排序方式: 共有73条查询结果,搜索用时 101 毫秒
21.
22.
地理时空大数据被广泛用于城市功能结构识别,其中功能层次性的研究对于系统理解城市功能的结构特征和分布形态具有重大意义,但相关研究仍处于空缺状态。基于时序出租车出行数据和感兴趣点数据描述居民出行模式,结合动态时间规整和K-MEDOIDS聚类算法识别城市的功能属性和空间结构。研究结果表明,广州市中心城区的城市功能具有明显的层次性。随着层次细致程度的提升,其功能属性由"职-住"二元结构向"职-住-休"三元结构发展;其空间结构符合环状圈层构造,功能由外围的居住游憩向中心的商业休闲过渡,并在不同的圈层上呈现出各自的功能倾向。这为城市规划人员系统理解城市功能的属性变化和结构特征提供了有效的参考价值。 相似文献
23.
天气状况作为人们生活环境的组成要素之一,对居民日常出行可产生显著的影响,具体可表征为特定空间位置和用地类型范围内出行活动的需求量以及道路交通路线选择的变化。高效、智能化的交通应急管理和城市规划建设亟需理解天气因素影响交通出行时空分布的基本规律。本文选取武汉市作为典型研究区域,基于出租车、气象和空气质量等数据,对不同天气下的居民出行模式和司机路径选择模式进行时空分析,并解释2类模式产生变化的原因和机制。结果表明:① 从时间上看,工作日的出租车需求量更容易受到天气变化的影响,其中降雨、气温的升高和风速的增强会显著降低居民对出租车的需求;② 从全市域空间尺度上看,降雨使得居民对出租车的需求量在工作日时段减少,而在周末时段增加,其中降雨主要刺激短距离出租车出行需求而抑制中长距离出行需求;③ 从城郊区空间尺度上看,雨天时段主城区内部的中距离流量减少,郊区内部的短距离流量增加,往返于主城区和郊区的中长距离流量在工作日减少、在周末增加;④ 从功能区空间尺度上看,下雨使得行政办公用地的出租车需求量减少,商业金融用地的出租车需求量在工作日减少、在周末增加,工业用地的出租车需求量在工作日增加、在周末减少;⑤ 从行驶路径上看,出租车司机在晴天时偏好根据距离来判断最佳路线,而在雨天倾向于改变原先路线选择策略,将距离和车速共同作为最佳路线的指标,选择用时最少的最佳路线。本文研究成果可帮助城市和交通管理部门更加深入地理解城市居民出行规律及其时空分布特征。 相似文献
24.
城市用地分类作为城市规划重要的基础和依据,对城市资源配置、建设发展等具有重要意义。现有研究对用地分类都聚焦于“稀路网、大街区”的大尺度区域,随着城市发展,大尺度区域的规划模式造成了城市交通效率低下、土地低效率开发等问题,而小尺度的城市街区建设规划为解决上述问题提供了一种新的思路。为了充分挖掘现有交通大数据的潜在价值,更以高效地服务小尺度街区规划,本文将主题模型与支持向量机(SVM)相组合,提出一种面向小尺度街区的用地分类方法。本文以上海市黄浦区人民广场附近为研究区域,依据精细路网对研究区域划分,通过对一周(7天)出租车GPS数据处理,结合区域兴趣点(POI)数据,基于隐含狄利克雷分布(LDA)模型和SVM模型进行用地分类。在人工解译的分类图的基础上对本文方法进行精度评价,并基于百度地图地理数据进行结果验证。研究表明本文方法基于现有的交通大数据,实现了对小尺度街区用地分类,方法分类精度较高,在一定程度上可以节约人力物力,以便更好地服务于小尺度城市规划。 相似文献
25.
基于出租车用户出行的功能区识别 总被引:1,自引:0,他引:1
出租车数据作为城市大数据重要来源,其上车行为和下车行为直接反映城市人群出行行为特征,帮助城市规划者发现城市人群出行规律和城市功能结构。但是出租车数据隐含多维度信息,一维或者二维模型不足以表达和挖掘其蕴含的多维信息,因此本文选择可以承载多维数据的张量模型对出租车OD(上车/下车)数据进行时空模式挖掘。本文将北京六环区域划分为500 m×500 m格网,采用北京市2012年11月1-16日的出租车OD数据,分别构建O点和D点张量,利用张量分解模型从日尺度、时段尺度揭示出租车用户出行时间模式,同时获取不同时段对应的出租车用户出行空间模式,并推测空间模式包含的语义属性。本文结合城市兴趣点(Point of Interest, POI)数据,提高空间模式语义属性推测的准确性,识别出租车用户出行功能区。结果表明:出租车用户出行时间符合工作日和休息日的早高峰、日间、晚高峰以及夜间模式;对应8种时间模式,出租车用户出行包含8种空间模式,每一种空间模式都是对应时间模式下的上下车热点区域,因此空间模式的变化表明城市人群在不同的时间点,到达不同的场所,进行不同的活动,间接表达空间功能的动态变化;区域的功能不是单一静态的,而是随着时间在不断地变化,是不同时段功能的组合。本文揭示出租车OD数据中隐含的出租车用户出行模式和空间功能动态变化,对利用人类行为时空模式研究区域空间功能结构具有科学参考价值。 相似文献
26.
出租车作为城市公共交通的重要组成部分,对于人们的日常活动有着重要的作用。而出租车的运营产生了大量的轨迹数据,通过对轨迹数据的挖掘可以反映城市居民的人口流动状况及出租车的运营规律。空间关联规则挖掘作为数据挖掘的重要组成部分,通过对轨迹数据进行关联规则的挖掘可以得到其隐含的规律信息,从而改进出租车运营模式。而OpenStreetMap是众源地理数据中极具代表性的项目,其数据量丰富、现势性强、成本低廉,被广泛关注。以深圳市出租车轨迹数据及OpenStreetMap矢量地图数据为基本数据,基于出租车上(下)车点进行关联规则挖掘,进而得到深圳人口流动特征,从而为人口活动分析及基于位置的服务提供参考。 相似文献
27.
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
28.
城市街道空间是一种复杂的公共活动场所,是城市功能的重要空间载体。然而现有研究通常只聚焦于街道空间的交通功能,忽略街道空间所承担的其他功能类型,给街道的设计以及品质优化带来阻碍。为此,文章提出了一种融合出租车轨迹与街景图像的街道空间城市功能分类方法,该方法基于出租车轨迹数据构建城市居民在街道空间上的动态出行特征,基于街景图像构建街道空间的物理环境特征,并采用K-Means聚类算法对街道空间进行聚类。并以深圳市宝安区为例进行实验,结果表明,该方法能识别出商业、交通和居住3种类型的街道空间,识别结果可为街道空间设计与品质优化提供参考。 相似文献
29.
以北京市出租车运量生成机制研究为例,探索时间基本单元大小对交通时段划分及运量生成机制的影响。基于北京市出租车轨迹数据,按10 min步长,采用10 min至60 min共6种时间基本单元对全天数据在交通小区尺度进行划分得到切片数据,应用系统聚类法将切片聚合得到时段划分,得到6种时段划分结果,进而对具有交集的时段采用边界时刻进行一致性判别。在时段划分基础上,应用地理加权回归模型比较分析了不同时间基本单元在上班时段的出租车运量影响因子的差异。结果显示,时间基本单元小于40 min时,上班时段的起始时刻不具有一致性;如果考虑所有时段的起始和结束时刻,则小于50 min时不具有一致性。上班时段的运量生成机制模型结果与时刻一致性判别类似,当时间基本单元在50 min及以上时,回归得到的解释变量具有一致性,小于50 min后则会有所变化。这些结果说明,基本时间单元的大小会影响交通运量时段划分和生成机制研究的结果;考虑到结果一致性和整点划分习惯,推荐采用60 min为基本划分单元。提出的边界时刻一致性判别方法也可以用到其它交通模式和其他相似的大数据研究。 相似文献
30.