基于出租车GPS轨迹大数据的短时非运营行为建模与时空分布探测

【摘要】：我国正处于城市化快速发展阶段,涌现出大量城市资源配置不能满足城市活动需求的“城市病”问题。出租车是一种重要的城市公共交通资源,目前北京市出租车有6万余辆,武汉市大约2万辆,深圳市大约1.6万辆,出租车占据城市机动车的相当比例。出租车司机的就餐、加油(气)、休息等短时非运营停靠行为一方面能够反映出租车群体的时空运行效率,另一方面能在总体上反映出租车司机群体对非运营设施布设的需求。出租车时空GPS(Global Positioning System)轨迹是一种覆盖范围广、采集成本低的位置大数据,现有基于出租车GPS轨迹大数据的研究均没有考虑出租车司机本身非运营行为的特征和需求,因此基于出租车GPS时空轨迹大数据研究出租车短时非运营行为的时空分布特征,探测出租车短时非运营城市群体活动的时空分布规律,揭示城市群体活动与城市资源配置的适应性,具有重要的理论研究意义和应用价值。出租车短时非运营事件行为类型多样,其中加油(气)行为是其中最具有代表性的,本论文基于出租车时空GPS轨迹大数据,分析出租车短时非运营加油(气)行为的时间特性和空间特性,对出租车加气行为进行建模并分析其时空分布,实现出租车加油(气)行为识别与探测；提出一种点-线二元K函数法分析加油(气)事件与加油站POI之间的空间相关性,揭示城市群体活动与城市资源配置的适应性与匹配程度,为城市资源优化配置提供科学依据。本论文主要研究内容有：(1)出租车短时非运营加油(气)行为模式分析与建模研究。本文从出租车GPS轨迹大数据中挖掘出租车加油(气)行为的时间特性和空间特性,依据出租车司机加油(气)行为发生时的四种情况分别做了分析,确立了描述该行为的四个特征指标,提出了出租车加油(气)短时非运营行为建模方法,并结合武汉市10614辆出租车轨迹数据,实现了基于支持向量机(SVM)的武汉市出租车加气短时非运营事件的有效探测与识别；(2)出租车加油(气)事件时空动态分布分析研究。基于研究一的成果,确立了出租车加油(气)短时非运营行为的在时空分布上的线性特征,提出了出租车加油(气)短时非运营行为的线事件描述方法,并采用平面空间线要素的核密度估计方法,实现了武汉市出租车短时非运营加气群体活动时空分布特征的准确分析与表达。实验结果表明采用线事件描述出租车加油(气)行为相比用点事件来描述,能更好的能更好反映基于加油(气)线事件空间位置的密度分布；可以分析出同一时间段不同加油(气)站内加油(气)事件的数量差异、排队情况差异和加油(气)事件聚集程度的差异,从而得到加油(气)站的整体运营情况和出租车加油(气)行为的时空分布特征。(3)出租车加油(气)事件与POI的空间相关性分析研究。提出了一种点要素—线要素二元K函数相关性分析方法,以加气站(点要素)为控制事件,以加油(气)行为(线要素)为案例事件,建立不同尺度的搜索半径,一方面实现了城市加气站POI点与出租车短时非运营加油(气)线事件之间的空间分布相关性度量,一方面对算法的可行性和准确性也进行了验证。通过不同距离尺度下加气站与出租车短时非运营加气线事件之间的空间分布模式相关性,揭示了出租车短时非运营加气群体活动与城市加气站公共资源配置的匹配程度。