共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
3.
《武汉大学学报(信息科学版)》2020,(7)
换乘问题直接影响数十万乘客出行方便,已成为影响城市公共交通系统运营的一个重要因素。基于武汉市2015年3月份完整一周的公共交通智能卡数据(smart card data,SCD),识别公共交通换乘行为,研究乘客换乘时空特征,分析轨道交通发展现状,总结换乘出行模式。研究结果如下:①换乘行为在工作日和休息日均呈现早高峰单高峰分布,大概率存在加班行为;②换乘行为地理特征的3个影响因素为城市地理格局、轨道交通建设、站点辐射范围;③根据武汉市的圈层结构和换乘出行方向,将换乘行为总结为4种模式。基于交通大数据识别乘客换乘行为及其时空分布特征并归纳换乘模式,可为城市规划、城市空间合理利用提供科学依据和决策支持。 相似文献
4.
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... 相似文献
5.
以2015年5月11-17日北京市3万多辆出租车3.85亿条轨迹点数据为研究对象,对非载客段数据点进行剔除,使用R语言从居民出行距离、轨迹段持续时间、分时段出行量、出行方向及平均速度五个角度进行统计特征分析,并通过拟合得到浮动车行驶距离与持续时长所遵循的指数分布,进而发现距离衰减效应、工作日与周末的日律性,并以此分析乘客出行距离、出行时间的潜在规律。 相似文献
6.
随着城市轨道交通规模的扩大,客流量不断攀升,研究乘客的出行特征对于城市轨道交通限流模型的建立以及限流策略的制定具有重要意义。基于北京市某时段部分城市轨道交通线网的OD出行数据,研究了乘客出行的时空分布特征,对北京市轨道交通运营网络提出了建议。分析结果表明:(1)在早高峰时段,乘客的出行时间主要集中为100~200 min,出行距离集中在20~35 km,且出行距离与出行时间呈线性关系;(2)乘客选择地铁出行的出发点和到达点大部分集中在北京五环以内,客流从城外向城内移动,朝阳区和海淀区的进出站客流量均居前两位。 相似文献
7.
《武汉大学学报(信息科学版)》2021,(5)
城市交通热点是居民出行活动的体现,通过出租车的移动轨迹可以分析城市交通运行状况。目前,相关研究主要集中于GPS采样数据的起讫点(origin destination,OD)估计模型以及轨迹流的提取分析算法,而对交通热点的交互作用和时空模式的研究还很少。以中国江苏省南京市的出租车GPS数据为研究对象,通过轨迹流提取和地图匹配,基于宏观基本图模型构建交通运行状况指标,利用数据挖掘技术分析交通热点时空模式。通过研究发现:(1)南京市交通在早晚高峰时拥堵最严重,并且休息日的交通运行状况要优于工作日;(2)在工作日,停车场和办公楼附近最拥堵;在休息日,商场和居民小区附近最拥堵;(3)交通热点的时空交互特征主要表现在交叉路口附近,并具有显著的时空聚集性差异。上述研究结果可为交通管理部门针对不同时段和路段的交通运行状况进行治理提供帮助,并为建立现代化综合交通运输体系提供依据。 相似文献
8.
本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。 相似文献
9.
10.
利用共享单车大数据的城市骑行热点范围提取 总被引：1，自引：0，他引：1
共享单车成为市民出行不可或缺的一种代步方式,也对城市交通运行管理和规划发展带来压力和挑战。本文利用Python程序获取了2017年9月20日ofo单车的全天候位置数据,通过Arc GIS传统分析工具进行了西安市用户骑行行为的时空间特征分析,提取了用户出行OD模型及城市骑行热点路段。结果发现,在城市轨道交通、城市产业分配、医院学校分布及时间维度的影响下,骑行存在不同空间特征。基于大数据分析提取热点,利用可视化表达数据集合与相关城市数据集综合分析,可为集中规划非机动车设施、更好地优化城市空间布局提供新思路。 相似文献
11.
针对现有职住空间关系的研究难以在微观维度上有效促进大城市职住功能空间的均衡发展以及规划政策与现状发展存在的时序错位问题,该文以北京市为例,从房屋建筑使用用途的角度切入,运用空间自相关分析模型、热点分析模型和职住用地比三个评价方法,同时借用ArcGIS软件平台进行空间分析与可视化表达,探究北京职住空间在乡镇尺度下的组织特征。研究发现:北京市职住空间表现为聚类分布的空间格局特征,以首都功能核心区为中心,大致呈现出环状圈层分布,北京市职住空间的“热点区”在空间分布上存在差异,而“冷点区”在空间分布上基本相同,职住空间关系存在失衡,与规划目标存在一定的偏差。提出的研究方法从微观维度分析了城市职住空间的组织特征,促进了城市规划与发展时序的有效结合,可在特大城市的职住空间关系的研究中进行推广应用。 相似文献
12.
以成都市为研究区,采用Python爬虫工具,试图识别成都市夜经济的时空分布规律与特征,为优化成都市的夜经济发展提出参考.研究表明成都市的夜经济在空间上总体呈现出"中心聚集,连片扩展,多点分布"的四级空间格局,不同级别的热点区域的夜经济场所类型不同,在时间上呈现出周末活跃度最高,工作日活跃度低的总体特征.在此基础上,进一步对比研究成都市本地居民和游客的夜间消费的时空差异.研究发现本地居民参与夜经济的区域较为集中,主要集中在二环以内区域,且活跃时间较短,主要集中在18时至次日2时.外地游客参与夜经济的区域较为分散,主要分布在学校、景区、交通站点区域,且活跃时间略晚于本地居民.基于以上研究结果,提出了成都市夜经济进一步发展的对策和建议. 相似文献
13.
刻画城市道路之间的交通相关性是提高交通插值及预测水平的基础。现有研究及应用通常假设一定空间或拓扑距离内的道路相互之间具有相关性,这种方式忽视了道路之间交通影响的时空异质性。例如,上游道路交通流通常不会均匀扩散到所有下游道路,而是集中在特定方向上。道路之间产生交通影响和交互作用的根本原因是大量机动车辆穿梭其中。为从数据驱动的角度度量道路之间的交通相关性,从而顾及其时空异质性,本文利用词向量模型Word2Vec从大量机动车出行路径中挖掘道路之间的交通交互影响关系。首先把"路段-路径"类比为"词-文档";其次利用Word2Vec模型从大量路径(文档)中为每条路段(词)训练出一个实数向量(词向量);然后以向量之间的余弦相似度度量对应路段之间的交通相关性;最后利用交通状态数据对结果进行验证。以北京市200万条出租车出行路径为数据进行试验,结果表明:(1)平均水平上,向量相似度越高的邻近路段,其交通状态变化趋势也越相似,证明了本文方法可以正确度量道路之间的交通相关性,并刻画出其空间异质性;(2)工作日早、晚高峰及节假日路段之间的交通相关性大于工作日平峰和周六日,其合理性体现了本文方法可以正确捕捉道路交通相关性的时间异质性。本文方法及分析可为交通规划、诱导等提供方法论和理论基础。 相似文献
14.
15.
手机信令数据兼有时间信息和空间信息,是用于研究人口空间分布、城市空间特征较好的大数据。利用手机信令数据和乡镇区划数据,分类分乡镇分析提取不同口径用户数量及用户密度概率分布函数,北京市人口空间分布及其均衡性。研究发现：北京市人口分布呈现出由首都功能核心区向中心城区和新城扩散的态势,对于手机信令可分时段统计用户,呈现出人口密度分布并不平衡,中心城区和新城个别街道如卢沟桥街道、新桥街道、沙河地区等工作居住用户远超于其他乡镇街道,人口聚集明显;在职住方面,个别街道存在就业功能空间外溢,居住功能空间紧张的现象,职住用户分布不匹配现象。 相似文献
16.
地质灾害点的空间分布是灾害领域研究的热点问题之一。从地质灾害点自身的规律出发,通过空间数据分析的方法来研究灾害点的空间分布可以准确、深刻的揭示其空间分布的形态特征。以新疆滑坡、泥石流和崩塌灾害点为例,引入标准差椭圆、Ripley’s K函数、核密度分析等空间数据分析方法,从不同角度对其空间聚集-离散的分布特征进行定性和定量的分析,实验结果表明:新疆灾害点呈现出"西南—东北分散,西北—东南聚集"的空间分布格局;滑坡、泥石流及崩塌的特征空间尺度依次为176km、72km和71km,特征空间尺度可为灾害多发地段的划分提供依据;不同规模的地质灾害在空间中的影响分布不同。 相似文献
17.
<正>“登录手机应用,选择出发站点和目的地,不到一会儿,一辆无人驾驶车辆驶来,主驾位置的方向盘自动转动,接上乘客缓缓驶离。”这是发生在北京市高级别自动驾驶示范区的真实图景。今年3月,北京启动“车内无人”载人示范应用,上述场景已有不少人“尝鲜”。数据显示,截至今年6月,北京无人化测试车辆共计116台,测试总里程近200万千米。自动驾驶出行服务商业化试点累计订单量超150万人次,用户好评率达95%以上。 相似文献
18.
城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。 相似文献
19.
保持空间分布特征的群点化简方法 总被引：27，自引：5，他引：27
群点目标隐含的空间结构化信息是空间分布分析、地图综合感兴趣的内容。对群点目标分布的信息内容区分为存在性、度量结构与拓扑结构，在Delaunay三角网及其对偶Voronoi图模型上对工量结构定义4个在量；分布范围、分布密度、分布中心及分布轴线，顾及视觉识别Gestalt邻近原则，运用三角形“剥皮”法，确立了非凸多边形所表达的群点分布范围，运用图像灰度表达群点分布密度并通过图像处理方法提取分布中心。建立了Voronoi图动态重建进行群点化简的方法，该方法通过边界点和内部点的分开处理，较好地保持了4个空间分布特征。 相似文献
20.
SARS疫情控制的模拟分析 总被引：5，自引：1，他引：5
应用系统动力学模型，定量地分析“早发现、早隔离、早治疗”措施，对于控制SARS疾病扩散与传播的重要性。结果表明，“得病后入院时间”与“隔离措施强度”对于SARS疫情态势发展，具有很大的敏感性与相关性，其中得病后的患者几时去医院治疗，对于疫情的控制具有更重要的意义。同时应用动力学模型，对北京的SARS疫情进行分时间段的模拟与SARS实施控制因素影响分析，结果表明，2003—04—20以后一段时间内实行的各种控制措施，以及5月1日—5月5日的长假对于北京SARS疫情的控制是非常有效的；而4月27日左右北京市社会上未得到有效控制的SARS病人数达到高峰，是最危险的时期。5月20日以后，北京的SARS疫情基本保持在低发的平台期，但是如出现较多的外来SARS病例输入，而内部隔离强度又减弱、社交活动增加等情况下，北京SARS疫情可能会有一定程度的波动与反弹。 相似文献