今夏国内煤价缘何“旺季不旺”？

7月份,正值迎峰度夏用电高峰,按照惯例,这正是国内煤价大涨的时候,而在今年高温酷暑的7月份,起着国内煤价“标杆”作用的秦皇岛港下水煤价却出现了回调势头。     

基于交通出行链的就医活动识别理论框架与方法体系

交通是人们实现出行目的的重要工具和载体,也是研究城市居民出行目的的重要手段。本文试图采用交通出行数据来识别就医活动目的的行程,以深化交通大数据研究的应用领域。在合并交通出行链的基础上,构建了就医活动识别的理论框架和方法体系,提出6大准则：邻近性准则、出行链闭合准则、单一出行目的准则、时间耦合性准则、路径偶发准则。以北京市为例,基于公交车刷卡和出租车GPS数据,明确就医出行的关键参数与阈值,最终甄别出以就医为目的的交通出行链,并对识别结果进行分析与验证。基于交通出行链的就医活动识别研究可以弥补传统研究中病例数据和问卷数据样本量小和难获取的不足,为就医活动研究提供了新的方法体系,也为基于其他交通出行目的识别研究提供理论和方法借鉴。     

基于MapReduce的海量公交乘客OD并行推算方法

公交乘客出行OD能够反映居民出行特征和出行需求,是进行公交系统评价、调度和线路优化的重要基础数据,对城市规划具有重要的实用价值。现有公交OD推算方法多适用于少量公交数据,无法直接快速地推算海量公交乘客出行OD,因此本文提出了一种基于MapReduce的海量公交乘客OD并行推算方法。首先将公交数据从关系型数据库迁移至HBase数据库;接着利用MapReduce并行计算框架,根据HBase中IC卡数据的Region数量分成多个map任务,每个map任务中Map函数计算上车站点,Reduce函数将上车站点以用户为单位进行归并输出到HDFS;然后在上车记录数据的基础上,根据HDFS存储的块数量分成多个map任务,针对每个乘客的出行记录,综合考虑出行链方法和历史相似出行行为规律实现对公交乘客下车站点较为精确的推算。最后以厦门2015年6月13日至26日的IC卡数据和公交车辆GPS数据进行实例分析,共计算出295条公交线路,16 879 661条上车记录,14 410 058条完整OD记录,占IC卡数据的78.9%,计算效率相比传统方法有较大幅度提升。结果表明：该方法不仅可以较为准确地推算公交乘客上下车站点,而且计算效率较高。     

利用词向量模型分析城市道路交通空间相关性

刻画城市道路之间的交通相关性是提高交通插值及预测水平的基础。现有研究及应用通常假设一定空间或拓扑距离内的道路相互之间具有相关性,这种方式忽视了道路之间交通影响的时空异质性。例如,上游道路交通流通常不会均匀扩散到所有下游道路,而是集中在特定方向上。道路之间产生交通影响和交互作用的根本原因是大量机动车辆穿梭其中。为从数据驱动的角度度量道路之间的交通相关性,从而顾及其时空异质性,本文利用词向量模型Word2Vec从大量机动车出行路径中挖掘道路之间的交通交互影响关系。首先把"路段-路径"类比为"词-文档";其次利用Word2Vec模型从大量路径(文档)中为每条路段(词)训练出一个实数向量(词向量);然后以向量之间的余弦相似度度量对应路段之间的交通相关性;最后利用交通状态数据对结果进行验证。以北京市200万条出租车出行路径为数据进行试验,结果表明:(1)平均水平上,向量相似度越高的邻近路段,其交通状态变化趋势也越相似,证明了本文方法可以正确度量道路之间的交通相关性,并刻画出其空间异质性;(2)工作日早、晚高峰及节假日路段之间的交通相关性大于工作日平峰和周六日,其合理性体现了本文方法可以正确捕捉道路交通相关性的时间异质性。本文方法及分析可为交通规划、诱导等提供方法论和理论基础。     

城市居民非工作活动的家内外时间分配及影响因素——以北京上地—清河地区为例

中国各大城市交通供求不平衡的问题日益凸显,如何科学合理地分析、预测、引导交通出行需求已成为城市可持续发展的核心问题。西方对城市居民出行需求的研究已经由基于出行的分析转向基于活动的分析,并且认为家内/家外活动决策与出行需求的产生密切相关;而国内少有从家内/家外活动时间分配的视角透视居民出行需求的产生机理的研究。基于2012年北京市居民日常活动与交通出行调查所采集的第一手数据,本研究以北京上地—清河地区为例,构建结构方程模型,分析工作日与休息日家内/家外的非工作活动的时间分配特征及其影响因素,以此尝试对居民非工作出行需求的产生机理进行解读。研究表明：家内活动与家外活动之间存在显著的替代关系;家内/家外非工作活动时间分配受到工作与通勤时长、社会经济属性的影响,并且不同类型的非工作活动的家内/家外时间分配存在内生联系。研究结果将为居民出行需求预测与引导提供参考依据。     

基于时间序列预测的城际出行韧性评估方法与时空格局

在不确定性成为交通运行新常态背景下,如何在抑制风险的前提下,提升城际出行韧性,掌握需求侧城际出行波动的时空格局对韧性交通建设具有重要意义。文章界定了城际出行韧性内涵,基于长时间序列城际出行数据和扰动事件一般属性构建了城际出行韧性测度模型,并以COVID-19扰动为案例,揭示了COVID-19三年以来的城际出行适应性格局与韧性时空格局规律。研究表明：1）兼顾季节性与节假日趋势所构建的城际出行韧性评估方法可以很好地揭示扰动事件影响下的城际出行波动时空格局。2) COVID-19疫情对城际出行的影响程度表现为全国大流行高峰期>奥密克戎高峰期>多点波动高峰期。城际出行强度随距离增加呈线性衰减趋势,每增加50 km的距离,3个阶段的城际出行分别要多损失0.86、1.03、1.15个百分点。3）全国大流行、多点波动和奥密克戎3个阶段居民城际出行平均距离分别缩短了52.55、65.31、105.16 km。4）城际出行韧性呈现多点波动时期>奥密克戎暴发时期>全国大流行时期,在时序上表现出城际出行韧性逐渐增加的趋势。同时,3阶段的城际出行韧性在空间上亦明显呈现出差异化空间分异和...     

建成环境对居民购物模式选择的影响——以南京为例

网络购物的普及重塑了居民的购物行为模式。国外的相关研究多将购物行为看作一个整体,影响因素的研究中也缺乏系统的建成环境指标的分析。以南京为例,将购物过程分解后重组为8种购物模式。在区分商品类型的基础上,构建多元Logit模型探讨经济社会属性、购物态度、网络使用情况、居住地建成环境、通勤特征等对居民购物模式选择的影响。研究发现：① 上述变量均会影响购物行为;② 建成环境变量中,居住区位、交通便利性、购物便利性对居民购买搜索型和体验型商品均存在显著影响;③ 通勤距离对不同商品的购物行为影响差异较大;④ 创新扩散假设和效率假设同时存在。     

中国城市居民出行的时空特征及影响因素研究

城市居民交通出行是目前城市地理学和交通地理学日益关注的研究领域,其中,居民出行调查与分析是改善城市交通布局的主要依据。在介绍城市居民出行基本概念和研究内容的基础上,利用收集信息与在北京、成都和大连三市16居住区1400余份调查问卷的数据,分析了城市居民交通出行的基本特征和动态变化以及区域差异,其中重点剖析了交通出行总量、出行目的、出行方式。重点从影响因素的角度,考察了城市居民出行的发生机理,包括城市规模和城市条件、居住区位、居民经济水平等。     

基于家庭区位需求的城市住房价格模拟分析

目前关于城市住房价格异质性和影响因素研究多侧重于空间位置分析,从城市系统角度刻画住房价格分异现象有待进一步探索。根据“土地利用—交通相互作用理论”,城市空间的发展过程是各类活动通过交通相互作用的过程,本文构建了交通可达性模型,综合全市经济活动空间分布和交通网络评价城市区位条件,并以北京为例,从就业、教育、消费、医疗服务等各方面评价了城市区位条件,在此基础上依据家庭成员结构,模拟分析了家庭区位需求对住房价格的影响。案例研究表明,本模型对房价的模拟可以在全市范围内达到很好的效果;家庭的区位选择决定着住房价格的空间格局;各类活动中就业对北京市房价分布影响最为显著,其次是消费、教育,而医疗服务对住房价格影响相对较弱。此外,本文所提出的模型系统阐述了城市经济活动分布格局对住房价格的影响,经济活动分布发生变化时模拟结果随之变化,因此,本模型可以进一步拓展用于“以业带人”政策实验,模拟分析疏散各类经济活动后住房价格的变化,也为城市房价及土地市场分析研究提供模型方法上的参考。