• 從流量分析走向空間聯系結構分析

    2019-06-17 10:43:00 來源: 悠閑老頭看交通 作者: 楊東援等 評論:
    分享到:

    根據在中國城市科學研究會大數據專業委員會2019年會上的發言補充整理:

    大數據分析如何從表象描述走向深層次的內在結構屬性發現,是從感知走向認知過程中需要解決的重要問題。本研究中針對空間規劃框架下的城市群中城際出行的流動結構分析,則是一個這方面的技術應用探索。

    當大數據分析展開深層次信息挖掘時,明確的應用目的往往是成功的前提。缺少對于業務場景清晰的理解,數據分析師就如同無頭蒼蠅一般,發現有價值信息并加以應用的機會也就顯得十分渺茫。

    交通是一個大數據極好的應用場景。由于交通系統所具有的基礎作用,以及成為重要政策工具的可能性,城市群綜合交通規劃是應作為空間規劃體系中的前置引導性規劃。但由于跨越行政區劃,傳統上通過綜合交通調查獲取基礎數據的途徑變得難以實現。城市群交通、都市圈交通等與城市內部日常交通存在的顯著差異,又要求更長的時間序列數據來探尋內在規律。

    正因為如此,移動通信信令數據成為城市群交通規劃不可或缺的重要基礎數據資源。但是,移動通信信令數據中并不包含用戶的社會經濟屬性,也不能直接獲取出行目的,因而不能區分出行性質。在存在城市群內部交通、都市圈交通、城市群對外交通等多種類型交通的城市群中,簡單地將從移動通信信令數據中獲取的城際出行不加區分地歸結為一張OD表,則不同周期性規律特征極有可能被簡單的均值處理所抹殺。在此背景下,深入的內在結構特征分析不是一種技術牛角尖,而是必須跨越的一道關鍵性技術障礙。

    對于移動通信信令數據基礎上的空間移動信息的結構分析,可以劃分為基于個體類型屬性的結構分析與基于集計數據的內在結構發掘分析兩大部分。

    具有多種賦予個體類型屬性的方法。例如根據居住地或者就業地的分類、根據城際出行頻率的分類、根據所使用交通方式的分類(遺憾的是對此目前比較可靠的只能劃分為鐵路使用者和其他),甚至于根據進入城市的窗口位置(交通樞紐、重要交通通道等)的分類等。在適當分類基礎上得到的空間集聚現象,揭示出很多值得研究的空間關系屬性,能夠為交通系統的設計提供有價值的參考信息。

    基于集計數據的內在結構發掘分析,是在空間矩陣和時空矩陣的基礎上展開的。

    城市群中的職住關系就是一種典型的空間矩陣。為了通過計算機高效地發現其具有的緊密聯系聚落,引入了了復雜網絡社區發現算法。非重疊社區發現和重疊社區發現均能夠揭示出值得關注的關系聚落特征,但必須注意社區定義對結果可能產生的重要影響。

    由于存在多種周期性規律活動的疊加,城際出行所建立的是時空矩陣(即包含時間維度與空間維度),屬于高維觀測數據。多種高維數據壓縮算法,幫助我們獲得內在模式矩陣。從內在模式矩陣,以及模式矩陣進一步分解獲得的時間向量和空間向量之中,可以探尋不同的周期性規律的作用和影響范圍。

    對于城市群城際出行內在結構的分析,其目的在于幫助交通工程師和交通規劃師理解空間中的關系、空間中的行為,從而更好地規劃設計空間中的網絡。

    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


  • 關鍵字: 交通規劃 空間關系
  •    責任編輯:劉艷
  • 關于我們
  • 聯系我們
  • 廣告贊助
  • 年香港六合彩期