共查询到20条相似文献，搜索用时 15 毫秒
1.
探索地铁乘客出行目的识别方法,有助于突破智能卡数据（Smart Card Data,SCD）在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值。本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市居民地铁出行为例,在交通出行调查数据中提取5565个地铁出行样本及其对应的出行目的和出行特征相关变量。基于兴趣点（Point of Interest,POI）数据得到各样本起止站点的土地利用特征相关变量,形成包含每次地铁出行的出行目的、出行特征、土地利用特征的地铁出行数据集。使用基于随机森林（Random Forest,RF）算法对地铁出行数据集进行训练完成的分类器对SCD记录的每一次地铁出行进行分类,获得该次出行的出行目的及其不同目的地铁出行时空间分布规律。研究结果表明,本识别方法可有效预测地铁乘客的出行目的,其中,“上班”、“回家”2类出行目的的预测准确率均超过90%;纳入土地利用特征相关变量可显著提升RF分类器预测准确率,印证了城市交通与土地利用的时空间互动理论。鉴于当前SCD的可获取性逐渐提高,该项技术在居民地铁出行监测与预测、地铁线网布局和地铁周边土地利用规划等实践方面,具有很强的推广性,有助于更全面地认知大城市居民的地铁出行行为。 相似文献
2.
北京市居民地铁出行出发时间弹性时空分布特征研究 总被引：1，自引：0，他引：1
伴随城市转型进程的加快,交通需求不断膨胀,导致大城市交通拥堵日趋严重,以调节出行者的选择行为为核心要素的交通需求管理理念成为相关政策的重要理论基础,但现有研究也表明,交通需求管理对出行弹性较高的出行具有显著调节作用,而对出行弹性较低的出行调节作用并不明显。因此,加强出行弹性等居民出行行为研究日益迫切,而公交刷卡数据等新的时空数据为居民复杂出行行为的挖掘提供了新的契机。本文利用北京市2014年3月地铁刷卡数据,以出行者出发时刻的可变性来测度出发时间选择的可改变程度,对居民地铁出行出发时间选择弹性进行测度,并结合GIS空间分析技术对其时空分布特征进行分析。研究表明：① 北京市地铁出行的居民出行弹性平均值为0.521,出发时间选择弹性整体上较大,表明北京居民出发时间选择相对较为灵活;② 北京市居民地铁出行弹性存在时空差异,居民个体休息日出行弹性高于工作日,一天中高峰时段出行弹性高于非高峰时段;③ 居民出行弹性存在空间自相关,倾向于在空间上发生集聚,存在明显的冷热点区域;内城居民的出行弹性明显高于城市外围居民。 相似文献
3.
导航大数据是大量与导航相关且具有泛在导航、定位、授时特征的数据集合。城市环境的特性影响居民的出行活动,而居民出行活动中产生的导航大数据则蕴含了城市环境的时空信息。热点区域空间分布以及热点区域之间的关联性特征是城市环境时空特性的重要组成部分,由客观的环境现状和主观的人为活动造成。通过挖掘导航大数据可以揭示这些特征。本文提出了利用导航大数据的城市热点区域关联性挖掘方法。首先,通过对居民出行的起点和终点坐标进行空间聚类,挖掘城市中的热点区域,并依据点的分布特点对城市热点区域进行离散化;然后,利用基于谱聚类和蚁群算法的方法分析居民出行特征,揭示城市中热点区域之间存在的关联性。本文提出的方法能够充分利用导航大数据对城市动态的感知能力。以上海市2007年2月20日的出租车轨迹数据为例进行分析,结果表明：利用导航大数据分析城市热点区域之间的关联性,可以得到具有紧密关联性的热点区域的空间分布特征;上海市居民出行活动频繁的热点区域被划分为15个内部紧密关联的子图,形成该分布特征的内在机制以及居民流通规律与上海市的土地资源利用及道路交通建设现状密切相关。分析方法和结果可为合理的城市功能区域规划,智慧城市建设等提供决策支持和参考信息。 相似文献
4.
5.
随着智慧城市上升为国家战略和《新型智慧城市评价指标》出台,各级政府不断推进新型智慧城市建设,各类便民惠民项目争相落地,产业规模呈现快速增长态势。针对常见城市病,利用我们在智慧城市建设中形成的空间信息公共平台所汇聚的各类数据,运用大数据思维和科学的数据挖掘手段,全方位、多角度揭示城市潜藏规律,把脉城市健康脉搏,辅助城市管理、规划决策和应急响应。依托"城市脉动"基本理念,针对城市交通拥堵、城乡垃圾堆放、城市热岛涌现、社会案件频发等常见"城市病",融合数据挖掘技术和深度学习手段对长序列时空大数据进行分析,揭示"城市脉动"变化规律并进行可视化展示,最终为城市规划和管理决策者提供科学指导,提升智慧城市公共服务效率。 相似文献
6.
基于出租车GPS数据的居民就医时空特征分析 总被引：1，自引：0，他引：1
城市医疗服务在很大程度上影响着城市居民的生活质量,在公共服务领域中发挥着极其重要的作用。近年来,中国城市化发展过程中产生了海量的大数据,基于这些海量数据分析居民就医出行特征对于优化和改善城市医疗资源布局具有重要意义。本文以北京市主要医疗机构空间位置数据为基础,基于出租车GPS移动轨迹数据,采用时空统计分析方法,研究了出租车出行模式下的居民就医出行时空特征。结果表明,利用医院的OD（Origin-Destination）网络结构特征分析,可以识别出不同医院的服务范围以及受众的时空分布模式。市区尤其是四环以内医院的就医网络密集、紧凑,就医密度较高,而四环以外尤其是郊区周边,就医网络稀疏、分散,医疗资源的级别及地理位置影响了居民的就医倾向。本研究基于浮动车GPS数据开展居民就医时空行为模式挖掘研究,可以为城市医疗资源供需分析和优化配置提供决策支持。 相似文献
7.
基于居民出行特征的北京城市功能区识别与空间交互研究 总被引：1，自引：0，他引：1
受区域功能分化影响,城市居民出行呈现出特定的时序特征,因而不同的出行时序特征可以反映区域功能的差异性。同时,区域功能的交互特征可以通过居民出行的空间交互活动体现。大数据时代的到来,使得以GPS数据为代表的个体时空大数据可以从微观视角反映居民出行特征。本文采用个体时空大数据,应用数据挖掘方法,从居民感知视角研究城市区域功能的差异性与联系性。以北京六环为研究区域,采用规则格网划分城市地块,通过北京市3个月的出租车GPS数据提取地块的居民出行时序特征。采用期望最大化算法进行聚类分析,并结合兴趣点数据和居民出行调查实现功能区识别,识别出居住区、商业娱乐区等6类功能区。从距离和时间2个维度分析功能区之间的空间交互特征,发现功能互补性在一定程度上削弱了空间交互强度的距离衰减效应,同时功能交互呈现出显著的时序差异。 相似文献
8.
城市局域动态人口估算方法与模拟应用 总被引：3，自引：0，他引：3
获取城市局部区域内的实时人口是应急决策等诸多城市管理应用需要解决的问题。但时空的不确定性导致了估算操作的困难:空间范围不确定,即给定的城市区域是可变的;时间不确定,即估计的时间事先不可知。根据城市居民的总体出行规律,居民日常活动基本以城市建筑为中心,或者认为居民因受建筑物所承载功能的吸引而出行。鉴此,给定区域内的静态人口可使用区域内的居住型建筑,以及人均住房建筑面积等统计数据来估算,而动态人口的估算则需要确定每类建筑物在不同时刻所吸引的居民人数。为此,引入建筑物修正系数和建筑物吸引率两个指数。修正系数是其他类型建筑物的容纳能力与作为基准的居住型建筑物的容纳能力之比。通过修正系数可获得每类建筑物的额定容纳人数。吸引率是不同时刻每类建筑物的实际容纳人数与其额定容纳人数的比值。根据居民出行的一般时间分布,将一天按照休息日和节假日分别都划分成七个时段,建筑物类型参照调查城市交通出行率时的分类划分。利用居民出行和交通出行率调查资料等数据,估算每类建筑物的修正系数和吸引率,计算区域内的实时人口数,模拟了一起突发化学品泄漏事故,将所提方法应用到模拟场景的动态人口估计中,并对方法应用中的问题进行了讨论。 相似文献
9.
大数据具有的多源、人本、时空等属性特征与城市规划决策的本质属性具有紧密的耦合性,为城市规划决策提供数据基础和技术支撑,推动着城市规划精准化以及城市治理高效化发展。通过对大数据作用于城市规划的相关文献梳理,大数据推动了城市规划在4个方面发生明显转型:从"小样本静态"向"多源时空"数据转变;从单一空间尺度向全域空间尺度转变;从"物质空间"向"以人为本"转变;从"人工化"向"智能化"转变;在此基础上,本文主要从居民时空行为分析、城市交通路网布局优化、城市功能区划分、区域联系和城市等级分析、城市生态环境治理以及城市边界划定等方面梳理城市规划领域中的大数据应用进展。 相似文献
10.
网约车数据挖掘对居民出行时空特征、智慧交通和人口流动等研究有着重要意义.由于网约车数据体量大,分析挖掘中存在数据处理复杂、交互困难、需要的软硬件条件高和技术实现难度大等问题,本文集成数据处理、数据存储、时空分析和可视化等多种技术手段,构建了一套适用于中小规模网约车数据挖掘的全流程解决方案:针对3个月的网约车数据,通过数据纠偏和数据压缩预处理技术,改善数据质量、减少数据体量;根据数据特点和轨迹数据时空分析共性特点,设计适宜的数据库结构,进一步提升数据查询及分析效率;再通过总结轨迹数据时空分析方法,采用核密度分析、空间聚类和统计分析,实现OD分析、车速分析和车流量分析,并通过开源时空大数据可视化库进行分析成果的展示.最后以重庆中心城区3个月的网约车数据为例进行验证,分析结果表明该方案具有一定适用性和可操作性. 相似文献
11.
交通大数据在人文与经济地理学的应用及学科影响 总被引：2，自引：0，他引：2
交通大数据能够反映人类社会经济活动产生的位移与时空轨迹,不仅能够满足学者们在微观尺度更深入、更精细的研究粒度要求,而且能够为宏观尺度的研究提供广范围、多视角的连续性观测,其研究与发展为人文与经济地理学带来了新思路和新技术。本文以交通大数据的研究前沿为基础,梳理了区位论、时空行为、复杂网络、流空间等理论研究的发展方向,勾勒了“大数据时代”背景下人文与经济地理学的研究框架体系,探讨了新旧技术方法融合的可能性,并讨论了对各个分支学科相关研究的影响。接着,本文总结了交通大数据在人文与经济地理学的主要应用方向与趋势,主要包括出行即服务的交通规划理论与方法,“人工智能+大数据”的城市管理科学,大尺度交通流迁移的模拟,以及“流空间”与“场所空间”的多维度研究等。最后,本文指出了交通大数据应用在获取难度和数据有偏性等方面值得注意的问题并进行了展望。 相似文献
12.
随着城市规模的扩张和汽车数量的增加,拥堵和雾霾等受交通影响的现象变得越来越严重,城市交通热点发现与分析是改善交通状况的关键技术之一。根据城市中典型浮动车(出租车)的时空轨迹数据,基于图像分析理论,提出城市交通热点的空间分布分析方法。首先,根据浮动车数据,形成车流轨迹的时空分布灰度图。其次,通过将浮动车的轨迹数据映射到高精度城市交通网格上,探索了轨迹数据和城市热点区域之间的关联关系。进一步地依据车流轨迹的时空分布,发现车流密度的极值。最后,结合影响区域的参数利用高斯曲面拟合对时空灰度图像进行了热点区域分析,获得城市交通热点的空间分布。将分析结果在地图上标定,准确地反映了城市交通热点区域的详细位置及空间分布,从而给出了一种有效、直观的城市交通热点分析方法。研究结果对于城市交通规划和交通实时信息发布具有实用价值。 相似文献
13.
大规模个体移动位置数据的涌现,为在个体移动特征的基础上充分理解群体移动特征、从精细的时空尺度全面理解居民出行行为规律提供了条件,对时空行为、城市、交通等领域的研究以及空间规划的编制与评估、交通需求的分析与预测等领域的实践应用有重要意义。目前,尽管移动位置数据已在城市和交通等研究领域取得了广泛应用,但对其分析仍缺少通用的分析思路和操作便捷的工具软件。为方便相关领域的研究者和从业者使用移动位置数据,提升移动位置数据的应用价值,基于活动空间的概念,选取可表征活动空间外部形态和内在结构的移动性指标,提出了对个体移动位置数据进行定量化描述性分析的方法思路,设计并实现了计算移动性指标的工具软件。通过手机信令、出租车、公交刷卡、公共自行车4种不同类型的常见移动位置数据,展示了工具软件的不同应用场景。 相似文献
14.
城市交通路况数据对交通治理、交通拥堵预测等研究具有重要意义,针对常规交通路况数据获取成本高、难度大等问题,本文提出一种基于互联网地图的矢量路况数据生成与分析方法.该方法通过互联网地图提供的实时路况信息,利用网络抓取、GIS空间数据处理和图像识别等技术,将互联网实时路况瓦片数据自动化处理成矢量路况数据,便于交通运行特征分析.最后以重庆主城内环范围为例,基于百度地图实时路况自动生成不同时间段的矢量路况数据,利用此数据进行出行时空特征分析.实验证明该方法具有可操作性、通用性和有效性. 相似文献
15.
目前如何根据用户需求以及时空制约条件合理安排就医出行,在海量的医疗机构中实现就医地点的合理推荐是人们的迫切需求。区别于常见的个性化医疗信息推荐方法,本文综合考虑医疗机构的实时资源规模、医疗用户的个性化需求以及前往机构的时空制约,提出一种面向就医地点推荐的个人时空可达性分析方法,并将方法运用于居民的就医出行场景中,实现就医地点的有效推荐。以济南市为研究区域,借助从高德地图API以及医疗健康网站中获取的地理信息数据与医疗机构资源数据,在不同用户、时间和地理位置的情境下,设置2处高校图书馆、2处居民点以及2处大型交通站共6个场景检验方法的有效性。实验表明,本文提出的个人时空可达性方法,能够有效度量医疗用户个体至就医地点间的可达程度,可解决不同时空情境下的就医地点推荐问题,同时也为相关智慧医疗技术的功能建设提供方法支撑,具有良好的应用前景。 相似文献
16.
基于交通出行链的就医活动识别理论框架与方法体系 总被引：1，自引：0，他引：1
交通是人们实现出行目的的重要工具和载体,也是研究城市居民出行目的的重要手段。本文试图采用交通出行数据来识别就医活动目的的行程,以深化交通大数据研究的应用领域。在合并交通出行链的基础上,构建了就医活动识别的理论框架和方法体系,提出6大准则：邻近性准则、出行链闭合准则、单一出行目的准则、时间耦合性准则、路径偶发准则。以北京市为例,基于公交车刷卡和出租车GPS数据,明确就医出行的关键参数与阈值,最终甄别出以就医为目的的交通出行链,并对识别结果进行分析与验证。基于交通出行链的就医活动识别研究可以弥补传统研究中病例数据和问卷数据样本量小和难获取的不足,为就医活动研究提供了新的方法体系,也为基于其他交通出行目的识别研究提供理论和方法借鉴。 相似文献
17.
近年来大数据在交通分析中被广泛关注,但目前多以可视化展示和现象空间分析描述为主,缺乏基于大数据的交通数量模型和模拟预测研究,成为大数据技术在交通规划中应用的主要技术障碍。本文基于交通与土地利用之间的交互作用关系,构建区位空间依赖因子（(Location-space Dependence Indicator, LSDI）,对传统重力模型进行改进,提出大数据城市通勤分布模型。以北京市为例,采用某运营商2017年9月的手机信令大数据,进行模型的应用和校验。模拟结果显示,在出行产生预测中,通勤人口与常住人口表现出良好的线性关系;在出行分布预测中,基于区位空间依赖因子的修正重力模型综合表现最优,在通勤OD分布中实现了低估现象的优化,在OD数量发生率中拟合优度达到0.85。本研究为大数据城市交通预测模型研发提供了新的技术方法,对于推动大数据在交通规划中的应用具有一定价值。 相似文献
18.
基于时间序列聚类方法分析北京出租车出行量的时空特征 总被引：1，自引：0，他引：1
受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提供了数据支撑。本文以道路分割城市得到的地块为研究单元,利用北京市一个月的出租车轨迹数据,对北京居民的出行模式及城市功能格局进行分析。在轨迹数据分析中,本文从轨迹数据中提取每个地块的出行量时间序列信息,然后采用结合时间序列距离度量和时间序列自身相关性的聚类方法,对出行量时间序列数据进行聚类分析,从而研究乘客出行的时空分布特征,最后结合北京市POI数据,探讨了不同区域乘客出行规律和区域功能类型的相互关系。结果表明,出租车出行量时间序列模式在工作日和周末间存在明显差异。此外,工作日的2个出行高峰与通常的通勤早晚高峰不同。由出行量所得的区域聚类结构,除具有重要交通枢纽功能的地块外,总体上以市中心为圆心大致呈同心圆分布,且距离市中心越远出行量越小。研究结果对于分析北京市居民出行行为、辅助城市交通规划具有一定的意义。 相似文献
19.
广州新型智慧城市应用探索:城乡规划的智慧化管理 总被引：1，自引：0，他引：1
新技术尤其是信息技术的快速发展为新型智慧城市的建设提供了条件,城市规划管理作为城市建设的前端环节,在新型智慧城市建设中发挥着重要的作用。规划管理"一张图"平台、多规合一信息联动平台等围绕新技术而形成的规划管理新手段,极大地提高政务效率,也倒逼新型智慧城市的规划管理更加智慧化。本文以广州市为例,分析城乡规划智慧化管理历程,从决策层、管理层、实施层、技术层和数据层5个维度探索城乡规划智慧化应用,构建城乡规划智慧化管理体系,关注智慧化提升城乡规划与管理能力,运用信息系统构建五年空间规划体系、一张图管理和实施评估、多源数据辅助规划决策等城乡规划智慧化方式,为相关城市建设新型智慧城市应用提供支撑。 相似文献