城市交通热点区域识别及空间交互分析

发布时间：2021-04-20 17:11

　　出租车载客数据可以用于研究居民的出行特征,提取城市的交通热点区域,但对城市交通热点区域的交互关系研究相对较少。本文以纽约市的出租车行程记录数据为数据源,利用交通小区划分结合出租车载客数据提取城市交通热点区域,基于复杂网络的方法对不同日期类型和天气情况的城市交通热点区域空间交互网络进行研究并进行社区发现。结果表明,热点区域受城市核心区的影响而聚集在核心区域周围,城市内社区的形成可以克服地形和行政区域等因素的影响。研究结论有望为城市规划、城市交通管理、出租车调度、以及人们的出行等提供信息参考。 

【文章来源】：北京测绘. 2020,34(04)

【文章页数】：5 页

【文章目录】：
0 引言
1 研究区域及研究数据
    1.1 研究区域
    1.2 出租车行程记录数据及其预处理
        （1）数据清理:
        （2）OD点提取:
2 基于交通小区的城市热点区域提取
    2.1 热点区域提取方法
    2.2 热点区域提取结果
3 城市空间交互网络分析方法
    3.1 基于有向加权网络的分析方法
    3.2 纽约城市空间交互网络构建
4 纽约城市社区发现及结果
    4.1 社区发现方法
    4.2 社区发现结果
5 结束语


【参考文献】：
期刊论文
[1]中国航空复杂网络的结构特征与应用分析[J]. 陈航宇,李慧嘉.  计算机科学. 2019(S1)
[2]基于复杂网络的中国航空网络鲁棒性评估[J]. 柴星思.  北京测绘. 2019(03)
[3]DBSCAN与Kmeans相结合的手机大数据聚类方法研究[J]. 史新颖,夏元平,毛曦,殷红梅.  北京测绘. 2019(02)
[4]基于轨迹数据场的热点区域提取及空间交互分析——以深圳市为例[J]. 周博,马林兵,胡继华,吴苏杰,何桂林.  热带地理. 2019(01)
[5]基于Newman快速算法的航运网络社团结构[J]. 蒋鹤,范小晶,封学军,蒋柳鹏.  长沙理工大学学报(自然科学版). 2018(03)
[6]基于覆盖最优划分的社团发现算法[J]. 杨雪洁,陈洁,赵姝,钱峰,张燕平.  模式识别与人工智能. 2018(09)
[7]基于Louvain算法的铁路旅客社会网络社区划分研究[J]. 徐进,邓乐龄.  山东农业大学学报(自然科学版). 2018(04)
[8]基于出租车OD数据的居民活动强度时空特征研究[J]. 刘萌,邬群勇.  福州大学学报(自然科学版). 2018(02)
[9]出租车载客热点精细提取的改进DBSCAN算法[J]. 江慧娟,余洋.  地理空间信息. 2017(10)
[10]城市交通热点区域的空间交互网络分析[J]. 秦昆,周勍,徐源泉,徐雯婷,罗萍.  地理科学进展. 2017(09)



本文编号：3150078