摘要
城市是空间和人类活动的组合。随着城市规模和人口的极速扩张，城市空间结构愈加复杂，并且人类的需求在一天之中是不断变化的，导致城市同一空间的功能随时间呈动态变化。现有城市功能研究大多局限于静态的区域功能，未反映出城市空间功能的动态变化。为了更加精准地掌握城市空间功能时空分布和城市空间的交互作用，研究城市功能结构和功能区之间相互作用的动态变化是十分必要的。 作为城市流动人群的重要交通工具，出租车具有时效性优势，乘客的上车行为和下车行为的时空属性直接反映一天之中不同时段的人群出行，从而可以表达人类行为模式的时空变化。出租车Origin-Destination（起讫点，下文简称“OD”）轨迹蕴含着出租车乘客出行语义信息，通过推测不同时段的出租车OD轨迹的上车之前和下车之后活动可获取城市功能区的空间分布与交互作用。因此利用出租车OD轨迹数据可以有效挖掘动态的城市空间功能和空间交互特征。然而，出租车隐含复杂的多维度信息，一维或者二维模型不足以描述和挖掘其蕴含的信息;以及出租车数量级较大，空间功能交互模式不清晰等，需要采用适当的数据降维方法才能有效挖掘其中的时空模式。 本文利用出租车OD轨迹数据探索城市功能区动态性和空间功能交互模式，从人类出行模式角度分析城市功能区时空变化;然后基于城市功能区动态性增强出租车OD轨迹语义信息，进一步探索空间功能交互性。本文的主要研究内容如下: (1)选择张量分解模型，对出租车数据中隐藏的复杂维度及其之间联系进行描述与分析，获取基于出租车出行的人类出行模式，从而解决出租车OD轨迹复杂的维度信息问题，为下文的城市功能区动态变化与空间功能交互模式提供探索基础; (2)融入微博签到文本数据，获取不同时段活跃的上下车区域的功能语义特征，获取基于出租车出行的城市功能区动态变化，从而解决出租车OD轨迹语义有限的问题，为下文的空间功能交互模式提供语义基础; (3)基于不同时段的城市功能区分布特征，本文增强出租车OD轨迹语义信息，基于出租车OD轨迹语义、时间和空间信息，完成出租车OD轨迹聚类，减少出租车OD轨迹数量，同时保留出租车OD轨迹的时间、空间与语义属性，最终获取空间功能交互模式。
NETL