北京市出租车OD流多尺度空间预测深度重力模型及其可解释性研究

作     者：李欣然 贺日兴 姜超 靳鑫 唐宗棣 龙伟 邓悦 LI Xinran;HE Rixing;JIANG Chao;JIN Xin;TANG Zongdi;LONG Wei;DENG Yue

作者机构：首都师范大学资源环境与旅游学院北京100048 首都师范大学三维数据获取与应用教育部重点实验室北京100048 首都经济贸易大学城市经济与公共管理学院北京100070 城市群系统演化与可持续发展的决策模拟研究北京市重点实验室北京100070 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2024年第26卷第6期

页      面：1390-1406页

核心收录：

学科分类：08[工学] 0838[工学-公安技术] 

基　　金：国家重点研发计划项目(2022YFB3903602) 国家自然科学基金项目(42371251、42001159) 

主　　题：城市内部流动 出租车轨迹数据 OD流预测 多尺度 深度重力模型 可解释深度学习 SHAP可解释性 POI兴趣点 

摘      要：准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量,尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例,采用深度重力模型(Deep Gravity)对不同空间尺度下的轨迹OD流进行预测。同时,引入SHAP值(SHapley Additive exPlanations)揭示不同尺度下影响OD流预测建模的重要特征。结果表明:①相比于重力模型和辐射模型,街道尺度下深度重力模型的OD流预测精度最高(CPC值高达0.83),且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构,呈现出“环形散射状特征;②在本研究所选各空间尺度下,对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离,O、D点周围公司企业数量、餐饮服务数量以及购物服务数量;③同一特征对OD流预测模型的局部影响不同于全局,如科教文化和体育休闲类POI在全局尺度下对模型影响较小,但在局部尺度下却表现出极大的影响。