无人驾驶车多种空间人类移动性交互设计研究

目的探讨无人驾驶车在智能交通系统、大数据、人工智能等技术支持下,对人类移动性的范式拓展与设计思考,研究新型人类移动性下无人驾驶车的交互设计方法。方法采用文献调查法、田野调查法和用户参与式设计方法进行分析研究。结果无人驾驶车对人类移动性的拓展包含信息转化,时空维度转换,固有信息与即生信息、转化信息构成了人类新的社交网络以及移动性的内容知识图谱。链接物资流、信息流和资金流的人类移动性构建在多种空间的灵活信息架构中。结论新型人类移动性的无人驾驶车交互设计,将交互内容、功能、媒介的设计,与人类移动性的数据采集、数据处理、数据应用相映射,交互模型中人的身份变得多元,人类群体移动性的交互模式形成新的交互行为逻辑,交互环境由人工智能数字环境和人类智能非数字环境共同构成混合智能的交互样态,信息架构基于自动驾驶形成自适应用户自产生内容UGC前馈和无人驾驶车专业生产内容PGC反馈的智能信息,新的人类移动性催生出由交互载体、功能、内容三要素构成的新的人机交互范式。

大数据时代的人类移动性研究

人类个体/群体移动特征是多学科共同关注的研究主题。移动定位、无线通讯和移动互联网技术的快速发展使得获取大规模、长时间序列、精细时空粒度的个体移动轨迹和相互作用定量化成为可能。同时,地理信息科学、统计物理学、复杂网络科学和计算机科学等多学科交叉也为人类移动性研究的定量化提供了有力支撑。本文首先系统总结了大数据时代开展人类移动性研究的多源异构数据基础和多学科研究方法,然后将人类移动性研究归纳为面向人和面向地理空间两大方向。面向人的研究侧重探索人类移动特性的统计规律,并建立模型解释相应的动力学机制,或分析人类活动模式,并预测出行或活动;面向地理空间的研究侧重从地理视角分析人类群体在地理空间中的移动,探索宏观活动和地理空间的交互特征。围绕这两大方向,本文评述了人类移动性的研究进展和存在问题,认为人类移动性研究在数据稀疏性、数据偏斜影响与处理、多源异构数据挖掘、机器学习方法等方面依然面临挑战,对多学科研究方法的交叉与融合提出了更高要求。

人类移动性与健康研究中的时间问题

随着地理信息科学的发展,地理学围绕着社会热点问题不断向其他学科交叉渗透,同时学科的交叉也为地理学研究本身注入了热量。空间一直是地理学研究中的基本问题,而时间与空间密不可分,从时间维度研究人类移动性及其丰富内涵具有重要意义。本文在总结人类移动性热点问题的基础上,重点从时间维度探讨了可达性、出行体验与幸福感、人类健康与疾病等问题的研究内容和方法,并从低收入者社区医疗保健可达性研究和阿帕拉契亚乡村地区吸烟者影响因素研究等案例进行详细阐释,最后对人类移动性与健康研究的发展方向进行了展望。

基于时空上下文的移动对象位置预测与推荐方法研究

在移动互联网、定位技术、无线通信技术和智能移动设备高速发展的背景下,大量移动对象的位置可以被有效地定位和追踪,由此产生了海量的移动对象时空轨迹数据,同时极大地推动了位置社交网络的发展。利用这些时空轨迹数据对移动对象进行位置预测和位置推荐是大数据时代人类移动性研究的重要方向。

人类个体出行行为的统计实证

统计了欧洲某城市230位居民在6周内的出行活动中的停留时间分布和出行距离分布。首先假设人类出行的停留时间和距离在群体和个体水平上都符合幂律分布,然后用最大似然估计法对这些分布的幂指数进行估计,最后用Kolmogorov-Smirnov检验法对假设的真伪性进行检验。结果发现:在停留时间分布方面,无论在群体水平还是个体水平上都不具有幂律分布特征,而是以相对幂律分布更高的概率进行长时间停留;在出行距离分布方面,群体的出行距离服从带有指数截断的幂律分布,但有198个个体的出行距离分布并不具有幂律特征,而是在某个特征性距离上出现峰值。对这些统计特征的形成机制进行了解释。

无人驾驶车元宇宙智能座舱的场景交互设计研究

目的传统汽车座舱的交互环境模态单一、媒介通道单一、人车交互场景单一,随着无人驾驶车元宇宙智能座舱的场景向着智能交互、多模态、多媒介、多元化的发展,人车交互和场景交互的模式,亟待运用空间场景交互的理论,优化智能座舱的场景交互设计方法。方法借助场景理论和案例分析,建构智能座舱场景交互模型,剖析XR扩展现实HMI车机系统的交互设计特征,归纳总结多模态的人车交互场景,提出无人驾驶车元宇宙智能座舱的场景交互设计策略。结果搭建智能座舱AR增强现实场景、VR虚拟场景、MR现实与虚拟混合场景,推出SMIM智能座舱场景交互模型与交互设计策略。结论物资流、信息流、能量流、资金流、体验心流共同构成智能座舱的场景交互模型要素,针对无人驾驶车元宇宙的人车交互、智能空间交互、元宇宙内容的智能交互,具有重要的指导意义与应用价值。

基于客流数据的区域出行特征聚类

区域功能发现对完善城市规划有着重要的指导意义.区域居民的出行特征提取与发掘可以作为建立模型分析区域功能的数据支撑.随着智能交通技术在轨道交通系统的应用,大量蕴含行人移动性和出行目的地信息的客流数据被采集得到,发现客流数据与地铁站相关区域功能有紧密联系.从地铁客流数据中提取出乘客出行模式和地铁站客流模式,并以此为基础建立概率图模型,实现了区域出行特征聚类.首先,以地铁客流数据为基础提取了乘客出行模式和地铁站客流模式,发现地铁站客流集中性和潮汐性的特性,能在一定程度上反映地铁的区域功能.然后,采用了文本分析领域经典的概率图模型,建立基于潜在狄利克雷分配(latent Dirichlet allocation,LDA)主题模型的地铁客流出行特征聚类模型,将具有出行规律相似性的地铁站聚类在一起.最后,通过分析聚类实验结果,发现在不同客流峰段内的区域功能和相互客流关系.

基于多源数据的城市空间流动特征识别及规划思考——以南京都市区为例

城市研究的基础方法面临转型,传统研究中将社会看作固化的事物进行研究,而忽略其流动的本质属性,在新流动范式理论视角的构建上存在盲区,推动新方法的研究与应用是顺应时代需要的必然选择。本次研究选取南京都市区为实证对象,将基于手机信令、共享单车等多源时空数据的流空间分析方法应用于城市内部空间研究。研究发现,在城市层面,城市节点间的连接性取代物理距离,成为制约要素流动的关键因素;在社区层面,网络嵌入性不足是"边缘化"社区产生的原因。研究的政策意义是,在城市空间规划中,应重视对流动要素的管控,通过对约束的解除和优化,增加流动网络的网络密度,提高关键节点接入网络的能力,营造良好的流动空间秩序。

社交与出行的相互作用研究综述

在出行行为建模领域,社交关系对出行需求的产生、出行行为的选择等都具有重要影响,特别是在线社交关系、社交网站带来的信息传播深刻影响了人们的出行选择行为.本文从两个方面总结了出行与社交的相互复杂作用关系:一方面,社交关系在一定程度上决定了出行活动,如基于家庭的活动建模是以家庭为研究单位,家庭成员间购买食品、生活用品等活动具有互补性,机动车、自行车乃至出行预算等资源的使用既有互补也具备互斥性;另一方面,由于面对面交流是深层次社交关系形成和维系的必要条件,因此空间上的出行活动过程在一定程度上反映了复杂的社交关系网络形成及其动态演化.在此基础上,本文进一步综述了两者之间的相互影响以及结伴出行的最新研究进展,并根据目前的研究不足,从大规模面对面社交关系获取、有地理标签的数据集中提取结伴出行等方面提出了未来研究展望.

动态空间网络中的黑洞模式挖掘算法

黑洞模式是人类移动模式研究中的标志性成果,但在移动模式的演化建模方面存在局限性,因此研究具有时间演化特性的黑洞模式。新模式定义需要满足群体规模性、空间区域性和时间持续性3方面要求。提出具有时间演化特性的动态空间网络模型,基于此模型定义新的黑洞模式,并提出相应的挖掘算法。为了提升模式挖掘算法的效率,设计了基于时空划分的候选模式剪枝算法,有效降低了挖掘算法在时空维中的搜索代价。最后,基于真实数据的实验结果表明了该黑洞模式及其挖掘算法的有效性和可行性。

基于作者主题模型和辐射模型的用户位置预测模型

由于全球定位系统(GPS)设备采集的用户历史位置数据通常具有稀疏性,使得基于单个用户数据的位置预测模型能力受限,所以结合人类移动性的时间和空间周期性,提出一种基于作者主题模型(ATM)和辐射模型(RM)的用户位置预测模型。在时间维度上,该模型利用ATM发现与目标用户移动行为相似的用户群,并确定该用户群在预测时刻所处的目标状态;在空间维度上,该模型利用RM算法计算目标用户的候选地点在目标状态下的概率,并通过比较各候选地点的概率值确定目标用户可能出现的地点,从而实现对目标用户位置的预测。实验结果表明,该模型的平均预测准确率为61.49%,相对于基于变阶的Markov模型提高近28个百分点。所提预测模型能够在单个用户数据量小的条件下获得更高的预测准确率。

基于排序学习的城市设施选址方法

提出一种采用排序学习技术解决城市设施选址问题的方法,并引入人类移动性特征提升选址的质量。首先对人类移动行为进行特征提取与分析,使用双流自编码器融合人类移动性特征与其他特征,提取表征向量;然后基于候选集的表征向量与排序学习网络进行地块排序;最后,基于真实的多源数据集进行实验,结果验证了本文提出的排序学习选址方法的有效性。

基于地理流空间的巡游车与网约车人群出行模式研究

城市出租汽车是居民出行的重要方式之一,地理流空间理论为发掘人群出行特征,优化车辆运营效率提供了新视角。本文利用厦门市出租汽车轨迹数据,采用地理流空间分析理论,对人群出行的整体随机性质进行了分析,基于流相似性度量识别并分析了丛集、汇聚、发散和社区4种典型模式及混合模式的空间分布特征,对比了基于巡游车和网约车2种车辆的人群出行模式。结果表明流空间理论能够系统性发现人群出行典型模式及混合模式,主要体现在:①基于2类车辆的人群出行流在空间中呈现出显著的非随机特征;②巡游车和网约车的典型模式在空间分布上有明显差别,网约车的有关模式分布范围更广,在厦门岛外各区中心及岛内东部软件园等区域附近较为突出,且网约车由于其订单由用户需求驱动,更容易发现潜在的高出行需求区域,同时出行结构更容易形成社区模式,而巡游车主要分布在传统岛内知名城市地标附近;③同一区域内巡游车和网约车出行混合模式普遍存在,约占典型模式的四分之一左右,而且不同类型车辆的主要混合模式存在差异,综合考虑混合模式能够提高城市公共设施规划的精确性和科学性。本文结果可以为车辆调度优化和城市交通规划提供支持,也表明地理流空间理论能够更有效揭示地理流对象的空间模式特征。

基于手机基站数据的城市交通流量模拟

基于移动定位数据的城市内社会经济活动特征分析是人类移动性的重要研究内容,而交通流量更是这些特征的基本反映。为还原城市道路网络的使用情况并分析其分布特征,本文从产生交通流量的个体出发,对包含基站位置的手机话单数据进行系统抽样,利用蒙特卡洛方法产生个体的出行起止点,并结合当地道路交通网络求得最短路径,最后估算出一天内道路交通网络上的流量分布。通过分析发现:城市内大部分道路的流量小,使用率低,大部分交通流量集中在小部分主干道路;进一步统计分析可知,当地道路交通流量符合20/80规律,即大约20%的道路承担着80%的交通流量;而对不同类型的道路,流量分布也反映出其在城市道路网络中的地位和作用。此研究对于历史交通流量分布的重现、城市道路交通模式的研究以及基于此的道路网络规划情景模拟都有着重要意义。

城市居民健康生活方式研究的时空行为视角

在宜居城市和健康城市的建设背景下,健康生活方式成为政府和公众共同追求的重要目标。已有的环境—行为—健康关系的研究主要从静态时空间的视角出发,探讨邻里环境要素与居民健康水平的相关关系,并分析健康相关行为或活动特征的中介作用。本文立足于个体导向和强调制约与企划的时间地理学、基于活动—移动模式的活动分析法、以及移动性转向下情境单元的选择问题,以个体整日活动—移动模式作为生活方式的外在行为体现,从时间、空间、个体行为和群体行为的角度,构建了基于移动性的城市环境暴露—日常活动移动模式—个体健康效应三者关系的综合分析框架,以期促进城市环境与社会的可持续发展。