基于手机信令大数据的机场腹地识别算法研究

机场腹地是完善和管控机场地表集疏运网络的基础依据,传统的机场腹地测算方法在时效性、准确性、解析性等方面已无法满足经济全球化时代事件管控和精准服务的需求。该文基于手机信令大数据构建新的机场腹地识别算法,并利用中国联通河北分公司提供的石家庄机场2019年10月2-8日的手机信令数据,识别石家庄机场腹地范围,通过测算不同尺度行政单元的进/出港旅客出行强度,揭示机场腹地内部结构的多尺度特征。研究发现:1)超过95%的出港旅客的出发地位于以机场为中心、200 km为半径的圆形区域内,或位于以机场为目的地的90 min等时圈内。2)市级尺度机场核心腹地为石家庄,主要腹地是保定,次要腹地是衡水、邢台、沧州和邯郸,6市进/出港旅客数量占比超过99%;县级尺度进/出港旅客的出行强度呈现圈层结构,且以机场为中心,向外逐步衰减;在乡级尺度,机场腹地不再连续,交通线附近出行强度高;村级尺度进/出港旅客出行密度呈现出城市>建制镇>村庄的特征。该算法为监测机场腹地的时空动态特征提供了工具,也为构建机场腹地的个性化扎根理论提供了支撑。     

手机信令数据在职住空间、出行行为和交通碳排放研究中的应用进展与前景

手机信令数据具有覆盖范围广、获取成本低、时空精度较高、稳定实时追踪等优势,能够有效识别大规模人群的空间活动和出行特征,已成为应用最广泛的交通大数据类型之一。文章在手机信令数据的分类和特征基础上,总结了其在职住空间关系和交通出行行为研究中的技术应用,随后结合上述应用成果和已有文献对其在交通碳排放研究中的应用潜力和场景进行了探讨,最后总结了手机信令数据在职住空间、出行行为和交通碳排放研究中的应用框架、应用机遇与挑战以及未来研究内容与技术创新方向。目前,手机信令数据在职住空间领域中的应用包括职住地识别、职住关系和通勤网络特征及其影响因素解析,在出行行为领域中的应用包括驻留-出行识别、出行方式和路径识别,以及人群移动普适规律解析。以上技术应用能够有效服务交通碳排放领域研究,为交通碳排放测算以及城市空间结构、居民出行行为对交通碳排放的影响研究奠定了基础。未来,相关研究应进一步关注长时序动态追踪、大范围对比分析以及人口和交通新现象研究,并注重多源数据的融合、传统方法与机器学习的结合以及数字孪生模型的构建。     

机场服务质量对航空出行选择行为的影响——以粤港澳大湾区为例

文章立足于旅客心理感知,基于随机效用理论,运用SEM-Logit模型方法,探讨机场服务质量的关键维度对粤港澳大湾区航空出行选择行为的影响。结果表明：1）航空出行选择行为并不是对行为意向的简单线性扩展,作为机场服务质量的2个关键维度,强制性流程服务是旅客在机场无可避免且耗费时间最长和最为繁琐的流程,在该过程中的优质服务水平和质量对旅客存在无形吸引力,特别对商务出行旅客在机场-航空公司方案的比选中存在显著影响;2）设施设备和环境虽然不是旅客普遍性考虑因素,但旅客对其感知差异明显表现在机场群内不同机场类型之间;3）预计起飞时间差异、机型、准点率、航班班次、航班价格等其他因素均存在显著影响,且抵达机场时间、航班飞行时间等时间成本是核心影响因素;4）旅客对航空公司类型并不存在明显偏好,但低成本航空公司的入驻对区域机场竞争存在明显的抗风险能力。     

个体时空行为的规律性与可预测性研究——以上海市居民工作日活动为例

理解居民日常行为的规律性和随机性是空间行为研究从行为描述向行为预测推进的基础,对空间政策的制定具有重要意义。论文从上海市10个工作日的手机信令数据中提取个体的时空轨迹,从规律性的视角展开多方面分析。首先,根据活动的周期重现、前后联系等特征界定了无出行(包括仅有短距离出行)、仅有随机出行、有规律工作出行和有其他规律出行4种时空行为模式,发现后2种强规律性模式的人数、出行次数、出行距离的占比分别为49.3%、83.6%、82.0%。然后,测度了个体时空轨迹的熵值,推算出个体时空位置的平均可预测性高达0.84。这些结果均表明居民工作日的时空行为整体上具有非常强的规律性。在此基础上,论文还分析了不同行为模式、个体时空位置可预测性的空间分布,发现了强规律性模式人群在外围郊区密集分布等一系列特征,体现了城市空间环境的差异对行为特征和规律性的影响。     

中国小机场支线航空的空间格局与服务水平

系统梳理了国内外支线航空的概念,总结出支线航程800 km的判断标准,采集了2014年旅客吞吐量10万人次的机场的航线数据,分析了这些小机场的支线航空发展的总体水平和空间分布特征。结果发现:小机场的支线发展总体水平不高,只有41%的航线符合支线定义,主要分布在中国西部地区;支线的运营效率要优于非支线,前者的平均起降频次是后者的2.3倍,且满足每天≥1班频次的航线中支线航线占了53.1%,且估算表明平均上座率支线比非支线高近10%。     

机场群研究进展与展望

机场群是国内业界及学界的重要实践创新,并逐步成长为航空运输地理学的新兴研究领域之一。国内机场群的相关研究整体呈现3个阶段：2007年及之前的萌芽阶段、2008—2016年起步发展阶段及2017年以来的繁荣发展阶段。相关研究主题主要涉及6个方面：① 发展过程与组织模式甄别,② 腹地市场及地面交通衔接,③ 航空联系与航线网络优化,④ 旅客出行行为及机场选择,⑤ 机场规划布局与评价分析,⑥ 机场竞合关系及区域协同探讨。基于地理学的研究视角,机场群未来的研究应重点关注3个方面：一是明确机场群概念的空间内涵,加强实证研究分析,建立机场群空间组织模式识别的理论与方法体系;二是以城市群为基底构建机场—腹地“空间流”大数据体系,探讨机场群的时空模式与发展机制;三是探索指导机场群及其协同区域的资源开发及优化的实践方案。     

乌鲁木齐国际机场时刻资源与航线布局的时空网络模式分析

航班时刻是一种无形的资源,其数量和价值与空域和机场设施资源紧密联系,是航空公司创造收益的前提和保障。深入分析航班时刻资源有助于揭示航空资源的时间空间配置模式与利用潜力。以乌鲁木齐机场为研究对象,收集航班信息数据,从定量分析的角度评价乌鲁木齐机场时刻资源与航线布局现状,以不同时段为时间单位,考察机场24 h内航班时刻资源配置结构,总结其时间结构分异特征与形成机制;从空间角度分析机场航线布局结构与时刻分异特征,重点分析机场未来面向中亚、西亚乃至欧洲境外航线布局与时刻资源分配的潜力。研究表明:航班时刻资源具有时间异质性,大致形成高峰航段、黄金航段或低谷航段等时刻类型,这与时刻分配规律、旅客出行行为习惯有关;航线布局具有空间分异特征,存在联系密集区和稀疏区,与地区间经济社会发展不平衡以及机场在省内、省外、国际市场空间中的不同作用有关,机场航线组织模式主要表现为省内以乌鲁木齐机场为中心的网状区域模式以及连接省外及国外通航城市"点对点"式航线模式。部分进出港航班时刻重叠主要集中在上午高峰航段、中午黄金航段、下午高峰航段、下午黄金航段以及晚小高峰航段,表现为这几个航段内进出港航班相对较为密集,航班进出港时刻的重叠在一定程度上受到航段划分的影响。     

基于居民时空行为的社区日常活动空间测度及活力影响因素研究——以南京市沙洲、南苑街道为例

新时期人本导向的社区生活圈规划转型关注居民的日常活动对社区空间的利用情况,从而反映出居民对社区公共服务设施的使用需求.但目前研究较少关注不同类型居民的差异化时空行为特征,不能有效应对社区居民的差异化需求.论文结合行为地理学的理论,利用手机信令数据,基于居民出行活动的频率和密度测度其核心活动空间和弹性活动空间,分析不同类...     

个体移动轨迹—滑动窗口方法与航空流异常变化识别——以京沪空中廊道为例

航空流异常变化识别是解释空中廊道拥堵和空域资源充分利用以及航空流重新分配的一个重要基础性课题。该文设计了个体移动轨迹—滑动窗口方法,选取京沪空中廊道内全部航线和机场为研究对象,从FlightAware系统中获得1日17 h全部航班的航迹点数据,识别了异常流量密度、异常区域和异常移动轨迹。研究认为:1)利用移动描述符(飞行弧)在时态数据流支持下所设计的方法,能实现个体移动点的分时段分配和时空一体化表达。2)依据该方法识别的京沪空中廊道航空流异常流量密度(峰值高点以及运动)、异常区域(约束区域和空闲区域)、异常移动轨迹(速度变化与绕飞、方向变化与盘旋),不仅揭示出时空路径中的航空流隐藏信息以及时空运动规律,而且支持了航线更改决策制定。     

复杂网络视角下时空行为轨迹模式挖掘研究

针对时空行为轨迹大数据的序列性、时空交互性、多维度性等复杂特性,构建结合时间地理学与复杂网络的分析框架,建立时空行为路径与时空行为网络之间的转换关系,利用复杂网络社群发现算法对时空行为轨迹进行社群聚类、模式挖掘与可视化。基于北京郊区居民一周内活动出行GPS轨迹数据的案例分析发现：① 复杂网络分析方法可以有效挖掘具有相似行为的群体特征和识别出典型的行为模式。② 可以灵活处理多元异构与多维度的行为轨迹大数据以及满足不同叙事、不同空间相互作用、不同时序的应用需求。③ 北京郊区被调查居民的行为模式存在日间差异与空间分异。     

京津冀地区民用机场交通可达性空间特征分析

为了定量研究京津冀地区民用机场交通可达性的空间特征,基于京津冀地区公路网数据、铁路网数据和城市地铁网数据,在总结前人研究的基础上,运用Arc GIS的空间分析模块,进行成本距离分析,生成京津冀地区民用机场可达性空间分布图并进行深入分析。结果表明,京津冀机场可达性呈现南高北低、东高西低、中间地区强于边缘地区的态势,其中东部机场可达性最好,北部机场可达性最差,机场时间可达性集中在1.5h-6h时段,约占整个区域的51.1%,京津冀地区机场可达性整体较差;按照本研究定义的有效服务面积,该地区机场有效服务面积分为三个梯队,第一梯队为正定机场、首都国际机场和滨海国际机场;第二梯队为邯郸机场、三女河机场;第三梯队为宁远机场和山海关机场。从该地区机场可达性时段来看,在0-1.5h范围内,首都国际机场的服务面积最大,约占该范围面积25.23%;在1.5-3h和3-4.5h范围内,正定机场的服务面积最大,约占23.5%和21.9%。从研究结果来看,京津冀地区民用机场发展不平衡,需要改善京津冀地区的机场布局,在北部和西部增加机场,扩展有效服务面积;其次着力改善机场所在区域的交通网络建设,扩大现有机场的有效服务区域;最后,明确京津冀区域现有和新建民用机场的功能定位,大力发展区域枢纽机场,提高航空服务资源使用效率。     

不同交通方式下居民城际出行网络结构特征——以“春运”为例

基于多元视角下的居民城际出行网络空间结构测度可以较为全面地刻画出城市间的复杂联系特征。论文利用春运期间腾讯迁徙平台中的人口流动数据,采用复杂网络分析方法以及转变中心性和转变控制力等指标,对比分析了航空、铁路和公路3种交通方式下的中国居民城际出行网络结构特征。结果表明：3种出行方式下,航空联系的线路最少,平均出行距离最长;铁路出行人数最多,其次是公路,航空最少。最大优势流中,北京和上海在国内航空出行联系中起着最重要的控制作用,其次是成都和重庆;铁路出行中,北京和成都占据绝对优势;公路多表现为省级行政中心与周边城市的关联。根据转变中心性和转变控制力划分城市类型,在航空和铁路出行网络中,高中心性—高控制力城市较多;公路出行网络中以高中心性—低控制力城市为主。不同出行方式下的城市聚类得到的网络集群“社区”数量有一定差异,航空、铁路和公路出行依次聚类为7、8和10个“社区”。不同类型出行方式透视的城市网络特征存在较明显的差异：航空出行的城际人口流体现出以全国性枢纽城市为核心分布的核心—边缘结构;铁路表现出以国家铁路大动脉沿线城市为核心,向腹地城市逐渐递减的核心—边缘结构;公路出行的城际人口流则表现为与人口规模匹配的局域强聚集的空间格局。     

基于词向量数据场轨迹引力的多中心识别和空间交互分析

多中心化是分散城市人口,疏解交通拥堵,调节职住失衡,应对“大城市病”的重要手段。针对轨迹大数据,先利用词向量描述其空间特征和行为规律,再结合数据场理论表达城市区域对轨迹的吸引强度,并完成多中心识别,最后借鉴复杂网络理论对多中心空间交互规律进行探索和挖掘。结果表明：① 郑州市轨迹吸引强度呈核心强、外围弱、沿线蔓延的圈层空间分布形态,识别出的21个多中心轨迹引力差异较大,区域吸引能力不均衡;② 外围次级中心的区域引力强度和交互频次低,交互方向主要指向一级中心,呈现出外溢型多中心结构,为了实现其应有的分散疏解作用,还需加强统筹规划,带动其科学发展。提出基于词向量数据场轨迹引力的多中心识别分析方法,对于轨迹隐含的出行规律描述更加完整,对轨迹引力的表达更准确,从流动角度呈现了多中心的演化机理,为城市规划实践提供了新思路。     

基于手机信令数据的县域城镇体系识别——以江西省鄱阳县为例

城镇是社会经济发展的重要载体,科学识别城镇体系对于推动县域经济发展具有重要意义。基于常住手机活跃用户识别、跨城镇出行起讫点模型和城镇中心性测度,利用手机信令数据识别江西省鄱阳县城镇体系,并与现行总体规划的城镇体系进行对比以揭示鄱阳县域城镇体系实际发展与规划目标之间的偏差。结果发现:鄱阳县各乡镇常住手机活跃用户数与其总人口之间的相关系数为0.762,表明两者之间存在强相关性;鄱阳县当前实际的城镇体系分为三级,其中县城为第一级,田畈街镇、油墩街镇和芦田乡为第二级,其余乡镇为第三级。发展至今,仅有县城、油墩街镇与芦田乡达到预期规划目标,其他乡镇均与规划目标存在一定差距,需要在新一版的规划中予以调整,从而引导要素资源优化配置,推动县域社会经济高质量发展。     

基于宜出行大数据的多中心空间结构分析——以重庆主城区为例

多中心已成为中国大多数城市的空间发展战略,多中心结构的有效识别对于规划效果评价、规划策略制定具有重要意义。相比于百度热力与手机信令数据,腾讯宜出行数据具有时空分辨率高、获取成本低的优点,可精细比较城市主副中心的人口集聚能力,为多中心结构的动态识别提供新的手段。论文以重庆主城区为例,基于连续一周的宜出行热力数据,利用核密度分析等方法,识别其多中心城市结构、影响范围与组团发育情况。结果表明：作为山地城市,重庆在自然限制、经济驱动与规划引导下主动选择了“多中心、组团式”结构。重庆内环以内的各个城市中心人口高度集聚、用地规模相近、发育相对成熟,并强于内环以外的副中心。研究指出,西永、茶园副中心及外围组团的发展与人口集聚能力有待提高。     

一种基于统计推断模型的车辆GNSS轨迹滤波方法

车辆GNSS轨迹是由离散定位点连成的折线段,以往轨迹滤波工作注重离群点及其引起的轨迹线段异常,而忽视了由于采样间隔长而导致的正常点连线严重偏离道路的现象。为解决此问题,该文提出一种基于统计推断的轨迹滤波方法,不依赖路网等辅助数据,在去除离群点的基础上,识别出上述低质量线段。首先采用基于信息熵的最大似然分类法确定线段端点类型,即该端点是位于路口还是道路上;然后再构建规则推断模型,根据线段两端点的空间组合方式,检测出线段是否异常;最后利用北京市2012年11月出租车数据进行验证,采样间隔为50~65s。结果表明,离群点导致的异常线段占32.21%,低采样率导致的亦占6.23%,滤波效果整体良好。     

基于手机信令大数据的京津冀城市群人口时空分布与流动特征分析

利用手机信令数据,以京津冀城市群为研究范围,以250 m×250 m网格为基本单元,识别京津冀城市群人口时空分布与流动特征。结果表明：北京和天津是京津冀城市群的主要人口集聚中心,且人口分布呈现非均匀放射状、沿主要交通干线分布,人口密度由城市中心向周边递减;北京、天津和石家庄是人口流动网络的主要中心,其人口流量远高于其他城市;城市群范围内的县际人口流动增长迅速,各区县的职住空间不平衡也比较突出。     

基于多源数据的东莞城市公共中心体系识别与形成机制研究

基于POI、手机信令、百度建筑等开源数据和传统土地利用数据等多源数据,运用核密度、空间自相关分析等方法全方位、全时态识别东莞城市公共中心体系的空间布局、功能等级和服娱腹地,并从空间形态和功能联系视角评估规划实施效果,最后从政策制度、外资投入、产业经济、土地要素和交通设施等因素探究形成机制。结果发现：1）运用多源数据综合识别东莞城市公共中心体系的技术方法有效、准确且实用,东莞中心体系已初步具有“形态多中心”和“功能单中心”的双重空间特征;2）规划对于东莞城市中心体系的构建具有一定的推动作用,但形态和功能方面的发育情况距规划均有一定差距;3）东莞城市中心体系是政府力与市场力多方博弈的结果,不单取决于政府政策制定、土地投放和设施建设,也与资本投入和产业转移息息相关。     

基于机器学习的贫困地区识别算法对比——以陕西省为例

以传统社会经济指标为主导的贫困识别依赖于详尽的普查抽查数据,收集和处理不同质量和数量的普查抽查数据来研究区域贫困需要耗费大量的人力物力和时间,难以快速动态地监测贫困状态。然而时间分辨率高且客观易获取的夜间灯光数据可以在一定程度上弥补统计数据的劣势,即时地反映地表社会经济现象。机器学习算法能够从这些数据中学习出规律和模式,从中挖掘出潜在信息来识别贫困地区。基于陕西省NPP-VIIRS夜间灯光数据,通过构造多维统计变量,利用逻辑回归、支持向量机、K近邻、随机森林、决策树和梯度提升树6种监督分类算法识别贫困地区。结果表明从夜间灯光数据提取的多维特征能够更好的应用于贫困地区的识别,6种算法都能够准确的识别贫困地区,分类结果在空间上具有相似性,且表现出一定的地域性,分类准确度达到76.82%~83.20%。根据混淆矩阵进一步对比各个算法的特点,认为随机森林算法在误差偏移和分类精度等方面综合表现最佳。     

基于GIS的遥感影像土地利用/土地覆盖信息提取研究——以滇西北香格里拉县为例

在GIS辅助下，基于ETM＋遥感卫星数据，采用分辨率融合提取地物和基于NDVI计算的分区、分层分类以及结合有关地理数据（如DEM、坡度等）基于知识分类方法相结合，通过多步骤信息提取来完成实验区进行土地利用／土地覆盖分类研究，并对分类结果进行精度检验。研究结果表明：该方法不仅消除了单一步骤分类时多类间的相互影响，而且将遥感影像数据与地利信息系统数据有机的结合起来，具有技术操作简单，分类结果理想的特点；对城镇用地、机场用地、水库、湖泊及河流的分类识别精度可达100％，基于知识规则对农村居民地和耕地的提取精度达70％以上，较单一的信息提取方法精度有很大提高。