基于轨迹数据的群体活动规律与城市空间功能研究

A fundamental research in geography is to understand the man-land system which relies heavily on remote sensing imagery or survey data, while a new perspective can be taken with the availability of massive trajectory data collected by humans acting as sensors under urban environment. However, the key issue is how to uncover human activity patterns from massive trajectories and further infer the distribution and evolution of the underlying urban functions, which is important for solving some urban problems and proposing a sustainable urban planning. By adopting the trajectory data, the points of interest data, and the urban road network data, this research project aims to: (1) build a human trip database by extracting trips from massive trajectories with the method of explorative statistical analysis; (2) explore the best statistical model for human mobility via a heavy-tailed statistical model selector, and employ the topic model to discover the semantic information hidden in a human trip; (3) derive an urban function map of the study area with the aid of human trip semantic information, and investigate the spatio-temporal change of the urban function map. The implications of this research project can enrich the studies on trajectory and its computation, benefit a better understanding of human activity patterns, and will finally provide decision supports for verification, update and compilation of urban planning.

人地关系是地理学研究的基本内容，目前的研究主要依靠遥感或调查统计数据，人人作为传感器，与城市地理环境交互，所形成的海量轨迹数据，提供了研究群体活动与城市空间的崭新途径。面对海量轨迹数据，如何从中挖掘出群体活动规律并推断城市空间功能的分布与演化是亟待解决的核心问题，对于解决日益严峻的城市问题及促进科学合理的可持续性城市规划有着重要的研究意义。本项目以轨迹数据为主，融合城市兴趣点与道路网数据，（1）采用探索性统计分析方法来提取海量轨迹数据中的群体行程路线，建立行程路线数据库；（2）研制重尾统计模型选择器对群体移动规律进行建模，利用主题模型对群体活动行为进行语义挖掘；（3）再根据这些规律知识来构建一种城市空间功能区划，最后探索城市空间功能区域的时空演变。通过本项目的研究，不仅丰富了轨迹数据及其计算的研究内容，也有助于更好的理解群体的活动规律，更为城市规划方案的验证、更新及编制提供了支持。

随着网络技术、通信技术、定位技术的迅速发展，集成定位、存储和通信为一体的导航定位设备的广泛普及，产生了一种由大量的移动体所采集的蕴含丰富出行信息的轨迹数据，为定量研究群体活动规律与城市空间结构，深度认识人地关系的作用机理，提供了新的数据与思路。正是在这种背景下，本项目利用海量轨迹数据，包含出租车轨迹数据、OSM志愿者轨迹数据，以及航空在线轨迹数据等，基于多源轨迹数据的融合思想，研究如何从中挖掘出群体活动规律、群体移动规律、城市空间的内在结构与外在功能以及它们的时空演化。经过三年的研究，项目取得了一定的成果，主要包括以下几个方面：（1）项目提出了一种粗探测与细探测相结合的对轨迹数据进行处理的技术框架，利用头尾分布规律解决了不规范轨迹数据中行程提取阈值设定的不确定性问题；（2）项目提出了一种具有并行加速特性的时空城市聚类算法，应用该算法对轨迹停留点进行时空聚类的研究结果，进一步证实了群体活动及移动的明显的长尾特性，例如由群体活动停留点聚集而成的时空群体簇服从严格的幂律分布规律，且这一规律在不同时间段具有一定的稳定性；（3）项目提出了两种推测个体行程活动类型的模型方法，一种是基于贝叶斯分类器的活动类型预测方法，另一种是基于潜在狄利克雷分配算法的活动类型预测方法，应用该模型对行程数据的O/D点，可以有效提取出街区或者群体簇的城市功能，这种应用也可以识别那些潜在的城市功能发生变化的区块，并对其城市功能进行更新；（4）项目提出了城市空间变化的内部加密与外部延拓演化机理，并将此模型应用在城市边界扩张与城市路网的演化方面。通过本项目的研究，不仅丰富了轨迹数据及其计算的研究内容，也有助于更好的理解群体的活动与移动规律，更对解决日益严峻的城市问题及促进科学合理的可持续性城市规划有着重要的研究意义。项目资助发表SCI/SSCI期刊论文5篇，国际会议EI论文3篇，申请发明专利2项，培养2名硕士生与1名博士生。