基于时间序列聚类方法分析北京出租车出行量的时空特征

被引:38
作者
程静
刘家骏
高勇
机构
[1] 北京大学遥感与地理信息系统研究所
关键词
轨迹数据; 时空特征; 城市功能结构; 出行模式; 时间序列聚类;
D O I
暂无
中图分类号
U492.434 []; O211.61 [平稳过程与二阶矩过程];
学科分类号
082302 ; 082303 ; 020208 ; 070103 ; 0714 ;
摘要
受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提供了数据支撑。本文以道路分割城市得到的地块为研究单元,利用北京市一个月的出租车轨迹数据,对北京居民的出行模式及城市功能格局进行分析。在轨迹数据分析中,本文从轨迹数据中提取每个地块的出行量时间序列信息,然后采用结合时间序列距离度量和时间序列自身相关性的聚类方法,对出行量时间序列数据进行聚类分析,从而研究乘客出行的时空分布特征,最后结合北京市POI数据,探讨了不同区域乘客出行规律和区域功能类型的相互关系。结果表明,出租车出行量时间序列模式在工作日和周末间存在明显差异。此外,工作日的2个出行高峰与通常的通勤早晚高峰不同。由出行量所得的区域聚类结构,除具有重要交通枢纽功能的地块外,总体上以市中心为圆心大致呈同心圆分布,且距离市中心越远出行量越小。研究结果对于分析北京市居民出行行为、辅助城市交通规划具有一定的意义。
引用
收藏
页码:1227 / 1239
页数:13
相关论文
共 8 条
[1]   北京大型居住区居民通勤行为对比研究——以望京居住区和天通苑居住区为例 [J].
孟斌 ;
于慧丽 ;
郑丽敏 .
地理研究, 2012, 31 (11) :2069-2079
[2]   北京城市居民通勤时间变化及影响因素 [J].
孟斌 ;
郑丽敏 ;
于慧丽 .
地理科学进展, 2011, 30 (10) :1218-1224
[3]  
Urban land uses and traffic ‘source-sink areas’: Evidence from GPS-enabled taxi data in Shanghai[J] . Yu Liu,Fahui Wang,Yu Xiao,Song Gao.Landscape and Urban Planning . 2012 (1)
[4]  
A review on time series data mining[J] . Tak-chung Fu.Engineering Applications of Artificial Intelligence . 2010 (1)
[5]   Adaptive dissimilarity index for measuring time series proximity [J].
Chouakria, Ahlame Douzal ;
Nagabhushan, Panduranga Naidu .
ADVANCES IN DATA ANALYSIS AND CLASSIFICATION, 2007, 1 (01) :5-21
[6]   Clustering of time series data - a survey [J].
Liao, TW .
PATTERN RECOGNITION, 2005, 38 (11) :1857-1874
[7]  
Well-Separated Clusters and Optimal Fuzzy Partitions[J] . Cybernetics and Systems . 1974 (1)
[8]  
Discovering regions of differentfunctions in a city using human mobility and POIs .2 Yuan J,Zheng Y,Xie X. Proceedings of the 18th ACM SIGKDD InternationalConference on Knowledge Discovery and Data Mining . 2012