从流量分析走向空间联系结构分析 - 调查与观点 - 智能交通世界网_智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • 从流量分析走向空间联系结构分析

    2019-06-17 10:43:00 来源: 悠闲老头看交通 作者: 杨东援等 评论:
    分享到:

    根据在中国城市科学研究会大数据专业委员会2019年会上的发言补充整理:

    大数据分析如何从表象描述走向深层次的内在结构属性发现,是从感知走向认知过程中需要解决的重要问题。本研究中针对空间规划框架下的城市群中城际出行的流动结构分析,则是一个这方面的技术应用探索。

    当大数据分析展开深层次信息挖掘时,明确的应用目的往往是成功的前提。缺少对于业务场景清晰的理解,数据分析师就如同无头苍蝇一般,发现有价值信息并加以应用的机会也就显得十分渺茫。

    交通是一个大数据极好的应用场景。由于交通系统所具有的基础作用,以及成为重要政策工具的可能性,城市群综合交通规划是应作为空间规划体系中的前置引导性规划。但由于跨越行政区划,传统上通过综合交通调查获取基础数据的途径变得难以实现。城市群交通、都市圈交通等与城市内部日常交通存在的显著差异,又要求更长的时间序列数据来探寻内在规律。

    正因为如此,移动通信信令数据成为城市群交通规划不可或缺的重要基础数据资源。但是,移动通信信令数据中并不包含用户的社会经济属性,也不能直接获取出行目的,因而不能区分出行性质。在存在城市群内部交通、都市圈交通、城市群对外交通等多种类型交通的城市群中,简单地将从移动通信信令数据中获取的城际出行不加区分地归结为一张OD表,则不同周期性规律特征极有可能被简单的均值处理所抹杀。在此背景下,深入的内在结构特征分析不是一种技术牛角尖,而是必须跨越的一道关键性技术障碍。

    对于移动通信信令数据基础上的空间移动信息的结构分析,可以划分为基于个体类型属性的结构分析与基于集计数据的内在结构发掘分析两大部分。

    具有多种赋予个体类型属性的方法。例如根据居住地或者就业地的分类、根据城际出行频率的分类、根据所使用交通方式的分类(遗憾的是对此目前比较可靠的只能划分为铁路使用者和其他),甚至于根据进入城市的窗口位置(交通枢纽、重要交通通道等)的分类等。在适当分类基础上得到的空间集聚现象,揭示出很多值得研究的空间关系属性,能够为交通系统的设计提供有价值的参考信息。

    基于集计数据的内在结构发掘分析,是在空间矩阵和时空矩阵的基础上展开的。

    城市群中的职住关系就是一种典型的空间矩阵。为了通过计算机高效地发现其具有的紧密联系聚落,引入了了复杂网络社区发现算法。非重叠社区发现和重叠社区发现均能够揭示出值得关注的关系聚落特征,但必须注意社区定义对结果可能产生的重要影响。

    由于存在多种周期性规律活动的叠加,城际出行所建立的是时空矩阵(即包含时间维度与空间维度),属于高维观测数据。多种高维数据压缩算法,帮助我们获得内在模式矩阵。从内在模式矩阵,以及模式矩阵进一步分解获得的时间向量和空间向量之中,可以探寻不同的周期性规律的作用和影响范围。

    对于城市群城际出行内在结构的分析,其目的在于帮助交通工程师和交通规划师理解空间中的关系、空间中的行为,从而更好地规划设计空间中的网络。

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png

    blob.png


  • 关键字: 交通规划 空间关系
  •    责任编辑:刘艳
  • 关于我们
  • 联系我们
  • 广告赞助