大数据驱动的个体出行模式与城市空间结构交互研究

快速城市化背景下,个体移动行为变得复杂多元,人类活动对于城市结构的影响和约束越来越大,产生了一系列人与城市互动过程中的问题.人的活动与移动如何改变城市结构以及如何被城市结构限制仍然缺乏有效的研究.论文利用城市时空大数据,以"活动—行为—结构"3个维度构建个体出行模式与城市空间结构交互的框架模型,研究个体的移动与活动模式...     

利用被动式GPS数据的交通行为信息提取方法:发展现状及趋势

被动式GPS技术能最大程度地减轻受访者的负担,因而成为收集个体交通行为信息的理想方法。但是被动式GPS技术仅能提供交通行为的时空、移动速度等信息,而无法直接获取个人出行和活动的详细信息,如出行的起始时间、出行目的、交通方式、活动起始时间、时长、同伴等。如何从GPS轨迹数据中准确获取这些关键的交通行为信息成为被动式GPS应用于个体时空间行为数据采集的难点所在。对该研究领域的发展现状和趋势进行了总体回顾和分析。首先,追溯了交通行为数据收集方法的发展历程,并重点概述近年来基于GPS原始数据的后续处理方法的发展现状。然后逐一分析和讨论了现有的基于被动式GPS数据的交通行为信息提取方法的优缺点和存在的问题。最后,对该领域的前景和潜在的研究问题以及对运用现代信息与通信技术(ICT)收集交通行为信息方法的发展方向提出了相关建议。     

融合图像和时空信息的社交媒体用户活动分类方法

社交媒体签到数据中蕴含着大量的用户活动信息。理解社交媒体用户的活动和行为类型,对探索人类的移动性和行为模式等有着重要意义。提出了一种针对新浪微博（简称为微博）的用户活动分类方法,结合图像表达和时空数据分类技术,识别微博签到数据所代表的用户活动类型。首先,根据兴趣点属性信息将微博签到数据所代表的用户活动分为餐饮、生活服务、校园、户外、娱乐、出行6大类;然后,基于卷积神经网络和K近邻分类方法,融合签到数据中的图像场景信息与时空信息,对微博用户的活动行为进行分类。实验结果表明,所提方法能够显著提高微博用户活动类型识别的准确性,为精确探索人类行为活动提供更加有效的数据支持。     

顾及时空"点-线"关联特征的出行轨迹描述模型

关联出行研究是城市规划、交通出行、传染病防控、犯罪侦查等领域的研究热点,尤其当出行个体带有接头、等待等主观意图的前提下,如何有效识别其关联行为,是当前时空认知领域的难点。本文以犯罪时空轨迹为研究对象,首先分析了现有出行轨迹描述方法的不足,兼顾了出行轨迹的细节点特征和完整线特征,提出了顾及"点-线"特征的出行轨迹描述模型。然后,在此基础上,基于时空拓扑关系提出关联出行的轨迹判别方法,能描述"接头、等待、共处、同行"4种基本的关联出行轨迹模式,并可进一步区分19种不同的关联出行子类型。最后,通过试验对比,验证了该方法的有效性。     

基于ARIMA模型的市内人群移动预测

城市内部人群移动模式的研究在城市规划、交通量预测和疾病的防控等领域具有重要的应用价值。已有研究多基于出行数据探索人群移动模式,文中基于新浪微博位置签到数据,从时间序列建模角度结合ARIMA模型,建立武汉市人群移动的季节性模型实验表明,模型ARIMA(3,0,2)(1,1,0)12能较好地拟合并预测武汉市人群移动趋势,对城市规划和决策具有重要参考价值。     

顾及相似用户特征的个人位置预测算法

个体位置预测在传染病精准防控、公共设施科学规划等应用中具有重要意义,既有位置预测算法主要侧重对个体纵向历史轨迹特征进行挖掘建模,从而实现位置预测,对横向相似性用户的规律特性考虑较少。因此,基于图卷积和长短期记忆模型（long short-term memory,LSTM）框架,提出顾及横向相似用户轨迹特征以及纵向历史规律性特征的个体位置预测算法。首先,构建用户轨迹相似性算法并筛选高相似度用户;然后,利用图卷积模型提取待预测用户相似高的用户轨迹特征;最后,利用LSTM框架提取历史轨迹特征,集成相似用户轨迹特征,从而实现个体位置预测。基于某市8万多个用户连续4个工作日的数据进行实验,结果表明,所提算法的准确率随预测时间步长增加而下降,而夜间预测准确率明显高于白天,但相比于既有模型均有10%以上提高;以15 min为预测时间步长时,模型准确率达80.45%。     

利用手机信令数据刻画不同人物画像

本文基于微软亚洲研究院Geolife项目北京志愿者2007—2012年长时间尺度的手机信令数据,以个体为单元开展了出行类型和人物画像研究,提出了一种基于高簇聚类对用户轨迹类型进行划分,然后结合出行规律,综合考虑职业类型、年龄、爱好属性特征的人物画像刻画的方法.研究主要结论为:①本文划分了包括两点一线固定型、两点一线变化...     

基于居民出行活动特征的个体经济水平推断方法

提出了一种基于居民出行活动特征的个体经济水平推断方法。从出行轨迹的移动性指标、基于居住地的出行特征和出行活动链模式3个方面提取13维出行活动特征,以广州市居民出行日志调查数据为训练和测试数据,利用随机森林方法进行个体经济收入水平的推断与检验。结果表明,该方法能够获得最高80%的个体收入水平推断精度。基于家的出行特征（如工作时间（9:00-18:00）离家距离众数等、出行链模式）以及与出行范围有关的移动性指标（如最大距离、回旋半径）在推断个体经济水平上的重要性较高,而衡量出行地点空间异质性的指标（如空间多样性等）重要性相对较低。     

出行路径选择标准及策略研究

当人们出行时,必然要涉及到很多选择。因为个体在空间能力、认知地图、出行目的、优化策略方面的差异,所以人们对路径选择的标准也各不相同,选择属性的相关重要性也各不相同。试验表明大多数人并不一定选择最优路径,而选择了基于各种因素的次优路径。     

顾及路口转移偏好和当前移动模式的个体驾驶目的地预测方法

个体驾驶目的地预测在个性化服务推荐、智慧交通等位置服务中具有重要的应用价值,但现有深度学习方法多以高密度采样轨迹点为单位构建出行特征,导致数据冗余、信息增益有限。路口序列可简化道路驾驶轨迹的表达形态,降低训练成本;同时,路口间的转移偏好与当前移动模式隐含路口与目的地间的时空关联关系,能够一定程度上表征个体出行意图,却鲜有研究将其用于目的地预测。为此,提出一种顾及路口转移偏好和当前移动模式的个体驾驶目的地预测方法：（1）以路口为单位构建输入特征,利用图注意力机制学习不同时间槽内路口间的转移系数,并结合长短期记忆模型捕获转移偏好长期依赖关系;（2）构建时间循环编码与驾驶状态特征,利用长短期记忆模型学习个体当前移动模式表征;（3）通过特征交叉与注意力机制实现特征融合,并利用残差网络输出预测。基于中国深圳市12名私家车司机2019年全年的轨迹数据开展实验,通过与隐马尔可夫、长短期记忆模型、远近距离依赖模型、融合地理语义与位置重要性的长短期记忆模型的精度进行对比并进行消融实验,验证了所提方法的有效性;可视化分析了转移偏好在捕获路口间空间关联关系中的作用,并探讨转移路口数量设置对预测精度的影响。     

地图制图学(地图学)

CH20110535基于路径预测的不确定性推理组合地图匹配算法=A Driver Route Prediction Based Map-matching AlgorithmIntegrating Uncertain Reasoning/唐进君,刘芳(内蒙古农业大学能源与交通工程学院)∥测绘学报.-2010,39(5).-546~550提出一种新的基于预测的不确定性推理组合地图匹配算法。该方法首先利用云模型这样一种处理定性与定量间不确定转换的工具,通过对当前信息的不确定性推理,计算定位点相对于候选道路的匹配可信度。之后,利用隐马尔科夫模型预测驾驶员出行路径及目的地,通过对模型中的观察值函数重新设定,将路径预测信息与当前地图     

出租车轨迹数据的南京人群出行模式挖掘

针对现有出租车轨迹数据挖掘中时间序列邻近度量方法存在的问题,提出一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,进而研究城市人群出行行为的时空差异。以南京市为例,结合电子地图对出行模式的空间分布特征进行分析,证明了本文所提出的方法的有效性。实验结果表明:在空间分布上,工作日出租车出行模式按照平均出行频次由高到低排序,从城市中心向四周扩散,呈中心环状分布,出行模式区域界限较为明显,同类出行模式分布区域对应相似的功能。提出了一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,有效地分析城市人群出行行为的时空差异。     

大数据驱动的人类移动模式和模型研究

目的 大数据时代的到来使得基于个体粒度的海量时空轨迹获取人类移动模式成为可能。来自不同领域的学者基于手机通话数据、公交卡刷卡记录、社交网站签到数据、出租车轨迹、银行刷卡记录等进行了人类移动模式的研究,这些研究丰富了地理信息系统的时空分析方法,为从个体角度审视人与地理环境之间的交互关系提供了一个新视角,并可以应用于交通、公共卫生等领域。总结了基于大数据的人类移动模式研究流程,归纳了人类移动模式的基本度量方法,探讨了解释所观测移动模式的模型构建方法,指出了地理环境对于移动模型建立的影响。     

基于改进Markov算法的人类活动信息挖掘

近年来,基于位置的社交媒体飞速发展,为人类移动规律的挖掘与研究带来新的数据源。基于扩展Markov模型,加入时间维度,提出一种利用社交媒体时空数据挖掘人类活动规律的方法,探索用户的活动位置和活动位置的变化规律。应用该方法对北京市新浪微博用户的个体和群体活动规律进行探索,可有效挖掘人类在以小时为单位细粒度时段的移动规律并由此反映区位人口的动态变化。     

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。     

Android众源位置数据管理系统APP研发

智能手机位置服务给日常生活出行导航带去了便利,在日常使用中位置服务产生了大量位置信息,针对手机位置数据具有的高时效性、高精度却存储复杂难以获取,缺乏分类管理的特点,本文使用Android studio平台,基于Java语言,开发了一款位置数据管理系统APP,实现对异源数据的自动提取、分类、管理,并以数据库的形式批量导出不同坐标系统的数据。将提取的数据导入ArcGIS软件中做缓冲区分析,对个体行为和生活习惯进行研究。     

结合轨迹数据的居民出行模式及功能识别研究

城市人群的出行特征通过车辆轨迹数据隐含的行为信息可以体现,但传统的单维度模型将不再适用于轨迹数据隐含的多维信息的挖掘.本文将海口市中心城区根据路网划分区域,使用能够挖掘多维信息的非负稀疏约束下张量分解基于"滴滴出行"轨迹数据,从时空维度挖掘居民出行规律并进行区域功能特征识别.结果表明:居民出行时间符合工作日,休息日的早...     

临汾地区先秦时期聚落形态分析与时空演化研究

聚落的形态研究是综合反映社会组织结构和文明发展研究中的重要内容之一,是理解聚落聚集、文明发展、时空演化的重要手段,也是考古研究领域重视的问题之一。随着空间分析技术的发展,考古学者开始应用空间分析方法研究聚落,空间技术和多因子加权评价方法减少了依靠专业知识经验带来的主观性。本文以中华文明探源工程项目为背景,以聚落形态研究为目标,采用空间信息技术、分形理论、群体智能方法对临汾地区四个时期(7kaB.P.~2.7 kaB.P.期间,仰韶时期、庙底沟二期、龙山时期、夏商周时期)的聚落形态进行综合分析,形成了适合于黄河流域先秦时期聚落形态研究的方法,并以黄河流域文明发展的重要区域-临汾为示范区开展了聚落形态及其演化分析研究,同时结合气候、地貌、水系流域等环境因素对四个文化时期的聚落遗址发展演化情况作了详细的论述。论文主要创新点如下:(1)构建了宏观-微观尺度的聚落形态研究体系。宏观上采用空间聚类、分形及出行空间聚落集群分析方法进行聚落形态研究,微观上从每个聚落遗址的出行交流出发,模拟出行路线以重建聚落出行交流主干线,建立了适合于黄河流域聚落形态研究的多方法综合研究体系,可用于流域内不同文化类型聚落遗址的聚落形态研究。(2)创新性地提出了基于地形约束空间距离算法的聚落形态研究方法,用于解决聚落聚类过程中对地形考虑不足的问题,使得聚落群划分结果更加客观合理,更适合聚落形态研究的目的。(3)提出了基于梯度下降的变邻域蚁群算法出行模拟方法,结合地形和人类出行预判经验,提高了古人类出行模拟的真实性。采用方向约束和全局及局部优化规则以提高算法效率,应用于临汾地区先秦聚落的出行模拟中,以重建的古人类出行交流主干线为基础,分析聚落形态。(4)从聚落遗址出行空间角度,以地形、生物机能等多特征出行网络为基础,提出了基于出行空间的聚落集群分析方法,实现了日常出行局部范围内的聚落集群分析。     

居民出行与轨迹行为交互模式挖掘与关联技术

出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息.原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律.通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据.本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息...     

基于路径预测的不确定性推理组合地图匹配算法

地图匹配是车辆导航系统中的重要组成部分。本文在简要介绍相关地图匹配算法和总结前期研究的基础上,提出了一种新的基于预测的不确定性推理组合地图匹配算法。该方法首先利用云模型这样一种处理定性与定量间不确定转换的工具,通过对当前信息的不确定性推理,计算定位点相对于候选道路的匹配可信度。之后,利用隐马尔科夫模型预测驾驶员出行路径及目的地,通过对模型中的观察值函数重新设定,将路径预测信息与当前地图匹配算法结合,构建组合地图匹配算法。同时,采用学习算法更新模型中的信息。最后,通过仿真实例证明了该组合算法的有效性,结果表明：该方法能够预测驾驶员行驶路径,起到预匹配的作用,提高了地图匹配算法的精度与实时性。