一种识别共享单车潮汐点的时空模型和基于KNN-LightGBM的租还需求预测方法

随着互联网租赁自行车(共享单车)的兴起，“共享单车+地铁”“共享单车+公交”已成为城市通勤的主要接驳方式，但共享单车的“潮汐效应”也成为共享单车管理和资源调配的“痛点”和“难点”。因此，发现共享单车的“潮汐规律”，准确预测共享单车停车区(电子围栏)的租还需求，对于共享单车的有序规范发展，优化用车体验和环境等具有重要意义。本文首先基于共享单车订单数据和“电子围栏”空间数据，提出一种识别共享单车潮汐点的时空模型并分析其潮汐性时空特征。该模型将潮汐点定义为短时间内因大量共享单车租或还从而导致无车可租或无车位可停的电子围栏，然后根据电子围栏在某时间段的状态进行分类，并赋予不同的缺车/缺停指数。结果显示该模型能够精准识别特定时段出现的潮汐点。随后，基于共享单车订单、城市信息点(POI)、道路、人口、土地利用、气温、风速等时空数据，并考虑局部范围内的电子围栏相关性，构建KNNLightGBM模型来预测共享单车租还需求：(1)利用主成分分析(Principal Component Analysis,PCA)进行特征提取；(2)利用KNN(K Nearest Neighbors)算法计算局部范围内电子...     

接驳地铁站的共享单车源汇时空特征及其影响因素

共享单车是解决“最后一公里”出行的有效方法,然而,人们在利用其进行接驳地铁时,常出现无车可用或车辆淤积的现象。因此,探究用于接驳地铁的共享单车的源汇时空分布特征及其影响因素对实现其供需平衡有一定意义,单车运营公司可据此进行更及时、合理的调度。为了解不同区域的共享单车在接驳地铁时使用模式的差异,本文基于不同时间段的客流特征,对用于接驳北京市地铁站的共享单车所产生的源、汇网格进行了K-均值聚类,并进一步利用地理探测器探究了造成这种空间分异的原因。结果表明：① 源、汇网格各被分为5类,分别为高频低流出、高频异常源、中频低流出、低频高流出、低频低流出和高频低流入、中频低流入、低频高流入、低频差异流入、高频异常汇等类型,反映了共享单车源汇的时空分布特征; ② 在不同聚类中,共享单车的日均流量对应的主导因子有所差别,位于市中心的聚类的车辆主要受距离和交通因子的影响,而在其它聚类中则会同时受到多种POI的显著影响,且在不同时段中影响机制不同;③ 对于净流入（出）率而言,各聚类的源、汇网格的主导因子则大致相同,车辆的缺少或过剩主要与距地铁站或市中心的距离有关。④ 从整体源、汇来看,住宅类POI数量与距最近地铁站的距离分别是影响日均流量和净流入（出）率的最强的因子。     

基于共享单车数据的城市短途出行时空模式分析

共享单车的爆发式增长给城市规划管理和交通运行带来较大挑战,如何定量解译城市内共享单车的出行时空规律和空置率情况是单车科学调度的迫切需求.基于北斗平台提供的北京市共享单车数据,辅以POI数据,采用空间统计方法提取不同区域内共享单车的时空特征、挖掘单车与城市功能区间的关系,并提出共享单车空置率模型,从而揭示城市中共享单车用户短途出行的时空规律与多区域、多时段单车空置率情况.研究发现:工作日呈现规律性的早晚骑行高峰,出行具有明显的潮汐现象,且热点区域相比休息日更为集中;空置率随用户出行时序变化,以北京市东单区域为例,定量结果显示交通枢纽在早晚出行高峰单车使用率较高空置率较低,从而反映用车需求.本文研究结论可为单车管理调度、辅助城市规划提供参考.     

顾及轨迹还原与分类的渣土车作业行为提取方法

渣土车轨迹数据蕴含丰富的行为模式信息，包括停车行为、运输路径、异常活动、渣土装载与倾倒OD点等关键特征，已逐渐成为渣土车运行监测与作业行为监管的主要数据来源。但是目前在渣土车作业行为提取中仍主要采用车载GPS数据结合工地电子围栏的传统签到系统，存在电子围栏与道路相互包含、重叠等一系列问题。针对传统渣土车作业行为提取中存在的车辆作业误判问题，本文提出一种顾及轨迹还原与分类的渣土车作业行为提取方法。(1)从运动状态和几何形态2个方面理解并识别渣土车作业行为模式；(2)利用顾及时间与距离的停留点提取算法提取车辆停留点，处理停留点与轨迹的映射关系，完成基于停留点的轨迹匹配；(3)构建平均相似值函数对轨迹进行语义信息增强；(4)提出SR-LGBM算法，筛选作业轨迹与非作业轨迹，实现渣土车的作业行为提取。采用南京市渣土车轨迹数据进行测试，结果表明，本文方法的准确率达97.29%，相比GaussianNB、Logistic Regression等传统分类算法其准确率与召回率均得到不同程度的提高，有效解决了电子围栏与道路重叠或多个围栏交叉造成的误判问题，可实现准确、高效的作业行为提取。     

接驳地铁站的共享单车时空均衡性分析与吸引区域优化

共享单车是接驳地铁出行的最有效选择之一,但共享单车的时空分布不均问题对使用者和管理者造成了很大的不便,尤其是早高峰期间出现这种问题更会大大降低2个交通系统的运行效率。因此,研究用于接驳地铁出行的共享单车的时空均衡性特点对提升早高峰期间的通勤效率有一定意义。为了了解接驳地铁骑行的时空均衡性特点,本文以厦门市作为实验区,将厦门市早高峰期间接驳地铁站的骑行作为主要研究对象,基于出行OD提出了新的地铁站吸引区域建立方法,基于出行特点提出了考虑地铁站点的单车聚类方法。本文还从潮汐比统计角度和吸引区域角度对各个地铁站的早高峰整体出行均衡性做了分析,从时空角度对早高峰中不同时段的地铁站接驳骑行的时空均衡性做了分析, 通过分析得出了3种角度下各个地铁站点均衡性的相似点与不同点,结果表明：① 根据潮汐比特点,地铁站对骑行的接驳职能可划分为4类,分别为起始型,均衡型,到达型和不适合接驳地铁出行型,反映了各地铁站点的总体接驳特征;② 地铁站对接驳骑行的吸引区域与潮汐比特点有所差别,其主要影响因素为地铁站点的地理位置及周边土地利用类型;③ 对于时空均衡性分析结果而言,潮汐比对时空均衡性层面没有显著影响,其最大影响因素为周边土地利用类型。该分析结果能体现出厦门市早高峰期间与各地铁站接驳骑行的共享单车运行的差异性以及与地铁接驳效率的高低,以此来支持共享单车企业的重点区域调度和监管。     

北京市摩拜共享单车源汇时空特征分析及空间调度

共享单车是解决城市出行最后一公里的重要工具。然而,共享单车在使用过程中出现了供需时空失衡的现象,导致部分区域无车可用,而另一些区域却车满为患。这一现象不仅给用户带来不便,同时也降低了单车周转效率。解决供需失衡问题,关键在于探究共享单车供需失衡的时空分布特征。本文定义了共享单车的“源”、“汇”点,采用2017年5月10日至2017年5月16日北京市摩拜单车数据以及土地利用分类等多源数据,分析了共享单车工作日与周末,以及早、晚高峰期间强源、强汇点的分布特征,并结合土地类型信息分析了不同用地类型的单车使用模式,从而进一步提出了共享单车的空间调度模型。结果显示,在考虑不同土地利用类型的影响下,摩拜共享单车强源汇点分布模式具有明显的时空异质性：① 工作日单车使用量明显高于周末,且不同土地利用类型的源汇分布显著不同,如居住用地、商业金融用地等地净流入、流出密度更大,绿地等地区则相对较小;② 对比早晚高峰期间,同一地区的单车使用源汇模式极可能相反,如教育科研用地、商业金融用地等带有办公性质的地区会有“早汇晚源”的特征,而居住用地则是“早源晚汇”;③ 同一类土地利用在工作日与周末的早晚高峰期间,单车使用的源汇特征亦存在差异,如办公性质的地区在周末时源汇比例会明显产下降。基于上述结果,本文提出了一种局部优化的调度模型,并通过实际数据进行了检验。该模型在一定程度上可以解决车辆空间分配不均衡的问题,提高城市共享资源使用率,增加人们出行的方便程度。     

基于密度的轨迹时空聚类分析

通过轨迹聚类分析挖掘物体移动模式的空间分布和时间特征,对于认识运动的形成机制,预测运动的未来发展具有重要的意义。目前,轨迹聚类研究主要关注物体的空间位置变化,时空聚类中时间约束一般只是作为辅助信息,并不真正参与聚类。本文提出基于密度的轨迹时空聚类方法,在聚类过程中同时考虑轨迹包含的时空信息,在空间聚类的基础上提出了轨迹线段时间距离的度量方法和阈值确定原则,对时空邻域密度进行聚类分析,挖掘物体的时空移动模式。实验对南海涡旋轨迹进行时空聚类分析,得到了涡旋典型移动模式的空间分布和时间特征,验证了基于密度的轨迹时空聚类方法的有效性。加入时间约束后,移动通道主要发生缩短、分裂和消失的变化。和空间聚类相比,轨迹时空聚类可有效地划分发生在同一位置不同时间的轨迹,得到的聚类结果更加细化,移动模式更加准确,有利于物体的移动模式做更深入的分析。     

科学合作地域倾向性研究——以中国雾霾研究为例

科学合作是促进知识传播和共享的重要途径,已有研究表明,地理因素是影响科学合作的主要因素之一。然而,目前针对该问题的研究大多只是从科学计量学的角度,对科学合作强度与地理距离的函数关系进行描述,无法揭示科学合作在空间上的分布特征和内部差异性。因此,本文从地理学的角度,以中国雾霾研究的合作网络为例,通过对文献题录中的位置信息进行解析,将虚拟的科学合作网络映射到地理合作网络。在此基础上,提出了一种考虑地理距离的科学合作网络社区发现方法,挖掘科学合作网络中蕴含的空间聚类特征,从而对科学合作的地域倾向性进行反映。通过比较发现,基于合作频次与地理距离的社区发现算法,能够使社区内部的平均地理距离最小而合作强度最大,既反映了科学合作在地理上的近似性,又体现了科学合作强度特征。该方法能够直观地揭示科学合作中隐含的空间分布模式和联系,对其他复杂网络的地理社区划分也有一定的借鉴意义。     

地学数据共享网用户Web行为预测及数据推荐方法

网络环境下,如何让用户快速发现所需数据是地学数据共享平台长期面临的挑战之一。本文基于国家地球系统科学数据共享平台网站服务器日志数据获取用户搜索行为及数据集访问行为,使用聚类算法挖掘用户行为模式,并基于会话聚类 模式开发在线搜索和访问预测算法。在数据预处理阶段,对原始服务器日志数据进行清洗、用户识别、用户会话识别、搜索词提取。在模式挖掘阶段,采用DBSCAN算法对会话进行聚类。考虑到会话向量值的二元性,聚类算法中的距离采用Jaccard距离函数计算。视每个会话聚类包含的搜索词集合为一个文本,所有用户历史搜索词集合为语料库,统计各聚类中搜索词的TF-IDF值。在线搜索推荐,以搜索词检索各聚类中TF-IDF值,返回TF-IDF值最高的搜索词所属聚类,并给出该聚类的高频项目作为推荐。在线访问推荐,则以用户实时访问向量为查询向量,计算该向量与聚类中心的聚类。根据聚类排序,给出距离最近的聚类,并产生该聚类中高频项目作为推荐。实验结果表明基于TF-IDF和聚类的搜索推荐有较高的准确率和召回率,访问推荐效果基于高频统计的推荐有较大提高。研究可得出以下结论：① 地学共享网用户访问和搜索行为体现了专业性的特点,其行为较普通网站用户可预测性更好;② 对于地学数据共享用户行为预测,需明确定义用户行为,并采用合适的距离函数描述行为相似性;③ 通过搜索词TF-IDF值来预测用户数据需求的方法可行,以此产生的推荐可作为搜索结果的补充。本研究可服务于地学领域数据共享平台建设,提高共享服务质量,也可为其他领域科学数据共享提供技术方法借鉴。     

一种逐级合并OD流向时空联合聚类算法

现有OD流向聚类多将O点和D点相分离或者将OD流向看作4维空间的数据点进行聚类处理,忽视了流向长度、方向、时间对流向聚类的影响。本文以流向作为研究对象,提出一种基于流向间相似性度的逐级合并OD流向时空联合聚类算法。首先在充分研究OD流向的空间信息和时间信息的基础上,构建合理的OD流向间时空相似性度量方法,对OD流向间的时空相似性进行量化;然后提出逐级合并OD流向聚类策略,优化类簇合并的顺序,以减少层次聚类的时间开销,实现OD流向的时空联合聚类。以成都市的滴滴出行OD数据和纽约市出租车数据为例对本文方法进行了验证,结果表明：① 本算法聚类获得的流向类簇不仅带有空间特征还具备时间特征;② 在不同参数下本方法可以得到不同时空尺度的聚类结果;③ 与现有较高水平的流向聚类算法相对比,本文方法的聚类效果更好。这体现在流向类簇内部的流向之间有着充分的相似性,以及本文方法不仅可以提取出显著的流向类簇,还可以提取出非热点区域之间的流向类簇。本算法顾及空间因素和时间因素,可以通过调整时空相似性度量方法中的时间参数和空间参数以实现不同时空尺度的流向聚类,这使得从不同时空角度研究城市居民出行模式成为可能。本文提出的OD流向时空联合聚类算法从联合时间信息和空间信息的角度获得对运动数据的新见解,有助于合理全面地研究居民的移动模式、区域之间的空间联系、已知出行结构的确定以及出行目的的探索,是后续一系列分析工作的基础。     

Spatial Accessibility to Shopping Malls in Nanjing,China: Comparative Analysis with Multiple Transportation Modes

This study attempts to evaluate the rationality of the spatial layout of shopping malls and identify the urban area with poor shopping mall accessibility, as well as to provide a reference and assist decision-making for planning. Using the case of Nanjing, China, this study developed a method to evaluate the accessibility of shopping malls by three transport modes(car traffic, public transit, and bicycle). Specially, we divide the urban space into a regular hexagonal grid and harvest the total travel time from each of 7204 hexagon centroids to each of 129 shopping malls using the Baidu Internet map. The door-to-door travel time approach is used to evaluate all travel stages(walking, waiting, transfer, and transportation) based on travel time calculations. We further divide the shopping malls into two levels(super-regional and regional) based on the Dianping App's information and develop the indicator of accessibility to shopping malls: the number of shopping malls within tolerance time thresholds and apply the closest facility and cumulative opportunities methods to measure accessibility scores. The results show that the accessibility estimations vary greatly with transport modes. The accessibility of shopping malls presents a concentric ring trend centered on the city center under the car traffic and bicycle modes. And public transit accessibility tends to axially extend due to the topology of bus routes and metro lines. In particular, we observe that the accessibility of shopping malls in Nanjing has an uneven spatial distribution pattern, with high accessibility values in the central urban areas and lots of underserved areas in urban fringe regions. Based on the accessibility measurements, we finally map the poor accessibility area and propose corresponding implications for urban planning.     

Spatial Structure of Urban Residents' Leisure Activities: A Case Study of Shenyang,China

The spatial characteristics of residents' leisure activities not only reflect their demand for urban leisure space but also affect the urban spatial layout. This study takes Shenyang, China as an example and analyzes the characteristics of residents' leisure activities through questionnaires. On this basis, it uses point of interest data and mobile phone signaling data to identify various types of residential and leisure functional relationships, and uses spatial analysis and community detection to assess the distance characteristics, flow patterns, and community structure of residents' leisure activities, so as to discuss the spatial structure of residents' leisure activities in Shenyang. The results showed that: 1) in addition to leisure at home, Shenyang residents mainly went to shopping malls, supermarkets,and parks for leisure activities, and the proportions of residents of the two types of leisure activities were approximately equal; 2) the average distances that residents traveled for shopping and park leisure were near in the middle and far in the periphery, and the travel costs of peripheral residents for centrally located leisure were higher than those for residents in central areas; 3) the flow patterns of the residential-shopping and residential-park functional relationships displayed clustering mode characteristics, and Shenyang presented a significant monocentric structure; and 4) residents' shopping activities were concentrated in the southern community, and walking in the park activities were concentrated in the western community. Residents' leisure activities were characterized by centripetal agglomeration,which was prone to problems such as traffic congestion and big city diseases. The spatial expansion process in the city was characterized by obvious directional inheritance and path dependence, and the construction of sub-cities is needed to improve the related service facilities.     

Social construction functions of consumption space under stratification: The case of Guangzhou

As Chinese cities rapidly transformed themselves into consumerist societies, the relationship between consumers and consumption space under stratification has become a new research area in the field of urban social geography. Based on a consumer behavior analysis, this study explores the relationship between consumption space and the social strata of consumers in typical shopping malls in Guangzhou where the first shopping mall in China was built. The result shows that shopping malls have performed significant constructive functions of organizing consumers from different social classes into different consumption space. For middle- and upper-class consumers, the function of shopping malls centers on utilitarian consumption, identity recognition, and identity construction; whereas for lower-class consumers, its function revolves around pleasure and enjoyment. The symbolism of consumption space is the underlying reason for shopping malls to have their social constructive function. The findings of this research suggest that: 1) a shopping mall is a productive consumption space and a geographical space with subjectivity; 2) the micro-location of a shopping mall has social construction function; and 3) symbolic consumption is the core of social construction.     

基于轨迹偏移算法的居民就医时空特征与空间格局分析

居民就医时空特征与空间格局反映了医疗设施的服务能力与布局合理性。本文以厦门岛为例,采用出租车轨迹数据,探讨了居民就医的时空特征和空间格局。论文提出了基于道路中心线的研究单元划分方法;提出OD轨迹偏移算法,更精细地提取出三级医院的就医OD数据,改善传统的缓冲区分析法中精确度较低的问题;对居民就医行为进行时空特征分析;基于就医意向与K-means聚类算法分析了居民的就医空间格局。结果表明：① 相对于传统的缓冲区分析,使用OD轨迹偏移算法提取医院的就医OD数据时,不要求OD数据具有较高的定位精度,仅通过偏移OD点坐标即可更加准确与完整地提取就医OD数据,精度提高约30%以上,并适用于所有浮动车轨迹数据;② 居民就医高峰期在7时与14时,休息日日均就医人次为工作日的2倍,当就医出行距离大于1 km时,就医出行人次随着出行距离的增加不断减少,整体符合韦伯分布函数;③ 居民就医时首要选择中山医院、第一医院或中医院,就医选择具有显著的区域性差异,反映居民临近就医的习惯,厦门岛西南部区域医疗资源十分充足,居民首要选择的就医最大出行距离在4 km以内,而西北部与东南部区域的居民首要选择的就医出行距离多在10 km左右,医疗资源较为匮乏,亟待加强;④ 厦门岛三级医院的吸引力具有明显的层次性,居民的强就医意向 （P_ij>33%）的医院皆为中山医院、第一医院与中医院中的1所,这3所医院的服务范围基本包括整个厦门岛,对居民有着较强的吸引力,居民对其余6所医院的就医意向值在0~33%之间,服务范围基本为医院临近的一些区域,吸引力与服务能力相对较弱。研究结果不仅为挖掘居民就医时空特征提供方法参考,还为后续医疗设施资源空间配置优化提供决策支持。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

基于主成分Logistic模型的商圈吸引力因子分析

重力模型是地理学的经典模型之一,常用于解释和预测人口、货物、交通、财富等的移动现象。其中Huff模型被广泛用于预测商圈规模,但目前多数研究以商场的面积作为吸引力的度量指标,不能准确反映商场真实的吸引力,造成模型预测的误差。本文针对Huff模型常使用规模表达商圈吸引力的不足,在对购物中心吸引力进行总结的基础上,选择了深圳市5个具有代表性的大型购物中心（或商圈）进行问卷调查。利用因子分析方法识别出6个影响购物中心吸引力的因子：可达性因子、环境因子、私家车出行因子、多功能因子、商品因子和个人特征因子。基于主成分Logistic模型,分析购物中心吸引力的显著影响因素及权重。最后,通过对比不同参照系下购物中心的显著性因素,对商圈吸引力因子进行可靠性检验。本文的分析方法及结果可为Huff模型等的精细化建模提供基础。     

大型商场顾客消费行为轨迹推断

如何获取大型商场内海量顾客消费行为一直是行为地理学面临的难点问题,而近年来爆发式增长的室内轨迹数据为这一问题解决提供了机遇,但室内轨迹的语义信息缺失、数据质量差等问题给推断顾客消费行为造成了挑战。本研究提出了一种顾及文本-轨迹的商场顾客消费行为轨迹推断框架,无需隐私敏感的顾客消费记录数据,可以获取大量顾客消费行为,该方法通过爬取室内店铺的网络文本,增强室内店铺语义属性,进而实现顾客几何轨迹到语义轨迹的转化提升,并引入了轨迹嵌入特征表示学习方法,捕捉群体轨迹之间的移动特征,综合轨迹移动特征、轨迹语义特征及顾客嵌入特征,通过高维聚类实现了大型商场顾客消费模式的推断。通过某大型商场7045位顾客的真实轨迹进行实验分析,实验结果表明,本文提出的方法与传统特征提取方法相比,聚类结果在轮廓系数上提升最高达69.8%,顾客消费行为提取准确率更高。研究发现,室内顾客移动具有一定楼层倾向性,并且室内空间结构如店铺位置、扶梯位置、功能区划分等,会影响顾客消费模式。本文提出的方法可以有效识别不同消费水平、移动特征的顾客群体,实现顾客消费行为的轨迹推断。