基于出租车数据的城市居民活动空间与网络时空特性研究

发布时间：2018-04-01 18:58

  本文选题：出租车轨迹　切入点：时空分析　出处：《武汉大学》2016年博士论文

【摘要】：现代城市的日益发展与扩张,为更深入的理解和认识城市空间结构,探寻城市居民活动规律,衡量城市群体活动与空间结构之间的相互适应性提出了迫切需求。信息技术的快速发展带来了大数据时代,同时产生了精准和大量的居民位置信息,如轨迹数据,手机数据等。与传统人口普查和调查访问的方式相比,这些定位数据涵盖的居民空间移动范围广,记录时间长,样本量大,数据实时性强,为研究城市居民活动热度、活动空间和时空动态提供了新的研究方向。另一方面,交通网络作为连接居民活动与城市空间的重要桥梁,研究居民出行行为在交通路网中的分布,探索居民时空行为在交通网络中形成的网络时空特性,对于揭示人类活动、交通路网与城市空间结构三者间的交互关系至关重要。出于城市管理和服务的需要,许多大型城市建立了以出租车为对象的浮动车系统。该系统主要是在出租车上安装GPS,每隔一段时间根据GPS卫星采集出租车的位置和状态,然后将数据通过无线传输等方式存入交通数据库中。出租车数据是城市公共交通出行的一个重要方式,特别是大型城市中,出租车出行占据相当比例。出租车轨迹非常有代表性地从城市空间使用者的角度描绘了城市的特征概貌。由出租车数据反映的人类活动分布广泛、行为复杂,不仅受社会经济的影响,还受到空间和时间的约束。本文研究主要以出租车数据为研究对象,旨在利用出租车数据挖掘城市居民出行行为的时空规律,分析居住社区内相似的活动空间特征,居民出行轨迹在交通网络中的网络时空特性及其在城市空间中形成的社区集聚特征结构。具体而言,包括以下研究内容：1.为快速有效剔除海量轨迹数据中的异常轨迹,提高数据质量,本论文研究时空轨迹数据的异常处理方法。针对城市出租车轨迹数据集以路网为约束和样本量大且分布不均匀的三个特征,根据出租车的行驶长度、经验规避路径、时间三个指标,提出了一种利用证据理论和经验约束规则进行出租车异常轨迹的算法。2.利用出租车起始点／终点(O/D)进行居住用地的活动空间和热度特性分析。提取居住社区内居民乘坐出租车的出行热度和出行活动空间特征,并提出定量描述指标,将具有相似活动空间特征的居住社区进行凝聚层次聚类,分析同一类别的居住地共同的社会背景信息,以补充土地利用数据中居住用地这一大类下的不同居住社区的部分社会背景信息。3.城市交通关键结点的网络时空特征分析。提出基于轨迹的城市交通结点的识别方法,构建关键结点网并分析其在交通网络中的时空集聚特征。从出行轨迹在道路网上的分布出发,综合考虑路网节点的拓扑关系、出租车乘客出行的分布、频次等指标,以出租车载客出行轨迹为基础,提取出能反映居民出行行为的城市道路网中的关键结点,并以此为基础建立城市交通关键结点网。将关键结点网覆盖的轨迹占当前时刻所有轨迹的比率作为网络的轨迹服务率,定量描述关键结点网对于出租车轨迹的服务指数。以时空为粒度,以轨迹服务率为参考,通过关键结点网的时空集群描述不同时空环境下出租车轨迹在交通路网上的分布和在关键结点上的聚集特征,并提出关键结点网的增长模式和时空演变的定量化描述指标。4.关键结点网的社区集聚特征探索。从道路结构、居民出行数据的O/D分布、城市交通关键结点网的社团结构等多角度提取城市的区域社团及城市居民出行的区域集聚特征。与城市行政规划的区域结构进行比较,分析城市居民出行层面的区域集聚模式和行政规划的区域等之间的相似性和差异性,为城市规划和相关政策制定提供决策支持。
[Abstract]:This paper studies the spatial and temporal characteristics of urban residents ' activities and the spatial structure of urban residents . It is an important way to study the spatial and temporal characteristics of urban residents and to study the spatial and temporal characteristics of urban residents . In this paper , the key nodes in the urban road network which can reflect the residents ' travel behavior are extracted based on the travel locus of the taxi passengers , and the key node networks are established .

【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：P208;C913.3
，

本文编号：1696844