【摘要】：城市居民出行影響著城市生活的方方面面,對城市居民出行特征的分析與探索是城市地理學(xué)領(lǐng)域研究的熱點問題。一方面,形式各異的海量交通數(shù)據(jù)信息,為全面剖析城市居民出行特征提供數(shù)據(jù)源。另一方面,新興時空分析模型能夠有效地解決時間、空間和屬性三者之間的相互作用關(guān)系,為揭示城市居民出行活動的時空特征提供手段。目前對于出行特征研究多使用單一類型的交通數(shù)據(jù),但居民出行方式具有多樣性,單類型數(shù)據(jù)源無法完整反映出行特征。且傳統(tǒng)的出行分析方法多是針對單一維度的基于時間的時間序列分析或基于距離的空間分析,無法滿足出行行為是同時具備時空特性的分析需要。同時,對于出行在不同區(qū)域間的交互關(guān)系研究較少,且多為點到點的模式分析。鑒于此,本文以多源公共交通大數(shù)據(jù)為基礎(chǔ),以上海市為研究區(qū),通過構(gòu)建出行時空數(shù)據(jù)模型、出行熱點等級結(jié)構(gòu)模型與區(qū)域移動模式識別算法,對城市居民在不同時間節(jié)點,即工作日、周末與節(jié)假日下的出行特征進(jìn)行了深入研究。本文的主要研究內(nèi)容與結(jié)論如下:1、基于Hadoop平臺的多源交通大數(shù)據(jù)預(yù)處理方法Hadoop平臺能夠高效且又低成本地對海量數(shù)據(jù)進(jìn)行分布式并行計算,本研究使用的交通大數(shù)據(jù)包括一個月的出租車軌跡數(shù)據(jù)及軌道交通刷卡數(shù)據(jù)達(dá)523 GB,適用Hadoop平臺進(jìn)行數(shù)據(jù)處理與分析。對此,本研究提出了基于Hadoop分布式平臺對地鐵與出租車軌跡進(jìn)行預(yù)處理的方法,及提取出行OD數(shù)據(jù)集的方法,為后續(xù)實驗分析奠定基礎(chǔ)。2、構(gòu)建居民出行特征挖掘處理框架居民出行特征主要包括三個方面,時空聚類表現(xiàn)、出行方向分布及交互特征,據(jù)此,本研究構(gòu)建了居民出行特征挖掘的處理框架:首先構(gòu)建時空立方體模型,對出行軌跡的時空分布進(jìn)行三維可視化,利用時空熱點分析方法,將時間和空間放于統(tǒng)一分析尺度下,定量表達(dá)居民出行高值和低值在時空區(qū)間內(nèi)的聚類程度,探討區(qū)域內(nèi)居民出行時空熱點模式;然后構(gòu)建出行熱點等級結(jié)構(gòu)模型,表征出行熱點的規(guī)模等級關(guān)系,利用標(biāo)準(zhǔn)差橢圓判斷熱點分布方向,探討出行的空間結(jié)構(gòu)分布規(guī)律;最后通過區(qū)域移動模式識別算法,識別出行聚集區(qū)域與區(qū)域間定向移動的模式,并通過構(gòu)建多個統(tǒng)計指標(biāo)提取區(qū)域間的交互特征。其中,出行熱點等級結(jié)構(gòu)模型的構(gòu)建中,本文提出基于出行密度場的熱點探測模型,而在區(qū)域間交互特征的挖掘中,主要基于模式覆蓋度、區(qū)域依賴性及區(qū)域交互強(qiáng)度三個指標(biāo)進(jìn)行深入剖析。時空立方體模型重點揭示居民出行的時空聚類變化;出行熱點等級結(jié)構(gòu)模型強(qiáng)調(diào)出行熱點規(guī)模等級關(guān)系及方向分異特征;區(qū)域移動模式識別則關(guān)注出行熱點區(qū)域之間的交互特征。研究發(fā)現(xiàn),從以上三個方面進(jìn)行分析,能夠較為全面地挖掘居民出行的時空特征。3、居民出行時空特征挖掘本研究通過對一個完整月的數(shù)據(jù)進(jìn)行居民出行時空特征挖掘,發(fā)現(xiàn)居民在工作日、周末與節(jié)假日表現(xiàn)出三種不同的出行特征。同時,地鐵與出租車能夠相輔相成共同為居民出行提供方便,通過對不同交通方式出行軌跡的研究,能夠得到互補(bǔ)的出行特征,地鐵特征遍布范圍廣,更能體現(xiàn)全局特征,而出租車特征集中,更體現(xiàn)局部特征。(1)出行時空熱點模式。地鐵工作日的熱點模式能夠揭示通勤對象的不同通勤時間分布,識別大致的工作區(qū)及住宅區(qū),周末與節(jié)假日的熱點模式,能夠識別商圈、交通樞紐。而出租車不同時間節(jié)點下出行時空熱點模式大致相同,并識別出上海市四個城市副中心。(2)出行熱點規(guī)模等級關(guān)系及方向分異特征。地鐵不同等級的出行熱點在不同時間節(jié)點表現(xiàn)出明顯的模式分組特征。從方向分布來看,地鐵出行熱點反映了上海市發(fā)展大方向為東北—西南方,且逐漸往西與西南方發(fā)展,而出租車熱點空間分布固定更能反映當(dāng)前城市最繁華的區(qū)域及交通樞紐的位置。(3)出行區(qū)域移動模式。工作日體現(xiàn)通勤行為的移動模式,分布在中心城區(qū)與浦東新區(qū),固定的通勤行為使其可快速識別住宅區(qū)與工作區(qū)的空間分布情況;周末出行模式類別更加多樣,包括通勤、體育、休閑娛樂,但通勤模式的交互強(qiáng)度較工作日弱;節(jié)假日顯著移動模式均分布在上海市四周邊緣區(qū)域,體現(xiàn)的是出游,且模式中包含八個單站點區(qū)域,說明假日居民出行的目的性更加明確。同時,由區(qū)域移動模式的指標(biāo)統(tǒng)計表明,工作日居民出行區(qū)域更多樣。不同時間節(jié)點移動模式的區(qū)域交互強(qiáng)度趨于穩(wěn)定下降,交互強(qiáng)度從強(qiáng)到弱依次為,工作日周末節(jié)假日。
【圖文】：

剔除冗余數(shù)據(jù)，為后文的實驗分析做好準(zhǔn)備。逡逑２．１研究區(qū)概況逡逑本文研究區(qū)域為上海市（如圖２．１）。上海位于中國東部長三角洲地區(qū)，地理位置逡逑在東經(jīng)１２０°邋５２＇至１２２°邋１２＇，北緯３０°邋４（Ｔ至３１°邋５３＇之間。上海市轄１６個市逡逑轄區(qū)，總面積達(dá)６３４０平方公里，是中國的金融、交通、工業(yè)和貿(mào)易中心，也是全球逡逑人口規(guī)模和面積最大的都會區(qū)之一。２０１５年，上海ＧＤＰ居中國城市首位，亞洲城市逡逑第二位，僅次于日本東京；至２０１５年末，常住人口達(dá)到２４１５．２７萬人。逡逑＾邐１邋，？■丨逡逑Ａ／邐ｆ砸邐楊浦區(qū)逡逑／邐虹口區(qū)逡逑普陀區(qū)逡逑／邐柳逡逑趣邋Ｚ逡逑徐匯區(qū)逡逑嘉定區(qū)寶岐—々服邐；逡逑青浦區(qū)邐￣Ａ上海虹橋火車站Ｂ上海南站逡逑松江區(qū)邐—邐Ｃ上�；疖囌惧澹纳虾：鐦驀H機(jī)場逡逑■邋Ｅ邋ｈ海浦東國際機(jī)場逡逑奉賢區(qū)逡逑金山區(qū)邐閣例逡逑Ｗ＂邋０邋５１０邐２０邐３０邐４０邐N奸站邋Ｓ逡逑邐１邐．邐崇明縣逡逑圖２．１上海市區(qū)位圖逡逑２０世紀(jì)９０年代以來，上海大力發(fā)展軌道交通，包括地鐵、輕軌、磁懸浮及有軌逡逑電車等。至２０１５年末，上海擁有軌道交通線路十五條，運(yùn)營里程達(dá)６１７．５３公里，居逡逑全國第一位

共客運(yùn)交通方式，包括軌道交通、公共汽（電）車、出租車和輪渡，，占所有交通工具逡逑出行的４８％。若將班車和社會大客車等納入公共客運(yùn)方式的話，這一比例更達(dá)到５２．３％逡逑（如圖２．２所示）。因而，本研宄的軌跡數(shù)據(jù)主要包括，軌道交通刷卡數(shù)據(jù)（含地鐵、逡逑公交）及出租車軌跡數(shù)據(jù)，能在較大程度上涵蓋城市居民的出行特征。逡逑軌道交通逡逑步行邐１５．１％逡逑２４Ｓ％逡逑地面公交逡逑＿＿＿＿＿邐１３．４％逡逑，，，Ｉ邋ｊｔｆ逡逑－－ｒ逡逑０．３％逡逑圖２．２邋２０１４年上海中心城工作日曰均出行方式結(jié)構(gòu)【５６］逡逑２．２．１數(shù)據(jù)來源及數(shù)據(jù)結(jié)構(gòu)逡逑本文所使用的軌跡數(shù)據(jù)為２０１５年４月上海市完整一個月的軌道交通刷卡數(shù)據(jù)及逡逑出租車軌跡數(shù)據(jù)。其中，２０１５年４月４日至２０１５年４月６日正值清明假期，除清明逡逑假期外，還有三個完整的周末休息日，因而該數(shù)據(jù)可以反映工作日、周末與節(jié)假日居逡逑民的出行情況，通過分析三者之間的異同，發(fā)現(xiàn)城市居民出行的時空特征。逡逑軌道交通刷卡數(shù)據(jù)，來源于上海公共交通卡股份有限公司的“公共交通卡”，是逡逑絕大多數(shù)在滬人員持有的可充值交通卡
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U12

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;上海市第五次綜合交通調(diào)查主要成果[J];交通與運(yùn)輸;2015年06期

2 張俊濤;武芳;張浩;;利用出租車軌跡數(shù)據(jù)挖掘城市居民出行特征[J];地理與地理信息科學(xué);2015年06期

3 隋正偉;鄔陽;劉瑜;;基于簽到數(shù)據(jù)的用戶空間出行相似性度量方法研究[J];地理信息世界;2013年03期

4 龍瀛;張宇;崔承印;;利用公交刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤出行[J];地理學(xué)報;2012年10期

5 劉濤;杜清運(yùn);閆浩文;;空間點群目標(biāo)相似度計算[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2011年10期

6 尹長勇;陳艷艷;陳紹輝;;基于聚類分析方法的公交站點客流匹配方法研究[J];交通信息與安全;2010年03期

7 董曉晶;余志偉;伏偉偉;孫影;陳靜;;基于GIS的公交IC卡數(shù)據(jù)處理及分析系統(tǒng)[J];地理空間信息;2009年05期

8 張榮群;;地學(xué)信息圖譜研究進(jìn)展[J];測繪科學(xué);2009年01期

9 李艷紅;袁振洲;謝海紅;曹守華;吳先宇;;基于出租車OD數(shù)據(jù)的出租車出行特征分析[J];交通運(yùn)輸系統(tǒng)工程與信息;2007年05期

10 王賀封;;時空數(shù)據(jù)模型及TGIS研究[J];測繪與空間地理信息;2006年04期

相關(guān)博士學(xué)位論文 前1條

1 李海峰;城市形態(tài)、交通模式和居民出行方式研究[D];東南大學(xué);2006年

相關(guān)碩士學(xué)位論文 前6條

1 陳娜;基于位置信息的北京市出行模式研究[D];北京交通大學(xué);2016年

2 王月s

本文編號：2650220