本推文来源:
塔景Lab
通过对共享单车轨迹的探索性时空分析来了解城市内的人员流动
文献分享
声明:该论文为实验室读到的优秀文章的笔记分享,非本推文作者首发,原文链接:
https://www.tandfonline.com/doi/full/10.1080/13658816.2020.1712401
本文提出了一个数据驱动的框架,以支持城市内人员流动的探索性空间、时间和统计分析。利用移动数据源——无桩共享单车服务摩拜单车,来量化中国上海(全球最大的共享单车城市)的短途交通模式。建立数据驱动框架,整合交通网络数据(道路、自行车、公共交通)、道路特征、城市土地利用等多种数据源,实现对个人和群体骑行模式的详细、准确分析。
包括:
(1)共享单车使用的时间和时空分布以及其如何根据不同的土地利用而变化;
(2)摩拜单车出行统计分布;
(3)影响摩拜单车用户路线选择的出行行为和道路因素。
研究区域
中国,上海
研究数据:包含 2016 年 8 月 16,887 名摩拜单车用户使用 79,062 辆自行车进行的 102,361 次出行;路网数据是从OpenStreetMap获取,其余数据从高德地图自动爬取。
1.数据收集:
收集上海摩拜单车的轨迹数据,包括骑行的起点、终点、时间和GPS坐标。
获取土地利用和城市交通网络数据。
2.数据预处理:
清洗数据,去除不完整或异常的记录。
将所有数据转换为统一格式和坐标系统。
3.构建分析框架:
整合轨迹数据、土地利用和交通网络数据。
使用OSMnx等工具构建城市道路网络拓扑。
4.空间数据分析:
为道路网络和土地利用数据创建空间索引,提高查询效率。
使用隐马尔可夫模型将轨迹数据匹配到道路网络上
1.时空模式分析:
分析骑行活动的时间分布,识别高峰时段。
使用热力图展示骑行活动的地理分布。
2.统计分析:
计算骑行次数、距离、持续时间等统计指标。
识别常见的骑行模式。
3.路线选择分析:
计算最短路径。
比较用户实际路径与最短路径,分析路线选择。
4.土地利用与骑行模式:
分析土地利用类型与骑行模式的相关性。
识别特定区域的骑行特征。