手机信令数据在职住空间、出行行为和交通碳排放研究中的应用进展与前景

手机信令数据具有覆盖范围广、获取成本低、时空精度较高、稳定实时追踪等优势,能够有效识别大规模人群的空间活动和出行特征,已成为应用最广泛的交通大数据类型之一。文章在手机信令数据的分类和特征基础上,总结了其在职住空间关系和交通出行行为研究中的技术应用,随后结合上述应用成果和已有文献对其在交通碳排放研究中的应用潜力和场景进行了探讨,最后总结了手机信令数据在职住空间、出行行为和交通碳排放研究中的应用框架、应用机遇与挑战以及未来研究内容与技术创新方向。目前,手机信令数据在职住空间领域中的应用包括职住地识别、职住关系和通勤网络特征及其影响因素解析,在出行行为领域中的应用包括驻留-出行识别、出行方式和路径识别,以及人群移动普适规律解析。以上技术应用能够有效服务交通碳排放领域研究,为交通碳排放测算以及城市空间结构、居民出行行为对交通碳排放的影响研究奠定了基础。未来,相关研究应进一步关注长时序动态追踪、大范围对比分析以及人口和交通新现象研究,并注重多源数据的融合、传统方法与机器学习的结合以及数字孪生模型的构建。     

长三角地区居民城际出行时间异质性及影响机制研究

探究城际出行网络的时间异质性及其影响机制,对推动区域内部不同城市的分工协同和一体化发展具有重要价值。文章基于百度迁徙数据,利用PPML (Poisson Pseudo Maximum Likelihood)重力模型和交互项检验方法,分析长三角地区工作日、周末和节假日城际出行网络特征,并挖掘城际出行时间异质性的影响机制。结果表明：1）长三角地区城际出行具有明显的时间异质性特征,表现为工作日城际出行强度最低,周末倾向短途出行,节假日城际出行强度最高的特点;2）城际出行受到推拉力和中间障碍的影响作用。城市发展水平、个体出行诱因等推拉力要素对城际出行具有促进作用,出行成本和行政文化壁垒等中间障碍因素对城际出行具有阻碍作用,推拉要素的作用效果在不同时段具有差异性。     

特大城市空间形态差异对交通网络效率的影响

以交通网络出行迂回作为交通网络效率分析的切入点,选取形状指数、紧凑度作为空间形态分析指标,对特大城市空间形态布局进行类型划分,并挖掘各城市交通网络效率空间分布差异特征,基于多元回归模型剖析中国各特大城市空间形态布局与交通网络效率之间的影响关系。研究表明：① 5种类型城市交通效率高低分布差异明显,紧凑圆形城市边缘区交通网络效率较低,而非紧凑带形交通效率低的区域多分布于城市核心区,紧凑方形城市交通网络效率高地区分布较为集中,而非紧凑方形交通效率低的地区分布较为分散,紧凑带形城市面积越小则交通效率越高。② 就城市空间布局与交通网络效率影响关系而言,随着城市形状指数的增大,城市交通迂回值未进一步增大,说明城市形态布局接近圆形均匀分布时,其城市交通网络效率较高;随着城市紧凑度值的增加,城市交通迂回程度值亦不断增加,说明城市形态布局程度越紧密,反而其交通网络效率越低,当城市形态布局紧密程度适中时,交通网络效率水平较高。     

天气因素对武汉市出租车出行活动的影响

天气状况作为人们生活环境的组成要素之一,对居民日常出行可产生显著的影响,具体可表征为特定空间位置和用地类型范围内出行活动的需求量以及道路交通路线选择的变化。高效、智能化的交通应急管理和城市规划建设亟需理解天气因素影响交通出行时空分布的基本规律。本文选取武汉市作为典型研究区域,基于出租车、气象和空气质量等数据,对不同天气下的居民出行模式和司机路径选择模式进行时空分析,并解释2类模式产生变化的原因和机制。结果表明：① 从时间上看,工作日的出租车需求量更容易受到天气变化的影响,其中降雨、气温的升高和风速的增强会显著降低居民对出租车的需求;② 从全市域空间尺度上看,降雨使得居民对出租车的需求量在工作日时段减少,而在周末时段增加,其中降雨主要刺激短距离出租车出行需求而抑制中长距离出行需求;③ 从城郊区空间尺度上看,雨天时段主城区内部的中距离流量减少,郊区内部的短距离流量增加,往返于主城区和郊区的中长距离流量在工作日减少、在周末增加;④ 从功能区空间尺度上看,下雨使得行政办公用地的出租车需求量减少,商业金融用地的出租车需求量在工作日减少、在周末增加,工业用地的出租车需求量在工作日增加、在周末减少;⑤ 从行驶路径上看,出租车司机在晴天时偏好根据距离来判断最佳路线,而在雨天倾向于改变原先路线选择策略,将距离和车速共同作为最佳路线的指标,选择用时最少的最佳路线。本文研究成果可帮助城市和交通管理部门更加深入地理解城市居民出行规律及其时空分布特征。     

基于宜出行大数据的多中心空间结构分析——以重庆主城区为例

多中心已成为中国大多数城市的空间发展战略,多中心结构的有效识别对于规划效果评价、规划策略制定具有重要意义。相比于百度热力与手机信令数据,腾讯宜出行数据具有时空分辨率高、获取成本低的优点,可精细比较城市主副中心的人口集聚能力,为多中心结构的动态识别提供新的手段。论文以重庆主城区为例,基于连续一周的宜出行热力数据,利用核密度分析等方法,识别其多中心城市结构、影响范围与组团发育情况。结果表明：作为山地城市,重庆在自然限制、经济驱动与规划引导下主动选择了“多中心、组团式”结构。重庆内环以内的各个城市中心人口高度集聚、用地规模相近、发育相对成熟,并强于内环以外的副中心。研究指出,西永、茶园副中心及外围组团的发展与人口集聚能力有待提高。     

多尺度交通出行碳排放影响因素研究进展

减少交通出行碳排放是全球共同面对的重大议题之一,同时也是城市和交通可持续发展的重要目标。论文首先基于文献计量方法对近20年来的全球交通出行碳排放研究现状与趋势进行梳理与分析,在此基础上,分别从国家、城市和社区3个尺度对国家交通能源消耗及其碳排放的驱动力因素、城市形态对交通碳排放的影响以及社区建成环境对居民出行碳排放的影响研究进行了文献综述与归纳凝练。研究发现：① 国家尺度的研究早期大多基于时间序列数据,采用分解法探究交通能源消耗的主要驱动力;近年来,研究进一步根据能源消耗数据“自上而下”地测算交通碳排放,并通过构建面板数据模型探究社会经济、城市形态和交通发展因素对交通碳排放的影响。② 城市尺度的研究早期围绕紧凑城市是否一种低碳的城市形态而进行讨论,主要使用截面数据和相关分析方法;近年来,进一步拓展使用情景预测、GIS空间分析、空间回归、空间模拟等方法探究城市交通碳排放的空间差异及其与城市形态、城市中心分布形式之间的关系。③ 在社区尺度,研究多以截面、非集计的问卷调查数据为主,采用定量的数学模型探究居民社会经济属性和人口密度,土地利用混合度,与就业地、城市中心的距离,路网与交叉口密度、公共交通供给水平等建成环境要素对居民出行碳排放的影响。最后有针对性地提出了未来中国城市交通出行碳排放影响因素的研究趋势。     

基于公交大数据的满载率推算方法 ——以深圳市为例

城市可持续发展需要提升公共交通的供给能力。公汽满载率是公交规划、调度和服务评价等方面的重要参数。在公交信息化水平不断提升的背景下,由公交IC卡数据和公共汽车GPS数据等构成的公交大数据为获得相对精确的客流提供了可能。虽然已有相对稳定的OD推算方法,但对于公汽满载率的研究尚不够充分。本文提出基于历史公交大数据的大规模公交出行链搜素算法,在此基础上构建公共汽车满载率数据库,并以深圳市为例揭示了高满载率线路段的时空分布特征。本文研究对于揭示公汽服务整体水平和探测关键公交廊道具有较大价值。     

CLAB模型：一种乘客出租出行需求短时预测的深度学习模型

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度,本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块,基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征,其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性;为了探索长期时间特征,用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验,结果表明：(1) CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求;(2)与基准预测模型相比,CLAB模型的整体的效果误差更低,具有更好的预测效果,CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN...     

结合轨迹数据的居民出行模式及功能识别研究

城市人群的出行特征通过车辆轨迹数据隐含的行为信息可以体现,但传统的单维度模型将不再适用于轨迹数据隐含的多维信息的挖掘.本文将海口市中心城区根据路网划分区域,使用能够挖掘多维信息的非负稀疏约束下张量分解基于"滴滴出行"轨迹数据,从时空维度挖掘居民出行规律并进行区域功能特征识别.结果表明:居民出行时间符合工作日,休息日的早...     

中国居民工作日与节假日的城际出行网络异同性研究

居民出行目的、出行时间与地域属性的差异都会导致出行行为的异质性,工作日与节假日具有完全不同的时间属性,且出行目的差异较大,对两时段城际出行网络进行比较有助于全面认识城际出行规律及其网络特征。以4月份工作日（2016年4月11日—4月15日）和国庆黄金周（2016年10月1日—10月7日）为代表,利用“腾讯迁徙”提供的居民城际出行数据,从城市节点、城际关联及网络集聚角度对工作日与节假日的居民城际出行网络结构特征进行对比研究。结果发现：① 黄金周的日均城际居民出行规模显著高于工作日,但出行距离和网络集聚程度明显低于后者;② 两种网络均形成了跨区域组团、邻近组团和省域组团3种类型。黄金周跨区域组团数量明显低于工作日,区域和地方枢纽城市数量多于工作日,邻近组团和省域组团数量则明显高于工作日;③ 工作日,北上广三大城市核心地位突出,旅游功能、交通枢纽功能城市的地位在黄金周更得以凸显;④ 工作日城际出行网络以跨区域联系为主,而黄金周则呈现出明显的空间邻近效应,并形成了以省会为中心、省内出行为主的核心—外围模式。