基于公共交通大数据的上海市居民出行时空特征研究

摘要

交通系统是维系城市运转的重要基础之一，但城市的过快发展已经给交通带来了巨大压力，城市交通的拥堵又制约了城市的健康发展。虽然，目前城市管理中所实施的车辆限号、分时限行等交通调控措施可以在一定程度上减缓交通拥堵现象，但难以从本质上提升整个城市的交通运载量，现有交通运载模式已难以满足日益提升的居民出行需求。因此，如何改善交通调控模式以及提高交通运载，尤其是公共交通运载的效率，已成为城市发展中亟待解决的问题。其中，正确了解居民出行行为模式和规律是解决城市交通问题的关键性因素。无论是交通干道规划还是公交运营线路优化，都是基于对居民出行的时间与空间行为特征的认知基础之上的，居民出行行为是促进城市交通发展的根本推动者，因此研究并掌握居民出行的时空特征规律具有十分重要的现实意义和实际应用价值，能够为出行者、规划者、决策者提供重要而客观的数据及理论支撑。 对居民出行时空特征的研究过程中，传统的基于调查问卷、视频监控统计的调查方式往往会存在一定的主观性和不确定性。近年来，随着传感器技术和车载定位技术的逐渐成熟和发展，城市交通数据的获取越来越迅速、客观、准确，以大数据为中心的城市交通研究为解决城市交通问题带来了新的机遇。在城市交通数据资源日益丰富的背景下，本文以上海市为研究对象，通过对出行OD（Origin and Destination，出行起始点和出行终点）的分析，探讨上海市居民出行时空特征。 本文采用上海市出租车、公交、地铁数据为主要数据源，辅以城市道路网及POI（Point of Interest，兴趣点）数据，根据不同数据源采取对应方法提取居民出行的OD信息，并以此为基础探寻上海市居民出行的时空规律，主要研究方法和内容为： 1. 根据居民出行时空特征研究的需要，对获取的交通出行大数据进行筛选、预处理，并设计了提取OD的思路及算法。 2. 基于Hadoop架构进行出租车的OD信息提取。由于出租车轨迹数据量较大，本文采用了并行算法。根据OD提取思路，先对单车轨迹进行了信息提取，进而通过出租车载客状态变化的特征点，提取出了单次居民出行的OD点对。同时，本文用类似的方法提取了公交和地铁居民出行的OD点对。 3. 对上海市居民出行的时空特征进行分析。其中，通过核密度分析以及热点区域相关POI分析，得出居民出行起始点和出行终点的空间分布特征。 本文的主要结论有： 1. 居民出行特征在时间上以周为周期，以工作日和休息日（工作日即法定工作日，休息日即周末与法定节假日）为两种主要模式，其中以地铁、公交出行最为普遍，出租车出行时间分布较为均匀，且其工作日晚低谷与休息日晚高峰形成强烈反差。 2. 依据不同时段居民的出行量表现，将一天划分五个时段，空间聚类表现出的时空特征具体如下： (1)无论工作日还是休息日，凌晨（0:00-6:00时段）的居民出行O点（出行起点）和D点（出行终点）分布都较为离散，从其中目的地点聚类结果看，工作日的机场和休息日的市区娱乐场所都有较高的聚类水平，表现出两种出行模式。 (2)无论工作日还是休息日，早间（6:00-9:00时段）居民出行O点（出行起点）的分布都较为离散，表现出较为稳定的出行起点分布，机场的D点（出行终点）聚类水平都较高；工作日D点集中在市区、机场；休息日D点分布除机场外较为分散。 (3)在日间平峰时段（9:00-16:00时段），工作日居民出行表现出较明确的O点和不明确的D点，市中O点和机场D点有高聚类水平。休息日表现出不明确的O点和较明确的D点，居民活动的D点集中在市中心。 (4)在16:00-19:00时段，工作日与休息日呈现出截然不同的两种模式。工作日居民出行O点集中分布在市中心，而目的地点较为离散；休息日出行需求点离散，目的地点集中分布在市中心。 (5)无论工作日还是休息日，居民出行活动在夜间（19:00-23:00时段）的表现较一致，但工作日O点在机场等交通场所的聚类水平较高，表现出工作日上海市的高跨城通勤水平。

目录

第一个书签之前