蔣浩

長江大學地球科學學院 湖北 武漢 430000

1 引言

在城市長時間發(fā)展過程中，由人為設計或自然原因形成了不同的功能區(qū)，承擔不同的城市職能，如商業(yè)區(qū)、住宅區(qū)和娛樂休閑區(qū)[1-2]。不同功能區(qū)往往有著不同的活動模式。了解城市功能區(qū)的分布，有利于對城市布局做出合理的評價與調(diào)整，緩解交通壓力[3-5]。

隨著全球定位技術（GPS）與通信技術（ICT）的發(fā)展與應用，各種記錄人類生活軌跡數(shù)據(jù)出現(xiàn)在大眾視野，如手機信令數(shù)據(jù)、浮動車數(shù)據(jù)、簽到數(shù)據(jù)等等[6]。多源、海量、現(xiàn)勢性高、高時空分辨的軌跡大數(shù)據(jù)蘊含著豐富的人類行為模式、城市結構、交通運行狀態(tài)等信息。出租車作為城市交通運輸系統(tǒng)的重要組成部分，為乘客提供靈活便捷的服務。利用出租車上、下車熱點在時間上具有不同的時間分布特征對城市功能區(qū)進行分類是一種高效的方法。

為了提高功能區(qū)的劃分精度，本文從熱點區(qū)域的劃分方式進行改進。出租車行駛在城市路網(wǎng)中，乘客上下車點與路網(wǎng)有不可忽略的關聯(lián)關系。一方面，地出租車軌跡點的定位精度在20至60米之間，絕大部分軌跡點分布在道路兩側，有必要使用地圖匹配定位技術將軌跡點匹配到所在有向路段。另一方面，乘客上、下車點在某一有向道路上的分布并不是均勻的。因此，有必要針對每個有向路段進行熱點分析。針對這個問題，借鑒物理學中的“數(shù)據(jù)場”概念，本文提出了一種基于“數(shù)據(jù)場”變化趨勢的分段方法來找出有向路段隨時間變化最穩(wěn)定的熱點路段。在地圖匹配的基礎上，我們計算每個有向路段的“數(shù)據(jù)場”在時間與空間上最穩(wěn)定的分布并提取出來作為穩(wěn)定該有向路段的熱點路段。以劃分研究區(qū)可以描繪出城市功能區(qū)細節(jié)分布特征。

2 數(shù)據(jù)預處理與數(shù)據(jù)預處理

2.1 數(shù)據(jù)來源

本研究以四川省會成都為例，成都是國家重要的高新技術產(chǎn)業(yè)基地和西部地區(qū)重要的中心城市。根據(jù)成都市人民政府官方網(wǎng)站(截至2018年,成都市域面積14335平方公里,常住人口1633萬人, GDP15342.77億元。選取成都市四環(huán)環(huán)內(nèi)的區(qū)域作為研究區(qū)域。

出租車軌跡數(shù)據(jù)來源于交通網(wǎng)絡公司滴滴出行的GAIA開放數(shù)據(jù)倡議(https://gaia.didichuxing.com)。所選數(shù)據(jù)集記錄了2018年8月7日在中國成都的14800多輛出租車。出租車的軌跡由一組GPS點組成，GPS點的信息記錄如表1所示。由于定位誤差，原始數(shù)據(jù)不能直接用于分析。首先，過濾速度過大的軌跡點(超過120公里/小時)。其次，如果兩個連續(xù)點之間的距離超出了(它們可以以最快的速度到達對方的位置)合理范圍，它們都被過濾掉了。最后，我們根據(jù)乘客乘車狀態(tài)提取每條出租車軌跡的取下車點，得到約300萬次取車/下車。

2.2 地圖匹配

出租車在一天內(nèi)工作時段內(nèi)總是在1，2級道路網(wǎng)中不斷巡游尋找客源。在進行出租車上、下客點提取之前，有必要利用地圖匹配技術將軌跡點匹配到出租車實際行駛的路段上。一方面，城市路網(wǎng)稠密，當出租車行駛在并行公路、道路交叉口、隧道等復雜路段時，根據(jù)現(xiàn)有GPS定位精度不能直接判斷出租車軌跡點所在道路。另一方面，城市高樓林立，GPS信號總會產(chǎn)生路徑延遲，GPS定位位置與實際位置總有較大的偏差。因此應用地圖匹配技術對軌跡點與路網(wǎng)進行匹配，不僅能提高軌跡點的定位精度，而且能將軌跡點與所屬路段關聯(lián)起來以便于進一步分析。

地圖匹配算法可分為綜合匹配算法與高級匹配算法。高級匹配算法包括卡爾曼濾波[3]、隱馬爾可夫模型等方法，高級地圖匹配算法要求軌跡點的采樣頻率高，計算資源消耗大。本研究使用綜合匹配算法進行出租車軌跡點與路網(wǎng)的匹配。綜合匹配算法利用軌跡點與路段的距離、車頭朝向與路段朝向的夾角角度，道路拓撲結構、道路轉(zhuǎn)彎限制等因素進行加權計算來選擇最佳路段，這種方法計算效率較高，穩(wěn)定性強。值得注意的是現(xiàn)有研究總大多數(shù)是以靜態(tài)權重計算。實際上，車輛朝向的權重應該隨著車輛速度的增加而增大。算法應該考慮在匹配錯誤時回溯問題。本文采用的地圖匹配算法彌補了以上不足。

3 熱點提取

我們使用高斯分布來模擬軌跡點實際位置的在觀測點不同距離位置上出現(xiàn)的概率[6]。如公式（1）。

4 熱點路段聚類

4.1 熱點路段的時間分布特征

本文研究時段為6:00am～24:00pm,我們以一小時為間隔將研究時段劃分為18時區(qū)。分別表示第一個小時上車個數(shù)與下車個數(shù)，以此類推[3]。實際上，當熱點路段上的出租車上、下車點數(shù)量較少，熱點路段每個時段內(nèi)的上下車數(shù)據(jù)就會具有很強的隨機性，不足以體現(xiàn)熱點路段時間分布特征。我們認為在城市功能區(qū)在研究時段的內(nèi)不會改變的假設下，某一熱點路段乘客總是偏向于某一固定時段，因此可以使用不同日期的數(shù)據(jù)疊加來突出熱點時間特征，削弱乘客上、下車隨機因素的影響。我們將成都市2014年8月份（除去周六、周日）不同日期的上下車個數(shù)進行累加得到熱點路段的時間分布特征。當熱點路段的上下車個數(shù)較少時，數(shù)據(jù)的隨機發(fā)生概率大，因此刪除時間段密度小于5的上下車熱點路段。

4.2 熱點聚類

在本文研究中，我們使用K-means方法對研究區(qū)內(nèi)的熱點進行聚類。熱點路段類別與的距離函數(shù)定義如公式(2)。根據(jù)聚類結果的輪廓系數(shù)（Silhouette Coefficient）判斷最終的分類結果。

5 實驗結果分析

根據(jù)分類結果我們發(fā)現(xiàn)，當分類結果類別個數(shù)為3時，分類結果的輪廓系數(shù)變化最為穩(wěn)定。三種類別的樣本數(shù)量占總分實驗樣本數(shù)量的50.29%、31.77%、19.6%。不同類別的空間分布特征如圖1。為了建立分類結果與現(xiàn)實世界中不同功能區(qū)之間對關系。本文實驗采集了14種典型的POI興趣點表示不同的典型社會功能。POI類別見表1[7]。我們采用距離最近原則將POI點與熱點路段進行關聯(lián)，然后統(tǒng)計不同類別熱點路段所關聯(lián)不同類別POI點的數(shù)量見表1。

圖1 商業(yè),娛樂,住宅區(qū)的空間分布圖

表1 熱點路段的類別對不同類型的POI占有比例

分析實驗結果，我們發(fā)現(xiàn)POI興趣點與實驗分類結果并沒有典型的一對一關系，而是以組合的方式與分類結果對應。換言之，城市功能區(qū)并不是擁有單一的城市功能、規(guī)則區(qū)域形狀的簡單個體。城市功能區(qū)中總是包含多種擁有典型社會功能的單位組合在一起而形成的。這些單位包括醫(yī)院、體育館、學校、公司、商場、居民區(qū)……等等。不同的比例使功能區(qū)表現(xiàn)出偏向某一方面的職能，在活動模式表現(xiàn)出不同的時間特征。

我們發(fā)現(xiàn)前三種類別包含了90%以上的POI，并且作為城市主體的住宅區(qū)在主要類別之間分布較為均勻，這說明住宅區(qū)與不同社會職能POI組合在一起會被歸為不同的類型。

我們結合類別的上、下車點的時間分布特征與空間分布特征進行分析，找出各個類別與城市功能區(qū)之間的對應關系。當POI與相關類別關聯(lián)關系較為純粹時，我們簡單認為該路段為相關功能區(qū)的簡單組合或者執(zhí)行單一社會職能的熱點路段。

1.商業(yè)路段：類別1上車點在整個時間段上明顯大于下車點，在9：00至16：00的工作時段維持高峰狀態(tài)、上下浮動不大。在18：00傍晚進餐時段處于低谷時期。并且類別1的明顯特征就是在20：00至23：00時段上車點急劇增加，明顯高于其他時段。城市工作壓力大，大部分城市工作人員選擇晚點加班，晚點回家。因此我們認為類別1為商業(yè)熱點路段。從類別1的空間分布我們可以看出，工作熱點路段分布與城市一、二級路網(wǎng)有很強的關聯(lián)關系，這表明成都市商業(yè)交流的順利進行依賴于發(fā)達的交通系統(tǒng)。從POI與類別1的關聯(lián)關系，可以看出成都市的住宅區(qū)大部分為商業(yè)住宅。

2.娛樂購物路段：類別2下車點的數(shù)量遠大于上車點的數(shù)量，下車點的數(shù)量在8：00至9：00、13：00至16：00、19：00至21：00點達到局部最大值，并且類別2關聯(lián)了50%左右的政府及事業(yè)單位、醫(yī)院、景點、娛樂場所、購物中心的POI。這表明成都市居民習慣于在上午8：00至9：00、13：00至16：00之間到相關政府及事業(yè)單位、醫(yī)院處理相關事務或者到景區(qū)游玩。而在19：00至21：00之間到購物中心購物或者到相關娛樂場所放松身心。因此我們認為類別2為娛樂購物路段。在地理分布上，娛樂購物路段集中分布于成都市市中心，與商業(yè)路段不同，娛樂購物路段總是成群分布，這與現(xiàn)實世界中的步行街、購物廣場、商業(yè)街等有很好的對應關系。

3.住宅區(qū)路段：該類別上、下車點在隨時間的增加過程中，下車點與上車點的數(shù)量逐漸變大，在19:00急劇增加并在22:00達到最大值。直覺上，城市居民在完成自己的工作后，習慣在19:00至22:00之間回家休息。我們認為這是典型性的居民區(qū)特征曲線。在地理分布上，居民區(qū)主要分布于一環(huán)路與二環(huán)路之間。

6 結論

本研究利用出租車數(shù)據(jù)可以提取商業(yè)區(qū)、娛樂購物區(qū)、住宅區(qū)，并分析不同功能區(qū)在時間與空間上的分布特征。對城市規(guī)劃有重要的借鑒意義。在未來的研究中，我們可以從以下幾個方面改進：第一，本研究中并沒有找到很好標準來劃分不同的熱點路段與現(xiàn)實POIs之間的對應關系。第二，出租車數(shù)據(jù)只是城市交通系統(tǒng)的一部分，以出租車軌跡數(shù)據(jù)對城市功能區(qū)分類會有局限性?；诙嘣磾?shù)據(jù)識別城市功能區(qū)是一個有效的方法。