成的距离矩阵结合HDBSCAN算法进行聚类得到频繁轨迹。选取厦门岛内两个区域进行试验分析,结果表明,该方法能够识别出轨迹数据集中的频繁轨迹,进而得到城市区域之间通行的频繁路径,对道路规划、路径优化与推荐、交通治理等应用提供帮助。