基于手机信令数据的城市居民动态OD矩阵提取方法

现有的城市居民出行调查周期较长,交通小区划分粒度粗糙,导致调查不能及时准确地获取居民出行信息。针对该问题,提出了一种基于手机信令数据的城市居民动态OD矩阵提取方法。首先,针对信令数据中的两种复杂噪声:乒乓切换和漂移数据,提出了基于窗口阈值的检测与等效位置替换方法,以及复杂漂移点的检测和标记处理方法;然后,提出一种改进的ST-DBSCAN聚类方法,引入一种等时化方法将时间信息与空间信息相结合,识别出行过程中的驻留点;最后,基于地理信息系统构建含有道路关键节点的路网,将居民出行OD与路网节点相匹配,有效推导出城市居民动态OD矩阵。实验结果表明:与ST-DBSCAN算法相比,所提改进的ST-DBSCAN算法在聚类效果和识别速度上分别提升了6.10%和5.26%;与统计方法和二阶统计量方法相比,基于改进的ST-DBSCAN算法的动态OD矩阵提取方法在均方误差(MSE)上分别降低了16.98%和21.55%。以北京市为例,运用提出的动态OD矩阵提取方法,能够及时有效地分析城市居民日常与高峰时段的出行特征。

基于手机信令数据的贝叶斯优化出行链识别

为了克服手机信令数据定位信息的时空不确定性对出行识别的影响,分析手机信令数据的时空特性,在时空阈值识别停留点方法的基础上,引入兴趣面(AOI)信息和基站位置数据,提出可变参数滑动窗口的出行停留点识别方法.建立出行链模型,采用贝叶斯多目标优化获得模型的最佳参数,实现时空阈值的动态调整,提高识别的准确性.为了验证方法的有效性,组织志愿者采集真实出行GPS数据和出行信息标签作为验证数据,与应用模型于对应手机信令数据后的结果进行对比.研究结果表明,手机信令数据的采样在移动和静止状态下存在特性差异;相较于对比方法,提出的出行链识别方法在泛化性能和最优性能方面都表现出较小的误差和较高的识别率,尤其在识别率指标上,相比其他的最新算法改进了3%~26%.

基于手机信令数据的广州市居民公园访问行为空间分异及其影响因素分析

加快推进城市公园建设是实现人与自然和谐共生的重要抓手。既有研究大多基于问卷调查数据和访谈资料分析城市居民的公园访问行为空间分异特征,研究结论的普适性和科学性有限。手机信令数据具有大样本、覆盖范围广、信息被动提供和动态实时性强等优点。利用手机信令数据精准刻画城市居民的公园访问行为,有助于开展城市公园的布局优化与品质提升工作。基于个体尺度的手机信令数据,本研究试图揭示广州市居民公园访问行为的空间分异特征并识别其影响因素,尤其关注城区居民和郊区居民的差别。结果表明:(1)城区居民的公园访问频率、公园访问时长和公园访问强度均高于郊区居民,前者的公园平均访问距离低于后者;(2)公园访问频率、公园访问强度、公园平均逗留时间和公园平均访问距离呈现高值集聚区/低值集聚区在城区连片分布,在郊区零星分布的空间特征;(3)公园访问行为受性别、年龄、时空约束性、社会经济地位、公园可达性、社区出行便利性和出行适宜性等因素的共同影响。本研究为相关政府部门精准开展城市公园的规划、建设与管理工作提供决策参考。

基于手机信令数据的数据清洗挖掘与常住人口分析

近年来,由于城市发展的需要,对人口统计工作提出了更高的要求。基层政府统计部门准确地掌握辖区内“有多少人”一直是一大难题。对辖区内常住人口,流动人口的数量和分别的占比更是很难摸清。目前,各市区高度重视人口调控工作,对人口数据的掌握也不再满足于之前粗粒度的情况,而是要更高的精度,更灵活的划分统计区域。各个基层政府部门按照“底数清,情况明”要求做好人口监测工作。通过对常住人口和流动人口的统计分析,可以掌握不同人群的生活特征,社会活动,有助于对人口流动趋势做出判断,进而为人口政策、城市规划、公共资源配置等方面提供决策依据。

基于手机信令数据的小城市居民出行时空特征研究——以铜仁市为例

居民出行特征与交通设施建设、居民生活质量、疫情防控等密切相关,是城市规划领域研究的重要主题之一。当前居民出行特征研究主要集中于特大城市,对中小城市的研究相对较少。本文以贵州省铜仁市为例,基于2019年5月、2019年11月、2020年5月三个时段,61543902条铜仁市常住人口出行OD手机信令数据,对小城市居民出行的规模、时耗、距离、分布空间与网络特征进行研究。结果发现:一、小城市出行规模在一天中有3-4个高峰,大城市则仅有2个高峰,小城市高峰出行量占比在冬季更高;2020年初新冠疫情后,铜仁市人口密度较大的区县内部出行比例上升。二、铜仁市的区县内部每次出行平均时耗与人口规模之间有较强的正相关性。三、铜仁市每次出行距离分布在群体层面上服从幂律分布;且冬季的区县内长距离出行的次数衰减较快。四、小城市居民出行空间分布呈现明显的向心性,大城市向心性相对较弱。五、铜仁市城镇化率较高地区在出行网络中的重要程度在冬季往往上升。研究结论进一步认识了小城市居民出行特征,为交通规划和交通政策制定提供了参考。

手机信令数据在职住空间、出行行为和交通碳排放研究中的应用进展与前景

手机信令数据具有覆盖范围广、获取成本低、时空精度较高、稳定实时追踪等优势,能够有效识别大规模人群的空间活动和出行特征,已成为应用最广泛的交通大数据类型之一。文章在手机信令数据的分类和特征基础上,总结了其在职住空间关系和交通出行行为研究中的技术应用,随后结合上述应用成果和已有文献对其在交通碳排放研究中的应用潜力和场景进行了探讨,最后总结了手机信令数据在职住空间、出行行为和交通碳排放研究中的应用框架、应用机遇与挑战以及未来研究内容与技术创新方向。目前,手机信令数据在职住空间领域中的应用包括职住地识别、职住关系和通勤网络特征及其影响因素解析,在出行行为领域中的应用包括驻留-出行识别、出行方式和路径识别,以及人群移动普适规律解析。以上技术应用能够有效服务交通碳排放领域研究,为交通碳排放测算以及城市空间结构、居民出行行为对交通碳排放的影响研究奠定了基础。未来,相关研究应进一步关注长时序动态追踪、大范围对比分析以及人口和交通新现象研究,并注重多源数据的融合、传统方法与机器学习的结合以及数字孪生模型的构建。

基于手机信令数据的上海五个新城独立性动态特征与趋势研究

“独立的综合性节点城市”是上海“十四五”对五个新城发展的战略性定位和重要要求之一。基于2014年、2020年的两期手机信令数据,从通勤活动和生活活动两个方面测度了上海五个新城的“独立性”及其发展趋势。研究发现,虽然五个新城职住规模较为均衡,但实际“独立性”存在弱化趋势,部分新城向中心城通勤和生活出行的比例高达20%以上,“卧城”特征十分明显;五个新城对周边地区就业和活动的吸引力正在不断增强,但对中心城的“反磁力作用”始终较弱。轨道交通可能大大强化了新城的“卧城”作用,但并没有促进新城的“反磁力”作用。上海五个新城仍处在由依赖中心城区的半独立卫星城向自我平衡的独立新城转变的阶段,其“独立性”仍有较大优化空间。

过度劳动对线上线下休闲行为的影响研究--基于手机信令数据的实证

随着居民生活水平的提高,休闲活动已成为日常生活的重要组成部分。然而,过度劳动在我国日趋严重,挤压了居民的休闲时间,降低了生活质量。文章利用手机信令数据,定量化测度上海市居民的线上线下休闲生活活动,并从时间约束的视角探讨了过度劳动对休闲行为的影响。研究结果表明,过度劳动对线下休闲活动具有抑制作用。相较于正常工作人群,过度加班人群的线下休闲生活活动参与率更低、活动时间更短。相反,过度加班人群更倾向于依赖线上休闲生活活动。其泛娱乐类app使用时间更长,尤其是观看短视频和浏览新闻资讯等使用时间碎片化程度较高的活动。基于此,文章提出建设美好生活城市的建议。

基于手机信令数据的城市通勤碳排放分析

文中提出了一种在缺少用户个人社会经济属性数据的情况下,基于低频手机信令数据、POI数据、互联网位置数据,以及先验知识的面向宏观碳排放核算的出行方式判别方法,并通过基于实际通勤距离的自下而上碳排放计算方法实现不同通勤出行方式碳排放量化.基于提出的核算方法对上海市31 938人次的通勤碳排放进行了核算分析.结果表明:不同交通方式通勤碳排放量差异显著;存在高碳排放通勤群体,其样本量仅占总样本的11%,但其产生的碳排放占总量的55%.高碳排放通勤是长距离通勤和高碳排放出行方式共同影响的结果.

基于手机信令数据的通勤交通碳排放测度及减碳策略研究

通勤交通碳排放是居民日常出行交通碳排放的主要来源,是城市交通碳排放的重要组成部分。文章以济南市内六区为研究对象,基于手机信令数据确定居民的居住点及对应工作点,运用ArcGIS软件求解通勤路径距离,根据不同交通方式的碳排放系数,计算“单一”和“多元”两类交通方式下的碳排放规模。结果表明,六区之间的通勤交通碳排放差异较大,多元交通方式可减碳约50%,职住分离等是产生过多通勤交通碳排放的主要原因。提出优化城市空间形态,促进职住空间平衡,提质绿色交通环境等减碳策略。

基于手机信令数据的广州都市圈出行特征分析

利用手机信令数据分析了广州都市圈的居民出行特征,运用统计分析和OD分析方法,探究了广州都市圈城际出行规律,结果表明,前往广州的跨市出行热点区域集中于广州中心城区,而非广州与相邻城市的边界地带。特别是通过分析跨市出行通勤率与圈层大小和城市类别的相关性,发现跨市出行通勤率与圈层大小相关性较弱,且与城市类别关系不强。此外,联系紧密的广州和佛山地区二者之间的出行具有相似性,反映出行“有去有回”的特点。

基于手机信令数据的职住空间分析——以两江新区为例

随着城市化进程的不断加速,职住空间的研究日益引起学者们的关注。传统的调查方法往往面临数据获取成本高、样本规模小等问题,而手机信令数据的广泛应用为研究职住空间提供了新的机会。文章以重庆市两江新区为例,探讨基于手机信令数据的职住空间分析方法和研究前沿,介绍了手机信令数据在城市职住空间研究中的重要作用和方法技术。此外,以两江新区为案例进行研究,通过收集和分析两江新区的手机信令数据,揭示了该区域的职住空间分布特征,探索了居住与工作之间的联系和相互作用。

基于手机信令数据的城市相对贫困空间识别研究——以广州市为例

手机信令数据记录了城市个体的社会经济属性信息,在城市贫困空间识别中可以更精准地定位相对贫困群体。以广州市为例,尝试结合手机信令数据与问卷调查数据,构建了个体手机使用指标与经济水平间的多元线性回归模型,再利用手机信令数据识别城市内部相对贫困空间。研究发现,个体层面上“手机通讯费用”“APP使用偏好”与其经济水平具有关联性;空间层面上呈“中心高、四周低”的空间分布规律,中心城区内相对贫困空间集中于老城区、城中村和旧工业区。对比传统人口普查数据识别结果,发现基于手机信令数据的相对贫困识别具有较高的可行性。研究丰富了城市相对贫困空间识别的方法体系,对有针对性推进贫困治理工作具有实践意义。

手机信令数据在西安市国土空间规划中的适配性与应用

结合国土空间规划的新背景、新要求,以及手机信令数据的特点,梳理手机信令数据在国土空间规划中应用存在的问题,进而构建手机信令数据在国土空间规划中的特色化应用技术框架,提出手机信令数据与国土空间规划适配的核心数据类型。同时,以西安市为例,分析手机信令数据在西安市“三级三类”国土空间规划中的适配性,探讨其在各级各类规划中的应用方向,重点利用手机信令数据分析西安市鄠邑区与主城区的职住联系特征,以期为智慧国土空间的建设和发展提供新的技术支持。

基于GPS与手机信令数据的上海货运枢纽交通特征研究

针对传统道路货运调查抽样率较低、调查成本较高、时效性较差,难以反映货运枢纽集散过程连续性和关联性特征的问题,基于货运交通流自有的时间序列特性,提出12t及以上货车GPS与道路匹配的方法和运用手机信数据令识别货车司机的方法,并给出数据模型结构和算法关键步骤。结论表明,用2种数据分析方法得到货运枢纽交通来源去向分布、集散路径及车速特征,与上海市交通运行年报反映的道路货运发展现状相符,通过手机信令数据识别出的货车司机人数与实际数量相当,所提出的货车集散路径算法具有准确性和实用性,为摸清货运枢纽道路交通空间利用状况,提高货运系统规划及运营管理水平提供技术支撑。

基于手机信令数据的山地组团城市职住分布与通勤流空间特性研究

为明晰山地组团城市的职住空间分布和通勤流空间分布特性,选取贵阳市为案例,基于手机信令数据,采用空间错位指数、职住偏离度、职住分离率3个指标分析城市职住空间关系;并基于社会网络分析法分析城市通勤流的空间分布特性。结果表明:(1)贵阳市的人口和岗位空间分布基本一致,且存在部分空间上的重合。(2)贵阳市各县域的职住同区比例较高,职住空间发展相对协调,职住偏离程度并不高,职住基本平衡。(3)贵阳市的通勤流空间整体上呈现出“南强北弱”的空间格局,通勤结构呈现出以贵阳老城为中心的主要通勤圈和以观山湖区为核心的副通勤圈的空间格局。

基于城市公交移动手机信令数据的出行行为分析

随着城市化进程的加速,公交出行已成为人们日常生活中不可或缺的一部分。为满足市民的出行需求,促进城市可持续发展,基于城市公交移动手机信令数据对青岛市市民出行行为进行分析。我们利用手机信令数据对公交车辆的位置、速度等信息进行获取和处理。通过数据挖掘和机器学习算法对公交出行数据进行预处理和特征提取,得到出行时间、出行距离、出行方式等关键指标。最后,利用这些指标对人们的出行行为进行分析,以便更好地了解人们的出行需求和优化公交服务。该方法可以有效地分析人们的出行行为,为解决城市交通问题提供参考依据。

深圳市建成环境因素对居民通勤效率的影响——基于手机信令数据的分析

通勤效率是反映城市生活品质的重要指标。改革开放以来,经济社会快速发展和城镇化水平不断提高,城市职住空间关系发生深刻变化和居民通勤行为变得日趋复杂,影响城市空间绩效和居民生活品质;且随着多源大数据可获得性增强,关于职住平衡及其对通勤效率作用机制的研究愈发广泛而深入,但学者对于职住平衡度和土地利用混合度等物质空间属性如何影响居民通勤尚未达成一致的结论。为了解城市日常生活中不同通勤效率居民的多元需求和真实的通勤状态,探索提升城市居民通勤效率的有效途径,推动城市人居环境高质量发展。以深圳市为例,借助DAAS和ArcGIS平台利用联通手机信令数据识别居住地和工作地,通过LINGO软件计算过剩通勤指标,对深圳居民通勤效率进行评价,并在区分居民工作地和居住地基础上建立多元回归模型,探究多方面因素对居民通勤效率的影响和作用机制。研究发现,区位、职住平衡度、土地利用混合度、容积率、平均房价、公交可达性、城中村面积、工作岗位数量和服务设施面积对居民通勤效率有重要的影响。控制其他因素对通勤效率的影响之后,无论是居住地还是工作地,通勤效率都会随着职住平衡程度的提升而提高,而在中国已有较高密度和混合度的背景下,通过进一步增容或功能混合以期提高通勤效率的措施则需审慎对待。研究丰富了基于我国大中城市背景的通勤影响实证案例,为提高城市通勤效率,推动可持续交通提供有益的政策参考。

基于手机信令数据的居民活动空间及影响因素分析

采用手机信令数据,结合人口普查数据和兴趣点(POI)数据,以上海市外环以内的中心城区居民为对象,研究居民活动空间特征及其影响因素。从活动频率、活动半径、基家活动范围3个方面构建活动空间描述指标。以街道或镇为空间分析单元,通过聚类得到居民典型活动空间模式及其空间分布。采用单因素方差分析,从建成环境、社会人口属性中识别显著影响活动空间等因素,并建立随机森林模型量化各影响因素的重要性。研究发现,上海市中心城区居民的活动空间模式可分为3类;建成环境因素对活动空间的影响大于社会人口因素;活动空间的影响因素,按重要性依次为设施密度、可达性、住房选择、婚姻状况、儿童比例和区位。

基于手机信令数据探索空气污染对上海市居民出行的影响

基于上海手机信令数据,设定空气非污染天与污染天对照组,借助方差分析、固定效应模型等方法测度空气污染对居民出行的总体影响,并揭示其时空异质性.研究发现:(1)与非污染天相比,在污染天,上海居民通勤和非通勤出行率、人均出行频次、平均出行距离、日人均出行总距离和出行范围均明显减小,人均出行时长也有所下降.非通勤出行更具有弹性,下降幅度最大.在控制其他变量的情况下,当空气质量从“良”变为“轻度污染”,即空气质量指数(AQI)从50变为150时,手机信令数据所反映的出行频次减少4.6%.(2)空气污染对上海居民出行的影响以出行频次减少为核心因素,单次出行距离减少为次要因素,进而传导到其他出行指标.(3)空气污染对上海居民不同时间段各类出行的影响存在差异.从通勤出行来看,12:00之前上班通勤出行频次有所减少,14:00—18:00返家通勤出行有所增加.从非通勤出行来看,上午10:00之后从居住地到休闲地、从工作地到休闲地的非通勤出行均大幅下降.(4)不同区域内,空气污染造成的影响也有所不同.市级商圈、郊区公园等地非通勤出行频次下降最为明显.