城市居民出行O/D时空分布特征的轨迹数据提取

为了利用轨迹数据提取城市居民出行特征,该文首先从出租车全球定位系统(GPS)轨迹数据中提取上下客事件,利用数理统计的方法对其时间分布特征进行研究;继而针对城市内数据不均匀分布的特性,提出了一种基于OPTICS聚类的改进方法,通过将原始聚类结果进行局部密度峰值的计算,实现了出租车上下客事件热点区域中心的进一步提取。最后,以成都市为实证对象,结合成都市电子地图及用地布局规划图探讨了居民出行时空特征与城市空间结构的相互关系,并对其成因做出了简要的分析,证明了该文所提出方法的有效性。实验结果表明:居民在工作日和休息日的出行特征呈现出明显的差异,且受到城市功能区域分化的影响。     

城市居民出行OD时空分布特征的轨迹数据提取

为了利用轨迹数据提取城市居民出行特征,该文首先从出租车全球定位系统(GPS)轨迹数据中提取上下客事件,利用数理统计的方法对其时间分布特征进行研究;继而针对城市内数据不均匀分布的特性,提出了一种基于OPTICS聚类的改进方法,通过将原始聚类结果进行局部密度峰值的计算,实现了出租车上下客事件热点区域中心的进一步提取。最后,以成都市为实证对象,结合成都市电子地图及用地布局规划图探讨了居民出行时空特征与城市空间结构的相互关系,并对其成因做出了简要的分析,证明了本文所提出方法的有效性。实验结果表明:居民在工作日和休息日的出行特征呈现出明显的差异,且受到城市功能区域分化的影响。     

结合空间相关性的城市热点路段提取方法

城市机动车的数量急剧增加给城市带来了严重的交通拥堵问题。为了缓解城市交通压力,本文提出一种城市热点路段的提取方法。该方法首先结合出租车轨迹数据,依据拓扑邻接的规则建立了空间权重矩阵;然后对各个路段交通量的全局相关性进行分析,并通过局部相关统计量提取了城市交通热点路段,对工作日不同时段内的交通热点路段分布进行了分析;最后通过VISSIM软件对已提取的热点路段进行仿真,得到待验证路段的热点路段隶属程度为0.512,从而表明该算法能够有效地提取城市交通的热点路段。     

北京市出租车载客热点路段挖掘及分析

从出租车轨迹数据中挖掘载客热点路段,能够为城市交通道路的规划和出租车的运营管理提供重要依据。以北京市出租车原始轨迹数据为基础,设计并建立了出租车载客行驶的载客数据模型,利用该模型对相似的载客轨迹信息进行了挖掘,结合时空信息提取并分析了不同时段的热点路段。通过北京市交通发展年度报告验证了该模型和挖掘方法的正确性和有效性。     

顾及时空正负延迟的城市道路交通状态关联分析

准确地发现城市道路交通状态的时空演化过程是实施有效交通治理的前提.以多源轨迹数据为基础,基于改进的时空关联性度量,重新定义时空相邻对象,从不同时间延迟和多阶空间邻接矩阵两个角度探索城市交通状态的全局和局部时空演化规律.以厦门岛2015-06-13-2015-06-19公交车和出租车两种轨迹数据为数据源进行实验分析,实验...     

利用GPS轨迹的转向级交通拥堵精细分析

目前,基于GPS轨迹探测城市交通状态的研究缺乏对不同行驶方向的交通拥堵精细感知。针对此问题,本文提出一种基于出租车GPS轨迹的转向级交通拥堵事件探测方法。该方法首先在分析出租车运营行为特征的基础上,采用特征聚类方法滤选出能够反映真实交通状态的有效轨迹段;然后基于滤选后轨迹分析当前道路交通运行状态,探测城市路网中轻度、中度、重度3种不同强度的交通拥堵事件;最后基于拥堵事件轨迹分析交叉口不同转向的拥堵时间、拥堵强度和拥堵距离等转向级精细交通拥堵状态。试验结果表明,本文方法不仅能有效探测路网中不同强度的拥堵事件,而且能实现交叉口转向级拥堵事件的精细分析。     

城市交通热点区域识别及空间交互分析

出租车载客数据可以用于研究居民的出行特征,提取城市的交通热点区域,但对城市交通热点区域的交互关系研究相对较少。本文以纽约市的出租车行程记录数据为数据源,利用交通小区划分结合出租车载客数据提取城市交通热点区域,基于复杂网络的方法对不同日期类型和天气情况的城市交通热点区域空间交互网络进行研究并进行社区发现。结果表明,热点区域受城市核心区的影响而聚集在核心区域周围,城市内社区的形成可以克服地形和行政区域等因素的影响。研究结论有望为城市规划、城市交通管理、出租车调度、以及人们的出行等提供信息参考。     

利用GPS轨迹二次聚类方法进行道路拥堵精细化识别

针对当前在精细识别道路拥堵时空范围方面研究的不足,提出一种利用GPS轨迹的二次聚类方法,通过快速识别大批量在时间、空间上差异较小且速度相近的轨迹段,反映出道路交通状态及时空变化趋势,并根据速度阈值确定拥堵状态及精细时空范围。首先将轨迹按采样间隔划分成若干条子轨迹,针对子轨迹段提出相似队列的概念,并设计了基于密度的空间聚类的相似队列提取方法,通过初次聚类合并相似子轨迹段,再利用改进的欧氏空间相似度度量函数计算相似队列间的时空距离,最后以相似队列为基本单元,基于模糊C均值聚类的方法进行二次聚类,根据聚类的结果进行交通流状态的识别和划分。以广州市主干路真实出租车GPS轨迹数据为例,对该方法进行验证。实验结果表明,该二次聚类方法能够较为精细地反映城市道路的拥堵时空范围,便于管理者精准疏散城市道路拥堵,相比直接聚类方法可以有效提升大批量轨迹数据的计算效率。     

城市交通多层网络社团结构探测

海量的城市交通流数据已经可以被广泛获取,发现不同类型交通流空间交互结构间的关系以及交通流与交通网络间的联系对于优化城市交通设计、缓解城市交通拥堵具有重要价值。为此,采用北京市六环以内区域2016年5月9日与5月15日的公交刷卡、出租车轨迹、公交线路数据,借助单层与多层社团检测方法,探索：(1)不同交通流空间分布模式间的联系;(2)公交服务与公交乘客之间的供需关系。研究发现：(1)从公交刷卡与出租车轨迹数据中发现的社团结构具有明显差异,表明2种不同交通流反映城市空间交互的不同作用;(2)北京市公交线路社团结构与公交出行社团结构相似性较高,但也存在局部的差异,可以反映公共交通供需不平衡模式。研究结论可为城市交通设计优化提供一定的参考。     

符合认知规律的时空轨迹融合与路网生成方法

以行驶在城市大街小巷的出租车GPS时空轨迹数据为研究对象,研究了符合"感知—认知—经验"认知规律3层次的轨迹融合与路网生成方法,提出了基于Delaunay三角网的时空轨迹融合模型,实现了从GPS时空轨迹中对符合认知规律需求的路网信息的获取,并以武汉市出租车GPS轨迹为试验,实现了对武汉市出租车时空轨迹的融合与武汉市路网数据的生成,证明了该方法的有效性。     

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。     

基于出租车上下客点的城市人口流动分析

掌握城市人口流动动态有利于进行交通预测、应急快速响应,以及合理的城市规划。出租车作为城市主要的交通运输工具之一,可以反映城市中人口的流动。本文以出租车上下客点数据为例,对比在工作日以及休息日的人口流动差异,分析出租车数据的空间分布及其动态变化,揭示城市人口流动模式。     

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;然后根据语义信息构建语义交互矩阵,用以推断和描述行为目的交互模式;最后选取北京市中心为研究区域进行方法验证。结果表明,中心城区内不同类别的停留点聚集分布规律不同,围绕高校和商圈聚集较明显;工作日各类停留点的活跃度持续时间较非工作日长;工作日和非工作日行为目的交互模式差别显著,工作日以职住和工作交互为主,非工作日以休闲和居住交互为主。本文研究可以为城市规划管理、资源调度和应急管理提供一定的决策支持。     

基于时空聚类的出租车载客热点区域挖掘研究

针对出租车运营过程缺少路径优化指导造成运营能力分布不均、空载率高的问题,本文以成都市安装有GPS设备的出租车所采集的轨迹数据为研究对象,以提高出租车效益为目标,采用了一种基于网格的出租车载客热点聚类算法,通过对出租车GPS轨迹数据进行处理和聚类分析,充分挖掘出租车载客热点区域,从而为出租车的运营者和管理者提供信息决策服务。     

采用轨迹大数据探测短时非营运行为

现有的关于出租车GPS轨迹大数据的研究均没有考虑出租车司机本身的非运营行为(如出租车加油(气)、就餐、交接班)的特征和需求。根据出租车轨迹大数据,研究了出租车短时非运营行为特征,从轨迹数据中提取出租车短时非运营行为,利用平面线要素核密度分析其时空分布,并采用Ripley’s K函数分析了武汉市徐东大街区域的短时非运营行为与加气站的空间相关性。实验结果表明,分析出租车短时非运营行为时空分布能有效地揭示出租车司机群体的短时非运营行为需求,以及需求与现有公共资源不匹配引发的资源低效配置现状,为公共资源优化调整提供科学有效的辅助决策支撑。     

利用出租车轨迹数据估计城市道路拥堵状况

交通拥堵是当代各大城市普遍面临的问题,如何通过各种技术手段发现城市交通的易拥堵路段并予以改善是城市交通相关部门以及学者关心的一个问题。通过各种GPS设备产生的历史轨迹数据对城市的研究逐渐受到重视,且取得一定的进展。文中总结运行车辆的4种通行状态:正常行驶、停靠/停泊、信号灯等待以及拥堵,分析这4种状态下运行车辆的速度特征,定义轨迹段平均速度和轨迹段速度方差两个数字特征用来描述运行车辆轨迹段的速度特征以及描述路段拥堵程度的拥堵指数,提出一种基于轨迹分段的拥堵检测的可视化方法,通过实验验证发现其可以较好地估计城市交通拥堵状况。     

双比例尺交互模式的粒子系统动态可视化——以出租车数据为例

针对如何对海量、多源、高维的时空轨迹数据进行交互可控、形象直观的可视化分析这一地理信息系统(GIS)领域的热点问题,该文提出了一种出租车全球定位系统(GPS)轨迹数据的网页端三维动态可视化方法,通过空间比例尺和时间比例尺的双重控制,运用粒子系统构建了城市大尺度三维场景中GPS轨迹的模拟移动模型。实验结果表明,该方法可以直观地反映出租车轨迹的时空演变规律,具有良好的可交互性,可以通过网络平台广泛地应用到各种轨迹数据的实时监控和历史分析中,为交管部门的管理和出租车公司的车辆调度提供依据。     

基于出租车数据的轨迹网络与流动模式研究

城市交通网络在微观尺度具有局部积聚、马太效应等特征;在宏观尺度具有小世界、无标度等特征;除上述两种极端情况,还具有介于宏观和微观之间的层次结构.社区结构就是城市交通网络关键结构特性之一.构建了精细颗粒度空间网格的时空立方体模型,将社区结构发现算法应用于成都市出租车轨迹的研究中,以成都市2016年11月1日-7日的出租车轨迹数据为例,对其进行时空分析,探讨了公交站点核密度估计结果与出租车出行数据之间的相关性;并利用空间热点发现算法发掘了城市不同时刻的热点网格,构建了城市复杂交通网络,进行了节点之间空间相关性分析以及社区结构发现研究.结果表明,城市交通网络符合复杂网络特性,且呈现明显的社区结构,市区人流具有强烈的潮汐效应.     

出租车载客热点精细提取的改进DBSCAN算法

随着城市化水平的提高和居民公共交通出行的需求增长,要求有更精细化的聚类方法提取出租车载客的热点区域。针对基于密度聚类在出租车数据聚类中存在的问题,设计一种基于路网约束的改进DBSCAN算法。该算法通过将行程距离引入DBSCAN算法中,改进原有DBSCAN算法在出租车数据聚类中存在的精细尺度聚类参数选择和设置困难问题,弥补现有聚类算法在出租车载客热点区域提取方面的不足。利用武汉市出租车GPS轨迹数据进行的实验结果表明,在加入道路约束后,算法在出租车载客热点区域的精确提取方面具有较好的效果。     

基于出租车轨迹的居民出行特征分析

研究并实现了一种结合核密度分析的DBSCAN空间聚类方法。首先对从马鞍山市出租车的轨迹数据中提取出上下客轨迹点数据进行预处理;再对上下客轨迹点数据进行聚类分析,识别居民出行热点区域;最后进行居民出行热点分析,并总结了居民出行的时空特征。