轨迹数据挖掘城市应用研究综述

轨迹数据作为泛在地理信息环境中社会遥感数据的主要表现形式之一,为从个体的视角研究群体的空间移动规律,提供了新的数据支撑和研究思路。特别是在当前的大数据背景下,通过轨迹数据发掘人类的移动规律和活动模式,进而探求蕴含的深层次知识,是解决城市问题的重要途径,轨迹数据挖掘也由此成为地理信息科学及相关学科的研究热点。本文首先阐述了人类移动规律研究常用的轨迹数据集及在该数据集上开展的相关研究和典型应用;然后从城市空间结构功能单元的识别及城市韵律分析、人类活动模式的发现与空间移动行为预测、智能交通的时间估算与异常探测、城市计算的其他4个方面,综述了轨迹数据挖掘在城市中的应用;最后,指出了轨迹数据挖掘面临的挑战和进一步的发展方向。     

上海市精细时空尺度人口分布估计与特征分析

城市人口实时分布与动态变化特征是城市规划与综合治理的重要依据。受数据获取手段的局限性,准确地获取城市人口的实时分布状况一直是技术瓶颈,而移动通讯技术的迅速普及为这一问题的解决提供了技术途径。本文基于移动通讯信令的连续轨迹数据,实现了城市精细尺度人口分布时空估算的方法流程,并以上海市为研究区,对城市人口分布特征及时空移动过程进行了量化分析。研究表明：① 在数据方面,基于移动通讯信令数据估算城市人口分布的方式样本覆盖广、时空精度高、时效性较强且支持时空尺度灵活多变的应用研究需求,能够定量地描述城市人口分布时空动态特征且能推算城市真实人口规模;② 在人口分布时空特征方面,上海市在全市尺度上,各时段人口空间分布较为稳定且差异较小,而在中心城区日间人口较夜间人口呈现更为显著的空间集聚特征;③ 在人口移动时空特征方面,城市功能承载区与其它区域之间人口移动很少,早晚高峰期各城市功能承载区之间人口移动均体现为中心城区与其它新城之间的移动,且2个方向移动人数较为平衡;各城市功能承载区内均有超过半数的人口全天仅在其所在城区内部活动。本文的研究成果可为上海城市规划、应急管理、交通出行等提供更精准的科学依据。     

大数据时代的人类移动性研究

人类个体/群体移动特征是多学科共同关注的研究主题。移动定位、无线通讯和移动互联网技术的快速发展使得获取大规模、长时间序列、精细时空粒度的个体移动轨迹和相互作用定量化成为可能。同时,地理信息科学、统计物理学、复杂网络科学和计算机科学等多学科交叉也为人类移动性研究的定量化提供了有力支撑。本文首先系统总结了大数据时代开展人类移动性研究的多源异构数据基础和多学科研究方法,然后将人类移动性研究归纳为面向人和面向地理空间两大方向。面向人的研究侧重探索人类移动特性的统计规律,并建立模型解释相应的动力学机制,或分析人类活动模式,并预测出行或活动;面向地理空间的研究侧重从地理视角分析人类群体在地理空间中的移动,探索宏观活动和地理空间的交互特征。围绕这两大方向,本文评述了人类移动性的研究进展和存在问题,认为人类移动性研究在数据稀疏性、数据偏斜影响与处理、多源异构数据挖掘、机器学习方法等方面依然面临挑战,对多学科研究方法的交叉与融合提出了更高要求。     

基于社交媒体数据的城市人群分类与活动特征分析

空间信息技术已开始进入全空间信息系统发展阶段,即将空间信息系统的范畴从传统测绘空间扩展到宇宙空间、室内空间、微观空间等可量测空间。位置大数据不仅是全空间信息系统的重要研究对象之一,而且也成为了广域全空间中了解人们生活方式以及城市动态变化的一种有效途径。本文基于社交媒体数据中的位置签到数据,提出一种不同于传统以社会经济属性为依据的城市人群分类方法。首先利用签到数据的时间序列构造矩阵模型;然后,通过分析用户签到活动的时间特征,采用K-means聚类算法和K近邻算法（K-NN）识别出具有不同时空行为特征的城市人群（静态居民、动态居民、通勤者以及访问者）;最后,本文根据得到的人群分类结果,通过分析不同类型人群的时空间行为特征,发现不同类型人群时空间行为的差异性与潜在规律性,从而为表征城市人群的组成结构及特征,研究城市时空结构提供一种新的视角。     

基于大规模手机定位数据的群体活动时空特征分析

城市空间与居民行为不断交互,相互影响。探究城市空间中的群体活动分布及其时空变化能够帮助数据驱动的城市规划与城市治理。基于大数据的时空间群体活动研究是当前时空大数据研究的一个热点。本文以深圳市为例,基于约1000万手机用户在某一工作日的基站尺度的手机定位数据,识别用户停留位置和停留活动,重建活动语义信息,分析用户的停留点和停留活动的分布差异,研究群体活动的时空分布模式,探讨人群活动模式的多样分布特征。研究表明：停留位置和活动分布存在差异,每人每天平均的停留个数约为2.1个,而每人每天平均从事的活动约为3.4个;不同类型的活动在时间上存在波动;群体活动存在空间分异特征,整体上服从“空间幂律”。本研究揭示了城市空间中群体活动的多样性及其时空分布特征,对于城市居民活动研究、城市交通优化和城市规划具有重要的意义。     

顾及上网行为特征的手机用户停留行为预测方法

随着信息通讯技术的发展,手机成为人类日常生活不可缺少的一部分,人类活动逐渐从现实空间延伸至网络空间,在移动互联网时代,网络空间的上网行为与现实空间的出行行为密不可分。当前个体出行行为预测建模较少考虑上网行为与出行行为间的关系,本文提出一种融合上网行为特征的手机用户停留行为预测模型,通过时空约束定义手机用户的停留行为,在考虑个体出行行为时空偏好的同时,融合手机用户使用的APP组合、上网流量、上网次数等上网行为特征以及天气信息等外部特征,从时间、空间的角度进行特征交叉,构建从特征到模型均具有高可解释性的手机用户停留行为预测模型。实验证明：本文模型预测准确率为80.31%,且在融合上网行为特征、天气等外部因素后,比仅使用个体出行特征进行手机用户停留行为预测提升了12.08%。     

城市海量手机用户停留时空分异分析——以深圳市为例

识别海量手机数据中蕴含的行为模式,是地理学的一个研究热点与难点。目前,较多研究针对手机用户移动特征开展,而对停留及其模式的研究则相对较少;其时空分异规律对理解城市人群动态,甚至优化城市系统至关重要。本文根据人们日常时空约束条件定义了手机用户停留,提出了基于海量手机位置数据的手机用户停留模式的提取方法,以深圳市约790万个匿名手机用户一天的海量手机位置数据为例,识别出了覆盖约98%用户的典型停留模式,并结合该城市土地利用的空间分布与分异特征,剖析不同停留模式的手机用户空间分异特征和城市不同区域停留次数的时段分异特征。研究发现:(1)15种停留模式可覆盖约98%的手机用户,而且其一天不同的停留位置数量不超过4个;(2)15种停留模式手机用户在城市区域空间上的分布存在分异现象,严重受制于土地利用的空间分布;(3)城市不同区域停留次数的时段分异特征与该区域常住人口、人口密度,以及区域主要职能和性质存在较强的相关性。研究结论对理解城市手机用户行为模式的群体特征有积极的意义,对城市土地利用的科学决策和城市交通规划与预测有重要参考价值。     

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。     

网络空间移动对象模型的应用与发展

海量移动对象轨迹数据的涌现促使移动对象数据库成为一个新兴的研究领域。网络空间是人与交通工具移动的主要空间范围,也是移动对象数据库领域最重要的研究空间。网络空间下的移动对象建模是交通科学、社会与城市计算的基础性关键技术。由于受到所依附的地理空间的限制,网络环境下的移动对象数据表达与自由空间相比具有很大的特殊性,面临新的挑战。本文分析了网络空间移动对象建模的基本需求,对20年来,业界提出的各种网络空间移动对象数据模型进行了系统回顾和分类,深入分析了各种网络空间移动对象数据模型的特征、优点与局限性,提出了现阶段网络空间移动对象数据建模需要关注的关键问题,并对未来研究方向进行了展望。     

基于手机信令数据的城市小活动空间人群空间分布特征

小活动空间人群是指日常活动范围较小的居民群体,他们对城市公共资源的需求主要集中在家庭位置附近的区域,分析其活动的时空规律特征,有助于更好地实现城市公共资源的均等化和精准化配置。然而目前研究中对此类人群关注较少,为此,本文提出一种基于手机信令数据的小活动空间人群识别及其空间分布的研究方法。首先识别用户家庭位置和停留点位置,构建基家最大距离指标,度量用户以家庭位置为中心的活动空间范围,并据此筛选小活动空间人群;其次根据用户与家庭位置间的距离信息构建“时间-距离”框架下的用户轨迹,在此基础上构建基于面积的轨迹相似性方法;然后利用逐级合并的层次聚类算法,根据用户轨迹的相似性对其进行聚类,挖掘小活动空间人群中典型活动模式;最后根据用户的家庭位置,进一步分析不同活动模式人群的时空分布特征。本文以上海市手机信令数据为例对该方法进行了测试,结果表明：① “时间-距离”框架下构建的基于面积的轨迹相似性方法,可反映用户基于家庭位置进行活动的时空特征,而逐级合并的层次聚类算法对典型活动模式挖掘的效率有明显提高,有助于研究城市居民的移动模式;② 上海市小活动空间人群分布呈现出圈层结构,主要分布在中心城区,郊区的工厂和大学城以及各区的商业中心附近,在郊区过渡区相对较少。本文提出的方法能够用于分析城市小活动空间人群的时空分布特征,可以为目前各大城市提出建设社区生活圈的决策提供方法支撑。     

耦合人群移动的COVID-19传染病模型研究进展

构建传染病模型可为疫情防控与公共卫生研究提供至关重要的规划与解析工具。由于宿主行为是传染病传播动态的决定性因素之一,有效耦合人群时空行为对以人为宿主的传染病建模具有重要意义。得益于人群移动大数据研究与应用的快速发展,新型冠状病毒肺炎（COVID-19）的疫情建模研究中呈现出了耦合人群移动建模的显著特征。为系统深入理解该项传染病模型研究中的重要进展,本文对相关文献进行分析与总结。首先,本文分析了COVID-19疫情与人群移动的交互影响,说明了耦合人群移动构建COVID-19模型的必要性。然后,根据建模的目的和原理,从疫情短期预测与过程模拟2个角度,对耦合人群移动的COVID-19传染病模型进行分类梳理。其中,根据耦合人群移动的方式,本文将面向疫情短期预测的模型分为人群移动一阶量与人群移动二阶量的耦合模型,将基于过程模拟的模型分为群体级别和个体级别的耦合模型。最后,本文评述了耦合人群移动的传染病模型研究进展和未来发展方向,认为该领域研究亟需更加深入建模与疾病传播相关的复杂人群时空行为、提升模型的空间解析能力、突破精细化时空传播模拟的计算瓶颈、拓展与前沿人工智能方法的融合,并构建普适而开放的建模数据与工具以促进应用发展。     

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。     

基于居民出行特征的北京城市功能区识别与空间交互研究

受区域功能分化影响,城市居民出行呈现出特定的时序特征,因而不同的出行时序特征可以反映区域功能的差异性。同时,区域功能的交互特征可以通过居民出行的空间交互活动体现。大数据时代的到来,使得以GPS数据为代表的个体时空大数据可以从微观视角反映居民出行特征。本文采用个体时空大数据,应用数据挖掘方法,从居民感知视角研究城市区域功能的差异性与联系性。以北京六环为研究区域,采用规则格网划分城市地块,通过北京市3个月的出租车GPS数据提取地块的居民出行时序特征。采用期望最大化算法进行聚类分析,并结合兴趣点数据和居民出行调查实现功能区识别,识别出居住区、商业娱乐区等6类功能区。从距离和时间2个维度分析功能区之间的空间交互特征,发现功能互补性在一定程度上削弱了空间交互强度的距离衰减效应,同时功能交互呈现出显著的时序差异。     

大数据在城市规划中的应用研究综述

大数据具有的多源、人本、时空等属性特征与城市规划决策的本质属性具有紧密的耦合性,为城市规划决策提供数据基础和技术支撑,推动着城市规划精准化以及城市治理高效化发展。通过对大数据作用于城市规划的相关文献梳理,大数据推动了城市规划在4个方面发生明显转型:从"小样本静态"向"多源时空"数据转变;从单一空间尺度向全域空间尺度转变;从"物质空间"向"以人为本"转变;从"人工化"向"智能化"转变;在此基础上,本文主要从居民时空行为分析、城市交通路网布局优化、城市功能区划分、区域联系和城市等级分析、城市生态环境治理以及城市边界划定等方面梳理城市规划领域中的大数据应用进展。     

夜光遥感大数据视角下的中国城市化时空特征

社会经济的高速发展直接驱动了中国过去几十年的持续快速城市化进程。城市化是一个典型的复杂地理现象,伴随着高密度人口聚集、土地利用改变、基础设施建设和生态环境变化等系列人和自然交互过程的发生。深入理解城市发展的时空演化规律对研究、规划、管理和相关政策制定在内的诸多领域都有十分重要的意义。近些年来,由于快速发展的夜光遥感大数据具有空间清晰的与城市化有关的社会经济活动强度的感知信息,其为探索城市和城市化问题提供了新的研究途径。虽然有许多成果对利用夜光遥感数据进行城市化的研究进行了探讨,但大部分集中在城市化面积、人口规模和其他社会经济变量的定量相关和数值统计分析上,仍然缺乏对中国过去几十年来的城市化时空特征的综合多角度分析和理解。本研究利用1992-2013年的夜光遥感时间序列大数据,从夜光照亮面积、亮度变化时间转折点、不同亮度区的空间结构转换和亮度信号的空间扩散速度4个方面进行了定量化的信息提取与分析。研究结果从夜光辐射遥感大数据的视角综合揭示了中国在过去研究期间包括城市空间扩展、城市化发展的时间分布、城市空间结构演化和城市化活动空间扩散速度在内的定量时空特征。本研究的结果可以为深入理解中国城市化的时空模式与演化特征提供新的参考。     

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。     

基于手机信令数据的城市就业空间特征研究——以沈阳市为例

以沈阳市为研究实例,基于手机信令数据,对城市居民个体时空行为活动信息进行深入分析,建立识别用户居住地和就业地的数据清洗规则,提取就业空间分布与职住联系数据。以Mc Millen(2001)提出的就业中心概念为理论依据,建立分析模型,应用核密度、空间自相关、自然间断分级、等值线等方法对就业分布数据进行深度挖掘,识别就业中心,并分析其空间布局特征;从就业规模和功能联系两个维度综合测度就业中心服务效能,构建就业中心等级体系;最后尝试基于就业功能划分城市空间单元,以此探索城市就业空间结构,揭示城市运行的内部机制。     

基于多源时空大数据的城市规划研究——以杭州市下城区为例

多源时空大数据的应用,为城市规划、城市问题的分析和解决提供了新的思路、手段。以杭州市下城区为例,首先利用兴趣点数据进行城市功能区识别,在城市功能区基础上采集手机信令数据与互联网房价数据,进行不同功能区的职住人口、房价水平和人口密度等城市特征的挖掘与分析,以期探索多源时空大数据在城市功能识别和特征挖掘方面的应用和方法,为城市规划提供新的思路。研究结果表明,杭州市下城区可以分为居住、商业、办公和混合4种功能区类型,且呈现明显的空间聚集特征。其中,商业区的职住比、平均房价水平和人口密度明显高于其他功能区,办公区其次,居住区最低,而混合区则位于中位数水平。研究结果可以为下城区规划调整、功能区布置和设施布局等方面提供政策依据和建议。     

基于位置大数据的国庆假期青藏高原人群分布时空变化模式挖掘

人类活动是引起青藏高原生态环境发生改变的重要因素。很多学者对青藏高原史前人类活动和近几十年的人口分布格局与人口流动开展了大量研究,但有关人群时空分布的精细尺度研究相对缺乏。海量的位置大数据为认识高原人群短期的动态变化提供了新途径。本文利用手机定位数据、人口迁徙数据等高时空分辨率的位置大数据,通过时间序列分解方法和基于统计检验的异常判别方法,分析了2017年国庆期间青海与西藏的人群分布时空变化特征,并探讨了假期旅游行为及人口迁徙与变化特征之间的关系。研究结果显示：① 在省级和城市整体尺度上,定位请求量的假期变化在时间上呈现先降后升的“潮汐”变化模式;② 在精细网格尺度上,西宁和拉萨城市及周边地区的人群分布变化在空间上呈现中心跌、周边涨的“离心化”变化模式。国庆假期人们向城市周边热门景点移动聚集的旅游行为和城市之间的人口迁徙都是导致西宁和拉萨周边地区定位请求量上涨的重要潜在原因,而两座高原城市中心定位请求的下跌不仅与人口迁徙有关,还与假期人类日常行为及定位请求频次的变化等因素有关。通过位置大数据挖掘节庆假期人群分布的时空变化,不仅加深了对高原人口分布格局与流动变化的认识,也为高原城镇化与生态保护的精细化管理与决策提供支撑。     

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。