南京都市圈居民非通勤出行特征及其影响因素研究

随着居民生活水平的提高,非通勤出行逐渐成为居民的重要出行需求,相关研究也成为人本主义视角下城市规划、交通地理学领域的热点。文章以南京都市圈为例,借助随机森林模型等方法探究城市内及城市间居民非通勤出行特征及其非线性影响因素。研究表明：(1)南京都市圈城市内非通勤出行集中于各城市中心城区,城市间非通勤出行集中于城市交界区域及南京市中心城区。(2)建成环境对居民非通勤出行具有非线性影响,城市内非通勤出行受到公共服务设施和交通设施的双重非线性作用,城市间非通勤出行则主要受到交通设施的非线性作用。(3)不同影响因子具有不同的非线性作用方式,需要根据其特征有针对性地进行规划调控和配置。最后,文章提出基于非通勤人流特征和建成环境非线性影响作用的都市圈设施优化配置策略。     

基于腾讯迁徙数据的中国城市群国庆长假城际出行模式与网络特征

城际出行具有时间依赖性,不同时间约束与特定时期的城际出行具有相异性,反映的出行模式与表达的地理空间联系规律具有差异性。迁徙大数据记录的人口移动实时记录为开展基于时间依赖的城际出行网络提供了可能。本文以全国 19个城市群为研究区域,利用腾讯平台提供的居民城际出行数据,对国庆长假期间（2016年10月1—7日）中国城市群城际出行时段变化特征、城际出行模式及其网络结构进行了研究。结果表明：① 黄金周城际出行具有明显的基于出行期、返程期和旅途期的时段变化规律;② 国庆长假期间的中国城市群城际出行分别形成了轴辐式、多中心与单中心3种城际出行模式; ③ 出行期、返程期的城际出行具有类似于春运人口流动的时空对称规律,城市群城际出行呈现出以主要城市群整体、城市群核心城市与邻近外围城市间的中短距离流动的长假出行特征,中西部城市群城际出行具有典型的“潮汐式”流动特征;④ 基于腾讯人口迁徙大数据,通过对黄金周期间出行期、返程期与旅途期的科学划分,较好地实现了国庆长假城际出行特征与模式的挖掘,同时也为长假城际交通管理与道路资源优化调配方案的制定提供支撑。     

基于Spark的城市居民出行时空特征快速提取

利用交通轨迹挖掘人类活动规律是实现智慧城市与生活的基础,然而常规方法已无法满足高效处理的大数据量要求。以海量出租车轨迹数据分析为例,设计了基于Spark平台的城市居民出行时空特征快速提取方法。借助Spark分布式计算框架,将核心算子匹配应用于二次排序、数据清洗及O/D点提取等预处理工作,并在时间分割和网格剖分统计的基础上完成时空特征提取。利用2014年8月份成都市出租车轨迹数据开展实验验证,结果表明,相较于传统单机环境,在确保准确性的基础上,该方法能够大幅提高特征提取的效率;集群节点一定时,数据规模越大优势越明显;数据规模足够大时,Spark集群节点数量越多,耗时越少。     

北京市轨道交通客流时空分布特征分析

随着城市轨道交通规模的扩大,客流量不断攀升,研究乘客的出行特征对于城市轨道交通限流模型的建立以及限流策略的制定具有重要意义。基于北京市某时段部分城市轨道交通线网的OD出行数据,研究了乘客出行的时空分布特征,对北京市轨道交通运营网络提出了建议。分析结果表明:(1)在早高峰时段,乘客的出行时间主要集中为100~200 min,出行距离集中在20~35 km,且出行距离与出行时间呈线性关系;(2)乘客选择地铁出行的出发点和到达点大部分集中在北京五环以内,客流从城外向城内移动,朝阳区和海淀区的进出站客流量均居前两位。     

基于公交运行规律的乘客下车点推算方法

基于公交GPS和AFC数据,提出了一种适应于多类型刷卡时间特征的上下车点推算框架.该框架在利用GPS数据提取公交车辆停靠站点的基础上,通过分析乘客AFC记录,提出了根据层次聚类推算乘客上车点时间与位置的方法;并针对不同类型的刷卡时间特征,分别采用基于出行链、历史数据和站点吸引的方法推算下车点.最后利用深圳市现有公交IC卡数据、GPS数据和线路站点数据对该框架进行了有效性验证.     

城市地铁出行知识图谱嵌入表达的超参数选择

知识图谱作为人工智能技术与应用中重要的数据基础设施，已经成为地理科学领域的一个研究热点。目前对地理知识图谱进行嵌入表达时通常使用默认的超参数（如2层网络搜索深度），但是部分地理知识图谱的网络规模和拓扑特征与通用知识图谱不同，其合理性需进一步论证。为此，本文围绕城市轨道交通人地关系，基于地铁线路网络的拓扑结构特征，结合客流数据、POI（兴趣点）数据以及建成环境数据等构建地铁出行知识图谱；利用GraphSAGE模型学习实体的多维度特征嵌入，并结合POI数据对站点分类结果进行语义识别，对比验证适合地铁出行知识图谱嵌入表达的网络搜索深度。不同于默认的2层搜索深度，当搜索深度为3层时，本研究所构建的地铁出行知识图谱的节点嵌入效果最优。因此，地理知识图谱嵌入表达的超参数选择需要顾及时空和人类活动相关的网络规模和拓扑特征，要避免不加甄别地使用其他领域通用知识图谱的已有成果。使用3层搜索深度获得的地铁站点分类结果也更具合理的解释性，可为利用知识图谱和人工智能方法进行站点规划和客流预测提供基础。     

基于Flex技术的公众出行服务系统的研究与实现

随着交通事业的迅猛发展以及人民群众生活水平的不断提高,公众的出行需求发生了巨大的变化,除传统的出行方式外,越来越多的人选择公路自驾车出行,这使得出行服务的内容也随之发生了变化。本文提出了基于Web Service和Flex客户端开发技术建设出行服务系统的思路,设计并实现了青海省便民出行服务系统,系统的建设提高了居民出行的安全性和便利性。     

基于T-GIS方法的大学生时空变化规律研究

T-GIS作为GIS的一个新兴研究领域,用于采集、存储、管理、分析与显示地理实体随时间变化的信息。结合T-GIS和时间地理学基本理论,以华中师范大学为例,分析了学生时空活动的动态表现,利用学生出行日志的问卷调查数据,开发了基于ArcGIS的大学生行为链时空分布工具,揭示了典型时间断面大学生的空间分布特征,为高校管理人员对大学生行为活动实施管理以及掌握校园相关设施、场所的利用情况等提供依据。该方法同样适用于其他与时态相关的领域。     

出行认知约束下的最优路径规划方法

基于城市交通与城市形态结构的密切关系,本文探讨了环形城市形态下的城市交通网模型,并提出了结合大众出行认知特征的城市交通最优路径规划方法。为检验本文方法的有效性,利用成都市路网数据对本方法与传统路径规划方法进行了对比实验,结果表明本文方法所规划路径更适应实际状况,可有效地降低时间消耗、较好地符合层次空间推理机制。     

购物出行空间的等级结构研究—以天津市为例

以天津市为例，通过大量问卷调查，总结出城市居民购物出行的空间圈层结构，为国际间相关问题的横向对比奠定了基础。在中地论的基础上，创建了系统描述和详细分析购物出行空间等级结构的新模式，为今后的相关研究提供一种制度和方法。在市场细分的基础上，总结出天津市三种不同收入阶层的购物出行空间等级结构类型，并对其进行了尝试性解释。