从多年份出租车出行分布数据中探测城市完备功能子区域的方法研究

研究城市功能子区域的动态演变特征可以帮助人们理解城市发展规律和进行城市规划,然而对这种动态性进行分析的手段一直以来较为匮乏。城市出行大数据的出现虽然提供了刻画和分析功能子区及其动态的工具,但是在方法层面仍缺乏克服长时期出行数据内在时空随机性的方案。本研究尝试从长时间段人口稳定流动的层面来分析城市内部是否存在具有完备功能的子区域。将具有完备功能的子区域定义为城市结构中内部流量显著高于外部连通流量且相对稳定的子区域的集合,并利用多年份的出租车轨迹数据来构建城市居民出行网络,进而利用网络分析中的社团发现算法来探测城市的完备功能子区域及其随时间的动态变化。为了实现这一目标,本研究提出了一种针对时序轨迹数据的时空耦合网络模型,尝试克服多年份出租车出行数据中潜在的时空随机性（如：时空突变）,并在此模型的基础上提出了一种基于多层网络社团发现算法的城市完备功能子区动态探测手段,实现对城市完备功能子区域时空演变的追踪分析。最后,以北京市2012—2017年的出租车轨迹数据为例,使用该方法实现了北京市城区完备功能子区的动态探测,进而揭示了4类不同完备功能子区域的特征与发展态势。     

基于手机信令数据的城市小活动空间人群空间分布特征

小活动空间人群是指日常活动范围较小的居民群体,他们对城市公共资源的需求主要集中在家庭位置附近的区域,分析其活动的时空规律特征,有助于更好地实现城市公共资源的均等化和精准化配置.然而目前研究中对此类人群关注较少,为此,本文提出一种基于手机信令数据的小活动空间人群识别及其空间分布的研究方法.首先识别用户家庭位置和停留点位置...     

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。     

耦合手机信令数据和房价数据的城市不同经济水平人群行为活动模式研究

有效分析城市不同经济水平人群的分布特征和活动模式对优化城市资源配置和揭示空间隔离现象有着极高的价值。但人群活动和社会经济等级数据较敏感,使得以往研究仅停留在宏观层面,难以合理划分人群经济等级并对其空间分布和活动模式进行定量分析。本研究以深圳为研究区,基于空间位置关联分析方法,耦合手机信令数据和细尺度房价数据实现了人群经济水平的准确划分,通过计算活动指标定量的分析了不同经济水平人群的空间分布和行为活动特征。研究表明：深圳市不同经济水平人群活动分布与各行政区经济发展相关,呈现“南高北低,西高东低”的格局;深圳市不同经济水平人群之间活动模式存在差异,活动范围、出行距离、出行速度与经济水平存在正向相关;高经济水平人群职住地点相距较远,存在跨行政区分布的现象。本研究分析了城市不同经济水平人群的空间分布特征和活动模式,对城市规划和解决社会不平等问题具有重要的参考价值。     

基于大规模手机定位数据的群体活动时空特征分析

城市空间与居民行为不断交互,相互影响。探究城市空间中的群体活动分布及其时空变化能够帮助数据驱动的城市规划与城市治理。基于大数据的时空间群体活动研究是当前时空大数据研究的一个热点。本文以深圳市为例,基于约1000万手机用户在某一工作日的基站尺度的手机定位数据,识别用户停留位置和停留活动,重建活动语义信息,分析用户的停留点和停留活动的分布差异,研究群体活动的时空分布模式,探讨人群活动模式的多样分布特征。研究表明：停留位置和活动分布存在差异,每人每天平均的停留个数约为2.1个,而每人每天平均从事的活动约为3.4个;不同类型的活动在时间上存在波动;群体活动存在空间分异特征,整体上服从“空间幂律”。本研究揭示了城市空间中群体活动的多样性及其时空分布特征,对于城市居民活动研究、城市交通优化和城市规划具有重要的意义。     

基于社交媒体数据的城市人群分类与活动特征分析

空间信息技术已开始进入全空间信息系统发展阶段,即将空间信息系统的范畴从传统测绘空间扩展到宇宙空间、室内空间、微观空间等可量测空间。位置大数据不仅是全空间信息系统的重要研究对象之一,而且也成为了广域全空间中了解人们生活方式以及城市动态变化的一种有效途径。本文基于社交媒体数据中的位置签到数据,提出一种不同于传统以社会经济属性为依据的城市人群分类方法。首先利用签到数据的时间序列构造矩阵模型;然后,通过分析用户签到活动的时间特征,采用K-means聚类算法和K近邻算法（K-NN）识别出具有不同时空行为特征的城市人群（静态居民、动态居民、通勤者以及访问者）;最后,本文根据得到的人群分类结果,通过分析不同类型人群的时空间行为特征,发现不同类型人群时空间行为的差异性与潜在规律性,从而为表征城市人群的组成结构及特征,研究城市时空结构提供一种新的视角。     

基于时间序列聚类方法分析北京出租车出行量的时空特征

受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提供了数据支撑。本文以道路分割城市得到的地块为研究单元,利用北京市一个月的出租车轨迹数据,对北京居民的出行模式及城市功能格局进行分析。在轨迹数据分析中,本文从轨迹数据中提取每个地块的出行量时间序列信息,然后采用结合时间序列距离度量和时间序列自身相关性的聚类方法,对出行量时间序列数据进行聚类分析,从而研究乘客出行的时空分布特征,最后结合北京市POI数据,探讨了不同区域乘客出行规律和区域功能类型的相互关系。结果表明,出租车出行量时间序列模式在工作日和周末间存在明显差异。此外,工作日的2个出行高峰与通常的通勤早晚高峰不同。由出行量所得的区域聚类结构,除具有重要交通枢纽功能的地块外,总体上以市中心为圆心大致呈同心圆分布,且距离市中心越远出行量越小。研究结果对于分析北京市居民出行行为、辅助城市交通规划具有一定的意义。     

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。     

基于众源地理数据的佛山市城市功能区时空演变及驱动力分析

城市功能区的分布状况反映着人类社会的资源配置、产业布局和经济状况,研究城市功能区的格局变化和驱动因子可为城市经济职能的合理规划提供数据参考.本文应用高德地图兴趣点(POI)、Landsat8遥感影像、谷歌影像、社会统计数据等众源地理数据,以佛山市为例,首先通过计算频数密度和类型占比来识别城市功能区,继而分析各个功能区的...     

基于地理流空间的巡游车与网约车人群出行模式研究

城市出租汽车是居民出行的重要方式之一,地理流空间理论为发掘人群出行特征,优化车辆运营效率提供了新视角。本文利用厦门市出租汽车轨迹数据,采用地理流空间分析理论,对人群出行的整体随机性质进行了分析,基于流相似性度量识别并分析了丛集、汇聚、发散和社区4种典型模式及混合模式的空间分布特征,对比了基于巡游车和网约车2种车辆的人群出行模式。结果表明流空间理论能够系统性发现人群出行典型模式及混合模式,主要体现在：(1)基于2类车辆的人群出行流在空间中呈现出显著的非随机特征;(2)巡游车和网约车的典型模式在空间分布上有明显差别,网约车的有关模式分布范围更广,在厦门岛外各区中心及岛内东部软件园等区域附近较为突出,且网约车由于其订单由用户需求驱动,更容易发现潜在的高出行需求区域,同时出行结构更容易形成社区模式,而巡游车主要分布在传统岛内知名城市地标附近;(3)同一区域内巡游车和网约车出行混合模式普遍存在,约占典型模式的四分之一左右,而且不同类型车辆的主要混合模式存在差异,综合考虑混合模式能够提高城市公共设施规划的精确性和科学性。本文结果可以为车辆调度优化和城市交通规划提供支持,也表明地理流空间理论能够更有...     

重庆市新型冠状病毒肺炎流行时空特征及其与人群活动性的关系

本文收集了重庆市2020年1月21日-2月24日确诊的545例新型冠状病毒肺炎(COVID-19)病例个案信息,结合1500万手机用户在疫情期间的信令轨迹大数据,分析了其疫情的时空演化特征以及人群活动的变化规律,并从复杂网络的角度揭示了疫情分布的异质性,从疫情传播与人群活动之间的关系揭示了异质性的原因.研究发现:①重庆...     

旅游景点间细粒度语义交互作用挖掘及模式分析：以云南省为例

研究旅游景点语义交互及交互作用模式,对根据游客需求优化旅游格局有重要意义。现有语义交互挖掘方法忽略了文本中包含人感知信息的上下文词汇;此外,缺少以景点交互为单位分析交互作用模式的研究。为此,本文提出了一个景点间细粒度语义交互作用挖掘和模式分析框架。首先抽取文本中景点交互的语境;然后利用TF-IDF关键词抽取和语义网络分析方法,从讨论焦点和语义结构角度挖掘景点间细粒度的语义交互作用;最后结合Spearman秩相关系数、Graph Kernel图相似度度量方法和网络分析方法,分析语义交互作用模式。以云南省2018年游记数据进行实例分析,结果表明：① 利用本文提出的框架可以挖掘和分析各个景点间细粒度的语义交互作用,辅助有关部门结合游客意见提升旅游体验;可以分析语义交互作用模式,发现优化旅游格局的关键路线片段;② 苍山-洱海应着重提升自然风光体验;而大理古城-洱海应考虑改善游客对品牌旅游资源关注不足的问题;③ 云南省单核心集聚型、单核心辐射型、多区域合作型景点语义交互模式共存,呈现出点轴渐进扩散特征。可利用中介中心性较高且跨区域的景点交互,推动其他2种模式向多区域合作型转化,推进全域旅游战略实施。本文研究可为旅游路线推荐以及平衡旅游格局提供参考。