地理科学进展 ›› 2017, Vol. 36 ›› Issue (9): 1149-1157.doi: 10.18306/dlkxjz.2017.09.011
出版日期:
2017-09-27
发布日期:
2017-09-27
作者简介:
作者简介:秦昆(1972-),湖北随州人,教授,主要研究方向为时空大数据分析与挖掘、空间人文社会学,Email:
基金资助:
Kun QIN1,2(), Qing ZHOU3, Yuanquan XU1, Wenting XU1, Ping LUO1
Online:
2017-09-27
Published:
2017-09-27
Supported by:
摘要:
城市热点区域是人们频繁活动的体现,利用人们的出行可构建空间交互网络。目前的相关研究主要集中于对热点提取方法及其动态变化的研究,对交通热点的交互作用及其构成的空间交互网络的研究还很少。本文以武汉市的出租车轨迹为数据源,利用基于时空数据场的聚类方法提取城市交通热点区域;基于复杂网络理论与方法,分析城市交通热点区域之间的空间交互作用。通过研究发现:①节假日,热点区域之间的往返交互较多;工作日,热点区域之间的交互较少;②节假日,影响力较大的节点为车站、机场等;工作日,影响力较大的节点是社区和工作地;③社团探测发现,工作日跨越长江的交互较多,非工作日跨越长江的交互较少。上述研究结论可为交通管理部门针对节假日和工作日分别制定不同的交通管理政策和方法提供参考。
秦昆, 周勍, 徐源泉, 徐雯婷, 罗萍. 城市交通热点区域的空间交互网络分析[J]. 地理科学进展, 2017, 36(9): 1149-1157.
Kun QIN, Qing ZHOU, Yuanquan XU, Wenting XU, Ping LUO. Spatial interaction network analysis of urban traffic hotspots[J]. PROGRESS IN GEOGRAPHY, 2017, 36(9): 1149-1157.
表1
边权值Top3统计表"
日期 | 边权最大的前三个节点对 |
---|---|
5月1日 (51个节点) | 43→46,硚口路附近社区→武广商圈(世贸广场) 40→46,玉带街友谊社区→武广商圈(世贸广场) 45→51,菱角湖万达广场→汉口火车站 |
5月6日 (40个节点) | 24→22,武广商圈(创世纪广场、湖北省地质局)→中山大道附近社区 24→34,武广商圈(创世纪广场、湖北省地质局)→雪松路和劲松巷附近社区 24→26,武广商圈(创世纪广场、湖北省地质局)→宝丰一路附近社区 |
5月9日 (46个节点) | 45→39,武广商圈(创世纪广场)→幸福社区 45→42,武广商圈(创世纪广场)→硚口路与宝丰一路周边生活办公区 26→28,黄鹤楼→武昌火车站 |
表2
度中心性Top5统计表"
日期 | 热点区域(前5) |
---|---|
5月1日 (51个节点) | 51号热点区域(汉口火车站)、48号热点区域(武汉站)、33号(天河机场),50号热点区域(付家坡客运站)、36号热点区域(武昌火车站) |
5月6日 (40个节点) | 4号热点区域(武汉科技大学附属汉阳医院及其周边社区)、19号热点区域(三眼桥路附近社区)、3号(常青花园社区)、13号热点区域(光谷步行街)、16号热点区域(武汉市中级法院和金雅公园附近) |
5月9日 (46个节点) | 26号热点区域(黄鹤楼景区)、28号热点区域(宏基客运站)、34号(楚河汉街)、32号热点区域(武汉站)、45号热点区域(武广商圈(创世纪广场)) |
[1] |
淦文燕, 李德毅, 王建民. 2006. 一种基于数据场的层次聚类方法[J]. 电子学报, 34(2): 258-262.
doi: 10.3321/j.issn:0372-2112.2006.02.014 |
[Gan W Y, Li D Y, Wang J M.2006. An hierarchical clustering method based on data fields[J]. Acta Electronica Sinica, 34(2): 258-262.]
doi: 10.3321/j.issn:0372-2112.2006.02.014 |
|
[2] |
龚玺, 裴韬, 孙嘉, 等. 2011. 时空轨迹聚类方法研究进展[J]. 地理科学进展, 30(5): 522-534.
doi: 10.11820/dlkxjz.2011.05.002 |
[Gong X, Pei T, Sun J, et al.2011. Review of the research progresses in trajectory clustering methods[J]. Progress in Geography, 30(5): 522-534.]
doi: 10.11820/dlkxjz.2011.05.002 |
|
[3] | 李德毅, 杜鹢. 2005. 不确定性人工智能[M]. 北京: 国防工业出版社. |
[Li D Y, Du Y.2005. Artificial Intelligence with uncertainty[M]. Beijing, China: National Defense Industry Press.] | |
[4] | 李德毅, 淦文燕, 刘璐莹. 2003. 人工智能与认知物理学[C]//中国人工智能学会第10届全国学术年会论文集. 广州: 中国人工智能学会. |
[Li D Y, Gan W Y, Liu L Y.2003. Artificial intelligence and cognitive physics[C]//Chinese artificial intelligence society national academic annual meeting. Guangzhou, China: Chinese Association for Artificial Intelligence.] | |
[5] |
李婷, 裴韬, 袁烨城, 等. 2014. 人类活动轨迹的分类、模式和应用研究综述[J]. 地理科学进展, 33(7): 938-948.
doi: 10.11820/dlkxjz.2014.07.009 |
[Li T, Pei T, Yuan Y C, et al.2014. A review on the classification, patterns and applied research of human mobility trajectory[J]. Progress in Geography, 33(7): 938-948.]
doi: 10.11820/dlkxjz.2014.07.009 |
|
[6] | 吴涛. 2012. 图像分割的认知物理学方法研究[D]. 武汉: 武汉大学. |
[Wu T.2012. Image segmentation methods based on cognitive physics[D]. Wuhan, China: Wuhan University.] | |
[7] |
杨格格, 宋辞, 裴韬, 等. 2016. 北京对外交通枢纽乘客OD时空分布特征[J]. 地球信息科学学报, 18(10): 1374-1383.
doi: 10.3724/SP.J.1047.2016.01374 |
[Yang G G, Song C, Pei T, et al.2016. Passengers' OD Temporal-spatial Distribution Characteristics of the External Traffic Hubs in Beijing[J]. Journal of Geo-Information Science, 18(10): 1374-1383.]
doi: 10.3724/SP.J.1047.2016.01374 |
|
[8] | 赵鹏祥. 2015. 基于轨迹聚类的城市热点区域提取与分析方法研究[D]. 武汉: 武汉大学. |
[Zhao P X.2015. Research on the method of extracting and analyzing urban hotspots based on trajectory clustering[D]. Wuhan, China: Wuhan University.] | |
[9] | Barabási A L, Albert R.1999. Emergence of scaling in random networks[J]. Science, 286: 509-512. |
[10] |
Barrat A, Barthélemy M, Vespignani A.2004. Modeling the evolution of weighted networks[J]. Physical Review E, 70(6): 066149.
doi: 10.1103/PhysRevE.70.066149 pmid: 15697476 |
[11] |
Chang H W, Tai Y C, Hsu J Y J.2010. Context-aware taxi demand hotspots prediction[J]. International Journal of Business Intelligence and Data Mining, 5(1): 3-18.
doi: 10.1504/IJBIDM.2010.030296 |
[12] | Fortunato S.2010. Community detection in graphs[J]. Physics Reports, 486(3-5): 75-174. |
[13] | Newman M E J, Girvan M.2004. Finding and evaluating community structure in networks[J]. Physical Review E, 69(2): 026113. |
[14] | Qin K, Zhou Q, Wu T, et al.2017. Hotspots detection from trajectory data based on spatiotemporal data field clustering[C]//Proceedings of the 3rd international conference on spatial data mining and geographical knowledge services. in press. |
[15] |
Rae A.2009. From spatial interaction data to spatial interaction information? Geovisualisation and spatial structures of migration from the 2001 UK census[J]. Computers, Environment and Urban Systems, 33(3): 161-178.
doi: 10.1016/j.compenvurbsys.2009.01.007 |
[16] |
Scholz R W, Lu Y M.2014. Detection of dynamic activity patterns at a collective level from large-volume trajectory data[J]. International Journal of Geographical Information Science, 28(5): 946-963.
doi: 10.1080/13658816.2013.869819 |
[17] | Watts D J, Strogatz S H.1998. Collective dynamics of ‘small-word’ network[J]. Nature, 393: 440-442. |
[18] |
Zhao P X, Qin K, Ye X Y, et al.2017. A trajectory clustering approach based on decision graph and data field for detecting hotspots[J]. International Journal of Geographical Information Science, 31(6): 1101-1127.
doi: 10.1080/13658816.2016.1213845 |
[19] | Zheng Y, Zhang L Z, Xie X, et al.2009. Mining interesting locations and travel sequences from GPS trajectories[C]//Proceedings of the 18th international conference on world wide web. Madrid, Spain: ACM: 791-800. |
[20] |
Zhong C, Arisona S M, Huang X F, et al.2014. Detecting the dynamics of urban structure through spatial network analysis[J]. International Journal of Geographical Information Science, 28(11): 2178-2199.
doi: 10.1080/13658816.2014.914521 |
[21] |
Zhou Y, Fang Z X, Thill J C, et al.2015. Functionally critical locations in an urban transportation network: Identification and space-time analysis using taxi trajectories[J]. Computers, Environment and Urban Systems, 52: 34-47.
doi: 10.1016/j.compenvurbsys.2015.03.001 |
[22] | Zou H X, Yue Y, Li Q Q, et al.2010. A spatial analysis approach for describing spatial pattern of urban traffic state[C]//Proceedings of the 13th international IEEE conference on intelligent transportation systems (ITSC). Funchal, Madeira Island, Portugal: IEEE: 557-562. |
[1] | 卢新海, 蔡大伟, 曾晨. 基于空间分位数模型的住宅价格分异的影响因素研究——以武汉市为例[J]. 地理科学进展, 2021, 40(2): 283-292. |
[2] | 郭建科, 侯雅洁, 何瑶. “一带一路”背景下中欧港口航运网络的演化特征[J]. 地理科学进展, 2020, 39(5): 716-726. |
[3] | 吴燕, 李红波. 大都市城乡融合区空间演进及内在关联性测度——基于武汉市夜间灯光数据[J]. 地理科学进展, 2020, 39(1): 13-23. |
[4] | 罗静,蒋亮,罗名海,田玲玲,陈国磊,田野,吴益坤. 武汉市新城区乡村发展水平评价及规模等级结构研究[J]. 地理科学进展, 2019, 38(9): 1370-1381. |
[5] | 张金亭, 赵玉丹, 田扬戈, 何青青, 庄艳华, 彭韵羲, 洪松. 大气污染物排放量与颗粒物环境空气质量的空间非协同耦合研究——以武汉市为例[J]. 地理科学进展, 2019, 38(4): 612-624. |
[6] | 张安琪, 夏畅, 林坚, 楚建群. 景观演化特征指数及其应用[J]. 地理科学进展, 2018, 37(6): 811-822. |
[7] | 郭建科, 何瑶, 侯雅洁. 中国沿海集装箱港口航运网络空间联系及区域差异[J]. 地理科学进展, 2018, 37(11): 1499-1509. |
[8] | 瞿诗进, 胡守庚, 李全峰, 杨剩富. 城市住宅地价影响因素的定量识别与时空异质性——以武汉市为例[J]. 地理科学进展, 2018, 37(10): 1371-1380. |
[9] | 韩宇瑶, 焦利民, 许刚. 武汉市道路结构与商业集聚空间关联分析[J]. 地理科学进展, 2017, 36(11): 1349-1358. |
[10] | 王海军, 夏畅, 张安琪, 邓羽. 基于约束性CA的大都市郊区城镇增长的情景模拟与管控——以武汉市江夏区为例[J]. 地理科学进展, 2016, 35(7): 793-805. |
[11] | 郑蔚. 基于复杂性理论的城市经济网络研究进展与展望[J]. 地理科学进展, 2015, 34(6): 676-686. |
[12] | 黄晓燕, 张爽, 曹小曙. 广州市地铁可达性时空演化及其对公交可达性的影响[J]. 地理科学进展, 2014, 33(8): 1078-1089. |
[13] | 佘冰, 朱欣焰, 呙维, 徐晓. 基于空间点模式分析的城市管理事件空间分布及演化——以武汉市江汉区为例[J]. 地理科学进展, 2013, 32(6): 924-931. |
[14] | 甄茂成, 张景秋, 杨广林. 基于复杂网络的商业银行网点布局特征——以北京市中国银行为例[J]. 地理科学进展, 2013, 32(12): 1732-1741. |
[15] | 莫辉辉,王姣娥,金凤君. 交通运输网络的复杂性研究[J]. 地理科学进展, 2008, 27(6): 112-120. |
|