面向交通服务的多源移动轨迹数据挖掘与多尺度居民活动的知识发现

在个人移动通讯、自动导航、以及云计算普遍使用的今天,交通信息服务已经进入到智慧地球和自发式地理信息时代,导致了居民活动数据的获取和分析方式的巨大变化。本文研究如何通过对海量异源异构数据进行有效整合,利用空间分析和智能化方法相结合的手段,提取和表达蕴含在居民出行轨迹数据中大量的人类活动信息和时空行为模式,对交通需求进行基于活动的预测管理,为城市交通拥挤问题提供解决方案。围绕该研究问题,论文做了以下几个方面的工作：(1)对反映居民活动的多源异构数据的获取、融合、组织和质量评价方面进行了探讨,在方法论上做了创新；(2)以时间地理学和活动理论等关于人类活动的各种时空制约条件理论为指导,充分利用地理背景信息,提出了一种情景-领域知识驱动的自上而下的轨迹数据分析方法,对轨迹数据中的居民活动信息进行了提取；(3)在活动表达和分析方面,提出了基于情景-领域知识的活动表达模型,并采用地理可视化的方法,在个体微观层次对居民活动的时空模式与居民特征之间的关系进行了分析；(4)采用大样本出租汽车车载GPS数据,从宏观层面对城市居民活动的时空分布和结构进行了研究,以此建立居民活动的数据获取、活动信息提取、活动表达与分析的从微观到宏观的分析框架。论文对推进城市居民行为学研究和交通领域中现代出行调查方法研究做出以下四个方面的创新贡献。 第一,居民活动的海量异源异构数据的获取、融合、组织和质量评价。论文将多源异构的居民活动的数据分为面向特定研究主题的专业化居民出行调查、自发式地理信息和WEB网页数据挖掘、智能交通系统衍生的大量无特定研究意识的轨迹数据三类进行探讨。在调查方法上进行了两个重要的创新探索,提出并建立了耦合GPS和网络调查的居民出行调查法和基于WEB数据挖掘的居民自发式地理信息采集流程,打破了传统的居民活动数据收集和研究的空间尺度对行政区划的依赖,为建立“个人-小区-街道(乡镇)-区县-城市”的多空间尺度居民活动数据奠定了基础。具体包括三方面内容：(1)在专业化居民出行调查方面,提出了耦合GPS和网络的居民出行调查,采用GPS仪器被动式收集居民出行活动的动态信息,采用网络调查收集居民活动的家庭、社会经济属性等静态信息。为了验证该方法的适用性,设计并实施了四次居民出行调查,论证结果表明新的调查方式降低了受访者的负担和花费、提高了数据质量和精度,其中对于交通调查理解较弱和积极性较差者改善效果更明显,能够成为下一代居民出行调查的主要技术手段。(2)在自发式地理信息和WEB数据挖掘方面,围绕居民活动行为研究,采用WEB数据挖掘的方法对专业化的门户网站的自发式信息网页进行了信息抽取、数据清洗和组织,建立起了“小区”尺度的多维属性,拓展人类活动分析理论领域的数据收集方式和处理方法。(3)有效利用智能交通领域衍生的大量轨迹数据作为居民活动研究特别是城市活动的宏观分析的重要数据源,出租汽车调度系统衍生的车载GPS数据具有覆盖范围广、流动性强、样本量大等特点,论文对其应用进行了论述,并提出了基于此类来源数据的宏观层次上的居民活动时空分布研究方法。 第二,基于情景-领域知识驱动的居民活动信息提取。传统的轨迹数据挖掘和分析方法主要是基于轨迹数据本身的时空特征,而忽略了轨迹所记录的主体(轨迹主体)自身的活动规律和领域知识。针对上述缺陷,论文提出了一种自上而下的情景-领域知识驱动的轨迹数据分析理论框架。框架采用异源异构的地理背景数据对活动发生的情景进行还原,将时间地理学和活动理论等领域的对人类活动的各种制约条件理论作为数据分析和逻辑推理的规则,充分利用轨迹记录主体自身的活动特征和属性,解释和挖掘轨迹数据所呈现的数据特征背后所蕴含的居民活动信息。为了支持情景-领域知识驱动的轨迹数据分析框架,论文提出了-种面向对象(活动)的轨迹数据表达方法,将轨迹表达为有序的“移动”和“停留”序列,与居民出行活动的“移动”和“停留”相对应,用“移动”、“停留”的数据特征和地理背景信息表达居民活动的特征和活动情景。并采用机器学习(决策树C5.0算法)的方法对居民活动的停靠点、出行交通方式、出行交通目的进行提取实验和分析,使得交通出行方式的判定和出行交通目的的识别不必依赖于研究者的个人经验。 第三,基于情景-领域知识的居民活动表达与分析。基于本文所提出的面向对象(活动)的轨迹数据表达模型,对有序“移动(Movement)-停留(Stop)"序列进行了语义增强和扩展,提出了情景-领域知识框架下的居民出行活动的表达模型。用“移动”的起迄点的空间信息和时间信息来表达居民活动的路径和速度、出行时长、出行距离等移动特征,用“停留”点所处的情景窗口来表达活动地点的城市环境(机会),同时与个体社会、经济属性特征相关联。新的活动表达模型能够持面向“位置”、“时间”、“人”和“活动”的多维条件和复合条件的查询和分析。为了分析居民活动模式变化,将动物学领域的最小凸多边形的方法引入居民活动分析,用以衡量人们活动范围与居住地的关系及其随时间变化的特征,分析个人和家庭模式在空间上和时间上的变化以及不同群体间的差异比较,为活动分析提供了更深的视角来研究个人和家庭内部决策的空间复杂性。 第四,基于大样本出租汽车车载GPS数据的城市活动时空分布结构分析。居民的出行活动需求与城市环境(机会)的分布密切相关,它们均具有相对的稳定性结构。论文在大样本宏观视角下将出租汽车乘客的活动假设为出租汽车的出行活动,通过对上海市出租车调度系统的9,349辆出租车一天的营运数据的分析,用情景-领域知识驱动的轨迹数据分析方法对出租汽车乘客的出行目的进行了提取和分析,获得了宏观层面的居民活动规律。尽管该方法还缺乏严密的论证,但是论文初步研究结果表明可以利用该方法进行宏观的城市活动时空分布结构分析,与基于个人的居民活动表达和分析相对应,从而建立从微观到宏观的居民活动分析框架。