基于多源数据的成都市居民出行热点时空特征分析

发布时间：2021-01-19 10:03

　　以成都市主城区为例,利用出租车GPS轨迹生成上下车热点,结合POI数据识别城市功能区,从不同时段、周末与节假日等多角度比较居民出行的时空特征.研究发现:研究区中商务办公区与休闲旅游区多分布在研究区外围,其他类型功能区分布较为均匀;周末和工作日各时段上车热点会随着时间的推移由集中变得分散,下车热点会先集聚再扩散;工作日在商务办公区形成的热点较周末多,其他类别用地在周末和工作日形成的热点区域差别不大;武侯区和金牛区出行量多,但热点零星不集中;青羊区热点区域较为连续,且集中分布于城市中心区域. 

【文章来源】：南京师范大学学报(工程技术版). 2020,20(02)

【文章页数】：8 页

【文章目录】：
1 区域概况与数据来源
    1.1 研究区概况
    1.2 数据来源
2 研究方法
    2.1 出行热点挖掘
        （1）提取上下车点
        （2）城市热点的挖掘
        （3）最近邻指数
    2.2 城市功能区识别
        （1）街道路网的划分
        （2）POI数据的划分
        （3）城市功能区识别
3 结果分析
    3.1 城市功能分区分布特征
    3.2 分时段居民出行特征
    3.3 高峰时段的出行热点
    3.4 全天出行热点
4 结论


【参考文献】：
期刊论文
[1]基于低碳出行方式的南京市本地居民景点可达性研究[J]. 王宇环,靳诚,安鸿波,刘月.  长江流域资源与环境. 2018(11)
[2]基于多源数据的城市功能区识别及相互作用分析[J]. 谷岩岩,焦利民,董婷,王艳东,许刚.  武汉大学学报(信息科学版). 2018(07)
[3]基于POI数据的长春市商业空间格局及行业分布[J]. 浩飞龙,王士君,冯章献,于婷婷,马丽.  地理研究. 2018(02)
[4]济南市主城区私家车日常出行碳排放特征及影响因素[J]. 刘清春,张莹莹,肖燕,袁玉娟,夏海斌.  资源科学. 2018(02)
[5]基于出租车轨迹数据的城市热点出行区域挖掘[J]. 郑林江,赵欣,蒋朝辉,邓建国,夏冬,刘卫宁.  计算机应用与软件. 2018(01)
[6]基于电子地图兴趣点的城市建成区边界识别方法[J]. 许泽宁,高晓路.  地理学报. 2016(06)
[7]采用密度聚类算法的兴趣点数据可视化方法[J]. 张铁映,李宏伟,许栋浩,孟超越,朱燕.  测绘科学. 2016(05)
[8]基于POI数据的城市功能区定量识别及其可视化[J]. 池娇,焦利民,董婷,谷岩岩,马雅兰.  测绘地理信息. 2016(02)
[9]南京市城市老年人出行行为的影响因素[J]. 冯建喜,杨振山.  地理科学进展. 2015(12)
[10]城市居民出行的空气污染暴露测度及其影响机制——北京市郊区社区的案例分析[J]. 郭文伯,张艳,柴彦威.  地理研究. 2015(07)

博士论文
[1]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]基于出租车供需关系的大规模出租车轨迹数据挖掘研究[D]. 吕江波.兰州交通大学 2016
[2]基于出租车GPS数据的居民出行时空规律和出行热点区域研究[D]. 陈红丽.云南大学 2016
[3]基于出租车轨迹的居民出行热点路径和区域挖掘[D]. 冯琦森.重庆大学 2016
[4]基于出租车轨迹数据的载客情况可视化分析[D]. 赵利刚.浙江工业大学 2014
[5]基于空间聚类和Weka平台的出租车载客热点区域挖掘研究[D]. 刘盼盼.吉林大学 2014
[6]基于出租车轨迹点的居民出行热点区域与时空特征研究[D]. 马云飞.南京师范大学 2014



本文编号：2986793