GIS与交通（2023）

摘要：乘客出行需求预测是智能交通系统的组成部分，准确的出行需求预测，对于车辆调度具有重要的意义；然而现有的预测方法无法准确的挖掘其潜在的时空相关性，且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度，本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块，基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征，其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性；为了探索长期时间特征，用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验，结果表明：① CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求；② 与基准预测模型相比，CLAB模型的整体的效果误差更低，具有更好的预测效果，CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN和Conv-LSTM的平均绝对误差（MAE）分别降低了33.179%、33.153%、33.204%、5.401%和 5.914%，均方根误差（RMSE）分别降低了 34.389%、34.423%、34.524%、6.772%和 6.669%；③ 同时发现CLAB模型在规律性较高的工作日预测效果优于非工作日，且工作日早高峰预测效果最佳。

关键词：交通大数据；出行需求预测；深度神经网络；注意力机制；组合预测模型；时空融合；厦门岛；LSTM

 基于CLAB组合模型的乘客出租出行需求量短时预测技术流程 

扫码阅读全文

摘要：随着智能手机的普及，网约车成为常用的出行替代方式。网约车运营平台因此成为智能交通系统的主要组成部分，在满足公众出行需求中发挥重要作用。乘客需求预测是网约车系统需要解决的核心问题，现有文献中提出的模型忽略了长期时间相关性及多种空间相关性，本文针对现有研究成果存在的局限性，在充分考虑网约车乘客出行需求时空相关独特性的基础上，提出一种融合全局特征的时空多图卷积网络（Spatio-Temporal Multi-Graph Convolutional Network Fused With GlobalFeatures，GST-MGCN）模型。该模型遵循临近性、周期性和趋势性（Closeness, Period and Trend，CPT）范式，利用时序信息拟合时间依赖关系；通过识别多种空间语义相关性构建对应的关系图结构、建立多图卷积模型；模型中的全局特征融合模块，使用门控融合和总和融合方法分别捕捉乘客需求的突变和渐变。以海口市数据集为样本的实验结果表明，本文提出的GSTMGCN 模型 MAE、RMSE 和 MAPE 指标的值分别是 2.269、3.917、21.447，优于其他同类主流模型。本研究证明提出的模型GST-MGCN可以有效挖掘网约车乘客出行需求的时空模式，提取全局特征的影响，对其进行准确的预测。

关键词：网约车需求预测；图卷积神经网络；外部因素融合；时空数据；全局特征；深度学习；城市计算

 GST-MGCN模型框架 

扫码阅读全文

摘要：改善末端的慢行环境是提升绿色交通出行竞争力的关键问题。既有研究多针对出行效率问题分析地面公交末端出行的改善效果，未充分考虑城市公共交通系统与土地利用的关系。本文融合多源交通大数据构建“门到门”精细尺度的公共交通出行链，提出步行和骑行等两种方式下公共交通全过程出行时间的计算方法，据此构建基于累计机会模型的末端出行改善效果的评估模型，研究骑行替代步行后公共交通可达性改善效果。该方法两步计算具有计算量较小和数据更新机制灵活的特点，适应于大空间尺度公共交通可达性研究。基于2020年北京的案例研究表明：骑行替代的公共交通出行时间平均减少315 s，降低幅度达12.8%；末端出行效率的提高改善将进一步提升就业、医疗、餐饮、绿地、购物和休闲等城市居民活动的公共交通可达性，其改善幅度达90%、74%、94%、33%、107%和77%，且改善的区域聚集于中心城区和外围居住组团。另外，公共交通可达性改善效果呈圈层径向递减的空间特征，城市轨道交通作为公共交通的主干网络，就业、医疗、餐饮、绿地、购物和休闲活动提升效果分别为地面公交的1.43、1.43、1.70、1.42、1.70、1.71倍。

关键词：城市公共交通；绿色交通；“最后一公里”问题；末端衔接；可达性分析；空间异质性；全出行链；多源大数据

 步行和骑行2种方式下公共交通“门到门”出行链示意 

扫码阅读全文

摘要：准确、可靠的短时客流预测可为城市轨道交通提供运营决策支持。本研究以基于Transformer机制的LSTM网络、深度注意力模块和CNN网络为基础，提出了城市轨道交通网络级多步短时客流预测模型（STIPM）。该预测模型由3个分支组成，分支一以时间序列进站客流为输入，提出了基于Transformer机制的LSTM网络提取该数据中的时间相关性；分支二以基于时间步的OD数据为输入，提出了深度注意力模块挖掘数据中大量的时间、空间相关性，利用基于时间步的OD数据能够更好地展现站间联系紧密程度和全局信息，从而完成了拓扑网络信息提取；分支三的输入为POI数据，使用CNN网络获取其时空相关性，并作为时间与空间特征之间的纽带。为了保证在预测精度足够高的条件下，获得更长的预测时间和更详细的预测信息，本文采用“神经网络多输出”策略，完成了多步预测任务。本文在2个大规模城市轨道交通真实数据集中对该模型进行测试，并将预测结果与10个基准模型和4个消融实验模型进行对比，在RMSE、MAE与WMAPE评估指标中，STIPM模型均得到最高的预测精度，结果表明该模型具有一定的优越性与鲁棒性。

关键词：城市轨道交通；短时客流预测；多步预测；深度学习；交通大数据；时空特征挖掘；特征融合

 多头自注意力机制架构 

扫码阅读全文

摘要：城市出租汽车是居民出行的重要方式之一，地理流空间理论为发掘人群出行特征，优化车辆运营效率提供了新视角。本文利用厦门市出租汽车轨迹数据，采用地理流空间分析理论，对人群出行的整体随机性质进行了分析，基于流相似性度量识别并分析了丛集、汇聚、发散和社区4种典型模式及混合模式的空间分布特征，对比了基于巡游车和网约车2种车辆的人群出行模式。结果表明流空间理论能够系统性发现人群出行典型模式及混合模式，主要体现在：① 基于2类车辆的人群出行流在空间中呈现出显著的非随机特征；② 巡游车和网约车的典型模式在空间分布上有明显差别，网约车的有关模式分布范围更广，在厦门岛外各区中心及岛内东部软件园等区域附近较为突出，且网约车由于其订单由用户需求驱动，更容易发现潜在的高出行需求区域，同时出行结构更容易形成社区模式，而巡游车主要分布在传统岛内知名城市地标附近；③ 同一区域内巡游车和网约车出行混合模式普遍存在，约占典型模式的四分之一左右，而且不同类型车辆的主要混合模式存在差异，综合考虑混合模式能够提高城市公共设施规划的精确性和科学性。本文结果可以为车辆调度优化和城市交通规划提供支持，也表明地理流空间理论能够更有效揭示地理流对象的空间模式特征。

关键词：地理流空间；流聚类；出行流模式；出租车；网约车；人类移动性；轨迹数据；混合流模式

 OD出行流空间相似度关系 

扫码阅读全文

摘要：农村可达指数（RAI）是联合国可持续发展目标（SDGs）的重要评估指标（SDG 9.1.1），用于衡量享受道路交通服务的农村人口比例，但是目前存在指标不全、范围有限、数据有偏和解释不足等问题。因此，本文基于1：25万道路数据、1：100万行政区划数据、100 m分辨率人口数据、城市建成区数据、高程数据和GDP数据六种全球或区域开放的地理空间数据，评估了全国2852个区县单元的RAI和NSRP（难以享受道路交通服务的农村人口）指标，并引入社会经济变量和地形变量理解这2个指标的空间格局。研究发现：① 虽然我国仍有485.3万难以享受道路交通服务的农村人口；但是享受道路交通服务的农村人口比例为99.5%，且该值远高于世界银行给出的评估结果（71.8%）；② RAI和NSRP的空间格局均沿“胡焕庸线”呈两极化分布：“胡焕庸线”以东地区的RAI值较高、NSRP值较低；而“胡焕庸线”以西地区的RAI值较低、NSRP值较高；③ RAI和NSRP与社会经济和地形变量显著相关，且与地形变量的相关性更高，表明地形对2个指标空间格局影响显著。本研究首次在区县级尺度上揭示了我国农村交通服务的空间格局，可以为改善农村道路交通设施提供决策支持。

关键词：SDG 9.1.1；可达性；农村；道路；人口；空间格局；GDP；地形；中国

 RAI和NSRP指标的计算流程 

扫码阅读全文

摘要：从高维度、大数据量的时空数据中有效选择变量是时空数据领域的重要问题之一，现有的时空数据变量选择的方法在变量选择的过程中未充分考虑时空相关性，时空变量选择阶段与预测阶段分开进行，且往往需要人为设定时空点个数阈值判定变量的取舍，从而无法较为准确的选择对因变量影响最大的变量子集，导致后续预测效果较差。本文针对上述不足，提出了一种基于时空组Lasso与分层贝叶斯时空模型的变量选择方法，称为分层贝叶斯时空组Lasso变量选择模型（Hierarchical Bayesian Spatio-temporal Group Lasso Variable Selection Method，HBST-GLVS)，该方法首先利用时空组Lasso进行变量选择，通过引入最大时间滞后和最大空间邻域充分考虑时空相关性，并根据时空数据连续性，将同一时空变量的时空点进行整体惩罚，避免人为设定时空点个数引起局部片面性。然后，利用分层贝叶斯时空模型对变量选择的效果进行验证，将变量选择过程与模型验证过程置于同一框架下进行参数的调整，从而得到最优的变量子集。实验结果表明，与现有方法相比，本文方法在北京空气质量数据集、波特兰交通流数据集上的RMSE（Root Mean Square Error）和MAE（Mean Square Error）可分别降低9.6%~25.7%以及6.6%~15.9%。

关键词：时空数据；变量选择；时空相关性；时空组lasso；最大时间滞后；最大空间邻域；分层贝叶斯时空模型

 检测站在路网中的分布 

扫码阅读全文

摘要：估计给定路径的行程时间在许多城市交通系统中起着重要作用，例如导航、路线规划和拼车等。然而，现有的大多数工作都侧重于对路段或交叉路口进行单独建模，这并不能准确估计行驶时间，因为交叉路口和路段作为路径的基本要素不仅各自包含多样化的空间属性和时间动态，而且它们之间还具备较强的耦合相关性。为了解决上述问题，本论文提出了一种新颖的端到端深度学习框架，即面向行程时间估计的对偶图卷积网络（DGCN-TTE）来对交叉路口和路段进行联合建模。具体来说，这个模型采用对偶图卷积方法来捕获路口和路段的复杂关系，其中构建节点图来刻画路口之间的相关性，构建边图来表征路段之间的交互特征。为了捕捉空间和时间特征的联合关系，模型中还引入了一种在捕捉时间依赖性的同时结合了从多个邻域范围内整合多尺度空间关系的时空学习模块。本论文通过对3个真实世界的轨迹数据集上的充分的实验来评估提出的DGCN-TTE模型，结果表明该模型显著优于现有的方法，评估指标相比于次优方法最多可以获得超过10%的提升。

关键词：行程时间估计；图卷积网络；时空建模；道路建模；智慧交通；深度学习；神经网络  

 R-GCN模型的架构 

扫码阅读全文

摘要：公平性”是指社会成员之间权利或分配的公平程度，公平性对于交通规划具有重要的意义。公共出租汽车（含网约车和出租车）服务的公平性主要反映的是局部区域内人群能够享受与人群占比对等服务机会的水平，探索公共出租汽车服务的公平性，能够为优化城市公共出行中的个性化出行服务提供支撑。既有研究中对城市公共出租汽车服务的公平性关注较少，且有关公共服务公平性的度量主要基于静态人口分布进行度量，难以有效顾及城市人口动态对公平性度量的影响。为此，本文顾及动态人口分布数据，利用基尼系数与泰尔指数对仅巡游、仅网约与混合接单的3类接单方式的出租汽车服务的不平等公平性进行计算，结合城市功能区对区域不公平性的贡献进行了分析并提取了具备潜在不公平性的服务区域，以厦门市数据为例对方法进行了验证。结果表明：① 基于静态人口分布计算的厦门市公共出租汽车服务不公平性，相比于基于动态人口的计算结果平均高估27.28%；② 传统由城市交通公共服务机构运营的巡游车服务，其不公平性是由大型移动互联网平台负责运营的网约车服务的1.66倍，新兴移动互联网技术提升了城市公共交通服务的公平性；③ 不同类型城市功能区对公共出租汽车服务不公平性贡献存在差异，厦门市出租汽车的仅巡游车服务中，商业用地贡献了57.49%的总体不公平性，仅网约接单服务中，工业用地平均贡献35.07%的不公平性；④ 厦门市具有岛内和岛外的空间格局，潜在不公平载客服务区域在岛外分布的数量远高于岛内，其中载客服务水平较低但动态人口比例较高的区域较多，平均占比为82.96%；载客服务水平较高但动态人口较少的区域通常位于岛内的自然公园，载客服务水平较低但动态人口较高的区域通常位于岛外的火车站与工业园区。本文提出的研究方法和有关研究结果能够为城市公共出租汽车管理部门优化有关服务公平性提供参考。

关键词：公共交通公平性；网约车；出租车；动态人口；疫情；基尼系数；泰尔指数；轨迹数据

 基于静态人口结果相对于动态人口高估水平 

扫码阅读全文

摘要：跟驰行为研究旨在探究单行道上前车运动状态的变化对后车行驶状态的影响，通过建立相应的跟驰模型进行仿真研究，可以揭示交通拥堵、交通流震荡等交通现象的内在机理，有助于研究交通流的稳定性、道路通行能力和运行效率。由于驾驶经验、性格等特征的差异，驾驶员会表现出不同的跟车特征。然而，传统的跟驰模型往往假设驾驶员的驾驶行为是同质的，较少考虑通行车辆驾驶风格的差异，这与实际情况不符。为此，本文首先提取了路面通行车辆的4种驾驶行为特征（变道、起步、制动、平稳行驶），开发了基于权重的自适应数据流引力聚类（Weight-based Adaptive Data Stream Gravity Clustering，WAStream）算法，分别对不同驾驶行为特征时序数据进行聚类分析，进而根据驾驶风格评分模型量化了驾驶员不同驾驶行为的激进程度，实现了通行车辆驾驶风格的有效分类；接着通过分析不同风格驾驶员的跟驰数据，构建不同风格车辆的速度期望函数，并充分考虑主车与驾驶视野中多辆前车的速度差、加速度差等影响，提出了一种考虑驾驶员驾驶风格的车辆跟驰模型；最后基于NGSIM车辆轨迹数据，利用遗传算法标定考虑驾驶员驾驶风格的车辆跟驰模型的关键参数，实现模型的验证和数值仿真分析。实验结果表明：与经典的FVD模型相比，所提出的跟驰模型能够更好地拟合车辆跟驰数据，其MAE、MAPE、RMSE分别减小了1.511 m/s2、6.122%、1.064 m/s2；同时，该模型能够有效降低车辆在跟驰行为中的延迟性，构建更逼近真实情况的交通流场景，提高了交通流的稳定性。本研究提出的跟驰模型能够为交通运输规划和管理部门提供有效的决策信息，为微观交通仿真研究提供模型参考。

关键词：车辆跟驰模型；微观交通仿真；驾驶风格；驾驶行为；参数标定；数据流聚类；轨迹提取；数据挖掘

 驾驶风格分类验证流程 

扫码阅读全文

摘要：OpenStreetMap（OSM）路网数据是一个开放性的数据集，旨在为全球用户提供免费的数字地图资源，但路口转向信息的缺失，成为制约其进一步服务于车辆导航和路径规划的瓶颈。为此，本文提出一种基于地图匹配和字符串映射的路口转向探测方法，通过挖掘众源GNSS轨迹数据在交通路口的动态连接信息，为OSM路网结构赋予转向关系。首先，基于一种自上而下的四叉树分裂思想，设计了OSM路口结构探测方法，进而将路口结构简化为一个连接点；在此基础上改进HMM地图匹配算法，识别漂移异常的轨迹序列，从而将低频、高噪的众源轨迹投影到OSM路段上；接着，引入面向路口的路段字符编码技术，将路口相关的轨迹映射为转向过程中的方向字符串，进一步借助于最优路径分析思想，设计了空字符的信息增强处理方法还原低频轨迹行驶的路线信息，以有效提高短路段的轨迹支持度；最后，直接针对轨迹方向字符串，通过字符串匹配挖掘轨迹在目标路口的转向类别，实现OSM路网的转向信息增强。本文将复杂的路口转向关系识别转化为简单的字符串匹配，基于上海市数据的试验表明，该方法可以识别结构与大小各异的路口转向关系，其精确率达到90%，召回率超过98%，F1值超94%。

关键词：转向关系；地图匹配；众源轨迹数据；字符编码；字符匹配；OSM路网；路口转向信息增强；路径分析

 路段字符编码与轨迹字符串映射 

扫码阅读全文

摘要：精细化研究轨道站点辐射范围空间形态及其影响因素对于建立轨道交通与建成环境长效互动机制，指导基于TOD发展模式的轨道站点周边用地开发等具有重要意义。为了更精准地表达站点辐射范围的形态规律，本文以厦门为例，通过高德通勤OD数据和高德路径规划数据获得轨道各站点的实际客流来源空间分布，借助标准差椭圆法建立了扁率、相对距离、夹角、沿线偏移程度4个描述站点辐射范围形态的指标体系。基于指标体系归纳轨道站点辐射范围的空间形态类型，并揭示各种形态类别下的站点与周边建成环境及站点属性等因素的影响关系。结果显示：厦门市岛内站点辐射范围偏心程度更小且方向更加显著，多数站点与线路趋于垂直关系且趋于向线路垂直一侧偏移。站点可根据偏心程度的不同分为耦合服务类、偏心服务类和完全离心类站点，并进一步分为8种形态，其空间分布存在一定聚集现象。用地布局及开发程度、站点间距及布局、区位环境等影响因素，会使站点形成不同的辐射范围形态。结果对于补充轨道站点辐射范围的研究方法和提高轨道交通的综合效益具有重要意义。

关键词：轨道交通；站点辐射范围形态；影响因素；LBS数据；标准差椭圆；指标体系；分类

 站点辐射范围形态指标的数值大小变化 

扫码阅读全文

摘要：船舶航线提取与交通流分析是航线设计、海事管理、贸易分析等研究的基础。面向海量船舶轨迹，现有船舶航线提取方法在大范围海域的适应性、方法复杂性以及与真实船舶交通航线的符合性方面还存在不足。本研究以海量船舶自动识别系统（Automatic Identification System，AIS）数据为研究对象，提出一种船舶轨迹提取模型构建与交通流分析方法。首先，将船舶航行轨迹抽象为船舶停留特征点（停留点）与移动特征点（航路点）的组合，其中停留点为船舶在港口处停留轨迹段的特征点，航路点为船舶移动轨迹段中航行速度或航行角度发生明显变化的特征点，构建“出发港（停留）→移动（航路）→目的地港（停留）”船舶航行轨迹抽象模型，实现船舶航行轨迹划分；然后，以船舶航行轨迹抽象模型为基础，基于图论理论进一步聚类海量船舶航行轨迹的停留点和航路点，提取表征船舶航线的航线点（停留航线点和航路航线点）；最后，建立航线点连接矩阵，以船舶交通图的形式实现船舶航线提取，为船舶航线提取、交通流分析等提供新方法。以南海丝路海域为研究区，利用2017年全年的历史AIS数据，分析研究区内典型商船（集装箱船、散货船、油轮）的交通流特征和船舶航线。结果表明，提取航线与船舶交通高密度区域高度吻合，能够反映南海丝路区域真实的船舶交通航线。进一步与现有航线数据比较可知，本文提取航线的细节更加丰富，结构更加完整。与现有船舶航线提取方法相比，本文方法具有两方面的优势。① 本文方法提取的船舶航线具有更大的丰富度。本文方法不仅提取出船舶航线，还识别船舶航行过程中的特征点，即船舶停留特征点和航路特征点，这对于航线设计和航行安全无疑是重要的知识支撑；② 本文方法提取的航线更易于分析海运交通网络。由于本文方法提取的航线是点对点的形式，且每条航线都是从港口出发，易于构建海运交通网络，可以实现潜在的运输网络分析。本研究可为船舶航线规划、交通流分析、航行安全等提供决策支持。

关键词：船舶轨迹；船舶航线提取；轨迹分析；AIS数据；交通流分析；轨迹挖掘；交通模型；船舶行为

 船舶航路点识别示例 

扫码阅读全文

摘要：分析居民的出行特征是解决和缓解日益凸显的城市问题的一种重要途径。当前采用出租车OD流向数据挖掘居民出行特征已经取得了丰富的研究成果，但是大部分研究忽略了OD流向的语义信息。针对时空聚类算法中语义信息考虑不足的问题，本文提出了一种基于 GloVe（Global Vectors）模型的 OD 流向语义提取方法和基于密度的时空语义聚类算法（STS-DBSCAN, Spatial Temporal Semantic-DBSCAN）。首先，结合POI访问概率和GloVe模型提取了OD流向语义。在此基础上，提出了一种OD流向的时空语义相似性度量规则。然后，根据时空语义相似性度量规则改进了DBSCAN聚类算法，实现了OD流向数据的时空语义聚类。最后，以厦门岛为例进行居民出行特征分析，共提取了7种居民出行语义，发现：① 居民出行语义受时间因素的影响较大，不同时间段的主要居民出行语义不同；② 居民出行热点主要分布在厦门岛的中部发达区域；③ 通过时空语义聚类分析，从4种主要居民出行语义中提取了7种典型的居民出行模式。结果表明，基于OD流向语义和时空语义聚类方法能够有效地挖掘城市居民的出行特征。

关键词：出租车OD流向；语义信息；POI访问概率；GloVe模型；时空语义；OD流向聚类；出行特征

 居民出行语义的距离分布 

扫码阅读全文

摘要：共享汽车在满足用户多样化出行需求的同时，有助缓解交通拥堵、降低污染，很多场景比出租车更为经济。单向共享汽车允许用户在系统内任意站点借车和还车，具备运营成本低、服务灵活的优势。然而，用户出行需求的时空偏态性会导致站点间车辆和需求不平衡，成为制约单向共享汽车企业盈利的关键问题。车辆调度能在一定程度上缓解上述问题，现有研究多数以期望收益最大化或降低系统不平衡性为目标构建优化模型。前者受限于出行需求预测精度不足，放弃当前订单而追求期望更高收入的模式难以保证实际收益；后者为满足系统平衡而付出更多调度成本会使系统盈利能力下降。为此，本文提出一种收益驱动并适用实时场景的单向共享汽车用户重定位模型RUG，基于前景理论的确定效应保证当前可获得收益，对于受系统资源限制无法满足的需求，通过为用户提供替代方案在尝试获取收益的同时，也能有效平衡系统车辆资源。通过设计合理的用户激励和接受度模型将用户作为重定位主体纳入系统，利用公共交通突破传统用户重定位车辆的距离局限，以贪心的最优化实现调度计算。在真实的纽约出行和共享汽车数据集上的实验结果表明，RUG模型相比现有用户重定位方法优势显著，在同样模型参数条件下，相比现有代表性基于用户调度方法，RUG在服务订单数和利润2个方面分别提高14%和60%，尤其提升了交通高峰期单位利润。通过加入出行需求预测，模型进一步增加5.4%收益的同时，还能有效改善用户服务水平和系统平衡性。

关键词：单向共享汽车；收益驱动；前景理论；用户重定位；用户激励；启发式贪心；公共交通；出行需求预测

 车辆租金单价和车位价格的影响 

扫码阅读全文