融合开放出行数据和POI数据的城市职住空间识别方法研究
发布时间：2021-08-11 18:48
随着城市化进程不断推进、人口规模不断扩大,大量郊区新城和产业园的建设兴起,住房市场化改革,同时城市交通基础设施的日渐完善和交通方式的日益丰富,居民职住地选择的自由度大幅提升,中国城市职住空间特征发生了深刻的变化,城市就业与居住空间分离、错位现象逐渐凸显,城市职住空间不平衡不断加剧,由此引起的交通拥堵、居住隔离和环境污染等一系列“城市病”成为城市可持续发展面临的重要问题。通勤作为城市居民就业地和居住地分离而产生的出行行为,如何有效的掌握城市居民职住空间的分布特征和关系成为有效缓解职住分离及其导致的一系列城市病的基础和关键。传统职住空间和通勤特征研究多基于问卷调查和普查统计数据展开,不仅需要耗费大量的人力、物力,而且存在数据获取时间周期长,样本量小、样本群体不具代表性、数据源单一等缺点,影响研究结果的准确性。近年来,随着感知定位技术、信息与通信技术（ICT）的不断发展与广泛应用,包含居民出行行为时空轨迹的数据逐渐丰富,为城市空间研究和居民出行模式挖掘提供新的契机和条件。本论文以开放出行数据和POI数据为研究数据,以海口市为实验区,根据出行数据和POI数据的特点,分别构建基于出行流动量模型的...
【文章来源】：兰州交通大学甘肃省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
原始数据
融合开放出行数据和POI数据得城市职住空间识别方法研究-14-格面积相等不存在面积变形。本文研究区域相对较小，选用正多面体格网模型中的四边形格网模型为研究区域剖分模型。2.3海口市数据处理2.3.1实验区概况本文以海口市主城区为研究区域（图2.2）。海口市，海南省省会城市，北部湾城市群中心城市，位于北纬19°31′～20°04′，东经110°07′～110°42′之间，地处海南岛北部，东邻文昌，西接澄迈，南毗定安，北濒琼州海峡，和广东省相隔20海里左右，是海南省政治、经济、科技、文化中心和最大的交通枢纽，也是国家“一带一路”战略支点城市。图2.2研究区概况海口市由本岛海南岛（海南岛北部部分）、海甸岛和新埠岛3岛组成，全市总面积3145.93平方公里，其中，陆地面积2284.49平方公里，海域面积861.44平方公里。下辖秀英区、龙华区、琼山区及美兰区四个区。下辖21个街道、22个镇、207个社区和245个行政村。截至2018年末，全市户籍人口177.61万人，常住人口230.23万人，从区域年末常住人口分布看，秀英区39.56万人、龙华区67.76万人、琼山区51.79万人、美兰区71.12万人[80]。海口市的常住人口中，有汉族、黎族、苗族、回族、满族、瑶族、蒙古族、朝鲜族、土家族、布依族、傣族、侗族、壮族等48个民族，截至2016年，汉
兰州交通大学硕士学位论文-15-族人口占98.6%，少数民族人口占1.4%。本文以海口市主城区下辖金茂街道、中山街道、金宇街道、国兴街道、和平南街道、海府街道、海秀街道、秀英街道、西秀镇、长流镇、海秀镇、新海林尝大同街道、城西镇、海垦街道、滨海街道、白龙街道、蓝天街道、博爱街道、国营桂林洋农尝府城镇、灵山镇、海甸街道、人民路街道、新埠镇和白沙街道26个街道为研究区域，其总体划分为长流组团，中心组团和江东组团三部分。长流组团包括新海林尝西秀镇、长流镇3街道；中心组团以秀英街道和海秀镇为界向东扩展至南渡江，主要包括海秀、秀英、城西、府城、海甸及新埠在内的21个街道；江东组团以南渡江以东的灵山镇和国营桂林洋农杨为主。2.3.2出行数据本文使用的数据为滴滴出行“盖亚”数据开放计划2019年6月开放的出行数据集，数据主要为海口市2017年5月1日-10月31日每天的订单数据，数据主要包括订单ID、产品线ID、城市ID、城市区号、二级县区、订单时效、订单类型、出发时间、到达时间、出发地点经纬度、到达地点经纬度等属性信息。本文通过对滴滴出行数据进行清洗、坐标纠偏、分类、裁剪等预处理操作，最终得到2017年9月1日到30日每一天的出行数据，如图2.3所示。图2.32017年9月1日和30日出行数据2.3.3POI数据
【参考文献】：
期刊论文
[1]基于出租车轨迹数据的城市空间结构变化研究——以深圳市为例[J]. 庄浩铭,刘小平. 热带地理. 2020(02)
[2]南京市住房困难人群职住关系及影响因素分析[J]. 吴翔华,陈昕雨,袁丰. 地理科学进展. 2019(12)
[3]基于一卡通数据的公交换乘行为分析方法[J]. 方秋水,李之明,徐锋,冷梦甜,耿薇. 交通节能与环保. 2019(06)
[4]基于出租车上下客数据的城市功能区提取方法[J]. 孙士杰,孙群,陆川伟,赵云鹏,马京振. 测绘科学技术学报. 2019(06)
[5]通勤距离对职住分离的统计验证[J]. 宋小冬,王园园,杨钰颖,张开翼,钮心毅. 地球信息科学学报. 2019(11)
[6]基于POI大数据的城市群功能空间结构特征研究——以粤港澳大湾区为例[J]. 巫细波,赖长强. 城市观察. 2019(03)
[7]基于手机信令数据的昆山市职住分布与通勤特征分析[J]. 陆振波,龙振,余启航. 现代城市研究. 2019(03)
[8]基于公交刷卡数据的武汉市职住通勤特征研究[J]. 刘耀林,陈龙,安子豪,张翔晖. 经济地理. 2019(02)
[9]基于Spark的城市居民出行时空特征快速提取[J]. 赵英豪,吕亮,徐青,施群山,卢万杰,张杰. 测绘科学技术学报. 2018(06)
[10]基于公交刷卡数据的北京城市居民周末户外休闲行为特征研究[J]. 刘丽敏,虞虎,靳海涛. 地域研究与开发. 2018(06)
博士论文
[1]基于轨迹数据的城市居民出行模式分析与挖掘[D]. 王进忠.大连理工大学 2019
[2]基于社交地理大数据的城市热点区域探测与挖掘[D]. 耿继原.辽宁工程技术大学 2017
[3]基于轨迹聚类的城市热点区域提取与分析方法研究[D]. 赵鹏祥.武汉大学 2015
硕士论文
[1]基于手机信令的出行方式识别方法研究[D]. 唐杰.重庆邮电大学 2019
[2]基于移动通信大数据的人口监测分析方法研究[D]. 李璨.北京交通大学 2019
[3]手机信令数据背景下城市交通出行方式选择辨识方法研究[D]. 刘华斌.北京交通大学 2019
[4]基于话单数据的移动通信用户画像研究[D]. 张海旭.中国科学技术大学 2018
[5]基于多源兴趣点数据的城市功能区划分方法研究[D]. 邓悦.中国测绘科学研究院 2018
[6]基于手机信令数据的城市轨道交通客流出行信息提取方法研究[D]. 王利雷.西南交通大学 2018
[7]利用微博签到数据分析职住平衡与通勤特征[D]. 石光辉.武汉大学 2017
[8]基于手机定位数据的居民职住地分布特征研究[D]. 许宁.中南大学 2014
本文编号：3336697
【文章来源】：兰州交通大学甘肃省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
原始数据
融合开放出行数据和POI数据得城市职住空间识别方法研究-14-格面积相等不存在面积变形。本文研究区域相对较小，选用正多面体格网模型中的四边形格网模型为研究区域剖分模型。2.3海口市数据处理2.3.1实验区概况本文以海口市主城区为研究区域（图2.2）。海口市，海南省省会城市，北部湾城市群中心城市，位于北纬19°31′～20°04′，东经110°07′～110°42′之间，地处海南岛北部，东邻文昌，西接澄迈，南毗定安，北濒琼州海峡，和广东省相隔20海里左右，是海南省政治、经济、科技、文化中心和最大的交通枢纽，也是国家“一带一路”战略支点城市。图2.2研究区概况海口市由本岛海南岛（海南岛北部部分）、海甸岛和新埠岛3岛组成，全市总面积3145.93平方公里，其中，陆地面积2284.49平方公里，海域面积861.44平方公里。下辖秀英区、龙华区、琼山区及美兰区四个区。下辖21个街道、22个镇、207个社区和245个行政村。截至2018年末，全市户籍人口177.61万人，常住人口230.23万人，从区域年末常住人口分布看，秀英区39.56万人、龙华区67.76万人、琼山区51.79万人、美兰区71.12万人[80]。海口市的常住人口中，有汉族、黎族、苗族、回族、满族、瑶族、蒙古族、朝鲜族、土家族、布依族、傣族、侗族、壮族等48个民族，截至2016年，汉
兰州交通大学硕士学位论文-15-族人口占98.6%，少数民族人口占1.4%。本文以海口市主城区下辖金茂街道、中山街道、金宇街道、国兴街道、和平南街道、海府街道、海秀街道、秀英街道、西秀镇、长流镇、海秀镇、新海林尝大同街道、城西镇、海垦街道、滨海街道、白龙街道、蓝天街道、博爱街道、国营桂林洋农尝府城镇、灵山镇、海甸街道、人民路街道、新埠镇和白沙街道26个街道为研究区域，其总体划分为长流组团，中心组团和江东组团三部分。长流组团包括新海林尝西秀镇、长流镇3街道；中心组团以秀英街道和海秀镇为界向东扩展至南渡江，主要包括海秀、秀英、城西、府城、海甸及新埠在内的21个街道；江东组团以南渡江以东的灵山镇和国营桂林洋农杨为主。2.3.2出行数据本文使用的数据为滴滴出行“盖亚”数据开放计划2019年6月开放的出行数据集，数据主要为海口市2017年5月1日-10月31日每天的订单数据，数据主要包括订单ID、产品线ID、城市ID、城市区号、二级县区、订单时效、订单类型、出发时间、到达时间、出发地点经纬度、到达地点经纬度等属性信息。本文通过对滴滴出行数据进行清洗、坐标纠偏、分类、裁剪等预处理操作，最终得到2017年9月1日到30日每一天的出行数据，如图2.3所示。图2.32017年9月1日和30日出行数据2.3.3POI数据
【参考文献】：
期刊论文
[1]基于出租车轨迹数据的城市空间结构变化研究——以深圳市为例[J]. 庄浩铭,刘小平. 热带地理. 2020(02)
[2]南京市住房困难人群职住关系及影响因素分析[J]. 吴翔华,陈昕雨,袁丰. 地理科学进展. 2019(12)
[3]基于一卡通数据的公交换乘行为分析方法[J]. 方秋水,李之明,徐锋,冷梦甜,耿薇. 交通节能与环保. 2019(06)
[4]基于出租车上下客数据的城市功能区提取方法[J]. 孙士杰,孙群,陆川伟,赵云鹏,马京振. 测绘科学技术学报. 2019(06)
[5]通勤距离对职住分离的统计验证[J]. 宋小冬,王园园,杨钰颖,张开翼,钮心毅. 地球信息科学学报. 2019(11)
[6]基于POI大数据的城市群功能空间结构特征研究——以粤港澳大湾区为例[J]. 巫细波,赖长强. 城市观察. 2019(03)
[7]基于手机信令数据的昆山市职住分布与通勤特征分析[J]. 陆振波,龙振,余启航. 现代城市研究. 2019(03)
[8]基于公交刷卡数据的武汉市职住通勤特征研究[J]. 刘耀林,陈龙,安子豪,张翔晖. 经济地理. 2019(02)
[9]基于Spark的城市居民出行时空特征快速提取[J]. 赵英豪,吕亮,徐青,施群山,卢万杰,张杰. 测绘科学技术学报. 2018(06)
[10]基于公交刷卡数据的北京城市居民周末户外休闲行为特征研究[J]. 刘丽敏,虞虎,靳海涛. 地域研究与开发. 2018(06)
博士论文
[1]基于轨迹数据的城市居民出行模式分析与挖掘[D]. 王进忠.大连理工大学 2019
[2]基于社交地理大数据的城市热点区域探测与挖掘[D]. 耿继原.辽宁工程技术大学 2017
[3]基于轨迹聚类的城市热点区域提取与分析方法研究[D]. 赵鹏祥.武汉大学 2015
硕士论文
[1]基于手机信令的出行方式识别方法研究[D]. 唐杰.重庆邮电大学 2019
[2]基于移动通信大数据的人口监测分析方法研究[D]. 李璨.北京交通大学 2019
[3]手机信令数据背景下城市交通出行方式选择辨识方法研究[D]. 刘华斌.北京交通大学 2019
[4]基于话单数据的移动通信用户画像研究[D]. 张海旭.中国科学技术大学 2018
[5]基于多源兴趣点数据的城市功能区划分方法研究[D]. 邓悦.中国测绘科学研究院 2018
[6]基于手机信令数据的城市轨道交通客流出行信息提取方法研究[D]. 王利雷.西南交通大学 2018
[7]利用微博签到数据分析职住平衡与通勤特征[D]. 石光辉.武汉大学 2017
[8]基于手机定位数据的居民职住地分布特征研究[D]. 许宁.中南大学 2014
本文编号：3336697
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3336697.html
