利用軌跡數(shù)據(jù)提取城市居民出行時(shí)空分布特征

陳偉亮，杜久升

(河南理工大學(xué) 測(cè)繪與國(guó)土信息工程學(xué)院,河南 焦作 454000)

0 引言

近年來(lái)，隨著移動(dòng)定位技術(shù)在手持和車載等移動(dòng)終端設(shè)備上得到廣泛應(yīng)用，越來(lái)越多的軌跡數(shù)據(jù)被保存并上傳至網(wǎng)絡(luò)空間，人們也越來(lái)越熱衷于記錄和分享他們的旅游或者出行的軌跡日志.如國(guó)外的雅虎網(wǎng)絡(luò)相冊(cè)旅游日志分享平臺(tái)(Flickr)、推特(Twitter)和國(guó)內(nèi)的微博、微信、滴滴打車平臺(tái)等，這些數(shù)據(jù)通過泛在傳感器的使用被完整系統(tǒng)地記錄下來(lái)，為研究人類的行為模式提供了前所未有的機(jī)遇與挑戰(zhàn)[1].有學(xué)者通過對(duì)軌跡數(shù)據(jù)的分析識(shí)別出了城市的結(jié)構(gòu)和功能單元，為城市的管理和規(guī)劃提出了建設(shè)性的指導(dǎo)意見[2-8].還有學(xué)者通過對(duì)軌跡數(shù)據(jù)的分析及預(yù)測(cè)識(shí)別出了異常的軌跡移動(dòng)模式[9-10]，為阻止犯罪和保障居民的安全提供有價(jià)值的信息.除了對(duì)人類行為模式的研究，利用軌跡數(shù)據(jù)預(yù)測(cè)居民的出行路線并提供智能推薦服務(wù)也是一個(gè)重要的研究熱點(diǎn)[11-14].在軌跡數(shù)據(jù)的研究進(jìn)程中，國(guó)內(nèi)外眾多專家學(xué)者都在積極探索軌跡數(shù)據(jù)的挖掘與應(yīng)用，為進(jìn)一步提高時(shí)空大數(shù)據(jù)的利用價(jià)值提供了寶貴的參考經(jīng)驗(yàn).

上述研究在不同程度上對(duì)城市居民的出行活動(dòng)和城市空間結(jié)構(gòu)進(jìn)行了關(guān)注，但對(duì)于利用出租車上下客事件提取城市的熱點(diǎn)區(qū)域并發(fā)現(xiàn)其與不同城市功能區(qū)之間聯(lián)系的研究還較少.本文擬在前人研究軌跡數(shù)據(jù)的基礎(chǔ)上，利用提取的出租車上下客分布點(diǎn)識(shí)別出城市的熱點(diǎn)區(qū)域，挖掘城市居民出行的時(shí)空分布特征及其與城市不同功能區(qū)之間的潛在聯(lián)系.

1 研究方法及技術(shù)路線

具體技術(shù)路線如圖1 所示.

圖1 技術(shù)路線圖

總體分為四個(gè)階段：第一階段，完成數(shù)據(jù)庫(kù)建立、數(shù)據(jù)清洗及乘客上下車點(diǎn)提取的工作，同時(shí)對(duì)偏離道路的軌跡數(shù)據(jù)進(jìn)行地圖匹配；第二階段，以小時(shí)為粒度單位對(duì)乘客上下車點(diǎn)進(jìn)行統(tǒng)計(jì)，得出工作日與休息日杭州市區(qū)居民不同時(shí)段出行活動(dòng)軌跡的分布特征；第三階段，對(duì)篩選出來(lái)的乘客上下車點(diǎn)分別使用基于密度的聚類算法(DBSCAN)和核密度估計(jì)(KDE)的方法進(jìn)行分析，提取出居民出行活動(dòng)的熱點(diǎn)區(qū)域；第四階段，根據(jù)第三階段的分析結(jié)果篩選乘客上下車點(diǎn)數(shù)量排名前十的區(qū)域并將其與爬取到的高德地圖興趣點(diǎn)(POI)數(shù)據(jù)相匹配，得到相應(yīng)的城市功能區(qū)域并以雷達(dá)圖的形式展示各指標(biāo).

2 預(yù)處理及軌跡提取

2.1 數(shù)據(jù)來(lái)源及預(yù)處理

實(shí)驗(yàn)數(shù)據(jù)選取自杭州市2014 年9 月的某個(gè)工作日與休息日兩天約9 000 輛出租車的軌跡數(shù)據(jù)，數(shù)據(jù)的屬性描述如表1 所示.

表1 杭州市出租車軌跡數(shù)據(jù)字段描述

從現(xiàn)實(shí)世界中獲取到的數(shù)據(jù)不可避免的存在一些問題，如數(shù)據(jù)的缺失、異常等，出租車軌跡數(shù)據(jù)也不例外，根據(jù)實(shí)驗(yàn)分析的需要，從3 個(gè)方面對(duì)出租車軌跡數(shù)據(jù)進(jìn)行預(yù)處理，分別是越界值的刪除、異常值的過濾和地圖匹配.

1)經(jīng)緯度越界.將在研究區(qū)域之外的軌跡數(shù)據(jù)點(diǎn)剔除.

2)異常值的過濾.對(duì)于某些存在缺省值和異常值的軌跡點(diǎn)，作刪除處理.

3)地圖匹配.一般情況下，正常運(yùn)行的車輛，其軌跡點(diǎn)應(yīng)是在相應(yīng)的道路上，但是由于GPS 定位誤差等因素影響，車輛位置存在一定量的偏移，需要對(duì)位置進(jìn)行地圖匹配，該處參考文獻(xiàn)[15]的方法進(jìn)行修正.

2.2 出租車上下客事件的提取

出租車軌跡數(shù)據(jù)中隱藏著豐富的城市信息，運(yùn)用適當(dāng)?shù)姆椒梢蕴崛〕鼍用竦某鲂谢顒?dòng)規(guī)律，其主要原理為：出租車在運(yùn)營(yíng)過程中存在著上客和下客行為，而出租車的乘客上下車點(diǎn)作為某次行程的起迄點(diǎn)，某種程度上也代表了本次行程所產(chǎn)生交通需求的發(fā)生與吸引[16].故采用提取出租車乘客上下車點(diǎn)的方法挖掘居民出行的熱點(diǎn)區(qū)域.

實(shí)驗(yàn)數(shù)據(jù)記錄出租車載客狀態(tài)的字段為“Sta”，當(dāng)載客狀態(tài)為空載時(shí)，其數(shù)據(jù)記錄為0，當(dāng)載客狀態(tài)為載客時(shí)，其數(shù)據(jù)記錄為1.同一編號(hào)的出租車完成一次載客狀態(tài)的變更時(shí)，即發(fā)生了一次上客或下客行為，具體可以概括為以下內(nèi)容：

1)運(yùn)營(yíng)開始，出租車在p1點(diǎn)發(fā)生上客事件；

2)行駛一段距離后到達(dá)目的地，出租車在p2點(diǎn)發(fā)生下客事件；

3)空載狀態(tài)下行駛一段時(shí)間后，在p3點(diǎn)又發(fā)生上客事件；

4)載客狀態(tài)下繼續(xù)行駛一段時(shí)間，在p4點(diǎn)再次發(fā)生下客事件；

5)循環(huán)以上過程，直至當(dāng)日該車運(yùn)營(yíng)結(jié)束.

圖2 從出租車司機(jī)的角度抽象地概括了車輛行車軌跡片段，圖3(a)、(b)分別為部分乘客上車點(diǎn)和下車點(diǎn)在電子地圖上的展示.

圖2 出租車行車軌跡片段

圖3 部分出租車乘客上下車點(diǎn)可視化

3 基于乘客上下車點(diǎn)的時(shí)間特征分析

工作日期間，由于上下班通勤，居民乘車的目的性都較強(qiáng)，時(shí)空彈性也較小，而休息日期間，因?yàn)闆]有工作的限制，居民出行的隨機(jī)性更強(qiáng).考慮到凌晨24:00 至次日06:00 時(shí)段車流量較少，研究?jī)r(jià)值亦不高，故只選取早晨06:00 以后的乘車數(shù)據(jù)作為實(shí)驗(yàn)樣本.為了更直觀的顯示差別，以小時(shí)為粒度單位對(duì)工作日和休息日兩天居民乘車的乘客上下車點(diǎn)數(shù)據(jù)進(jìn)行量化分析，得到不同時(shí)段居民出行乘客上下車點(diǎn)流量變化的特征曲線，結(jié)果如圖4～5 所示.

圖4 不同時(shí)段上車流量統(tǒng)計(jì)

由折線圖可以看出，工作日全天居民乘客上下車點(diǎn)流量波動(dòng)幅度都較大而休息日則相對(duì)較為平緩，兩天的流量變化趨勢(shì)總體保持一致，峰值分別出現(xiàn)在07:00—09:00 的早高峰、12:00—14:00 的午高峰、以及20:00—23:00 的晚高峰三個(gè)時(shí)段.

1)工作日期間，從早晨06:00 開始乘客上下車點(diǎn)流量開始陡然攀升，一直到上午08:00 左右達(dá)到峰值；午間12:00—14:00 出現(xiàn)了一個(gè)小波峰，考慮午間時(shí)段有部分乘客選擇外出就餐或者去距離工作地點(diǎn)較近的娛樂場(chǎng)所休閑放松；傍晚16:00—18:00 出現(xiàn)了一個(gè)驟減的波谷，由于正處于下班高峰時(shí)段，居民的出行需求劇增，交通流也隨之攀升，造成道路擁堵狀況的發(fā)生，乘客上車和下車的頻率也大大降低；晚間20:00—22:00 乘客上下車點(diǎn)流量達(dá)到頂點(diǎn)，23:00 之后才逐漸呈現(xiàn)降低的態(tài)勢(shì)，符合正常工作日居民通勤出行的基本特征.

圖5 不同時(shí)段下車流量統(tǒng)計(jì)

2)休息日期間，除了早間時(shí)段的巨大波谷之外，其他時(shí)間段的乘客上下車點(diǎn)流量分布相較于工作日而言都比較均衡.非工作日居民的出行活動(dòng)大多屬于個(gè)體行為，在出行時(shí)間上表現(xiàn)出隨機(jī)性，如購(gòu)物、休閑、娛樂等，符合休息日居民出行的基本特征.

4 基于乘客上下車點(diǎn)聚類點(diǎn)的熱點(diǎn)區(qū)域挖掘

4.1 核密度分析

KDE 算法是一種常用的非參數(shù)估計(jì)方法[17-18]，通常用于計(jì)算點(diǎn)、線要素測(cè)量值在指定鄰域范圍內(nèi)的單位密度，它能夠直觀地反映出離散測(cè)量值在連續(xù)區(qū)域內(nèi)的分布狀況[19].同時(shí)，KDE 算法還遵循地理學(xué)的第一定律，即事物之間距離越近，對(duì)應(yīng)聯(lián)系就越密切，距核心要素越近則獲得相應(yīng)的密度擴(kuò)張值也越大[20].

設(shè)x1,x2,···,xn為單元變量x的獨(dú)立同分布樣本點(diǎn)，則KDE 算法公式為

式中：h為距離衰減閾值，也就是輸出帶寬；n表示距x處直線距離小于或等于h的所有空間對(duì)象的數(shù)目；k0為核函數(shù)；xi表示第i個(gè)核心對(duì)象所在位置.在參考文獻(xiàn)[21]方法的基礎(chǔ)上，經(jīng)過反復(fù)調(diào)校和實(shí)驗(yàn)對(duì)比，確定以350 m 作為理想的搜索半徑.

4.2 DBSCAN 聚類算法

DBSCAN 聚類算法是一種較為典型的基于密度的聚類算法，在模式識(shí)別、圖像處理、生命科學(xué)等領(lǐng)域被廣泛應(yīng)用，與k均值聚類算法(k-means)等基于劃分的算法不同，DBSCAN 算法不需要預(yù)先規(guī)定所需分割的類數(shù)，而且可以識(shí)別任意形狀的聚類簇.算法中有兩個(gè)重要參數(shù)：定義密度時(shí)的鄰域半徑(Eps)和定義核心點(diǎn)時(shí)的閾值(Minpts).為了方便描述，將Eps 和Minpts 分別標(biāo)記為 ε 和M，設(shè)數(shù)據(jù)集合X={x1,···,xn}，引入以下概念：

1)ε 鄰域：設(shè)xi∈X，稱

為xi的 ε 鄰域，其中D為距離函數(shù).顯然也有xi∈Nε(xi).

2)核心點(diǎn)、邊界點(diǎn)、噪音點(diǎn)：若樣本xi的 ε 領(lǐng)域內(nèi)至少包含有M個(gè)樣本，即

則稱樣本點(diǎn)xi為核心點(diǎn)，反之，假如樣本數(shù)目小于M，但是他在其他的核心點(diǎn)的領(lǐng)域內(nèi)，樣本點(diǎn)xi即為邊界點(diǎn).倘若既不是核心點(diǎn)也不是邊界點(diǎn)，那么xi就是噪音點(diǎn)，如圖6 所示.

圖6 核心點(diǎn)、邊界點(diǎn)、噪音點(diǎn)示意圖

3)密度直達(dá)：如果xi位于xj的 ε 鄰域中，且xj是核心對(duì)象，則稱xi由xj密度直達(dá).

4)密度可達(dá)：設(shè)樣本序列p1，p2，···，pT∈X，其中T≥2.若該樣本序列滿足pi+1可從pi直接密度可達(dá)的，其中i=1，2，···，T-1，則稱pT是可以從p1密度可達(dá).密度可達(dá)具有傳遞性.

5)密度相連：對(duì)于xi，xj，xk∈X，若xj和xk均可從xi密度可達(dá)的，則稱xj和xk是密度相連的.密度相連滿足對(duì)稱性.

對(duì)于參數(shù)ε 和M，根據(jù)經(jīng)驗(yàn)得出，當(dāng)ε 取值固定不變時(shí)，M取值過小，則會(huì)產(chǎn)生過多的類簇，還會(huì)將一些噪音點(diǎn)也納入進(jìn)來(lái)對(duì)結(jié)果產(chǎn)生影響.反之，如果M取值過大，則會(huì)產(chǎn)生較少的類簇，還會(huì)將大量的非噪音點(diǎn)排除出去，包含對(duì)象較少的類簇就會(huì)被忽略.本文利用選取多組參數(shù)進(jìn)行敏感度測(cè)試的方法，經(jīng)過多次實(shí)驗(yàn)取值對(duì)比最終確定樣本數(shù)據(jù)聚類的鄰域半徑 ε=300 m，閾值M=185.

4.3 實(shí)驗(yàn)分析

根據(jù)第3 節(jié)對(duì)居民出行時(shí)間分布特征的統(tǒng)計(jì)結(jié)果，選取07:00—09:00、12:00—14:00、20:00—23:00三個(gè)最具代表性的時(shí)段進(jìn)行居民出行熱點(diǎn)區(qū)域的識(shí)別和時(shí)空分布特征的挖掘.考慮到休息日居民在出行時(shí)間上比較自由，活動(dòng)區(qū)間隨機(jī)性也比較強(qiáng)，故只取工作日的數(shù)據(jù)作本節(jié)的分析.根據(jù)4.1 和4.2 節(jié)介紹的方法，針對(duì)篩選好的乘客上下車點(diǎn)數(shù)據(jù)，首先使用DBSCAN 算法提取居民出行熱點(diǎn)區(qū)域乘客上下車分布點(diǎn)，再利用核密度分析的方法得出居民出行乘客上下車熱點(diǎn)的熱力狀況.

07:00—09:00 時(shí)段，如圖7(a)～(b)所示，上車熱點(diǎn)大都散布在各個(gè)交通樞紐、居民住宅區(qū)、以及一些商圈酒店附近，各區(qū)域的熱度值較為均勻；而下車熱點(diǎn)則多集聚在城市的商務(wù)辦公區(qū)、政務(wù)區(qū)以及醫(yī)院商超等服務(wù)集聚區(qū)附近，如拱墅區(qū)-慶春路、西湖國(guó)貿(mào)中心板塊；上城區(qū)-清泰街、第三人民醫(yī)院板塊等.總體來(lái)看，早高峰上車熱點(diǎn)位置分布相對(duì)松散，而下車熱點(diǎn)分布更為集聚，主要原因是商務(wù)區(qū)和辦公區(qū)在分布上比居民住宅區(qū)等要更集中，基本符合早高峰時(shí)段居民的出行活動(dòng)特征.

12:00—14:00 時(shí)段，如圖8(a)～(b)所示，居民出行的上車熱點(diǎn)分布相對(duì)集聚且熱度值也較高，部分區(qū)域已形成一定的規(guī)模，這些熱點(diǎn)主要集中在各商務(wù)中心區(qū)、政務(wù)辦公區(qū)以及交通樞紐等附近.以中河高架路和中河中路為例，周邊分布有大量的商務(wù)大廈、政府機(jī)構(gòu)、寫字樓、醫(yī)院、火車站、旅游景點(diǎn)等，商務(wù)辦公人群密集，以辦公、就醫(yī)以及休閑出行為主的出租車需求相對(duì)較高.該路段還與杭州市的地鐵一號(hào)線相交，一定程度上承接了部分乘客的短距離出行需求.

圖8 午高峰居民出行乘客上下車點(diǎn)熱力圖

與上車熱點(diǎn)相比，下車熱點(diǎn)的分布變化不大，考慮到工作日午休時(shí)間大部分乘客只是短暫離開公司去午餐或者去就近的休閑場(chǎng)所放松，并不會(huì)遠(yuǎn)距離出行，因此核心熱點(diǎn)區(qū)域與上車熱點(diǎn)相比并沒有太大的變動(dòng).

20:00—23:00 時(shí)段，如圖9(a)～(b)所示，該時(shí)段也是居民全天出租車需求量最高的一個(gè)時(shí)間段，相較于其他時(shí)段較為單一的出行目的，該時(shí)段居民的出行因素更為多樣化，這是由杭城豐富的夜生活、個(gè)別企業(yè)晚間加班以及城市公交系統(tǒng)班次的減少或停運(yùn)等多重因素共同導(dǎo)致.整體上看，上車熱點(diǎn)多集中在商務(wù)中心區(qū)和辦公區(qū)等場(chǎng)所，而下車熱點(diǎn)主要集中在一些休閑娛樂場(chǎng)所以及住宅小區(qū)附近，分布上相較上車熱點(diǎn)更為分散，集聚性也更弱.

圖9 晚高峰居民出行乘客上下車點(diǎn)熱力圖

5 基于POI 的城市功能區(qū)的發(fā)現(xiàn)

由第4 節(jié)的分析結(jié)果可知，晚高峰是一天中出租車需求量最大、需求因素最多樣的一個(gè)時(shí)段，通過對(duì)晚高峰時(shí)段居民出行活動(dòng)規(guī)律的分析可以挖掘出隱藏的城市空間信息.選取晚高峰時(shí)段乘客上下車點(diǎn)流量排名前十的區(qū)域的數(shù)據(jù)繪制統(tǒng)計(jì)圖，經(jīng)過篩選后十個(gè)區(qū)域分別為：杭州武林廣場(chǎng)、龍翔橋、城西銀泰城、嘉里中心、黃龍?bào)w育中心、西湖文化廣場(chǎng)、萬(wàn)塘路、翠苑、鳳起苑、三塘，統(tǒng)計(jì)結(jié)果如圖10～11 所示.

圖10 晚高峰上車流量排名前十的區(qū)域

圖11 晚高峰下車流量排名前十的區(qū)域

由圖10～11 可知，上車點(diǎn)在21:00—22:00 開始出現(xiàn)集聚現(xiàn)象，22:00—23:00 達(dá)到高峰.其中武林廣場(chǎng)、龍翔橋、黃龍?bào)w育中心板塊尤為明顯.下車點(diǎn)分布則是20:00—21:00 以及22:00—23:00 較多，除了上述區(qū)域外，鳳起苑、三塘等住宅區(qū)板塊也較為活躍，但其在21:00—22:00 時(shí)段對(duì)出租車的需求相對(duì)較低.

為進(jìn)一步探究出租車上下客客流在該十個(gè)區(qū)域重點(diǎn)集聚的原因，選取風(fēng)景名勝、餐飲服務(wù)、購(gòu)物娛樂、公司企業(yè)、生活服務(wù)、住宅小區(qū)六個(gè)維度指標(biāo)，利用從高德地圖上爬取的各類POI 數(shù)據(jù)，以雷達(dá)圖的形式刻畫區(qū)域的城市功能，最終得到三種類別的城市功能區(qū)分類：

第一類：以購(gòu)物娛樂為主的商圈，該類別地塊購(gòu)物娛樂和餐飲服務(wù)發(fā)達(dá)，風(fēng)景名勝的數(shù)量也相對(duì)豐富.典型的代表區(qū)域有：杭州武林廣場(chǎng)、龍翔橋、嘉里中心、城西銀泰城，如圖12 所示.

圖12 商圈雷達(dá)圖

第二類：以企業(yè)辦公為主的商務(wù)辦公地塊，該類別公司企業(yè)數(shù)量較多.主要代表地區(qū)有：西湖文化廣場(chǎng)、黃龍?bào)w育中心、萬(wàn)塘路，如圖13 所示.

圖13 辦公用地雷達(dá)圖

第三類：以生活居住為主的居民住宅地塊，該類別地塊住宅小區(qū)數(shù)量走高，生活服務(wù)和餐飲服務(wù)指標(biāo)也表現(xiàn)良好.主要代表區(qū)域有：三塘、翠苑、鳳起苑，如圖14 所示.

圖14 住宅用地雷達(dá)圖

結(jié)合晚高峰時(shí)段的乘客上下車點(diǎn)客流可知，武林廣場(chǎng)和龍翔橋等板塊主要承擔(dān)居民購(gòu)物、娛樂、休閑等城市功能，上車和下車熱力狀況一直保持高漲狀態(tài)，說明杭城市民下班后去購(gòu)物休閑是常態(tài)，側(cè)面也反映了杭城居民豐富的夜生活；下車點(diǎn)數(shù)量在21:00—22:00 驟減，達(dá)到一個(gè)相對(duì)波谷狀態(tài)，主要是由于加班工作及娛樂消費(fèi)人群在該時(shí)段對(duì)出租車需求較低；22:00 以后出租車的下車流量有小幅回升，部分是由晚間結(jié)束工作以及購(gòu)物消費(fèi)的人群返回私人住處引起，而居民住宅區(qū)的分布又較為分散，從而導(dǎo)致晚高峰下車客流集聚效應(yīng)的減弱.

6 結(jié)束語(yǔ)

實(shí)驗(yàn)基于海量的出租車軌跡數(shù)據(jù)，從時(shí)間和空間兩個(gè)維度剖析了杭州市居民工作日與休息日兩天出行活動(dòng)的軌跡特征，給出了一種融合核密度估計(jì)與POI 分類的密度聚類算法，實(shí)現(xiàn)了對(duì)居民出行熱點(diǎn)區(qū)域挖掘和不同城市功能區(qū)的發(fā)現(xiàn).研究表明：城市居民的出行特征除了工作日和休息日之間的區(qū)別外，同日不同時(shí)段之間也表現(xiàn)出巨大的差異性，并且這種差異性還受到不同城市功能區(qū)的影響.本文的研究成果除了可以用來(lái)預(yù)測(cè)居民的出行需求以外，同時(shí)也可以為城市規(guī)劃和交通管理等提供參考意見.