【摘要】：隨著全球衛(wèi)星導航定位系統(tǒng)(Global Navigation Satellite System,GNSS)和地理信息系統(tǒng)(Geographical Information System,GIS)技術的廣泛應用,大規(guī)模個體時空數據的獲取正不斷成為現實。使用交通軌跡大數據提取城市群體的出行狀況、職住關系、出行規(guī)律等成為目前國內外研究的熱點內容。城市群體出行及其蘊含的空間交互是人類活動分析與城市空間結構研究的基礎。全球化、信息化作用下,軌跡大數據與人工智能方法相結合,帶來城市研究與人類活動分析的新途徑。城市交通包含多種出行模式,單一出行模式僅代表城市部分群體的出行規(guī)律,具有偏向性,無法表示整個城市的出行狀況,不同模式產生的數據所表現的出行規(guī)律等信息不同。城市群體出行規(guī)律對城市交通規(guī)劃與管理、土地利用布局、城市基礎設施以及城市交通預測等起著至關重要的作用,但是研究發(fā)現,目前大多數學者都是使用單一類別數據分析城市群體出行規(guī)律,融合容易獲得的出行規(guī)律獲得城市居民的整體出行信息給地理學的研究來了新的研究內容。本文使用獲取的公交、地鐵、出租車以及手機出行進行多模式出行融合方法的探索研究。文中的多模式出行融合并非多類出行數據的簡單合并,而是指融合多類出行模式的出行規(guī)律。以出行規(guī)律作為出行數據的特征,文中的融合方法可以參考傳感器數據特征級融合的方法。本文的主要研究思路是使用多模式出行數據,基于出行相關性和出行密度分析,并參考傳感器數據特征級融合方法提出一個多模式出行規(guī)律融合框架以獲取多模式出行融合的融合系數。本文利用深圳市一周7億條出租車GPS、公交卡GPS和智能卡軌跡記錄,提取全市域內出租(Taxi,T)、公交(Bus,B)和地鐵(Metro,M)出行記錄,首先使用出行流量、距離、時間和方向進行多模式間出行相關性檢驗,實驗結果顯示:①城市出租、公交、地鐵三類出行之間存在顯著差異,公交-出租、地鐵-出租出行一致性呈現整體低局部高,而公交-地鐵兩類出行之間的一致性較高;②多模式出行規(guī)律一致性存在空間分異和方向分異特征,城市中心區(qū)域內出租、公交、地鐵的群體出行規(guī)律一致性較高,郊區(qū)的出行規(guī)律一致性較低。以上述所求相關性的顯著性檢驗結果為基礎,聯合出行密度,將深圳市分為5個不同的大區(qū)域,以手機數據獲取的出行記錄作為深圳市整體出行記錄,結合間接平差的方法獲得不同區(qū)域各出行模式的融合系數,并與城市交通結構作對比,實驗結果顯示該融合方法在深圳市的大部分區(qū)域是可行的。全球化、信息化作用下,軌跡大數據與人工智能方法相結合,帶來城市研究與人類活動分析的新途徑,多模式出行融合完善了城市群體出行研究中因數據不充分而產生的不足,為深入研究城市群體出行、城市交通等提供數據支持,為未來城市建設、城市規(guī)劃、城市土地利用乃至城市發(fā)展打下基礎,為進一步完善深圳市的交通設施,解決交通擁堵問題提供建議,也為大數據融合提供方法,促進科學發(fā)展。
【學位授予單位】：武漢大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：P228.4;P208
【圖文】：

南山區(qū)、鹽田區(qū)、寶安區(qū)、龍崗區(qū)，４個功能區(qū)主要有光明新區(qū)、龍華新區(qū)、坪逡逑山新區(qū)、大鵬新區(qū)。其中，福田區(qū)、羅湖區(qū)、南山區(qū)、鹽田區(qū)的部分邊界共同構逡逑成原二線關，將整個深圳市分為關內和關外兩大部分（圖２．１），所謂關內即指逡逑原二線關以內的區(qū)域，包括今福田、羅湖、南山和鹽田四個中心區(qū)，關外則為其逡逑余６個區(qū)，原二線關現己廢除，本文使用的數據是２０１４年的，數據獲取時原二逡逑線關仍在使用。逡逑＾邐毒逡逑＜邐＼光明新區(qū)＾逡逑ｒ邐｝邋ｗ７邋關龍崗區(qū)＜逡逑、龍華ｖ逡逑＼寶安區(qū)ｒ外邋ｖ邋＾邐Ｉ—〕逡逑、：１＇廣＇飛逡逑圖例邐Ｗ逡逑一原二線關逡逑0邐１0邐}比玨義希�，．湖箚葳逦匚匚匚匚亓x賢跡玻毖芯殼蚋趴鰣義轄鉦謔兇魑繡城蛑饕韻錄父鱸潁海ǎ保┥鉦謔兇魑蝕蠖煎義鮮校煌ㄏ低潮冉戲⒋錚悄蕓ㄊ萘看笄沂莼袢【冉細擼唬ǎ玻┥鉦謔兇麇義希瑰義

本文編號：2782568