基于地铁客流的广州地铁站点类型识别

使用地铁刷卡数据对地铁客流进行研究时,面临数据量大、数据维度高、信息冗余度高等问题。传统方法主要通过专家经验建立指标进行分析,不能有效地利用原始数据,也容易受主观因素的影响。文章使用主成分分析方法(PCA)对广州地铁站点客流数据进行特征提取,用以提高特征选取过程的科学性,避免主观因素的影响,降低数据维度、消除冗余信息的过程中能够尽量保留原始数据的信息。研究表明:PCA提取出6个主成分,保留了原始数据91.41%的信息,前2个主成分代表了工作日地铁客流最重要的居住型站点客流特征和就业型站点客流特征。在此基础上利用K-均值聚类算法对广州地铁站点进行类型识别,识别出居住导向型、就业导向型、职住错位型等7类站点。通过分析不同站点的空间分布,发现广州地铁站点呈圈层式分布特征,站点类型随着到城市中心距离的增加而减少,反映了广州市城市功能的空间分布,城市中心区域站点类型多样,说明这一区域城市发展成熟、功能齐全;城市中心区域周围主要分布着职住错位型站点,城市发展较为成熟;而城市外围主要分布着居住导向型站点,承担城市的居住职能。     

基于客流特征的轨道站点影响区和轨道站点之间功能布局研究——以厦门为例

轨道站点影响区和站点之间功能布局是落实TOD理念（Transit-Oriented-Development）——以公共交通为空间开发导向的重要内容,客流是站点功能布局成效的直接体现。通过轨道站点影响区POI结构,将厦门轨道站点分为单主导功能、双主导功能和混合功能3类。通过分析站点客流量,明晰站点影响区功能布局与出行发生之间的关系。以站点间客流OD量及站点客流OD在各距离段的分布,分析站点之间功能布局与空间客流分布的关系。根据现状呈现出来的轨道站点功能布局特征及对应的客流特征,提出下一步发展策略。结果表明：1）高客流量站点以单、双主导功能站点为主,混合功能站点客流量并不突出;2）同类型站点间OD量较小,不同类型站点间OD量较大,空间站点功能互补性直接影响OD的空间特征;3）站点各距离段OD比例受中心地职能等级及周边站点功能互补性的双重影响。文章基于对站点影响区和站点之间功能布局与乘客出行相关关系的分析,结合城市功能布局的市场规律及城市空间结构发展需求,提出站点影响区“混合基本功能,集聚主导功能”和站点之间“差异互补,连点成轴”的功能布局原则,以期为以轨道交通为主体的TOD综合开发提供参考...     

天气因素对城市地铁客流时空分布的影响——基于智能交通卡数据的实证研究

城市地理空间、气候环境及交通系统间存在复杂的相互联系、相互制约的关系,交通及地理时空数据为理解三者间关系带来了新的机遇。城市轨道交通是居民绿色出行、缓解中国大城市交通拥堵的重要交通方式。深入研究影响城市地铁客流时间和空间分布变化的因素,有利于制定合理的土地利用及交通需求管理政策,也可为实时响应特定天气条件下旅客出行需求的变化和优化公交服务运营提供理论依据。论文使用智能交通卡数据,以南京市为例,通过建立一种季节性差分自回归移动平均(seasonal autoregressive integrated moving average with explanatory variables, SARIMAX)模型,解释不同种类的天气因素(如降雨、气温、相对湿度、风速等)对地铁客流量时空分布的影响程度。研究发现：降雨类因素在高峰和周末时段对地铁客流量的影响较大;各天气因素对各地铁站点客流量的影响大致呈现出从城市中心区域向外围区域逐渐变小的渐变式规律,且地铁无规律出行者比有规律出行者更易受恶劣天气因素的影响。     

城市轨道交通对土地利用变化的时空效应

定量分析轨道交通对城市内部精细土地利用复杂变化影响的时空效应,对于预测未来新建站点对土地利用的影响以及规划方案的调整与优化具有重要的指导意义。本文提出结合历史高分遥感影像与POI数据获取多时间节点精细土地利用信息的方法,并以广州市二号和八号地铁线为例,结合逐步回归模型与站点用地功能分类,从时间和空间两个维度定量研究地铁对土地利用转变的复杂影响过程与空间差异规律。结果表明,轨道交通促使站点周边低密度居住用地向商业用地、高密度居住用地等高效益土地利用方式的转变;轨道交通在规划、建设、运营不同阶段对于周边土地利用的影响呈现显著的差异规律;地铁站点对土地利用变化影响规律具有明显的空间异质性特征,与站点在城市里的位置以及站点周边的土地利用有关,对城市中心区域的影响较小,对郊区的影响主要与可用的非建设用地面积相关,而工业用地对土地利用变化具有限制作用;轨道交通还带来用地功能和性质的转变,这样的转变大多发生在地铁站点开通运营的时间点。     

基于社会属性的北京市居民居住与就业空间集聚特征

制度转型期,中国城市居民社会空间发生了新的变化,居民居住和就业空间组织也变得更为复杂,并引起了广泛关注。基于2010 年问卷调查数据,采用缓冲区、最近邻层次聚类和Ripley K函数等空间分析方法对北京城市不同社会属性居民的居住和就业空间分布特征进行实证分析。研究发现：① 总体上,北京城市居民居住和就业空间圈层分异明显。在各圈层内部,不同人群的居住和就业空间分布比例亦存在相对差异;职住空间错位程度表明距市中心15 km左右是城市就业功能和居住功能主导地位转化的分界线;职住平衡度整体上呈现出由内圈层到外圈层递减的趋势,但高收入阶层和年轻白领的职住平衡度相对较低。② 不同人群居住与就业空间集聚特征存在明显差异。一般平民居住和就业均呈散点状集聚;年轻打工族居住和就业集聚区域紧邻,主要集聚在四环以内的城市东部区域;高收入阶层居住呈现“小集中、大分散”集聚特征,就业集聚区多集中在四环以内的城市东部和西北部区域;年轻白领居住集聚区呈现城市西部条带状和东部散点状相结合特征,就业集聚区主要在中关村和CBD为中心的两条轴状区域。③ 不同人群居住和就业空间集聚的尺度特征较为相似,呈现随距离增加“先增后减”变化趋势,但距离阈值存在差异。表现为高收入群体居住空间可选范围较小,一般平民就业空间可选范围较小,而年轻白领居住和就业空间可选范围均较大。     

轨道站点周边建成环境对残疾人出行行为的影响研究——以武汉市189个轨道站点为例

残疾人流动性是衡量社会公平发展的重要方面。由于特殊的身体和社会经济状况,残疾人出行行为具有更为独特的特征,也更易受建成环境影响。论文基于武汉市轨道交通智能刷卡数据,整合多源空间大数据,探索武汉市残疾人轨道交通出行时空特征,并利用地理加权回归(GWR)模型进一步探究轨道交通站点周边建成环境对轨道交通残疾人客流量影响的空间异质性。研究发现：① 地铁出行的残疾人中有29.7%具有通勤出行的特征,出行频率工作日高于休息日,且均呈现早晚错峰出行的趋势;② 15~30 min即大约5~10 km的中短距离出行最多,活动范围集中于三环线以内的主城区,且以同区出行活动最为频繁,跨江出行较少;③ 在大部分的研究范围内,公交站点密度、路网密度、大型公园密度和站点开通时间对站点残疾人客流量均具有正向影响;④ 换乘站的日均残疾人客流量明显高于非换乘站;⑤ 与以往研究结论不同的是,土地利用混合度、站点无障碍设施对站点残疾人客流量的影响并不显著。研究可为“残疾人友好型”的轨道交通站点建成环境优化和新站点土地利用布局提供数据支撑,增强城市公共服务人本化。     

基于手机信令的跨界地区职住中心识别及其模式——以广佛地区为例

利用手机信令数据,以广佛地区为例,采用洛伦茨方法识别广州和佛山的职住中心,进而分析了广佛跨界地区居民职住模式的时空特征及其影响因素。结果发现：1）广州市居民职住空间呈现就业单中心和居住郊区化特征,职住空间错位明显;佛山市居民职住空间则呈现大分散、小集聚的特征。2）同城化下职住空间呈现新态势,以金沙洲、芳村—桂城为主的跨界地区已形成连绵的、高强度通勤区域。3）5个跨界地区职住空间模式不同,其主要原因有：交通枢纽型的花都空港地区和新客站地区因其交通枢纽功能,影响着两地的劳动力和资本要素流动,带动周边产业发展;居住型的金沙洲和芳村—桂城地区承接了两市中心城区的居住外溢;产业型的五沙地区发挥区位优势形成跨界产业园,吸纳周边人口就业。可见,不同类型的跨界地区的发展都有利于缝合广佛两市空间断裂带,加速城市空间的契合。     

广州市零售商业中心消费活动时变模式及其影响因素

利用2016年在广州典型大型零售商业中心进行的客流量监测和居民消费行为问卷数据,分析基于客流时间变化的广州大型零售商业中心消费活动时变模式,构建多项Logistic回归模型,从消费者社会经济属性、消费活动特征和商业中心建成环境3方面探讨该时变模式的影响因素。结果显示：① 广州不同的大型零售商业中心内消费活动存在明显的时变特征差异,可分成稳定型、下午高峰型、傍晚高峰型和不规则波动型4类时变模式;② 这种时变模式受到消费者社会经济属性、消费活动特征和商业建成环境等变量的影响。其中,消费者社会经济属性和消费活动特征影响有限且影响差异较大,以稳定型为参照组,在广州居住时间、居住区位和家庭月收入等社会经济属性,以及消费结构、出行路径、交通方式和出行距离等消费活动特征能区分稳定型和下午高峰型商业中心,但只有在广州居住时间和出行距离、交通方式3个变量能显著地解释稳定型和傍晚高峰型商业中心的差异;建成环境是影响零售商业中心时变模式的首要因素,商业网点密度、用地混合度、公交与地铁站点密度、商业中心区位特征、到市中心距离等变量均对各个类型商业中心的形成作用显著。期望为城市零售商业中心的分类和评价提供一个新思路,为预测商业中心可能的消费活动时变模式、消费者属性和活动特征提供理论依据,对城市商业规划和商业中心开发运营有一定的现实指导意义。     

玉龙雪山景区游客分布特征分析

基于2001~2009年玉龙雪山景区索道接待人次数据,从客流量的年度变化、季度变化、黄金周变化等方面分析了景区客流时空分布特征。主要结果如下:(1)景区客流量随着时间变化呈逐年上升的趋势且增幅明显;(2)夏季为玉龙雪山景区的旺季,冬季为淡季,景区内部各景点季节性差异大小为:牦牛坪冰川公园云杉坪。(3)黄金周客流量变化呈"单峰"型,中期人数最多;最大日客流量为年内日平均客流量的2.43倍。各景点"五一"、"十一"客流分布集中程度相似,牦牛坪的变化程度最大,冰川公园最小。(4)景区客流量空间分布集中程度高,主要集中于云杉坪和冰川公园。     

京沪高铁站点客流时空分布特征分析

基于高铁余票信息建立的上下净客流量模型,以京沪高铁为例,从京沪高铁客流时空分布格局、站点客流日变化规律以及典型站点客流特征3个方面进行了分析,研究表明:1)传统城市断裂点理论适用于分析两个能级相差不大的城市,对于两个能级相差较大的城市则有局限性,主要原因是高能级城市的辐射力可能会覆盖低能级城市。同时发现,京沪高铁客流时空特征是传统城市腹地划分的新佐证。2)京沪高铁出现了较为明显的"隔日效应",这有利于增加商务、旅游等事件发生的概率,且在沪宁段出现了较为明显的"城际效应"。另外,京沪高铁还强化了区域内1 h时空距离的节点城市间的联系。3)京沪高铁促使城际间通勤现象的出现,有利于区域城市之间的分工。徐州客流主要流向长三角地区,苏州北站则是京沪高铁在沪宁段所出现的"城际效应"的典型代表。     

ZG市工作日地铁站点扒窃案件的时空分布及其影响因素

以东南沿海城市ZG市为例,分析工作日地铁扒窃案件的时空分布特征,并进一步结合日常活动理论,探讨其形成机理。研究发现：① 时空分布上,地铁扒窃案件存在早晚2 个峰值,但滞后于地铁客流量高峰;白天,地铁扒窃主要集中在中心城区,在早晚时段,除中心城区外,地铁扒窃在城郊地区也有较多分布。② 影响因素上,地铁扒窃主要受到客流量及建成环境的影响,不同时段影响的因素存在差异。客流量及换乘点在地铁运营的任意时段均对地铁扒窃有正向的影响,地铁站周边的休闲场所对地铁扒窃犯罪的影响主要体现在9:00以后的时段。居住地及工作地虽然整体上对地铁扒窃没有显著影响,但是他们对地铁扒窃案件的作用方向在各时段模型中的作用力度均相反。③ 影响强度上,客流量在不同时段对地铁扒窃的影响强度存在差异,而换乘点及休闲场所在显著的时间段对地铁扒窃的影响力度并无明显差别。     

时空约束下的地铁可达性研究：以北京为例

以北京市为例,基于340个站点的时刻表构建地铁组织网络,采用网络分析法和累积机会法,对比在“工作日”和“双休日”“高峰期”和“非高峰期”等时空约束下的可达性动态。研究发现：① 由于起始地空间区位特征及沿线土地利用功能结构的多样性,不同线路的时刻组织模式各异。② 基于运营组织网络的地铁可达性存在时刻上的动态变化,一日内早晚高峰可达性最优,双休日可达性略低于平时。③ 基于运营组织网络的地铁可达性与基于设施网络的可达性存在明显空间差异,且距市中心15~20 km处的站点工作日和双休日的可达性差异最大,与地铁网络结构特征有关。综上,基于时刻组织时空约束下的可达性分析有利于了解地铁系统的精细化管理,并有助于进一步剖析居民出行规律和城市空间结构。     

中国城市地铁建设影响因素的空间差异分析——以京、津、沪、穗、深、宁六市为例

基于2007年中国已经开通地铁的六个城市的统计数据,选取影响城市内部地铁建设的因素,运用SPSS统计分析软件进行主成分分析,提取中国城市地铁建设的主要因子,在此基础上分析六个城市地铁建设影响因子的空间差异。结果表明:①中国城市地铁建设影响因素可归为三个主要因子,即城市建成区规模、政策支持和灵活、便捷的交通因子;城市现有的交通和二、三产业的发展状况;城市的经济实力和公路客运交通状况。②六个城市地铁建设的影响因素具有空间差异,按其驱动因子的个数,又可分为单因子驱动型,如北京、上海、广州和深圳,多因子驱动型,如天津和南京。     

广州地铁站点交通流特征与居民地铁出行的人群分异

基于广州地铁交通流的始发地（Origin）—目的地（Destination）（OD分析）,运用出行成本（距离/时间）、集中出行距离区间等指标对地铁站点交通流特征及居民地铁出行的人群分异进行刻画。结果表明：1）地铁站点随出行距离增加的乘客累积比例呈“S”型曲线变化,广州地铁站点的平均出行成本约为14.04 km（20.48 min）,并由中心向外逐层增加约4 km（5 min）和13 km（10 min）,周末平均出行成本略高于工作日。2）广州地铁出行的集中距离区间为8.55~26.61 km,在该出行距离范围内的乘客量占总数的71.88%;周末出行集中距离区间宽度变窄,但乘客量的集中比例却有所下降。3）社会弱势群体如女性、老年人、固定上下班的大学以上学历人群、办事人员、商服人员等是地铁潜在客流的主要构成群体;不同人群的地铁平均出行距离出现分化,其中出行需求小、出行能力偏弱的群体平均出行距离较短,出行需求大的群体平均出行距离普遍较长;除个别人群外站点集中出行距离区间相对差异不大。     

基于轨迹数据场的热点区域提取及空间交互分析 ——以深圳市为例

以深圳市出租车GPS数据为基础，运用时空拓展的轨迹数据场聚类方法提取城市交通热点区域，结合城市POI（Point of Interest）数据和地理实况对热点区域加以理解和分析。基于复杂网络的视角，计算交互分析指标并可视化热点区域的空间交互网络，探究城市交通和居民出行的时空规律。结果表明：1）交通枢纽（机场、火车站和口岸）、综合性商圈、城市重要主干道周边和城市商务中心在节假日和工作日均表现为持续热点区域；2）节假日热点区域分布较“发散”，主要反映了居民个性化出行需求；3）工作日热点区域分布较“收敛”，主要表现为职住分离的通勤模式；4）不同热点区域在空间交互网络中的重要性存在明显差异，其空间交互体现了距离衰减效应和局部抱团现象，居民出行的热点区域网络本身具有小世界效应和无标度特征。     

中国春运城际出行网络结构特征与城市角色识别——基于多元交通客流的测度

作为要素流动的载体和空间重塑的主体,春运交通客流更能透视中国区域发展的新情况新问题。基于2017年春运期间交通客流数据,从整体网络、城际联系和城市节点维度对交通客流网络结构特征进行比较分析并综合识别城市地域交通类型。研究发现：① 与公路客流辐射范围和流量相比,铁路客流较大,航空客流较小;交通客流网络趋于发育为复杂网络;公路客流网络以邻省组合型城市组团为主,铁路客流网络主要为跨省组合型城市组团,航空客流网络均为“破碎”组合型城市组团。② 由短途为主的公路客流、中短途为主的铁路客流和中长途为主的航空客流分别构筑形成的区域空间结构具有显著的分化态势和极化现象,主要发生在“胡焕庸线”东南侧城市群内以及城市群之间。③ 在空间距离制约下,基于城市首位联系刻画而成的交通客流网络空间组织模式存在显著差异。公路客流形成5种区域空间组织模式,铁路客流形成多重组合的核心-边缘空间组织模式,而航空客流则形成多重组合的轴-辐空间组织运营模式。④ 城市地域交通类型分化显著,形成泾渭分明的“沉睡”区与“活跃”区,且中心城市和城市群成为集散客流的主要动力。希冀能为新形势下推动形成优势互补高质量发展的区域经济布局提供借鉴。     

山区月降水量的短序列订正方法

山区降水量数据非常有限,而且它们的时间序列长短不一,需要将短时间序列的降水量数据延长到统一的长时间序列,才能进行相互比较,这是山区气候研究中的一项重要的基础工作。以浙江省仙居县为例,通过分析月降水量的时间分布类型,选择了县内10个降水量测站,分别以上张水文站和苗寮水文站为基本站,以其它7个水文站和括苍山气象站为订正站,对基本站和订正站的月降水量之间进行相关分析,并采用月降水量相对系数的稳定性特征对各订正站的月降水量进行了时间序列订正,然后,从订正误差的角度分别对订正结果进行了分析。结果表明：基本站与订正站月降水量之间的相关系数越大,则订正站月降水量的订正误差越小。此外,当基本站与订正站月降水量之间的相关系数相差不大时,则订正站月降水量的订正误差与月降水量的时间分布类型有关,月降水量属于同一类型的订正误差比不属于同一分布类型的订正误差小。     

北京市出租车运量分布的时空格局及生成机制

出租车是城市交通的重要组成部分,对其精细化的管控需要理解运量分布的时空特征和生成机制。通过北京市出租车大数据,采用系统聚类法将其15分钟时间片段归并为空间分布相似的时段,刻画出运量分布的时空格局,进而采用地理加权回归模型分析了生成机制。本研究揭示的出租车运量分布变化的时间点并不完全对应传统的整时点;各时段运量均呈现空间集聚的特征,但集聚的位置、面积明显不同,工作日不同时段运量集聚程度的差异较周末更大;不同时段出租车运量的影响因子有所差异,其中商业设施、房价、地铁和公交站密度、道路密度等因子通常较为显著。研究结果对时空上更精细的出租车运量预测、出租车分区分时段的政策管制和规划管理具有启示意义。     

基于POI数据的长沙市生活性服务业空间格局研究

生活性服务业是服务经济的重要组成部分，其合理布局对发展城市经济、满足居民消费需求具有重要作用。基于长沙市六区POI数据，运用核密度分析、熵指数、频数密度分析及空间聚类等方法研究长沙市生活性服务业的空间格局特征，发现长沙市生活性服务业的分布具有以下特点：1）主要受交通及城市规划指向性影响，沿交通主干道集聚分布，整体布局呈“一核四轴多极”且空间分布与人口集中度联系紧密，东西差异明显，东部多而密集、西部少而分散；2）不同类型的生活性服务业分布特征各异，在空间形态上主要表现为“单核心”、“双核心”和“多核心”等；3）其功能多样性布局呈现以五一广场为核心的“中心-外围”结构特征，功能多样且混合程度高的区域位于城市中心，城市边缘区生活性服务业集聚性较弱且多为单一功能或者双功能混合区。