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

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。     

基于多源地理大数据与机器学习的地铁乘客出行目的识别方法

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。     

居民出行视角下的北京市双枢纽机场可达性研究

相较于传统的网络分析,利用在线地图API可以更加准确地获取实时出行时间数据。本文基于高德地图API,在居民出行视角下解析北京首都国际机场（“PEK”,简称“首都机场”）和北京大兴国际机场（“PKX”,简称“大兴机场”）在驾车和公共交通2种出行模式下的可达性空间格局,尝试对双枢纽机场可达性以及城市的“民航+城市交通”一体化发展提出建议。结果表明：(1)大兴机场的投用使北京市民航服务在空间分布上趋于“南北均衡”,两机场分别在驾车出行0.5 h和公共交通出行1 h的覆盖范围形成互补,有效提升了城市内部腹地的覆盖;(2)在以北京为起止点的出行视角下,驾车出行的1 h覆盖范围开始出现重叠;而公共交通出行模式的1.5 h范围呈现重叠;(3)驾车出行模式下的机场可达性高于公共交通出行模式,且在公共交通出行模式下,北京市两机场1 h服务面积和人口数量均有待提高,亟需打造“1 h公共交通服务圈”;(4)在以北京为中转点的视角下,首都机场到各火车站的可达性高于大兴机场;未来应重点提升大兴机场-城市交通枢纽的可达性,以提升城市内部中转能力。本研究有助于为双枢纽机场城市的“民航+城市交通”一体化发展提供科学依...     

小城市居民出行行为时空动态及驱动机制研究

相比于大城市,中小城市在新型城镇化中至关重要,具有独特的居民出行行为特征,但以往的研究并没有得到足够的关注。目前研究主要使用浮动车数据分析特大城市居民的出行行为,但考虑到小城市土地开发强度低、公共交通不发达、研究空间尺度精细等特点,这些研究方法不能完全适用于针对小城市的研究。因此,本文使用小城市出租车GPS轨迹数据识别上下客事件,沿道路生成随机样点采样得到了分时段的上下客密度,并对其时空动态进行描述和表达;筛选出显著影响上下客密度时空分布的9类设施,建立出租车上下客事件的地理加权回归模型;分析了小城市出租车上下客时空动态与各类城市设施的时空关系,发现在工作日与双休日和一天中不同时段中,不同城市设施对上下客事件的影响具有不同的分布规律及其驱动机制。研究结果可为小城市的城市规划和交通需求精细化管理提供参考。     

基于共享单车数据的城市短途出行时空模式分析

共享单车的爆发式增长给城市规划管理和交通运行带来较大挑战,如何定量解译城市内共享单车的出行时空规律和空置率情况是单车科学调度的迫切需求.基于北斗平台提供的北京市共享单车数据,辅以POI数据,采用空间统计方法提取不同区域内共享单车的时空特征、挖掘单车与城市功能区间的关系,并提出共享单车空置率模型,从而揭示城市中共享单车用户短途出行的时空规律与多区域、多时段单车空置率情况.研究发现:工作日呈现规律性的早晚骑行高峰,出行具有明显的潮汐现象,且热点区域相比休息日更为集中;空置率随用户出行时序变化,以北京市东单区域为例,定量结果显示交通枢纽在早晚出行高峰单车使用率较高空置率较低,从而反映用车需求.本文研究结论可为单车管理调度、辅助城市规划提供参考.     

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

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。     

基于出租车GPS数据的居民就医时空特征分析

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。     

广州地铁网络复杂性特征及时空演变过程研究

本文以广州市地铁网络2003―2019年发展历程为例,将复杂网络理论和地理信息系统(GIS)结合,开展城市轨道交通网络空间结构复杂性特征测算和时空演变过程研究,旨在通过复杂网络理论探析广州地铁网络复杂性为基础,应用GIS空间分析技术对复杂网络拓扑特性时空演变过程进行阐释,研究结果可为广州市及其他大城市轨道交通网络规划发展、运营管理和服务水平提升等提供科学依据与决策支持。     

北京地面沉降时空分布特征研究

20世纪60年代以来,北京市地面沉降不断发展,目前已经形成了东郊八里庄-大郊亭、东北郊-来广营、昌平沙河-八仙庄、大兴榆垡-礼贤和顺义平各庄5个沉降区。本文选取目前地面沉降较为严重的北京市朝阳区、顺义区和通州区作为研究区,利用2003-2010年的47景ASAR影像数据,采用SBAS-InSAR技术获取了研究区的地面沉降监测结果,并分别以SFP点年均沉降速率和各年沉降量作为权重,计算SFP点空间分布中心与方向特征椭圆,定量分析了研究区地面沉降时空特征。结果表明：2004-2010年,北京市地面沉降表现为严重的不均匀沉降,年沉降量最大值由104.04 mm增加到178.83 mm;标准差椭圆长轴与南北方向平行,反映出地面沉降空间发展方向性在南北方向较东西方向明显,椭圆面积由592.25 km²减小到 503.84 km²,表明2004-2010年研究区内发生地面沉降的区域范围变化呈减小趋势,但从沉降量可以发现,北京地面沉降一直处于加重趋势。     

河北省太阳散射辐射时空分布特征研究

为更好地利用太阳能资源,对河北省太阳散射辐射时空分布特征进行研究。利用1961--2010年河北省周边7个太阳辐射观测站的资料,计算河北省周边7个太阳辐射观测站的散射辐射误差,拟合得出河北省太阳散射辐射经验公式,分析其时空分布特征。结果表明：（1）河北省近50年太阳散射辐射年总量总体呈微小的升高趋势。其中,升高幅度相对较大的秦皇岛为4．0％,升高幅度相对较小的廊坊为0．7％。（2）河北省水平面太阳散射辐射年总量近50年平均值空间差异不大,〈2240MI·m^-2主要分布在张家口西北部和秦皇岛西南部,〉2480MJ·m^-2主要分布在保定北部,大部分地区介于2320-2480MJ·m^-2。     

北京市二手房价格时空演变特征

城市住宅价格时空格局及演变特征是衡量城市房地产市场发展均衡性的重要指标。针对海量的互联网实时房产数据,本文构建了一种长时序时空大数据挖掘方法。首先,利用挂牌数据和成交数据,进行了泛在网络地产数据的可用性验证;其次,提出了“混合像元”的多尺度栅格模型,以构建基于栅格系统的房产统计特征描述,形成了多源网络房产数据融合方法;然后分别采用莫兰指数和地理探测器分析房价的空间自相关性和分异性,并基于P-Bshade和邻近栅格时空插值算法解决了稀疏房产数据的融合与插值问题,构建了长时序房地产时空栅格数据库;最后,以北京六环范围内为研究区域,通过栅格区划算法进行了二手房价格时空演变格局的挖掘分析。     

北京对外交通枢纽乘客OD时空分布特征

对外交通枢纽对城市内部的客流交通有重大影响,研究其乘客在市内的OD分布对优化设计地面接驳线路、沿线站点等有重要意义。本文基于北京出租车GPS数据,选取具有代表性的3类对外交通枢纽（机场、火车站、汽车客运站）,采用标准差椭圆分析、核密度估计以及分时点统计等方法,研究了北京对外交通枢纽乘客OD时空分布特征。结果表明：（1）机场、火车站客流量远大于汽车客运站,其中首都国际机场与北京西站的对外出行客流量最大,南苑机场和北京北站的对外出行客流量较少;（2）机场乘客主要分布在四环以里大部分地区以及五环以里部分地区,时间上主要分布在除凌晨1-4时的各个时间段;火车站乘客主要分布在四环以里区域,时间上主要分布在6-21时;汽车客运站乘客主要分布在各客运站周边区域,时间上主要集中在6-17时;（3）北京南站与北京西站、北京站间的客流联系较多,可考虑开通北京南站与二者间的地面接驳专线。此外,抵离首都国际机场、南苑机场的乘客主要分布区域与新开通的机场往返市区的巴士线路站点较为一致,说明采用出租车数据进行乘客OD分析可为决策部门进行相关交通规划提供依据。     

基于开源大数据的北京地区餐饮业空间分布格局

基于大数据进行城市服务设施空间格局分析已成为一种新的研究热点,而餐饮业是城市服务业的典型代表,因此通过开源大数据对城市餐饮业的空间布局进行研究具有重要的意义。本文以北京地区作为研究区,采用网络爬虫技术获取大众点评上153 895家餐饮店数据,引入基于密度的CFSFDP聚类算法从空间分布密集度和人均消费等级方面对餐饮业背后蕴含的地理聚集特征进行分析。研究发现：① 北京地区餐饮店总体呈现多中心的空间分布特征,其集聚程度以主城区为核心向外逐级递减,并明显表现出围绕重要商圈、旅游景点和住宅区进行布局以及沿交通轴线扩展的趋势;② 不同人均消费水平的餐饮店呈现等级体系特征,即高档餐馆少而集聚,中低档餐馆多而散的分布特点;③ 餐馆分布密集程度和定价表现出接近市场和消费者的特征。同时,本文综合空间集聚特征和消费水平2项指标对影响餐饮店集群空间分布格局的因素进行了分析,以期为政府规划部门进行城市商业空间布局研究提供借鉴。     

我国手足口病时空分布特征的GIS分析

手足口病是一种常见传染病。近几年在我国多次暴发且发病人数显著增加,引起了我国政府和社会各界的广泛关注。目前,对手足口病的研究主要集中在医学领域,而在宏观尺度上的时空分布特征研究及其重点地区分布研究等方面均较少。本文探索应用地理信息系统(GIS)的工具和方法,对2008-2009年中国疾病预防控制信息系统收集的手足口病监测数据进行统计计算、空间可视化和空间分析,得到我国手足口病疫情的时空分布与动态变化特征。研究表明:(1)尽管全国均有手足口病的报告病例,但各省之间发病情况差异较大,且区域内的发病情况也存在较显著差异,一般在人口密度和人口流动性均较大的城市疫情较严重;(2)手足口病在我国的流行高峰期为4-7月,比国外相关研究中的描述提前了一个月;(3)5-6月,我国手足口病的高发区分布明显由南向北移动。(4)2008-2009年,我国手足口病患者98%以上为托幼儿童、散居儿童和学生。鉴此分析,本文提出了具有时间、空间和人群针对性的防控手足口病暴发流行的科学建议。     

北京城市绿化的时空动态分析

城市绿化覆盖是城市生态系统的重要组成部分,合理的绿化率和绿化布局可以改善城市环境,提高城市人居适宜性。研究中将2005、2010、2015年北京市土地利用（LUC）数据中的城市居民用地作为城区范围,应用Landsat 5、GF-1影像数据和MODIS产品,利用支持向量机的监督分类方法,提取了2005、2010、2015年的北京市城市绿化覆盖数据,并获取了同期的植被指数（NDVI）数据;继而以城市绿化覆盖率、绿化覆盖均匀度和植被指数为评价指标,在公里栅格和行政区2个尺度上探讨了北京市城市绿化覆盖的空间分布格局和时间变化动态特征。研究表明：① 3个指标在空间和时间2个维度、区县和栅格2个尺度上都表现一致。这反映北京市过去10年中,在绿化面积增加的同时,绿化的空间布局得到优化改善,绿化的质量得到提高。② 2005-2015年,北京市城市绿化覆盖面积由518.93 km² 增加到1405.54 km²,绿化覆盖率由39.9%增加到49.13%,绿化覆盖均匀度由0.598增加到0.653,植被指数由0.42增加至0.5。③ 北京市城市绿化建设存在明显的时空差异。中心城区绿化建设缓慢,成效不明显;重大绿化建设成果主要集中在城市边缘地区和远郊区县。城市绿化改善过程主要发生在2005-2010年。     

基于POI数据的北京市商业中心识别与空间格局探究

商业中心是城市空间结构的重要组成部分,传统商业中心识别主要借助统计资料和经济普查数据,耗时耗力且更新频率较低;以POI(兴趣点)数据为代表的众源地理数据为城市商业中心识别提供了新思路。本文以北京市801478条商业POI数据为基础,根据商业职能定义将其分为生活类、休闲娱乐类、公共服务类、金融商务类和汽车相关类,运用核密度法识别不同职能的商业中心,结合Getis-Ord G_i~*统计量详细探究中心城区商业空间格局。结果表明:(1)北京市商业格局呈现圈层式结构,沿交通干道向外发展;(2)不同类型的商业中心存在显著的空间分异特征,生活与公共服务中心高度向心集中,金融商务和汽车相关中心多分布于城市功能拓展区,休闲娱乐中心为多组团式离散分布;(3)中心城区生活类商业职能完备,北部区域商业密度高于南部区域。     

时序InSAR解译2017~2020年北京地面沉降时空变化

利用合成孔径雷达干涉测量（InSAR）技术对2017-06~2020-06期间获取的Sentinel-1数据集进行处理和分析,获取北京近几年地面沉降区域的时空分布特征。结果表明,北京地表形变呈现5处沉降区,最大年形变速率为-111.3 mm/a。将InSAR结果与GPS观测资料进行对比,验证了时序InSAR的有效性。对比2018年和2019年的年形变速率可知,各个沉降范围内的沉降面积均在减小,且沉降减缓的面积远大于沉降加速的面积。局部调查后发现,5处沉降区除1处仍在加速沉降外,其他4处的沉降速度均在减缓。