基于多源数据的城市功能区识别及相互作用分析

随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,识别城市功能区,并结合出租车轨迹数据进行时空挖掘,定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。以北京市五环内主城区为例进行分析,可得:①该方法可以识别典型功能区西单、国贸、中关村是以商业为主的混合城市功能区,望京是以居住为主的混合功能区,且居民通勤出行特征明显;②国贸对自身的引力较强（39.4%）,说明国贸区域城市功能更加齐全;③典型功能区对居民出行距离范围内的区域吸引力随着距离的增加而减弱,符合经验认知和地理空间衰减规律。结果表明,利用POI和移动大数据采用重尾打断分类法和核密度聚类法进行城市功能区识别与分析是可行和有效的。     

使用语义数据识别多层次城市功能结构

针对城市功能结构认知的不足,空间规划的需求和可持续城市的转变,该文以城市大数据为依托,以交通小区为最小研究单元,提出一种利用电子地图POI数据与交通小区结合识别城市功能区的方法.把高等级道路划分交通小区作为最小研究单元,使用电子地图POI数据的标签,精细化识别交通小区的功能区属性,利用层次分析法识别城市主要功能结构.以上海市主城区为例进行实验,结果表明:①上海市主城区城市功能以市中心为圆心呈现明显层次性,商业用地、居住用地、工业用地依次分布;②以交通小区为研究单元,能够对复杂城市功能区进行有效识别.该方法有利于城市空间结构优化与规划的合理制定.     

大数据构建的赋分评价模型与功能区识别研究

针对如何解决各类兴趣点(POI)的用地面积差异并精确地识别功能区等问题,该文构建了一种新的功能区识别模型.使用网上调查的各类POI的面积数据等,对各类POI的面积大小所处的区间进行赋值,整理出各类POI的面积评分表,并通过对各类POI进行核密度分析得到每个兴趣点的核密度值.通过构建面积评分与核密度值二级赋分评价模型,增加了POI数据的可用性,实现快速获取城市空间结构.经过精度检验,Kappa系数为0.76,功能区识别精度较高.研究结果可用于区位熵指数、土地利用混合度、平均最邻近距离与标准差椭圆等分析,有利于规划人员掌握城市空间结构与进行科学决策.     

使用时序出租车轨迹识别多层次城市功能结构

地理时空大数据被广泛用于城市功能结构识别,其中功能层次性的研究对于系统理解城市功能的结构特征和分布形态具有重大意义,但相关研究仍处于空缺状态。基于时序出租车出行数据和感兴趣点数据描述居民出行模式,结合动态时间规整和K-MEDOIDS聚类算法识别城市的功能属性和空间结构。研究结果表明,广州市中心城区的城市功能具有明显的层次性。随着层次细致程度的提升,其功能属性由"职-住"二元结构向"职-住-休"三元结构发展;其空间结构符合环状圈层构造,功能由外围的居住游憩向中心的商业休闲过渡,并在不同的圈层上呈现出各自的功能倾向。这为城市规划人员系统理解城市功能的属性变化和结构特征提供了有效的参考价值。     

顾及兴趣点潜在上下文关系的城市功能区识别

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。     

基于POI数据的城市功能区识别研究

基于兴趣点数据与道路网络数据,选取济南市中心城区为研究区域,通过频数密度与类型比例计算,以街区为研究单元对济南中心城区功能区进行定量识别,并验证识别精度。将识别结果与《济南市城市总体规划（2011-2020年）》对比,提出功能区优化对策。研究结果表明：城市功能区自西向东呈现多中心分布特征,单一功能区呈现圈层分布特征。构建混淆矩阵,计算出功能区总体精度为83.34%,可为济南市功能区空间规划提供新的思路。     

基于logistic回归模型的城市功能区识别

通过构建兴趣点与城市功能区之间的logistic回归模型进行功能区识别,以武汉市主城区为例进行试验分析,将识别结果可视化并与《武汉市城市总体规划图(2010—2020)》进行对比,通过百度地图进行验证。研究结果表明,logistic回归模型与兴趣点数据相结合能基本识别居住用地、商业服务业设施用地、工业用地、公共管理与公共服务用地,准确率较高。     

输电线路激光扫描数据质量检查与快速分析

针对输电线路激光扫描数据质量检查工作量大、效率低、输电通道安全距离快速分析时效慢等问题,本文提出一套激光数据质量检查与快速分析方法.根据输电线路激光点云数据特点,开发工具对数据进行自动化检查;利用自动化检查的数据,对点云数据进行快速自动/人工交互分类,基于快速分类数据进行安全距离快速分析,为运维单位提供隐患报告.实验结果表明:该方法能有效提高数据质检和安全距离快速分析效率.     

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,其与城市空间结构的交互影响机制.     

青海省地震灾后地物变化的快速识别

地震灾后救援时间宝贵,有效利用灾后数据,快速对救援路线及居民情况进行准确的评估,能有效避免地震带来的进一步损害。地震并不是一次即停止,灾后余震同样威胁灾区群众的生命和财产安全。因此,根据灾区地质及居民分布制定后续可持续救援方案,也是灾后救援的重点,这不仅能使救援稳步进行,也可进一步规划安置居民。本文通过比较神经网络和传统机器学习方法,提出了自适应方法的地物分割算法,根据航拍影像的复杂程度使用神经网络和传统算法相结合的方式,通过比较识别出地物与原有测量数据的差别变化,判断灾后道路扭曲和地质变化,为救援工作提供准确的科学依据。     

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。     

出租车数据的时间序列谱聚类分析

城市空间运行的出租车产生大量的OD数据,数据的时序呈现周期性特点,客观反映人们的出行行为模式,本文采用谱聚类算法对北京五环区域内各空间单元的出行特征及其相似性进行探究。由于空间单元的时空行为特征受空间邻域和功能区划的影响,研究添加邻域因子和功能区因子以改进时间序列的相似性度量方法,从而实现时间序列谱聚类算法的空间和功能区拓展,进而增加人们对不同时空条件下出行行为特征的了解,以便对不同空间单元提供差异性服务,如不同时段公交的发车频次、动态调整商场营业时间、不同时空环境出租车候车点的实时变换、调控和优化不同区域服务保障等,将有助于降低城市能耗,更加合理地利用资源,也有助于居民实现智慧生活。     

利用轨迹数据提取城市居民出行时空分布特征

介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.?研究表明:居民的出行活动特征在"工-休"日之...     

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。     

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。     

Inferring trip purposes and uncovering travel patterns from taxi trajectory data

Global positioning system-enabled vehicles provide an efficient way to obtain large quantities of movement data for individuals. However, the raw data usually lack activity information, which is highly valuable for a range of applications and services. This study provides a novel and practical framework for inferring the trip purposes of taxi passengers such that the semantics of taxi trajectory data can be enriched. The probability of points of interest to be visited is modeled by Bayes’ rules, which take both spatial and temporal constraints into consideration. Combining this approach with Monte Carlo simulations, we conduct a study on Shanghai taxi trajectory data. Our results closely approximate the residents’ travel survey data in Shanghai. Furthermore, we reveal the spatiotemporal characteristics of nine daily activity types based on inference results, including their temporal regularities, spatial dynamics, and distributions of trip lengths and directions. In the era of big data, we encounter the dilemma of “trajectory data rich but activity information poor” when investigating human movements from various data sources. This study presents a promising step toward mining abundant activity information from individuals’ trajectories.     

基于中心点距离的居民地面要素聚类

空间聚类是将空间实体根据某些相似的特性聚类成为一个集合,这个集合称为簇。本文研究了一种基于中心点距离的居民地面要素聚类算法:通过获取面状要素的数据,运用基于其几何中心的距离计算方法,判断面要素之间距离的可达性,并将距离小于阈值的面要素进行聚类,最终以凸包的形式将该集合绘制出来。本文的算法是在VS2010以及ArcGIS Engine开发环境下通过编程实现,并进行多组实验,实验结果表明,该应用程序可以实现居民地面要素的自动聚类。