基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。     

基于手机数据的北京市城市与近郊交互模式挖掘

在城镇化进程中,城市与近郊之间通过职住、货运、游憩等活动产生越来越紧密的交互联系,对于这些交互联系的准确识别和定量刻画,是理解城乡空间关系的重要手段,也能为城市的资源有效配置与合理规划提供重要的现状信息。本文通过对全北京在一日之内的手机信令数据所反映的人群移动轨迹的深入分析,融合城市的POI信息形成顾及人类活动时空信息的空间交互类型推断。以北京市为例,对城市中心与近郊之间远距离的强交互进行定性、定量和定位的探索。本文发现了北京市多尺度下空间交互模式和距离衰减规律,判断了城乡异常交互类型,对比了城乡之间和城市内部的交互模式的异同,以及基于交互类型视角提取了城乡异常交互的空间特征。研究认为,基于手机信令数据,利用停留点提取和高斯核密度估计的空间交互类型推断有效地发现了北京市周末的远距离出行类型特点,提取了其空间交互强度和空间特征,揭示了基于人类活动的北京市周末城乡交互模式。     

基于N-KD树的空间点数据分组算法

随着科学技术的进步,地理空间数据的分析处理面临着数据量膨胀和计算量高速增长的双重挑战,为了解决海量数据处理速度慢的问题,本文针对空间分布不均匀的点数据,从数据并行的角度,以保持数据的空间邻近性及保证数据分组后各组数据量负载均衡为目标,提出基于N-KD树（Number-K Dimension Tree）数据动态分组的方法,其是一种面向实时变化（数据量和数据空间范围变化）的空间数据动态分组方法。该方法借鉴K-D树的创建和最临近点搜索的思想,通过方差判断数据分布稀疏程度,利用最临近点搜索方法处理边界点,实现空间范围的不均等切分,保证数据分组后各组数据量基本均衡。试验表明,该方法具有较好的动态分组效果与较高的计算效率;支持各种分布状态的空间点数据的分组;分组后各组数据量负载均衡;分组算法本身有支持并行、支持分布式协同工作模式的特点。     

基于密度的线数据分组算法研究

目前,地理空间数据面临着由于数据量膨胀和计算量高速增长而引起算法效率低的问题,采用"分而治之"的数据分组策略提高运算效率已成为研究的热点。面向分布不均匀的线数据,本文提出了基于密度的线数据分组算法(简称LGAD)。首先,算法通过查找高密度区提取样本线段,保证了分组算法的起点落到高密区;其次,考虑线空间拓扑关系的复杂性,引用水平、垂直和夹角距离度量线段间距离,创建样本线段与其他线段的距离矩阵;最后,以距离矩阵和最优选择方法实现数据负载均衡分组。实验结果显示,对数据分组和分组后数据进行线段聚类的2个过程中,该算法体现了较好的时间优势,与串行计算相比,在分组数为2-12 时,平均比率达4.3,提高了应用的响应速度,具有较好的实际意义。     

基于多源时空大数据的区际迁徙人群多层次空间分布估算模型——以COVID-19疫情期间自武汉迁出人群为例

已有研究很少关注区际迁徙人群在不同尺度上空间分布的动态估算问题。COVID-19疫情爆发以来,坚决防止疫情扩散成为社会最紧迫的事情。在2020年1月23日武汉“封城”前夕,已有500多 万人离开了武汉,快速准确地推算这部分人群的去向,可以为防止疫情扩散和制定防疫决策提供科学依据。本文以此为例,基于开源腾讯位置请求大数据、百度迁徙大数据、土地覆盖数据等多源地理时空大数据,提出一种区际迁徙人群多层次空间分布动态估算模型,用于推算2020年除夕 （2020年1月24日）之前从武汉流入湖北省内各地的人群数量及其分布特征。结果显示：① 春节时段湖北省各地级市农村地 区人群增加数量占人群变化总量的比例平均达124.7%,从武汉市迁入各地级市的人群中至少51.3%流入农村地区;② 区县尺 度人群变化总量的空间分布呈现3个圈层结构：第一圈层为疫情核心区,包括武汉及其周边地区,以人群流出为主;第二圈层为 重点关注区,包括黄冈、黄石、仙桃、天门、潜江、随州、襄阳,以及孝感、荆门、荆州和咸宁的部分地区,以人群总量和农村地区人 群数量大幅增加为主;第三圈层为次级关注区,包括湖北西部宜昌、恩施、神农架和荆门部分地区,以人群小幅流入为主。最后,建议湖北省内,尤其是位于第二圈层内的区县,应高度关注农村地区人群的疫情防控。此研究成果在2~3天完成,显示大数据是可以快速地响应重大公共安全事件,为决策的制定提供一定支持的。     

基于手机信令数据的北京市空间品质时空动态分析

提升城市功能,增强城市承载力成为城市规划发展的新目标,城市空间品质研究已经成为目前城市规划研究的重点和难点,但是目前空间品质的研究存在动态连续性和空间精确性不足的问题。本文基于手机信令数据获取的城市内部全天的动态人口信息,以街区为尺度定量评价北京市五环内不同功能类型街区的空间品质指数一天内的动态变化,并进行时空分布特征、变化模式以及与人口活跃度关系的分析。结果表明,北京市五环内空间品质随人群活动的变化存在不均衡性,且在时间、空间、功能性质方面存在显著的分化。具体为：空间上城市内环与外环、城市南部与北部的品质差异显著;时间上大体呈现“陡降-低值稳定-陡升-高值稳定”的不稳定趋势;不同功能类型上有着特殊的变化模式,并且功能区之间的空间品质均值差距较大,夜晚街区的居住空间品质在城区内存在明显的等级差异性。这些结果为微观尺度下城市的资源分配和合理规划发展提供了参考和建议。     

青藏高原人口流入流出时空模式研究

在大数据时代,来自网络的人口迁徙数据,为开展区域间人口流入、流出模式研究提供了强有力的数据支撑。本文基于腾讯日迁徙数据（2015—2018年）,借助时间序列、社交网络和时空统计等分析方法,剖析、挖掘了青藏高原人口流入与流出模式,探讨了青藏高原与国内其他城市间的季节性人口流向和人口互动网络特征。结果表明：① 青藏高原人口流动具有显著的周期性特征,年内呈低—中—中高—高的季节性变化规律;2015至2018年,青藏高原在全国城市流动人口互动网络中的地位持续提升,人口流动量提升了8.2%,网络排名提升了24.5%,中值季、中高值季和高值季相对低值季而言,日均人口流动量依次增高14.2%、26.7%、57.8%;② 青藏高原人口流动方向集中在青藏高原NEE-67.5°至SEE-112.5°的45°扇形区间,并且青藏高原与周边省份的省会城市互动频繁;③ 全国大部分城市与青藏高原人口互动强度持续增强,旅游业起到了关键的推动作用;新疆和田和巴音州、重庆、广安、眉山和河南三门峡与青藏高原间呈现中值季—中高值季升高而高值季下降模式,反映了青藏高原的劳务输入存在季节性变化的规律;吐鲁番、东莞和运城出现高值季下降模式则主要是物资供给关系导致的结果。