基于人群出行行为轨迹的城市功能区识别

摘要

城市功能区识别对于城市规划和管理具有重要的支撑作用,目前大部分研究主要依赖于影像和兴趣点(POI)分布数据进行识别,但多将区域内不同出行行为的人群混杂在一起,没有考虑不同群体对区域产生的不同影响。结合物以类聚、人以群分的思想构建城市功能区识别模型UFAI,通过学习不同功能区人群出行活动的特征识别相应功能区。基于大样本粗粒度的匿名轨迹数据,刻画并提取个体出行特征,依据个体的出行特征划分人群类型。在此基础上,构建并训练多任务深度学习模型,实现城市功能区识别。选取北京市2 000万匿名用户10个月的手机信令数据作为人群出行轨迹数据,使用UFAI模型进行计算,并与决策树、随机森林、集成学习梯度提升决策树等7种传统分类模型进行对比。实验结果表明,UFAI模型的F1值达到0.95,与对比模型相比提升了0.10~0.29,具有更好的识别性能。