多源数据驱动的城市交通区划分方法与功能识别方法研究

作     者：郭笑彤 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：高亮

授予年度：2023年

学科分类：07[理学] 08[工学] 070104[理学-应用数学] 0701[理学-数学] 

主      题：居民出行网络 Infomap社区发现算法 城市交通区 功能识别 POI吸引力 节点利用率 

摘      要：城市系统是由其内部的结构系统、功能系统、居民生活系统等组成的复杂有机体。城市结构系统是城市的骨架,城市功能系统是城市空间结构的具体表现,城市居民生活系统通过对城市功能做出反馈来优化城市空间结构。随着我国城市化进程快速推进,居民的生活质量不断提高,汽车保有量也持续增加。同时,人口资源不断向大城市倾斜,城市交通环境不断恶化。为了提出适当的城市规划方法和交通治理方案,有必要进行城市交通区精细化划分和交通区功能的精细化识别。城市交通区是具有一定交通关联度和交通相似度的城市区域的集合,通过分析不同的城市交通区的空间结构,从而达到优化和改善城市内部空间结构、维持城市交通的供需平衡、改善我国城市道路环境目的。本文的数据资源包括OpenStreetMap提供的北京市道路路网数据、北京市出租车轨迹数据以及高德开放平台提供的北京市POI数据。基于北京市道路路网数据和出租车轨迹中记录的居民出行数据,构建多种空间嵌入式网络--居民出行网络。借助复杂网络的相关理论,从居民出行网络中探究城市空间结构与居民出行活动之间的联系,以此来完成城市交通区的划分和基于POI数据的城市交通区功能的识别。论文具体内容包括以下三个方面:(1)本文基于栅格化的道路路网数据和出租车轨迹数据中的居民出行数据构建多种空间嵌入式网络。通过增加参与网络构建的出行轨迹长度(9的方法,改变这些异构网络的空间结构,并采用社区发现算法对异构网络进行社区划分。最后,通过网络定量分析指标(最大连通团分量和社区数量发现)和定性分析方法对划分结果进行探讨,以此研究多种出行网络构建方法来研究城市空间中基础设施与城市居民活动的相互作用的关系。(2)本文结合利用节点利用率、模块度以及归一化网络结构熵等多个城市结构和网络结构分析指标,从城市空间角度和网络拓扑结构的角度,对多种出行网络社区划分结果进行分析。以此选择最优的社区结构,并将该结果作为交通区区划映射到研究区域中。(3)在所划分的城市交通区上进行功能上的识别。本文利用POI密度指标、基于POI密度的全局和局部Moran`I指标对交通区空间分布特征进行描述。选择混合指数和富集指数体现各个交通区基于POI的功能结构特征,分析POI数据为交通区的功能识别提供数据支持的必要性。最后,本文提出基于POI吸引力的城市交通区功能识别指标和识别方法对城市交通区的功能进行识别。研究结果表明,三种出行网络都能够基于居民的出行活动发现城市空间中两种稳定的社区结构。通过具体的网络社区结构图得知,第一种稳定的社区结构是由北京市居民短距离出行活动构成的。随着阈值(9的增加,不断有新的长的轨迹加入,使得社区与社区之间的基于网络边的联系逐渐增多、社区与社区之间开始发生融合,直到达到第二种稳定的社区结构。从模块度的指标来看,在三种出行网络中第一种稳定的社区结构的质量远高于第二种稳定的社区结构的质量。对三种出行网络所划分的社区结构进一步研究发现,基于轨迹L-Space出行网格划分的社区网络最大连通团分量、社区数量以及社区结构比较稳定,其节点利用率始终是最大。这表明该网络对城市空间的信息挖掘能力较强,社区质量普遍高于另外两种网络。基于轨迹L-Space出行网络划分的社区从多个角度来看都是最优的。因此,本文选择轨迹L-Space出行网络在阈值(9=86)8),映射为研究区域的城市交通区。基于POI数据分析城市交通区的功能特征用于实现功能上的识别,发现大多数交通区都属于混合功能类型,但存在着某一项或者某几项功能处于主导地位,POI数据能够为功能分区提供数据支持。最终应用基于POI吸引力的功能识别方法在27个交通区中识别出16种功能区类型。