摘要
科技的发展和社会的进步，造就了移动定位设备和计算机技术的成熟，涌现出了大量城市时空大数据，为探索城市内部居民出行行为特征和识别城市功能结构提供了强大数据支撑。本文以城市GPS轨迹数据、POI数据和移动基站数据等多源大数据为基础，使用数据分析挖掘和可视化技术，研究城市居民出行规律和交通热点区域分布特征，为居民提供出行指导，为出租车司机选择载客路径和寻客地点提供指导；研究城市功能区域分布特征及其相互作用规律，探究其空间格局，为城市规划与管理部门的决策提供参考依据。具体的研究内容概括为以下几个方面： （1）提出了基于CLARA聚类算法的城市交通热点区域识别算法。对出租车GPS轨迹原始数据进行预处理，将轨迹点与路网拓扑进行匹配；对研究区域按照城市栅格进行划分，统计栅格内的上、下车量；结合CLARA聚类算法，识别得到城市交通热点区域。实验结果表明，该方法能够很好的识别出城市不同时刻的热点区域，兰州市交通热点区域从城市核心区域由内向外逐渐扩展，扩展趋势与兰州市河谷型地形特征保持一致，按照“哑铃”形式外扩。 （2）建立了基于有向加权复杂网络的区域交互强度量化方法。将识别得到的交通热点区域等价为复杂网络的节点，区域间的车流量为复杂网络的边权值，构建交通热点区域复杂网络，定义了区域间交互强度评价指标，对城市交通热点区域间的交互强度进行分析研究。研究结果表明，在工作日和周末兰州市居民出行行为时空特征和城市空间交互特征都存在明显差异。 （3）构建了基于Apriori关联规则算法的功能区识别模型。首先，结合出租车GPS轨迹和POI数据，应用Apriori关联规则算法提取强关联规则。然后，分别使用城市栅格和基于手机基站数据的泰森多边形对城市区域进行划分，构建关联规则矩阵和功能区域识别指标，提出了功能区域识别算法。最后，实证研究兰州市城市功能区分布特征，并结合富集因子、基于核密度估计的交通挖掘验证功能区域识别算法的有效性。
NETL