轨迹数据的时间采样间隔对停留识别和出行网络构建的影响

个体轨迹数据已经广泛用于人群活动的研究中。在静止的局部空间开展的活动是个体日常生活的基本元素,在轨迹数据中对应停留部分。因此学者常从轨迹数据中识别停留来研究个体活动信息。然而,轨迹数据的时间采样间隔会对停留识别带来影响。针对该问题,首先提出了一个框架,量化不同持续时间长度的活动在不同时间采样间隔的轨迹数据中被识别为停留的概率。其次,考虑到个体出行网络依赖于停留识别结果,基于该框架,研究分析了时间采样间隔对出行网络分析结果的影响。最后,利用该框架分别对深圳市居民出行调查数据和手机轨迹数据进行了分析。研究表明,在面向人群活动的研究和应用中,该框架能支持时间采样间隔的选择决策和面向活动类型的研究结果评价。     

基于IC卡综合换乘信息的公交乘客上车站点推算

现有研究在缺少公交车运营信息的情况下,利用公交线间正交换乘信息的方法来识别公交车持卡乘客的上车站点,但在实际运用中很多班次无正交换乘的乘客,容易导致公交乘客上车站点匹配困难。因此,本文提出了一种基于IC卡综合换乘信息的公交乘客上车站点推算方法,该方法充分利用IC卡数据中的综合换乘信息（公交线间的正交和非正交换乘信息、地铁和公交线间的换乘信息）与公交网数据确定班次行驶方向,对班次内的乘客进行分组,充分利用综合换乘信息确定基准组及其对应的上车站点;然后,通过最小偏差规则匹配待定组的上车站点,实现公交乘客上车站点的推估。利用换乘信息确定班次行驶方向弥补了现有研究无法确定班次行驶方向的不足,使公交乘客上车站点推算方法更科学;最后,基于2011年8月的“深圳通”IC卡数据进行实例分析,对比只利用正交换乘信息确定的基准组数量和利用综合换乘信息确定的基准组数量,结果表明：该方法可使确定上车站点的组数占总组数的比值提高,克服了只利用正交换乘信息推算上车站点方法中存在的单个班次无基准组从而无法进行站点匹配的困难。本文方法比只利用正交换乘信息匹配站点,具有更高的可行性与准确率。     

"全球新型冠状病毒肺炎(COVID-19)疫情时空建模与决策分析"第二期专栏导言

新冠疫情的全球大流行已持续近两年.截止目前,全球范围内,超过2.5亿人感染新冠肺炎,超过500万人因新冠肺炎去世.新冠病毒持续变异,当前全球主要流行的变异毒株德尔塔病毒传播力更强、传播速度更快.在疫苗接种、新药应用、毒株变异等众多因素的共同作用下,全球新冠疫情仍然延绵不断、充满变数.在这场长期持续的重大公共卫生战斗中,疫情动态的时空建模与可视化决策分析是支撑疫情防控的必不可少的科学武器.     

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。     

从大规模短期规则采样的手机定位数据中识别居民职住地

使用大规模手机定位数据获取居民职住地分布是大数据趋势下城市研究的新兴技术。然而,现有的研究主要使用了长期不规则稀疏采样的手机通话数据,对短期规则采样的手机定位数据缺乏尝试。基于大规模短期规则采样的手机定位数据,提出了一种居民职住地识别的方法。这是首次从大规模短期规则采样的手机定位数据中进行居民职住地识别的尝试,并对识别结果进行了较全面的验证。该研究成果为职住平衡等相关城市问题研究探讨了一种新型大规模数据源的可行性,在低成本大幅度提高相关研究的样本代表性和分析结果可靠性上具有重要意义。     

利用手机通话位置数据估计城市24 h人口分布误差

手机通话位置数据已经成为全球范围内广泛使用的人类活动研究数据,其为高时空分辨率的人口分布估计提供了一种新的途径。然而,手机通话位置数据具有不规则稀疏采样的特点,其反映出的人口分布可能具有一定误差。本研究以深圳市为例,首次结合24 h连续定位的手机信令数据,分别从时间和地理维度量化分析了使用手机通话位置数据估计24 h人口分布的偏差,同时探讨了剔除低频用户对上述偏差的影响。本研究揭示,在居民活跃时间段,使用通话用户的分布估计人口分布时,相对误差的中位数在25%~30%之间;城市内部的土地利用类型与通话用户人口估计偏差具有显著的关联;剔除低频用户会略微减小土地利用对人口分布偏差的影响。本研究成果可帮助理解手机通话位置数据在估计高时空分辨率人口分布上的局限性和适用性,为合理使用手机通话位置数据进行相关研究和应用提供科学依据。     

深圳市快速抑制COVID-19疫情的非药物干预措施效果评估：基于智能体的建模研究

在2020年COVID-19第一波疫情中,通过一系列非药物干预措施,国内许多城市实现了疫情的快速抑制。对这些交叉叠加的多项干预措施进行单项措施的效果评估,识别出关键的防控策略,能够为未来的疫情防控提供重要的经验与科学依据。本研究以深圳市为例,利用融合了多源时空轨迹大数据的空间显式智能体模型评估深圳市快速抑制第一波疫情的各项非药物干预措施效果,识别出核心措施与辅助措施。模拟结果显示,在深圳市第一波疫情中,单项干预措施有效性从高到低依次为居家令、综合隔离、佩戴口罩与分批复工。其中,居家令或综合隔离均能有效抑制疫情的大范围暴发,被本研究称之为核心措施;佩戴口罩或分批复工则只能从不同程度上降低总体感染规模并延缓疫情峰值,并不能抑制疫情暴发,被本研究称之为辅助措施。考虑到社会经济成本以及常态化防疫中人群依从性降低,本研究建议在COVID-19 散发疫情防控中将核心措施与辅助措施相结合,重点实施各项隔离措施,同时将外出佩戴口罩作为疫情常态化防控手段。此外,本研究展示了结合时空大数据与智能体模型精细化模拟城市内部传染病扩散过程的优势：不仅能在城市内部高精度推演疫情发展过程,而且能够支撑评估面向个体及各类型出行活动的非药物干预措施实施效果,为制定针对性、精细化的“时间-空间-人群”防控策略提供重要的科学依据。     

城市人群聚集消散时空模式探索分析——以深圳市为例

城市中人群的移动是带有目的性的,城市空间结构功能也存在差异,导致人群在城市中出现聚集或消散的现象,而且该现象会随着时间不断变化。本文基于海量的手机位置数据,以深圳市为例,采用自相关分析识别出城市中人群聚集与消散的区域,然后将这些区域一天中人群聚散组合成时间序列矩阵,采用自组织图聚类方法（SOM）进行聚类得到9种典型的人群聚集、消散时空模式,结合土地利用现状数据,分析解释了每种聚散模式最可能出现的土地利用组合。该研究从聚集和消散的角度探索了城市人群移动的时空模式,进一步帮助理解城市不同区域人群的移动模式以及与城市空间结构功能之间的关系,对城市规划、交通管理具有参考和指导意义。     

面向机动车出行OD监测的目标路段选择算法

机动车在感兴趣区域（例如景点或小区）之间的出行起始和结束（Origin-Destination,OD）信息反映了居民使用机动车出行的活动需求分布,是建立城市智能交通系统中交通需求分析与管理的基础信息之一。数量充足的监测设备能够收集的机动车出行信息更为精细,最终构建的OD信息可用性更强。然而在实际应用中,设备数量往往因为预算情况而存在限制。在设备数量有限的情况下,分析如何选择监测路段来实现OD信息可用性的最大化具有重要应用价值。考虑到感兴趣区域的空间精细程度直接影响监测设备的需求,首先采用层次聚类思想调整感兴趣区域的空间精细程度;然后,根据道路交叉口车流量守恒原则,探测冗余监测路段来进一步降低对监测设备的需求。本研究基于上述2步操作来实现给定数量设备监测能力的最大化。该算法以摄像头为例,在深圳市大鹏半岛区域进行了实验。结果显示,该算法能够支持在不同摄像头数量限制的情况下制定监测路段的选择方案,表明了算法的有效性。     

基于滑动窗口的手机定位数据个体停留区域识别算法

手机的普及使手机定位数据成为分析个体时空行为特征的新兴重要数据源之一,并被逐渐应用到人口管理、城市规划、交通分析和流行病防控等众多领域的研究中。从手机定位数据中识别个体的停留区域是众多基于手机定位数据研究的重要基础环节。然而,当前常用的手机定位数据定位精度相对较低,且往往存在定位震荡和定位漂移导致的数据噪声,这些因素增加了从手机定位数据中识别停留区域的难度。为了提高从手机定位数据中识别个体停留区域的准确性,本研究结合个体行为的时空连续性,提出了一种基于滑动窗口的增长聚类算法。实验结果显示,相较常用的ST-DBSCAN算法和SMoT算法,对于采样时间间隔稀疏的手机定位数据,本研究提出的滑动窗口聚类算法在准确率方面的提升幅度最大可以达到35%。由于隐私问题,当前研究和应用中使用的大规模手机定位数据集中的时间分辨率往往较低,因此,本研究提出的滑动窗口聚类算法具有较为广泛的应用场景,可增强基于手机用户停留区域的众多研究结果的可靠性,为手机定位数据的广泛合理应用提供关键技术支撑。