出租车数据的时间序列谱聚类分析

城市空间运行的出租车产生大量的OD数据，数据的时序呈现周期性特点，客观反映人们的出行行为模式，本文采用谱聚类算法对北京五环区域内各空间单元的出行特征及其相似性进行探究。由于空间单元的时空行为特征受空间邻域和功能区划的影响，研究添加邻域因子和功能区因子以改进时间序列的相似性度量方法，从而实现时间序列谱聚类算法的空间和功能区拓展，进而增加人们对不同时空条件下出行行为特征的了解，以便对不同空间单元提供差异性服务，如不同时段公交的发车频次、动态调整商场营业时间、不同时空环境出租车候车点的实时变换、调控和优化不同区域服务保障等，将有助于降低城市能耗，更加合理地利用资源，也有助于居民实现智慧生活。     

基于时间序列相似度的城市功能区识别研究

随着城市化的快速发展,城市空间结构愈发复杂,城市功能区的快速有效识别对资源的有效配置和城市规划具有重要意义。传统的功能区识别缺乏对居民这一城市空间活动主体的动态表征,而长时间序列的出租车数据能动态表征居民出行行为,进而反映城市空间结构。动态时间扭曲(DTW)距离比传统的欧氏距离更能有效挖掘高维数据,泛化后的LB_Keogh距离和LB_Hust距离相继克服了DTW距离时间复杂度高和不对称的缺点。为了探究基于时间相似性度量的聚类算法在识别城市功能区方面的可行性,首先基于OpenStreetMap(OSM)路网数据获取研究单元,再通过滴滴订单数据提取上下车点、构建研究单元内的居民出行时间序列,然后利用PAM算法结合4种相似度度量方法进行聚类,最后结合兴趣点(POI)数据识别城市功能区,并对结果进行精度验证。结果表明,基于LB_Hust距离的PAM算法能有效挖掘高维时间序列数据,应用于城市功能区识别的精度高达86%,为应用时间序列数据进行城市研究提供了一种新的方法。     

出租车载客热点精细提取的改进DBSCAN算法

随着城市化水平的提高和居民公共交通出行的需求增长,要求有更精细化的聚类方法提取出租车载客的热点区域。针对基于密度聚类在出租车数据聚类中存在的问题,设计一种基于路网约束的改进DBSCAN算法。该算法通过将行程距离引入DBSCAN算法中,改进原有DBSCAN算法在出租车数据聚类中存在的精细尺度聚类参数选择和设置困难问题,弥补现有聚类算法在出租车载客热点区域提取方面的不足。利用武汉市出租车GPS轨迹数据进行的实验结果表明,在加入道路约束后,算法在出租车载客热点区域的精确提取方面具有较好的效果。     

基于手机信令数据居民出行链提取算法

研究居民出行链不仅能够准确预测交通状况而且对城市规划有着重要的意义。经典DBSCAN算法以距离衡量不能完全聚类时空大数据,本文以北京市手机信令数据为基础在经典DBSCAN聚类算法的基础上扩展时间维度提取用户出行链,实验表明该算法能够解决相同地点不同时间停留点判读问题,通过与经典出行链提取算法对比表明该算法具有可行性,并且在职住停留点提取方面比较符合实际情况。     

利用轨迹数据提取城市居民出行时空分布特征

介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.?研究表明:居民的出行活动特征在"工-休"日之...     

城市居民出行OD时空分布特征的轨迹数据提取

为了利用轨迹数据提取城市居民出行特征,该文首先从出租车全球定位系统(GPS)轨迹数据中提取上下客事件,利用数理统计的方法对其时间分布特征进行研究;继而针对城市内数据不均匀分布的特性,提出了一种基于OPTICS聚类的改进方法,通过将原始聚类结果进行局部密度峰值的计算,实现了出租车上下客事件热点区域中心的进一步提取。最后,以成都市为实证对象,结合成都市电子地图及用地布局规划图探讨了居民出行时空特征与城市空间结构的相互关系,并对其成因做出了简要的分析,证明了本文所提出方法的有效性。实验结果表明:居民在工作日和休息日的出行特征呈现出明显的差异,且受到城市功能区域分化的影响。     

城市居民出行O/D时空分布特征的轨迹数据提取

为了利用轨迹数据提取城市居民出行特征,该文首先从出租车全球定位系统(GPS)轨迹数据中提取上下客事件,利用数理统计的方法对其时间分布特征进行研究;继而针对城市内数据不均匀分布的特性,提出了一种基于OPTICS聚类的改进方法,通过将原始聚类结果进行局部密度峰值的计算,实现了出租车上下客事件热点区域中心的进一步提取。最后,以成都市为实证对象,结合成都市电子地图及用地布局规划图探讨了居民出行时空特征与城市空间结构的相互关系,并对其成因做出了简要的分析,证明了该文所提出方法的有效性。实验结果表明:居民在工作日和休息日的出行特征呈现出明显的差异,且受到城市功能区域分化的影响。     

基于出租车轨迹的居民出行特征分析

研究并实现了一种结合核密度分析的DBSCAN空间聚类方法。首先对从马鞍山市出租车的轨迹数据中提取出上下客轨迹点数据进行预处理;再对上下客轨迹点数据进行聚类分析,识别居民出行热点区域;最后进行居民出行热点分析,并总结了居民出行的时空特征。     

基于像元级SAR图像时间序列相似性分析的水体提取

针对SAR图像数据集的特点,提出了一种基于像元级图像时间序列相似性的水体提取方法。其基本思想是:构建像元级SAR图像时间序列,选取动态时间归整(dynamic time warping,DTW)算法作为时间序列相似度的度量方法,计算所有像元与标准水体像元时间序列的相似性;将水体边缘混合像元的DTW距离值设定为参考阈值,采用阈值法提取相似性较高的时间序列数据,其对应的像元即被识别为水体像元;最后利用每个像元的DTW距离值代替其后向散射值,采用8邻域搜索方法提高水体识别的精度。以2008年1—12月获取的25景分辨率为150 m的ENVISAT ASAR图像进行水体像元提取试验,结果表明,该方法的完整率和正确率均较高,能够应用于大范围区域水体的提取与制图。     

一种顾及时间特征的船舶轨迹DBSCAN聚类算法

随着世界海洋经济的快速增长和各国海洋贸易的持续发展,船舶AIS系统被世界各国广泛采用,由此产生海量的船舶轨迹数据。如何对这些多维、动态的数据进行挖掘和利用,成为当前时空数据挖掘领域的研究热点之一。文中在经典DBSCAN空间聚类算法的基础上,对船舶轨迹数据进行清洗、压缩等预处理,并将其划分为特征点相连的子轨迹段,然后引入时间距离度量方法,实现对船舶轨迹的时空聚类。最后基于东海某海域(113°45′37″E~130°23′43″E,17°47′29″N~38°52′59″N)近一个月的船舶轨迹数据进行实验,结果表明相比经典DBSCAN算法,文中算法能够在兼顾时间信息的基础上,对船舶轨迹数据进行有效的时空聚类,为后续研究预测船舶的行为模式奠定基础。     

顾及兴趣点潜在上下文关系的城市功能区识别

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。     

Crowd sensing and spatiotemporal analysis in urban open space using multi-viewpoint geotagged videos

Increasing concern for urban public safety has motivated the deployment of a large number of surveillance cameras in open spaces such as city squares, stations, and shopping malls. The efficient detection of crowd dynamics in urban open spaces using multi-viewpoint surveillance videos continues to be a fundamental problem in the field of urban security. The use of existing methods for extracting features from video images has resulted in significant progress in single-camera image space. However, surveillance videos are geotagged videos with location information, and few studies have fully exploited the spatial semantics of these videos. In this study, multi-viewpoint videos in geographic space are used to fuse object trajectories for crowd sensing and spatiotemporal analysis. The YOLOv3-DeepSORT model is used to detect a pedestrian and extract the corresponding image coordinates, combine spatial semantics (such as the positions of the pedestrian in the field of view of the camera) to build a projection transformation matrix and map the object recorded by a single camera to geographic space. Trajectories from multi-viewpoint videos are fused based on the features of location, time, and directions to generate a complete pedestrian trajectory. Then, crowd spatial pattern analysis, density estimation, and motion trend analysis are performed. Experimental results demonstrate that the proposed method can be used to identify crowd dynamics and analyze the corresponding spatiotemporal pattern in an urban open space from a global perspective, providing a means of intelligent spatiotemporal analysis of geotagged videos.     

DBSCAN空间聚类算法及其在城市规划中的应用

空间聚类是空间数据挖掘和知识发现的主要方法之一。DBSCAN算法可以从带有“噪声”的空间数据库中发现任意形状的聚类,是一种较好的聚类算法。本文介绍了DBSCAN算法的基本概念和原理,并应用GIS二次开发组件MapObjects予以了实现。然后,本文将该算法应用于城市规划中,对某城市中小学和商业网点等公共设施的分布进行了聚类分析,并根据聚类结果对城市规划设计规范中的某些条款进行了讨论。     

Crowdsourcing functions of the living city from Twitter and Foursquare data

ABSTRACT

Urban functions are closely related to people’s spatiotemporal activity patterns, transportation needs, and a city’s business distribution and development trends. Studies investigating urban functions have used different data sources, such as remotely sensed imageries, observation, photography, and cognitive maps. However, these data sources usually suffer from low spatial, temporal, and thematic resolution. This article attempts to investigate human activities to understand urban functions through crowdsourcing social media data. In this study, we mined Twitter and Foursquare data to extract and analyze six types of human activities. The spatiotemporal analysis revealed hotspots for different activity intensities at different temporal resolution. We also applied the classified model in a real-time system to extract information of various urban functions. This study demonstrates the significance and usefulness of social sensing in analyzing urban functions. By combining different platforms of social media data and analyzing people’s geo-tagged city experience, this article contributes to leverage voluntary local knowledge to better depict human dynamics, discover spatiotemporal city characteristics, and convey information about cities.     

基于居民出行活动特征的个体经济水平推断方法

提出了一种基于居民出行活动特征的个体经济水平推断方法。从出行轨迹的移动性指标、基于居住地的出行特征和出行活动链模式3个方面提取13维出行活动特征，以广州市居民出行日志调查数据为训练和测试数据，利用随机森林方法进行个体经济收入水平的推断与检验。结果表明，该方法能够获得最高80%的个体收入水平推断精度。基于家的出行特征（如工作时间（9:00-18:00）离家距离众数等、出行链模式）以及与出行范围有关的移动性指标（如最大距离、回旋半径）在推断个体经济水平上的重要性较高，而衡量出行地点空间异质性的指标（如空间多样性等）重要性相对较低。     

夜间灯光遥感对城市发展类动能与相似性评估

评估城市发展水平与制定城市规划和城市发展政策息息相关。已有研究表明人口、国内生产总值(GDP)等统计数据和夜间灯光遥感数据能够用来衡量城市发展水平,但大多研究只关注城市发展总量,忽视了发展速度对城市发展的影响。因此,本文基于2012年—2019年Suomi NPP-VIIRS (Suomi National Polar-OrbitingPartnership-Visible Infrared Imaging Radiometer Suite)夜间灯光遥感数据,提出了兼顾城市发展水平和增速的夜间灯光类动能指数用于测度城市发展类动能;利用动态时间规整DTW (Dynamic Time Warping)算法构建了城市发展类动能相似性检测分析框架,并基于相似性检测结果对全国328个城市进行了等级划分。相较于2019年第一财经公布的一至五线城市,本文城市等级划分结果表明,在同一等级中的城市发展更为相似和合理,也证明了城市发展类动能更有利于城市发展水平的评估;以长江三角洲城市群为例,进一步验证了城市发展类动能和基于DTW相似性检测方法用于评估城市群发展情况与合理性的潜力。综上所述,基于夜间灯光遥感的城市发展类动能估算与相似性分析方法能够较好地评估城市发展水平,为城市分级与城市群发展评估提供科学依据。     

温州市新型冠状病毒肺炎时空分布格局演化分析

本文首先结合社交媒体信息和温州市新型冠状病毒肺炎（COVID-19）发展态势，获取疫情传播先验知识，进一步采用DBSCAN自适应聚类算法，分析温州市COVID-19时空分布格局与演化规律。结果表明：①温州市COVID-19易在20~59岁的青壮年人群，以及商业服务人员、农民和工人人群间传播；②我国针对人口流动采取的系列措施能够有效遏制疫情进一步蔓延，使得温州市聚类空间簇数量在时间上呈现先增加后减小的趋势；③温州市鹿城区银泰商贸附近、乐清市南部和瑞安市西部具有疫情扩散高风险，后期需增强防控力度。本文细粒度地分析了温州市疫情时空演化过程，能够更好地辅助温州市政府部门更精细地部署疫情防控措施。