摘要：城市摊贩经济是城市经济的重要组成部分,摊贩空间是城市活力的保障和城市空间治理的重要内容,但其本身的非正规性导致其宏观分布特征难以量化。文章利用手机信令数据,制定摊贩行为识别规则,获取武汉市主城区范围内的摊贩密度,通过冷热点分析方法识别摊贩集聚空间,结合城市建成环境分析摊贩集聚分布特征和影响因素。研究发现,在宏观视角下,武汉市中心城区摊贩分布总体表现出“西热东冷”的特征,并形成了两个主要摊贩集聚区和四个次级摊贩集聚区。在中微观视角下,摊贩倾向于选择功能复合、商业服务设施密集区域及低端市场周边,同时对宜人的街道环境和人流量均有需求,研究旨在为城市摊贩统计和摊贩空间规划与治理提供借鉴。

摘要：自然灾害引发的人员伤亡问题已成为我国面临的重要挑战。如何快速评估自然灾害造成的伤亡情况,以便及时制定应急救灾措施,是亟待解决的难题。文章通过对近几年我国自然灾害导致的人员伤亡数据进行大数据分析,建立了伤亡率等级评估模型,并据此构建了伤亡评估系统。该系统为今后防灾减灾和救灾工作提供科学依据,有助于提高全民的防灾减灾救灾能力,减少自然灾害带来的人员伤亡。

摘要：上海市住宅区地域分布广,住房属性、就业环境与交通环境各异,就业活动空间呈现不同的组织与分布模式。利用2014年手机信令数据识别上海市移动手机用户的居住地和工作地,选取253个典型住宅区为分析样本,将样本住宅区居民就业地核密度分布、通勤距离—概率分布等可视化方法结合就业地特征量化因子,以综合归纳上海市住宅区就业空间分布模式,分析影响因子及形成机制。研究揭示了上海市住宅区就业空间的几类典型模式,包括单中心、带状、双中心、多中心或分散,以及模式间的过渡类型。在就业空间影响因子方面,就业中心分布与轨道交通线路是主导因子,影响就业空间模式的整体分布;居住区类型特征是次要因子,导致局部就业空间模式变异。研究结论可为上海市空间结构优化布局、产业空间调整、轨道交通建设及住房建设提供参考。

摘要：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。

摘要：为实现对重点区域人群聚集动态的有效掌握,保障区域人群的及时疏运,预防群体性安全事故的发生,以广州市火车站枢纽区域为例,通过对海量手机信令数据进行信息处理,结合地理信息系统将手机信令数据映射至研究区域,实现区域人流量的实时统计,同时分析了大都市火车站枢纽区域春运人流量变化情况,得出春运期间区域人流量存在周期性变化的规律,以此为基础,构建了以平均绝对百分比误差最小的k值自适应计算模型,设计了基于手机信令数据的城市交通枢纽人流量k近邻预测算法,并以节假日与非节假日两种不同交通模式环境进行算法测试.结果表明:所建立的预测算法在两种模式下其平均绝对百分比误差PMAPE分别在6%与5%以内,均能够较为准确地对区域人流量进行预测.

摘要：为识别手机用户乘坐常规公交的OD,结合公交车辆GPS轨迹,在考虑常规公交换乘行为的基础上,建立基于手机用户与车辆轨迹相似度的常规公交出行识别模型,以及站间OD概率模型。通过地铁出行识别,融合手机信令数据与IC卡数据,提取包含百万样本的公交与非公交出行数据,以此作为验证集。进一步分析各参数取值、出行距离、公交线路重复系数等因素对公交出行与站间OD识别的效果。结果表明:在验证集中,常规公交出行方式识别精确率可达0.807,召回率0.912,换乘识别精确率可达0.660,召回率0.756,公交线路识别准确率可达75.5%,站间OD识别准确率可达71.9%,参数取值的不同对识别效果影响较大。此外,出行距离越长、公交线路重复系数越低,公交线路与站间OD识别准确率越高,出行距离6 km以上、平均公交路段重复系数4以下的识别效果最佳。

摘要：提出应用手机信令数据,基于空间模式单元(Spatial Pattern Unit)进行人口动态分布估测和人口属性识别的方法,并以北京为例开展实例研究。以手机信令数据为主,结合大样本问卷调查数据和腾讯热力图数据,对人口布局进行分时段估测,分析人口分布的时空间动态特征;采用大样本问卷调查数据,以人口社会经济属性和通勤出行特征等关键指标,对调查的种子空间单元进行模式分类和识别,运用机器学习的方法进行全域地域空间的人口属性估测识别,最后对估测结果进行对比和验证。所提方法和研究结果可以为监测人口布局动态、针对人口属性布局商业服务和合理规划城市设施等提供决策支撑。

摘要：系统分析了居民出行调查的误差成因,简要介绍了传统加权扩样模型并分析了其局限性,特别是对沉默出行需求揭示不足的缺点。结合手机信令数据用于出行行为研究的优势及特点,提出了利用手机信令数据进行居民出行调查扩样及对挖掘沉默出行需求的方法。设计了包含5个主要步骤的居民出行调查样本数据、交通运行监测数据和手机信令数据相结合的扩样模型结构。以驻点分类技术为基础,建立了基于手机信令数据的出行活动分布模型。在获取长周期手机信令数据推断人口职住分布的基础上,基于居民出行调查RP(revealed preference)数据对交通方式划分模型参数进行了标定。从出行目的组成、时间分布和出行距离分布3个方面,对比分析了调查样本、传统加权扩样模型和新模型的计算结果的差异,结果表明新模型在揭示因瞒报、漏报而产生的沉默出行需求方面作用显著。

摘要：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。

摘要：准确把握城市内部人口动态变化规律,有助于推动区域协调发展、优化社会空间结构。既有研究多集中于宏观尺度的人口总量及分布变化,对于城内迁居导致的人口动态变化过程缺乏关注,其测度方法、特征规律等尚待探讨。论文基于手机信令大数据,以武汉市为例展开实证分析,构建人口动态变化的“规模—方向—动静”三维测度指标体系,运用聚类分析方法,解析城内迁居带来的街区尺度人口动态变化特征,探究人口动态变化综合类型及分异规律。结果表明:①中心城区到近郊区的人口动态变化具有“高活跃→中活跃→非活跃”的规模特征、“出入大致平衡→严重失衡”的方向特征以及“静态为主→动态为主”的动静特征;②武汉都市发展区人口动态变化综合类型共有5类,其中高活跃增长动态型和高活跃流失弱动态型主要穿插分布于中心城区和近郊区组团的核心区,中活跃微流失弱动态型主要分布在上述两类的外围,低活跃微增长强动态型与低活跃平衡动态型分布于中心城区边缘和近郊区组团外围;③武汉都市发展区内部人口动态变化综合类型具有“中心—外围”嵌套结构,中心城区与近郊区之间人口动态变化的空间分异主要与区位、居住环境品质有关,中心城区内部、近郊区组团内部的空间分异则主要与产业发育及类型有关。研究拓展了人口迁移和人口变化研究领域的理论方法,为优化城市社会空间结构、精细化制定居住空间供给政策等提供了参考依据。