摘要：城市街道空间是一种复杂的公共活动场所,是城市功能的重要空间载体。然而现有研究通常只聚焦于街道空间的交通功能,忽略街道空间所承担的其他功能类型,给街道的设计以及品质优化带来阻碍。为此,文章提出了一种融合出租车轨迹与街景图像的街道空间城市功能分类方法,该方法基于出租车轨迹数据构建城市居民在街道空间上的动态出行特征,基于街景图像构建街道空间的物理环境特征,并采用K-Means聚类算法对街道空间进行聚类。并以深圳市宝安区为例进行实验,结果表明,该方法能识别出商业、交通和居住3种类型的街道空间,识别结果可为街道空间设计与品质优化提供参考。

摘要：出租车轨迹不仅反映城市路网的静态几何与拓扑结构,而且蕴含转向等动态导航信息。考虑到交叉口的位置、拓扑连接及转向规则是构建可导航路网的基础与关键,本文利用出租车轨迹的空间分布与动态连接信息,采用“交叉口位置—路段几何—导航属性”的研究思路,提出一种交叉口引导的可导航路网构建方法。设计了一种顾及多模特征的交叉口集成识别技术,并引入随机森林算法,探索待定交叉口的零标注监督式去伪;在此基础上提出一种基于Delaunay三角网的多阶段路段生成方法;最后围绕交叉口,挖掘路段的转向及单双向信息,从而构建出可导航路网。与其他方法相比,本文方法在交叉口、路段及转向等可导航路网信息提取方面具有更高的完整性与准确性。

摘要：大数据技术在分析与挖掘交通大数据方面扮演着越来越重要的角色.为了快速有效地对出租车的运营模式与载客策略进行分析,设计效益指数模型对出租车效益进行量化排序,以高效益出租车为研究对象,基于Spark大数据框架开发一个轨迹数据处理与可视化平台.首先,处理高效益出租车轨迹数据得到用于可视化的特征数据.而后进行可视化分析,包括:统计分析高效益出租车运营特性并实现交互式图表展示,采用蜂窝形格网与DBSCAN算法对不同时段高效益出租车载客点进行热点可视化,实现基于缓冲区的交互式轨迹查询并提取出轨迹相关因子.最后,利用成都市出租车GPS轨迹数据验证了所提平台的有效性及可靠性.

摘要：利用交通轨迹挖掘人类活动规律是实现智慧城市与生活的基础,然而常规方法已无法满足高效处理的大数据量要求。以海量出租车轨迹数据分析为例,设计了基于Spark平台的城市居民出行时空特征快速提取方法。借助Spark分布式计算框架,将核心算子匹配应用于二次排序、数据清洗及O/D点提取等预处理工作,并在时间分割和网格剖分统计的基础上完成时空特征提取。利用2014年8月份成都市出租车轨迹数据开展实验验证,结果表明,相较于传统单机环境,在确保准确性的基础上,该方法能够大幅提高特征提取的效率;集群节点一定时,数据规模越大优势越明显;数据规模足够大时,Spark集群节点数量越多,耗时越少。

摘要：从出租车轨迹数据中挖掘载客热点路段,能够为城市交通道路的规划和出租车的运营管理提供重要依据。以北京市出租车原始轨迹数据为基础,设计并建立了出租车载客行驶的载客数据模型,利用该模型对相似的载客轨迹信息进行了挖掘,结合时空信息提取并分析了不同时段的热点路段。通过北京市交通发展年度报告验证了该模型和挖掘方法的正确性和有效性。

摘要：提出了一种预测乘客在指定位置和指定时间预测打车概率和等待时间的方法。设计了一种将地图离散化,使用特征点修复GPS轨迹的解决方案,且适用于大数据问题;在修复的GPS数据基础上提出了基于经验分布在等待特征点和时间点的打车概率和等待时间模型;并基于该模型预测用户指定位置和指定时间的打车概率。另外给出了基于该模型的增量学习的方法。大规模GPS轨迹数据使用Hadoop平台实现了管理和分析计算,证明了该方案的可行性;预测结果在仿真实验中取得了良好的效果,证明了模型具有较高的准确性,同时可以期望准确性随着数据量的增大而提升;另外该模型得到的特征点和特征时间概率和等待时间的参考表并不会随着GPS轨迹数据的增大而增大,证明了模型有良好的可扩展性。

摘要：互联网和移动信息技术的快速发展给城市规划评估和城市体检工作带了新的机遇。大数据基于海量的样本数据,由于更多的考虑了人的行为特征可以在一定程度上弥补传统城市规划评估的缺陷,作为传统城市规划评估的辅助补充和有效校核。本文主要基于居民用水量数据、手机信令数据、大众点评数据、出租车轨迹数据以及政务大数据等对常住人口空间分布、城市空间结构、职住平衡以及公共服务设施等方面评估提出一套确实可行的技术方法。

摘要：借助物理场的理论方法识别城市热点区域的空间分布特征,进一步从复杂网络的视角可视化分析热点区域之间的空间交互。结果显示:节假日和工作日热点区域空间分布特征显著不同,其驱动机制主要是居民不同时间的出行需求差异。城市热点区域在空间联系方面表现出基于区域功能互补的抱团现象,并且热点区域空间交互网络满足小世界效应和无标度特征。