广州城市道路网的社会分异——基于轨迹大数据的出行分布性别差异

社会空间分异是人文地理学研究的重要议题,以往研究主要聚焦基于居住地和活动地的分异现象,缺乏对道路网社会空间分异的关注。本文以广州市中心区域为例,结合日常活动空间理论和空间分析方法,基于手机轨迹大数据,研究不同性别群体日常出行的城市道路网社会空间分异现象及其影响因素。结果显示：基于性别差异的城市道路网社会隔离指数高于居住地、低于就业地,在14:00—15:00时段达到峰值;不同性别群体在路网中的分布总体呈现不均衡的集聚特点,其中女性集聚程度更高;不同性别群体的出行分布和分异受到路网周边建成环境因素的影响;物流运输业就业密度的提高、小学数量的增多或道路等级的提高都会显著提高男性相对出行量,而社会服务业就业密度的提高、菜市场数量或公交站点数量的增多以及到市中心距离的减少都会显著提高女性相对出行量,这些与个体家庭和职业分工的性别差异有一定的关系。本文通过理论假设和实证分析,验证了家庭和职业的分工决策是影响道路网出行分布性别分异的深层次原因,也是解释社会空间分异的重要理论视角。研究结果有助于认识和挖掘基于城市道路网的社会分异现象及其影响机制,并为完善道路网络及周围设施的布局与建设提供借鉴。     

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。