北京市居民地铁出行出发时间弹性时空分布特征研究

伴随城市转型进程的加快,交通需求不断膨胀,导致大城市交通拥堵日趋严重,以调节出行者的选择行为为核心要素的交通需求管理理念成为相关政策的重要理论基础,但现有研究也表明,交通需求管理对出行弹性较高的出行具有显著调节作用,而对出行弹性较低的出行调节作用并不明显。因此,加强出行弹性等居民出行行为研究日益迫切,而公交刷卡数据等新的时空数据为居民复杂出行行为的挖掘提供了新的契机。本文利用北京市2014年3月地铁刷卡数据,以出行者出发时刻的可变性来测度出发时间选择的可改变程度,对居民地铁出行出发时间选择弹性进行测度,并结合GIS空间分析技术对其时空分布特征进行分析。研究表明：① 北京市地铁出行的居民出行弹性平均值为0.521,出发时间选择弹性整体上较大,表明北京居民出发时间选择相对较为灵活;② 北京市居民地铁出行弹性存在时空差异,居民个体休息日出行弹性高于工作日,一天中高峰时段出行弹性高于非高峰时段;③ 居民出行弹性存在空间自相关,倾向于在空间上发生集聚,存在明显的冷热点区域;内城居民的出行弹性明显高于城市外围居民。     

时空大数据驱动的新型智慧城市交通规划决策支持框架

时空大数据由于其人本、精细、海量等优点已经融入到我国城市交通规划的各个环节之中,然而仍然存在数据利用相对割裂、辅助决策逻辑不清等问题。针对这些问题,首先将我国新型智慧城市交通规划工作的需求归纳为重点关注城市居民出行需求、着重提升城市交通服务能力、全面构建城市交通复合网络3个方面,进而梳理了支撑交通规划的5种时空大数据的特征及应用方向,在此基础上提出面向3个需求的新型智慧城市交通规划决策支持框架,从交通需求精准预测、出行过程全面感知、综合网络系统分析3个层面阐述利用时空大数据支持新型智慧城市交通规划各环节的思路。决策支持框架总体上实用性较强,其中机动化出行方式相关数据的应用相较于慢行交通相关数据更成熟,而精确到居民个体层面的微观数据的采集技术与应用方法仍需进一步开发完善。     

CLAB模型：一种乘客出租出行需求短时预测的深度学习模型

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度,本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块,基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征,其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性;为了探索长期时间特征,用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验,结果表明：(1) CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求;(2)与基准预测模型相比,CLAB模型的整体的效果误差更低,具有更好的预测效果,CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN...     

基于交通出行链的就医活动识别理论框架与方法体系

交通是人们实现出行目的的重要工具和载体,也是研究城市居民出行目的的重要手段。本文试图采用交通出行数据来识别就医活动目的的行程,以深化交通大数据研究的应用领域。在合并交通出行链的基础上,构建了就医活动识别的理论框架和方法体系,提出6大准则：邻近性准则、出行链闭合准则、单一出行目的准则、时间耦合性准则、路径偶发准则。以北京市为例,基于公交车刷卡和出租车GPS数据,明确就医出行的关键参数与阈值,最终甄别出以就医为目的的交通出行链,并对识别结果进行分析与验证。基于交通出行链的就医活动识别研究可以弥补传统研究中病例数据和问卷数据样本量小和难获取的不足,为就医活动研究提供了新的方法体系,也为基于其他交通出行目的识别研究提供理论和方法借鉴。     

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MapReduce的海量公交乘客OD并行推算方法

公交乘客出行OD能够反映居民出行特征和出行需求,是进行公交系统评价、调度和线路优化的重要基础数据,对城市规划具有重要的实用价值。现有公交OD推算方法多适用于少量公交数据,无法直接快速地推算海量公交乘客出行OD,因此本文提出了一种基于MapReduce的海量公交乘客OD并行推算方法。首先将公交数据从关系型数据库迁移至HBase数据库;接着利用MapReduce并行计算框架,根据HBase中IC卡数据的Region数量分成多个map任务,每个map任务中Map函数计算上车站点,Reduce函数将上车站点以用户为单位进行归并输出到HDFS;然后在上车记录数据的基础上,根据HDFS存储的块数量分成多个map任务,针对每个乘客的出行记录,综合考虑出行链方法和历史相似出行行为规律实现对公交乘客下车站点较为精确的推算。最后以厦门2015年6月13日至26日的IC卡数据和公交车辆GPS数据进行实例分析,共计算出295条公交线路,16 879 661条上车记录,14 410 058条完整OD记录,占IC卡数据的78.9%,计算效率相比传统方法有较大幅度提升。结果表明：该方法不仅可以较为准确地推算公交乘客上下车站点,而且计算效率较高。     

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。     

基于互联网地图的矢量路况数据生成与应用方法研究

城市交通路况数据对交通治理、交通拥堵预测等研究具有重要意义,针对常规交通路况数据获取成本高、难度大等问题,本文提出一种基于互联网地图的矢量路况数据生成与分析方法.该方法通过互联网地图提供的实时路况信息,利用网络抓取、GIS空间数据处理和图像识别等技术,将互联网实时路况瓦片数据自动化处理成矢量路况数据,便于交通运行特征分析.最后以重庆主城内环范围为例,基于百度地图实时路况自动生成不同时间段的矢量路况数据,利用此数据进行出行时空特征分析.实验证明该方法具有可操作性、通用性和有效性.     

城市地铁出行知识图谱嵌入表达的超参数选择

知识图谱作为人工智能技术与应用中重要的数据基础设施，已经成为地理科学领域的一个研究热点。目前对地理知识图谱进行嵌入表达时通常使用默认的超参数（如2层网络搜索深度），但是部分地理知识图谱的网络规模和拓扑特征与通用知识图谱不同，其合理性需进一步论证。为此，本文围绕城市轨道交通人地关系，基于地铁线路网络的拓扑结构特征，结合客流数据、POI（兴趣点）数据以及建成环境数据等构建地铁出行知识图谱；利用GraphSAGE模型学习实体的多维度特征嵌入，并结合POI数据对站点分类结果进行语义识别，对比验证适合地铁出行知识图谱嵌入表达的网络搜索深度。不同于默认的2层搜索深度，当搜索深度为3层时，本研究所构建的地铁出行知识图谱的节点嵌入效果最优。因此，地理知识图谱嵌入表达的超参数选择需要顾及时空和人类活动相关的网络规模和拓扑特征，要避免不加甄别地使用其他领域通用知识图谱的已有成果。使用3层搜索深度获得的地铁站点分类结果也更具合理的解释性，可为利用知识图谱和人工智能方法进行站点规划和客流预测提供基础。     

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。     

Private Car Travel Characteristics and Influencing Factors in Chinese Cities ——A Case Study of Guangzhou in Guangdong, China

Taking Guangzhou as a case, this paper adopted a questionnaire survey to gather first-hand data and analyzed the characteristics and influencing factors of private car travel in Chinese cities. As the research indicated, trip purposes of private car travel are mainly commute and business affairs with a more flexible trip in the urban core area. And trip intensities are concentrated in a certain extent, with trip frequency being lower in the urban core area than the peripheral area. In addition, the trip time has two significant peaks occurring in the morning and afternoon, and one trough in the midday. And trip spatial distribution is mainly within commute with both residence and employment in urban area and inward commute with residence in suburban area while employment in urban area. Both kinds of commutes direct to the urban area. The study also shows that the characteristics of private car travel are principally influenced by two aspects: travelers’ attributes and urban characteristics. The main travelers’ social and economic attributes influenced it include the gender, education attainment, age, driving experience and per capita monthly household income. The urban characteristics influenced it mainly cover the land use pattern, public traffic facilities and spatial attributes of residential environment.     

中小城市公共自行车出行模式与驱动机制研究

公共自行车在促进交通可持续发展、方便居民出行等方面意义重大。本文以广东省惠州市惠城区和惠阳区、韶关市区公共自行车为研究对象,利用时间序列数据分析、层次聚类、地理可视化等方法探究出行模式,利用随机森林算法分析出行行为的影响因素及其重要性程度。研究发现,惠州市惠城区和韶关市的公共自行车出行行为有规律、成规模,站点呈现生活居住、工作就业等类型;惠州市惠城区自行车使用目的多元,包括通勤、短途办事、公交接驳等,韶关市中,通勤是主要出行目的。惠州市惠阳区受到骑行道路限制,公共自行车使用率低。本研究可以为提高公共自行车系统运营效率、引导慢行交通政策制定、评估城市用地布局提供参考和建议,也能为其他区域公共自行车的研究提供借鉴作用。     

城市交通与土地利用一体化模型的核心算法进展及技术创新

交通与土地利用的协调发展是缓解城市交通拥堵、提升交通水平的关键。城市交通与土地利用一体化模型则是分析和模拟城市交通与土地利用相互作用过程的重要科学支撑。多年来不同国家学者已研发出一些操作模型,并用于城市空间政策的制定研究,但这些模型的核心算法仍需进一步升级完善。本文首先梳理了当前已有主流模型的理论特征,解析了这些模型的核心算法发展及其优缺点;然后针对关键算法的不足,提出新的综合均衡模型,就区位可达性、用地混合度与强度、出行成本3个关键变量的核心算法展开讨论;最后,进一步形成模型各子模块的算法创新,包括考虑增量离散选择过程的居住与就业区位决策模块、细分房地产类型并将土地开发结果动态反馈至城市用地演变的房地产开发模块、采用改进的阻抗函数、小汽车拥有情况和动态出行成本的交通综合模型。本文对于定量化分析模拟城市复杂系统、研发我国城市交通与土地利用一体化模型具有一定的参考价值。     

Relationship between built environment,socio-economic factors and carbon emissions from shopping trip in Shenyang City,China

Promoting active travel behavior and decreasing transport-related carbon dioxide (CO₂) emissions have become a priority in many Chinese cities experiencing rapid urban sprawl and greater automobile dependence. However, there are few studies that holistically examine the physical and social factors associated with travel CO₂ emissions. Using a survey of 1525 shoppers conducted in Shenyang, China, this study estimated shopping-related travel CO₂ emissions and examined how the built environment and individual socioeconomic characteristics contribute to shopping travel behavior and associated CO₂ emissions. We found that, firstly, private car trips generate nearly eight times more carbon emissions than shopping trips using public transport, on average. Second, there was significant spatial autocorrelation with CO₂ emissions per trip, and the highest carbon emissions were clustered in the inner suburbs and between the first and second circumferential roads. Third, shopping travel CO₂ emissions per trip were negatively correlated with several built environment features including population density, the quantity of public transport stations, road density, and shop density. They were also found to be significantly related to the individual socio-economic characteristics of car ownership, employment status, and education level using a multinomial logistic regression model. These empirical findings have important policy implications, assisting in the development of measures that contribute to the sustainability of urban transportation and meet carbon mitigation targets.     

利用多源城市数据划定地铁站点吸引范围

随着时代的发展,世界城市规模不断扩大,各大城市的交通需求陡然增加,而地面出行所带来的堵塞和环保问题导致政府部门把目光转向地下交通发展,其中地铁是地下交通发展中最重要的交通工具。准确划定地铁站点吸引范围,分析影响地铁站点吸引范围主要因素,不仅对于优化地铁交通服务和规划地铁周边建成环境具有重要意义,同时对于新建地铁站点设施规划具有参考价值。传统的地铁吸引范围划定方法大多依赖于居民日常出行活动的调查和经验意见,存在时间周期长且耗费巨大和吸引范围划定不准确的问题;而多源城市数据的涌现为量化地铁站点周边建成环境及客流空间分布、合理划定地铁站点提供了全新的解决方案。TOD（Transit Oriented Development,TOD）是高密度城市（如深圳、北京等）寻求的城市和交通和谐发展的重要选择,也是未来交通建设的主要参考理念。因此,从公共交通导向的开发视角出发,本文利用2017年的兴趣点、道路网络、公共交通线路等多源城市数据刻画地铁站点周围的TOD信息指标,利用K均值聚类进行地铁站点聚类,结合TOD指标的空间变化趋势,确定深圳市不同类型地铁站点的吸引范围。研究结果表明：① 基于TOD密度指标划定的地铁站点吸引范围能够揭示地铁站点的吸引范围的差异,且就业地点密度和土地混合利用度对地铁站点吸引范围的影响较大; ② 与城市非中心区域相比,城市中心区域的地铁站点吸引半径较小但出行需求较高,其凸显了地铁站点规划在空间服务密度和居民出行需求之间的取得均衡;③ 深圳市地铁站点吸引范围重叠与城市区域发展程度相关程度较高,可为利用现有地铁站点空间覆盖,发展城市功能集中区域提供参考。     

基于多源数据的旅游者视觉行为模式与感知评估方法

用户生成内容（User Generated Content,UGC）作为感知旅游地物质空间的新型地理大数据,以使用者的视角描绘了旅游地的客观环境,是探索旅游目的地感知的重要途径。然而,传统的旅游研究对旅行摄影照片处理能力有限,深度学习图像语义分割技术的发展,为挖掘旅游者视觉行为模式,探索旅游地环境感知提供了有力支持。本研究提出了整合在线旅行照片大数据与问卷调查小数据的旅游者视觉行为模式与感知评估框架,并将其应用于鼓浪屿案例。首先将744条旅游轨迹,聚类为6类视觉行为模式,并可视化与时空分析;其次基于全卷积网络算法,量化22 507张旅行照片语义,探索不同视觉模式的旅游者关注要素的空间分异;最后通过照片语义与场景感知问卷调查的相关性分析和多重线性回归模型,评估旅游地整体视觉感知满意度,并提出相应的空间优化建议。研究表明：① 鼓浪屿旅游者视觉行为模式聚类为单点游、海岛风光游、环岛游、街巷空间游、遗产建筑游和全岛游6类;② 不同视觉行为模式的旅游者视觉兴趣区存在空间集聚现象,视觉空间转移遵循地理邻近效应;③ 相关性分析与模型结果表明,旅游者偏好空间开敞度较高的区域,感知满意度越低的区域摄影行为越少,是环境提升的重点;④ 出行时间和成本效率最大化、建成环境、心理环境与社会环境是影响旅游者视觉感知的主要因素。本研究延伸了人工智能技术在旅游者视觉感知研究中的应用,为旅游地空间优化提供参考。     

Transportation characteristics change under rapid urban expansion: A case study of Shanghai

This paper focuses on the economic development and urban morphology as well as its impact on the transportation system during the urban expansion of Shanghai in the last more than 20 years(1986-2008).Based on data from 3 comprehensive transport surveys of Shanghai since 1986,the changes in residential trip demand,vehicle use,and the spatial distribution of trips were studied to understand the demands on the transportation system.The factors contributing to those changes in transportation demand were discuss...     

公交模式对公共服务设施可达性的影响

利用python程序语言开发了基于百度地图导航服务的批量路径时间查询平台,并结合最邻近设施时间和累积机会成本方法度量了居住单元与中心商业区（CBD）、与行政服务中心、与大型医院、与火车站、与飞机场的可达性;然后,着重对比分析了2种公交模式（有/无地铁）下公共服务设施可达性的差异。实验结果表明：① 与基于ArcGIS网络分析法等传统方法相比,基于“门到门”互联网路径规划服务API方法计算的出行时间成本能够较为精确、便捷地用于度量公共服务设施的可达性,避免了人工构建复杂路网数据集的工作量,而且更具时效性;② 融入地铁网络的公交模式不同程度上提升了居住单元至公共服务设施的可达性,尤其是地铁沿线“廊道”以及重要交通设施（如地铁站点）邻近区域最为显著;③ 居住单元至邻近CBD的可达性变化显著集中于0~30 min,30 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的1.7倍和2.2倍;④ 居住单元至邻近火车站的可达性变化显著集中于0~30 min以及30~60 min,30 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的8.9倍和3.0倍,60 min时间阈值内累计的人口和面积分别是公交（无地铁）模式的1.5倍和1.9倍;⑤ 居住单元至邻近飞机场的可达性变化显著集中于60~90 min以及90~120 min,90 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的12.6倍和6.6倍,120 min时间阈值内累计的人口和面积分别是公交（无地铁）模式的2.0倍和3.6倍;⑥ 居住单元至所属行政中心、至邻近大型医院的可达性在各个时间间隔及阈值范围内亦有相应幅度的改善。此外,运用本文的技术方法还可获得更完整、真实的其他交通模式（如汽车、电动车、自行车、步行等）接入城市公共服务设施的情形,为进一步研究非汽车模式下城市公共服务设施的可达性提供参考,促进城市公共交通可持续性的发展。     

基于位置大数据的城市居住用地效率指标构建及评价研究

信息化赋能已经成为新时期国土空间规划的热点,但通过大数据整合进行国土空间利用评价研究仍有待探索。本文旨在借助腾讯位置大数据开展城市居住用地效率评价实证研究,综合运用多源地理空间数据,以居民区为评价单元构建居住用地效率指标,揭示常州市新城区不同居民区用地效率差异。结果表明：① 居民区范围内小时粒度的人口规模呈周期波动,峰值一般出现在21:00,符合城市居民昼出夜归的作息规律,且不同容积率水平的居民楼人口集聚度和规模值也存在预期性的差异;② 29个居民区按建成年份划分为1980s、1990s、2000s、2010—2015年、2015年以后共5组,各组效率指标平均值分别为1.74、2.45、2.31、0.95和0.91人/百m²,2010年之前建成的居民区明显高于2010年之后新建的,2010年以后建成的居民区低于全市2.06人/百m²的平均水平（2018年标准）;③ 效率指标值低并非完全等同于集约用地水平低,常州市新城新区开发建设的成长周期、居民对提升人居环境品质的需求,都是导致不同居民区用地效率差异的原因。研究表明,位置大数据作为高精度的人口数据源,能够客观反映居民区人口聚集的时空间特征,基于位置大数据构建的城市居住用地效率指数能够为高质量国土空间利用分析提供新途径。在我国以人为本的城市化进程中,以位置大数据为代表的新型人口数据源将在国土空间规划中发挥愈加重要的作用。