现实与赛博空间数据相结合的城市活动事件时空建模

城市活动事件(如文化、娱乐、体育等事件)的规模与影响力是城市经济文化发展的重要体现,其发生的全过程对城市现实空间与赛博空间都会产生巨大影响,从现实空间与赛博空间对城市活动事件的演化感知、动态建模与时空分析,具有重要的理论研究与应用价值。提出了一种结合现实空间交通数据与赛博空间社交媒体数据的城市活动事件时空建模分析方法,从事件进行中的交通轨迹,探测识别与事件显著相关的城市时空区域和交通流,分析现实空间事件热度的时空变化;从事件发生全过程的社交媒体数据中,探测分析赛博空间事件热度的时空变化;通过将现实空间和赛博空间的融合,建立城市活动事件时空模型,刻画事件全过程中城市地理空间与城市行为空间的时空演变特征。以2015年周杰伦"魔天伦2.0"世界巡回演唱会(武汉站)事件为例,采用武汉市出租车GPS轨迹数据和微博数据,对演唱会的事前、事中、事后实现城市地理空间与行为空间全过程建模与时空演变分析,并与单一数据源事件刻画模型进行比较,结果显示本方法能更合理地结合现实空间和赛博空间刻画城市活动事件。     

一种众源车载GPS轨迹大数据自适应滤选方法

基于同步高低精度GPS轨迹数据的空间特征和GPS误差分布原理,提出了一种众源GPS车载轨迹大数据自适应分割-滤选模型。该模型首先通过角度、距离约束将完整的车载GPS轨迹数据进行分割,以轨迹分割段作为基本滤选单元;然后通过对比轨迹分割段内GPS轨迹向量与其参考基线间的相似度,按照相似度与GPS定位精度之间的量化关系指导滤选。试验结果表明,该方法可以实现车载轨迹大数据按信息提取精度需求的滤选。     

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。     

顾及公共交通转换自由度的城市行人路网连通性分析——以成都市中心城区为例

现有行人路网连通性研究主要从机动车路网角度出发,忽略了包含人行道、人行横道以及公共交通站点布设对行人路网连通性的影响。该文提出一种顾及公共交通转换自由度的行人路网连通性评价模型,并以成都市中心城区为例,对区域内行人路网连通性进行了评价和分析。研究结果表明：(1)成都市中心城区行人路网连通性呈现圈层式变化格局,公共交通明显降低了路网连通性的两极分化,显著提升了三环内及沿线区域行人步行便利性;(2)武侯区和金牛区的行人路网连通性高于成华区、锦江区和青羊区,行人路网整体呈现出“西南高、东北低”的空间分布格局;(3)在考虑公共交通转换因素后,不同街区行人路网连通性差异缩小,需要进一步优化边缘地区行人路网与公共交通的空间布局。     

空间数据网络多分辨率传输的几何图形相似性度量

将相似性认知的距离观与特征集合观相结合,以差异距离作为相似性特征,提出面状空间数据的几何图形相似性度量模型,针对面状不同地物进行几何图形相似性度量。完成多分辨率网络传输的线状和面状空间数据几何图形相似性度量实验,并对不同传输量的网络渐进传输与普通网络传输进行图形相似度比较,实验结果证明几何图形相似性度量模型对于评价网络渐进传输的可行性。     

基于GPS时空轨迹的路网拓扑自动变化检测

充分利用出租车GPS时空轨迹数据分布广和时效性强的特点,提出一种基于车载GPS轨迹数据的路网拓扑自动变化检测新方法。该方法首先利用向量相似性度量模型,度量GPS轨迹向量与路网局部拓扑向量之间的相似性,检测疑似道路拓扑变化点,然后通过比较疑似道路拓扑变化点与路网拓扑关系,完成新增、废弃、改建等道路变化,实现基于车载GPS轨迹的路网拓扑自动变化检测。实验结果表明,该方法不仅有效地检测出道路新增、道路废弃与道路改扩建等变化,而且能利用出租车实时和大范围分布特点来实现城市路网大范围实时变化检测。     

基于HBase的矢量空间数据存储与查询方法及其应用

研究了HBase存储机制,针对现有存储查询方法效率低等缺陷,设计了HBase矢量空间数据存储表模式,如行键、过滤列族、几何列族及非几何列族等,以MapReduce算法为基础改进了原有的区域查询方法,上述改进有效提高了HBase中矢量空间数据查询效率。以某地近100 a地质灾害数据进行实验,结果表明：设计的存储模型可行,查询算法与传统查询算法相比效率更高;由于MapReduce运行过程中的通信等原因,当数据量小于5万级时,算法优势并不明显;当数据量大于10万级时,算法查询时间低于原来的1/2,而数据量达到100万级时,算法查询时间仅为算法改进前查询时间的1/20。数据量越大,并行化处理优势越明显。     

出租车交接班行为识别与时空分布研究

在出租车交接班时间段内经常发生打车难,甚至空车拒载的现象,研究出租车交接班行为的时空分布特征不仅能提高出租车运行效率,同时能缓解出租车供需矛盾,方便公众出行。本文采用武汉市出租车GPS轨迹数据,建立了出租车交接班时空序列模式,提出了交接班时空序列模式挖掘与识别方法,分析了交接班事件的时空分布特征,并以车辆区域覆盖强度、区域覆盖密度为指标对交接班停靠点城市资源配置进行了评估。研究结果表明：武汉市出租车交接班集中发生在凌晨1:00-4:00与下午16:00-17:00,下午交接班高峰与晚交通高峰时段有部分重叠,交接班地点比较均匀地遍布中心城区（青山区除外,此区域开发程度较低）,武昌区交接班强度最大,江汉区交接班密度最大。此外,结合武汉市2012年出台禁止出租车司机在晚高峰交通时段交接班的规定,探测发现6.5%左右的司机仍存在严重违规交接班行为。     

一种时空路径支持下的车辆油耗与排放估计方法

交通运输中能耗与污染物排放给人类环境带来了严峻挑战。本文提出了一种时空路径支持下的油耗、排放估计新方法。该方法首先在时空集成的三维坐标系下建立个体车辆的时空路径并从中识别移动/停留行为,然后根据时空路径段与提取的运动参数利用COPERT模型估计车辆的油耗和排放,最后提出一种时空路径的N维表达模型,将车辆的运动特征与时空路径段的油耗与排放统一进行可视化。试验中利用武汉市GPS轨迹大数据估计并分析了单辆车与路网片区的油耗与排放,结果显示本文提出的时空路径支持下的车辆油耗与排放估计方法在估计精度与可视化方面优于传统的基于平均速度估计方法,能够更加准确地估计和表达车辆油耗与排放。     

位置大数据的分析处理研究进展

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。