基于路网数据和复杂图论的中国城市交通布局评价

城市化的快速发展推动了我国城市道路网的不断扩张和发展。城市道路网是一个动态、开放、自组织的空间复杂网络,构成了城市的结构框架,研究城市道路网的结构特征对路网规划和城市建设有着重要的应用价值。在国内城市道路网络结构特征的相关研究中,很少有学者基于道路走向的视角对整个城市路网结构进行研究,也缺少对全国主要城市路网的整体性评价。本文选取我国一、二线及新一线49个城市作为研究区和2020年2月的城市道路网作为实验数据,首先采用图论和玫瑰图的方法对49个城市的道路网方向特征进行可视化,定性分析城市路网的复杂结构,然后基于最值比R、道路首位度S、过阈值比T、走向顺序φ和路网密度δ等5个路网指标对49个城市的道路网进行聚类分析,从而探究我国城市路网的分布特征。结果表明,我国城市主要以南北和东西走向为城市道路的主导向,部分城市因地形的影响沿着有利于城市交通和居民生活的方向规划道路;基于路网指标的聚类得到了十字正交型、十字状向风车状扩散型、风车状向圆弧四角星扩散型和混合复杂型等4类城市道路网类型,这4类城市路网在方向分布特征上具有显著差异,突出表现在有序性和复杂性;从路网类型的空间分布来看,十字正交型和十字状向风车状扩散型路网大多分布在我国的内陆地区,而风车状向圆弧四角星扩散型和混合复杂型路网则大多分布在沿海地区。本文主要通过分析我国一、二线及新一线城市道路网的分布特征,探究了我国主要城市交通路网的布局现状,能够为城市新区道路规划和路网布局优化提供参考依据。     

基于路网拓扑层次性表达的驾车路径规划方法

人对所处客观世界的认识具有显著的空间层次特征,可指导出行路径规划过程。常用的层次空间推理的分层路径计算方法,虽顾及了路网的层次性特征,但道路规划等级与人对路网的层次性认知往往并不一致。而道路网络自身的拓扑结构可客观反映道路重要程度,以及出行者对道路的层次性认知经验。本文以拓扑结构指标表达道路的层次性特征,以此规划驾车出行路径,并通过与出租车行驶路径的匹配度及距离最短路径耗时比评价路径规划结果的合理性。研究结果表明,基于路网拓扑层次性表达的规划路径优于距离最短路径、动态时间最短路径、基于道路等级的静态时间最短路径及基于动态中介中心性分层的距离最短路径,与基于出租车经验建模的路径规划结果相当。但本文所提出的方法不需出租车经验建模所依赖的浮动车系统支持,更利于部署应用。     

城市路网信息融合的关键技术

目前,我国各大城市交通信息采集和传输问题已基本解决。但是,交通信息与路网空间信息的匹配和融合问题却依然严重,使得大量的实时路况信息难以得到有效应用,成为制约城市路网管理和出行服务的技术瓶颈,直接影响车载导航系统、公众出行信息平台、物流运输系统等位置服务(LBS)与智能交通系统(ITS)应用的服务水平。鉴此,本文探讨了城市路网信息融合的内涵和特征,及其关键技术,包括线性参考系统与空间信息融合、时空动态分段和多级动态分段、多模式交通网络构建技术和动态连通关系自动生成等技术问题,并提出了相应的解决方案。     

利用导航大数据挖掘城市热点区域关联性

导航大数据是大量与导航相关且具有泛在导航、定位、授时特征的数据集合。城市环境的特性影响居民的出行活动,而居民出行活动中产生的导航大数据则蕴含了城市环境的时空信息。热点区域空间分布以及热点区域之间的关联性特征是城市环境时空特性的重要组成部分,由客观的环境现状和主观的人为活动造成。通过挖掘导航大数据可以揭示这些特征。本文提出了利用导航大数据的城市热点区域关联性挖掘方法。首先,通过对居民出行的起点和终点坐标进行空间聚类,挖掘城市中的热点区域,并依据点的分布特点对城市热点区域进行离散化;然后,利用基于谱聚类和蚁群算法的方法分析居民出行特征,揭示城市中热点区域之间存在的关联性。本文提出的方法能够充分利用导航大数据对城市动态的感知能力。以上海市2007年2月20日的出租车轨迹数据为例进行分析,结果表明：利用导航大数据分析城市热点区域之间的关联性,可以得到具有紧密关联性的热点区域的空间分布特征;上海市居民出行活动频繁的热点区域被划分为15个内部紧密关联的子图,形成该分布特征的内在机制以及居民流通规律与上海市的土地资源利用及道路交通建设现状密切相关。分析方法和结果可为合理的城市功能区域规划,智慧城市建设等提供决策支持和参考信息。     

基于互联网大数据的区域多层次空间结构分析研究

大数据逐渐成为各领域学者开展研究的重要途径,目前在人文-经济地理学界逐渐得到重视,并进行了初步应用,相关研究依据尺度不同可以分为居民出行和消费、城市空间结构、区域社会经济联系等。但目前大数据在人文-经济学的应用研究还属起步阶段,少有研究基于大数据对区域多层级空间结构进行系统甄别分析。本文在采集互联网大数据的基础上,结合统计数据、交通路网等传统数据评价城市综合实力、城际联系强度,并基于此构建区域空间结构计算机算法分析区域多层级空间结构。京津冀案例应用揭示了京津冀多层级体系结构,确定了各城市辐射范围、城际相互作用关系。本文初步探索使用互联网大数据甄别区域空间结构,希望能为人文-经济地理领域开展大数据应用研究提供参考。     

基于WiFi探针数据的城市出行轨迹提取

为了更便捷地提取城市居民的出行轨迹,从而分析个体的日常空间行为,进而为城市管理的各项措施决策提供数据支撑,本文提出基于WiFi探针数据的城市出行轨迹提取方法,主要解决WiFi探针数据的路网匹配及丢失轨迹重构问题。首先,通过对终端MAC码和时间戳进行多列排序后提取出轨迹记录序列,利用信号强度RSSI值为每条记录提取坐落在路网上的候选点集。其次,设计基于局部评价的算法,对于每一个候选点,利用其前后相邻的几条记录提取的候选点集与其之间的时空关系,先后对其进行时间一致性评价和空间一致性评价,再结合以时间反比动态构建的权函数,得到最终评分;然后将每个候选点集中评分最高的点作为最佳匹配点,至此完成轨迹记录的路网匹配。最后,先采用基于深度优先的路径搜索算法搜索出丢失轨迹上下点之间的所有可行路径,再基于TOPSIS法决策出最优的重构路径。本文以东莞市市中心区域收集的WiFi探针数据为实验数据进行测试,平均每日可提取6万多条轨迹,与其中获取的GPS数据相比较验证了方法的可行性,为城市出行轨迹挖掘提供了新的解决方案。     

城市局域动态人口估算方法与模拟应用

获取城市局部区域内的实时人口是应急决策等诸多城市管理应用需要解决的问题。但时空的不确定性导致了估算操作的困难:空间范围不确定,即给定的城市区域是可变的;时间不确定,即估计的时间事先不可知。根据城市居民的总体出行规律,居民日常活动基本以城市建筑为中心,或者认为居民因受建筑物所承载功能的吸引而出行。鉴此,给定区域内的静态人口可使用区域内的居住型建筑,以及人均住房建筑面积等统计数据来估算,而动态人口的估算则需要确定每类建筑物在不同时刻所吸引的居民人数。为此,引入建筑物修正系数和建筑物吸引率两个指数。修正系数是其他类型建筑物的容纳能力与作为基准的居住型建筑物的容纳能力之比。通过修正系数可获得每类建筑物的额定容纳人数。吸引率是不同时刻每类建筑物的实际容纳人数与其额定容纳人数的比值。根据居民出行的一般时间分布,将一天按照休息日和节假日分别都划分成七个时段,建筑物类型参照调查城市交通出行率时的分类划分。利用居民出行和交通出行率调查资料等数据,估算每类建筑物的修正系数和吸引率,计算区域内的实时人口数,模拟了一起突发化学品泄漏事故,将所提方法应用到模拟场景的动态人口估计中,并对方法应用中的问题进行了讨论。     

基于DBI和稀疏轨迹数据的交通状态精细划分与识别

浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据。针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡丁指数（DBI）和轨迹相似性度量的动态交通状态划分方法。首先,对轨迹数据和路网数据进行预处理并且建立不同时间片的路段轨迹集合;接着,依据轨迹速度-空间相似性,利用戴维森堡丁指数动态地扩展轨迹的空间维度,并根据轨迹相似性度量方法构建最佳车辆队列;然后,将前后不同的车辆队列进行二次处理,连接组成交通流簇;最后,基于模糊C均值聚类方法将交通流进行划分,实现路段交通状态的识别。采用厦门市厦禾路、湖滨西路和湖滨南路交叉路段上的真实出租车轨迹数据进行测试,结果表明,本文所提方法保证了车辆队列速度分布与原始轨迹速度分布基本一致,相比对比方法Kmeans++和ST-DBSCAN,本文方法均方根误差平均下降了18.77%和21.22%,并且在不同的实验路段表现更加稳定,可有效、可靠地运用稀疏轨迹数据识别城市交通状态,进而实现城市交通状态的精细分析。     

顾及空间冲突的等级道路网变比例尺二次规划模型

变比例尺可视化技术被广泛应用于城市路网的地图制图,其基本思想是采用较大比例尺突出显示城区的密集道路,较小比例尺显示并不重要但对路网布局起辅助作用的周边道路。目前,不少研究是通过使用坐标转换公式及参数组合对路网进行变换,以得到较理想的变比例尺效果。然而,这类方法常难以避免路网较大的变形和道路要素的空间冲突。鉴此,本文结合顾及道路等级的形变约束规则和基于支持向量机的线相交约束规则,建立了二次规划算法的等级道路网变比例尺模型,动态优化道路网变比例尺的效果。本文以广州市增城区规划建设的“一核三区”道路网作为试验对象,分别与可调“放大镜”式地图投影和Focus+Glue+Context模型进行比较。实验结果表明,本模型能得到较为理想的变比例尺效果,且具有良好的自适应性和实用价值,为地图变比例尺可视化研究提供一种可控制地图变形过大和解决空间冲突问题的新方法。     

道路网数据变化检测与融合处理技术

道路网数据是导航电子地图的骨架数据,为保征数据的现势性,导航数据生产部门需要参考不同来源的道路数据进行更新,本文针对该种现状和需求,提出了数据匹配、数据抽取、数据整合的路网数据融合技术方法,并以郑州地区为试验,进行了验征,具有重要的理论意义与现实意义.     

一种基于路网等级启发式策略的路径搜索算法

本文提出了一种基于路网等级启发式策略的路径搜索算法。通过引入考虑路网等级因素的代价评估函数,有目的地引导搜索过程考虑路网道路等级特征,限制路径搜索规模,在精度可控的前提下,大幅度提高时间最短路径算法的效率,并使得搜索路径结果更符合心理认知过程。其与经典的层次空间推理算法相比,本文提出的算法实现过程简单,效率和精度相似。理论分析和实验过程验证了本文所提出算法的有效性。     

一种基于SuperMap GIS的改进Dijkstra算法

为提高传统Dijkstra算法的搜索效率,满足车载导航中路径规划实时性的要求,本文利用SuperMapGIS平台的网络编辑功能,设计了一种基于SuperMap的改进Dijkstra算法。首先,结合道路网络的空间分布特性,在SuperMap中构建了道路网络;其次,设计算法,根据起止节点合理限制算法的搜索区域,并以经典Dijkstra为理论基础实现最短路径的求解;最后,结合需要设计了约束条件下的路径规划算法。在城市道路网络中的应用实例验证了算法的有效性。     

城市空间结构要素与人群聚散稳定性的关联性探索

人群移动和城市空间结构的关系研究一直是人文地理关注的焦点,它可以帮助理解人群城市空间中移动的潜在动力和影响因素,从而评价城市空间结构的合理性,对城市规划、选址具有重要意义。轨迹大数据为研究城市大规模群体活动、城市空间结构以及二者的关系提供了新视角。本文以人群聚散稳定性为切入点,以深圳市交通小区为分析单元,从社会经济属性、土地利用模式和路网中心性3个方面定量探索城市空间结构特征与人群聚散稳定性的关联性。结果发现：区域的人口数量和密度越大,人群聚散稳定性越低;土地利用混合度越高,均衡性越低,人群聚散稳定性越低;与路网全局中心性比,局部范围内的路网中心性对人群聚散稳定性的影响较大,并且随着距离不同而发生变化。这些知识帮助加深理解人群聚散与城市空间结构特征之间的关系。     

基于道路结构特征识别的城市交通状态空间自相关分析

 城市道路交通状态具有空间自相关特征。路段交通状态的变化会很快影响到邻近路段,导致一定空间范围内路段的交通状态发生改变。揭示城市交通状态的空间自相关特征,对交通规划、交通控制与诱导具有重要意义。然而,受到城市路网空间结构和道路拓扑特征的影响,城市道路交通状态的空间自相关并非各向同性,也并非均匀地向上下游扩散,而是有选择性地集中在部分邻近路段上。因此,仅考虑路段地理空间下的上下游邻近性,难以全面度量路段间交通状态的相互影响,识别出交通状态空间相关性强的道路集合。本文借鉴复杂网络分析方法,定量化分析了城市路网的模块化与层次性特征,利用城市路段在空间上的聚集特征和路段在网络中拓扑角色的差异,提出了一种新的交通状态自相关路段邻近性判别规则,即空间邻近且拓扑等价规则,以此规则实现交通状态空间相关路段聚类过程,更好地揭示城市路段之间的交通状态空间相关性。     

基于腾讯迁徙数据的中国城市群国庆长假城际出行模式与网络特征

城际出行具有时间依赖性,不同时间约束与特定时期的城际出行具有相异性,反映的出行模式与表达的地理空间联系规律具有差异性。迁徙大数据记录的人口移动实时记录为开展基于时间依赖的城际出行网络提供了可能。本文以全国 19个城市群为研究区域,利用腾讯平台提供的居民城际出行数据,对国庆长假期间（2016年10月1—7日）中国城市群城际出行时段变化特征、城际出行模式及其网络结构进行了研究。结果表明：① 黄金周城际出行具有明显的基于出行期、返程期和旅途期的时段变化规律;② 国庆长假期间的中国城市群城际出行分别形成了轴辐式、多中心与单中心3种城际出行模式; ③ 出行期、返程期的城际出行具有类似于春运人口流动的时空对称规律,城市群城际出行呈现出以主要城市群整体、城市群核心城市与邻近外围城市间的中短距离流动的长假出行特征,中西部城市群城际出行具有典型的“潮汐式”流动特征;④ 基于腾讯人口迁徙大数据,通过对黄金周期间出行期、返程期与旅途期的科学划分,较好地实现了国庆长假城际出行特征与模式的挖掘,同时也为长假城际交通管理与道路资源优化调配方案的制定提供支撑。     

基于网络空间点模式的餐饮店空间格局分析

餐饮业是城市经济发展的重要指标,运用合适的方法来研究城市餐饮业的空间格局特征,对城市规划、商业选址和经济发展等具有重要意义。本文以广州市海珠区为例,基于餐饮店POI（兴趣点）数据,利用核密度估计法分析餐饮店的空间分布特性,采用网络核密度法探究其热点路段的分布情况,并利用网络双变量K函数法,分析餐饮店分布与公交站和居民小区的相关性。结果表明：海珠区餐饮店总体分布呈现“西密东疏”的空间格局,具有多中心的空间分布特征;江南中街道餐饮店分布的热点路段主要集中在江南西路和江南大道中沿线,其密度随着与该沿线的距离增加而衰减;在较小范围内,餐饮店的分布与公交站具有显著的聚集关系,而与居民小区不具有显著的聚集关系。对于沿道路分布的空间地理点对象,利用网络空间点模式分析可得到较好结果。     

基于拓扑与形态特征的城市道路交通状态空间自相关分析

城市道路交通状态具有空间自相关特征。某一道路交通状态的变化会对其周边道路产生影响,故把握道路交通状态的空间自相关性是提高交通规划、交通预测水平的基础。然而,城市道路交通状态又具有空间异质性,即道路交通状态的影响扩散并非各向同性,其使得道路交通状态空间自相关性的度量更为复杂,因此仅从地理空间下道路之间的邻近关系出发进行分析有失偏颇。同时,城市道路具有拓扑结构特征和几何形态特征,二者对于交通状态自相关性的影响和制约,却未引起足够重视。本文从城市道路的拓扑结构特征和几何形态特征出发,提出了一种新的交通状态空间自相关路段识别规则,即基于交通状态变化的路段空间识别规则,通过拓扑社区发现方法刻画路段在空间上的聚集特征,同时,基于Stroke跟踪的几何形态概化来描述道路交通状态变化影响的空间异质性。结果表明,利用本文提出的识别规则产生的交通状态自相关路段集合,较仅考虑地理空间邻近或拓扑结构的识别规则更为合理,更好地揭示了城市道路交通状态的空间自相关特征。     

Spatial analysis of commuting mode choice in Guangzhou, China

Metropolitan cities in China are commonly confronted with unresolved traffic congestion issues, primarily due to rapidly increasing traffic demand. Group disparity between commuting mode choice and its spatial distribution on road networks has enabled us to examine the factors that give rise to the discrepancies and the fundamental spatial causes of traffic congestion. In recent years, micro-perspective, individual, and behavior-based spatial analysis have mushroomed and been facilitated with effective tools such as temporal geographic information systems (T-GIS). It is difficult to study the interrelations between transport and space on the basis of commuting mode choice since the mode choice data are invisible in a specific space such as a particular road network. Therefore, in the field of transport, the classical origin destination (OD) four-stage model (FSM) is usually employed to calculate data when studying commuting mode choice. Based on the relative principles of T-GIS and the platform of ArcGIS, this paper considers Guangzhou as a case study and develops a spatio-temporal tool to examine the daily activities of residents. Meanwhile, the traffic volume distribution in rush hours, which was analyzed according to commuting modes and how they were reflected in the road network, was scrutinized with data extracted from travel diaries. Moreover, efforts were made to explain the relationship between traffic demand and urban spatial structure. Based on the investigation, this research indicates that traffic volumes in divergent groups and on the road networks is driven by: 1) the socio-economic characteristics of travelers; 2) a jobs-housing imbalance under suburbanization; 3) differences in the spatial supply of transport modes; 4) the remains of the Danwei (work unit) system and market development in China; and 5) the transition of urban spatial structure and other factors.