个体移动轨迹—滑动窗口方法与航空流异常变化识别——以京沪空中廊道为例

航空流异常变化识别是解释空中廊道拥堵和空域资源充分利用以及航空流重新分配的一个重要基础性课题。该文设计了个体移动轨迹—滑动窗口方法,选取京沪空中廊道内全部航线和机场为研究对象,从FlightAware系统中获得1日17 h全部航班的航迹点数据,识别了异常流量密度、异常区域和异常移动轨迹。研究认为:1)利用移动描述符(飞行弧)在时态数据流支持下所设计的方法,能实现个体移动点的分时段分配和时空一体化表达。2)依据该方法识别的京沪空中廊道航空流异常流量密度(峰值高点以及运动)、异常区域(约束区域和空闲区域)、异常移动轨迹(速度变化与绕飞、方向变化与盘旋),不仅揭示出时空路径中的航空流隐藏信息以及时空运动规律,而且支持了航线更改决策制定。

城市居民活动轨迹日间稳定性分析——以西宁市为例

针对基于轨迹数据分析人类移动特征忽略日间稳定性的问题,本文以西宁市为例构建个体活动轨迹日间稳定度量方法,分析居民活动轨迹日间稳定性及其分布特征。研究表明:①不同类型天之间,居民总体有54.5%的时间位于同一位置;②工作日的日间稳定性较高;活动位置稳定性在一天中的凌晨最高,晚上次之;③青少年人群活动轨迹日间稳定性最高,高出稳定性最低的中年人群14%;④女性在工作时间活动轨迹日间稳定性略高于男性,在休息日白天有较男性更加多样化的活动位置;⑤街道尺度下,近郊区城市居民活动轨迹日间稳定性低于城中心和远郊区。

基于改进马尔可夫链的航线预测算法

在交通领域,研究分析旅客的出行目的地会产生很多商业价值。针对旅客出行目的地的不确定性造成研究困难的问题,现有方法利用熵衡量移动的不确定性来描述个体的出行特性,并同时考虑个体轨迹的时空相关性,并不能达到理想的预测精度,因此,提出了基于改进马尔可夫链的航线预测算法来对旅客的出行目的地进行预测。首先对旅客历史出行的距离分布、地点分布和时间规律特性进行了分析;然后又分析了人类移动对历史行为和当前地点的依赖性;最后将旅客的常住地特性和新航线的探索概率加入到转移矩阵的计算中,提出并实现了改进的马尔可夫链航线预测算法,进而对旅客的下一次出行进行预测。实验结果显示,该模型可以达到66.4%的平均预测精度。研究成果可以应用在航空领域的用户出行分析中,使航空公司更好地了解和预测旅客的出行,提供个性化的出行服务。

基于个体移动轨迹的多中心城市引力模型验证

长期以来由于规模变量、距离衰减系数取值缺乏依据,引力模型在城市研究中的应用容易受到质疑,加之中国城市的多中心化使得模型应用的外部条件发生改变,模型验证工作的必要性再次显现。本文使用2015年移动通信用户的个体移动轨迹数据,使用Huff当年的验证方法,通过变量检验、参数校正两个步骤,验证Huff的引力模型。研究发现:①城市内部商业中心和就业中心的吸引力与中心的规模呈正比,与距中心的距离呈反比,符合引力模型规律。②在上海中心城区空间尺度、200 m网格空间单元下,商业中心吸引力的距离衰减系数平均值为2.5,就业中心吸引力的距离衰减系数平均值为3.0,表明居民就业通勤对距离更加敏感,距离衰减比购物出行更加显著。③经变量检验、参数校正后的引力模型可用于对商业中心、就业中心优化调整后的势力范围进行预测,预测准确率可分别达到78.5%和71.9%。就业中心势力范围预测准确性略低,这是由于就业中心吸引力衰减除受距离影响外,还受家庭、房价等因素影响,会对预测结果产生扰动。最后,研究还证实了距离衰减系数存在空间分层异质性:距离衰减系数不是唯一值,受道路可达性、至就业(商业)中心距离、至地铁站距离、人口密度影响,不同地区的距离衰减系数存在较显著差异。

活动空间视角下的老年群体地铁出行时空特征——以昆明市为例

运用昆明市老年公交爱心卡和常规地铁刷卡数据,考虑老龄化不同程度的影响,剖析老年群体的地铁出行特征,并从活动空间的视角重点解析和对比低龄老年群体和高龄老年群体的地铁日常出行和活动模式。结果显示:1)同非老年群体相比,老年群体移动性更低,出行时刻集中于早高峰时段,活动范围相对集中于市中心。2)随年龄增长,老年群体的移动性进一步降低,活动空间收缩,但对公共交通的依赖性增强。相较于低龄老年群体(60~69岁),高龄老年群体(≥70岁)具有“出行频次高、活动空间范围小”的出行特征。3)低龄老年和高龄老年群体的活动空间分布存在明显分异,其中高龄老年群体的活动空间向居住密集区聚集,且出行在较大程度上受建成环境的制约。

城市手机用户移动轨迹时空熵特征分析

利用手机话单数据分析城市个体居民移动活动的时间熵和空间熵特征,一方面探讨了从原始话单记录中进行出行识别的必要性,另一方面提出了一种考虑空间邻近性的轨迹近似熵特征分析方法。其中,出行识别可以克服手机定位数据采样频率较低的缺陷;近似熵分析方法具有强空间鲁棒性,可以减少因手机定位数据空间精度较低带来的影响。实证结果表明,城市居民出行活动既具有强烈的目的地选择倾向,同时也具有强烈的移动路径选择偏好。

人类活动研究的新支点:Wi-Fi数据的特点、研究现状与应用前景

把握人类活动的时空特征是地理学研究中探究人地关系、提升人类福祉的重要基础和核心内容,日益普及的Wi-Fi网络能够为此提供可靠的数据支持。为明确Wi-Fi数据融入地理学研究的切入点和发展方向,论文通过与GPS、手机信令、蓝牙等位置感应数据的比较,认为Wi-Fi数据具有更高的采样精度和更强的采样代表性,能够获取个体在室内外各类城市空间的连续活动轨迹,支撑精细尺度下的人类活动研究。通过系统梳理人群活动状态监测、个体间的社会关系识别、建筑物的功能识别和降低隐私泄露风险等方面的研究进展,认为Wi-Fi数据将会在基于实时动态人口数据的城市功能设施规划、融合多源数据的人地关系探究、以居民福祉为导向的宜居城市建设等方面具有应用前景,有望成为地理学研究人类活动的新支点。