陳宏飛，張心萍，趙艷慧，劉 廣，孫九林，3＊

（1陜西師范大學(xué)旅游與環(huán)境學(xué)院，陜西西安710119；2陜西師范大學(xué)網(wǎng)絡(luò)信息中心，陜西西安710119；3中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京100101）

基于微博的西安市交通擁堵狀況時(shí)空分布研究

陳宏飛1，張心萍1，趙艷慧1，劉 廣2，孫九林1，3＊

（1陜西師范大學(xué)旅游與環(huán)境學(xué)院，陜西西安710119；2陜西師范大學(xué)網(wǎng)絡(luò)信息中心，陜西西安710119；3中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京100101）

通過自主開發(fā)的數(shù)據(jù)抓取軟件獲得西安市新浪微博數(shù)據(jù)，利用文本分析篩選出表達(dá)交通擁堵的微博數(shù)據(jù)，通過多時(shí)間尺度分析，得到交通擁堵的月、周內(nèi)和日分布規(guī)律；經(jīng)過ArcGIS 10.2的點(diǎn)密度分析工具計(jì)算及可視化處理，得到交通擁堵的空間分布規(guī)律。結(jié)果表明：在時(shí)間上，交通擁堵與居民工作日通勤、節(jié)假日外出等有密切聯(lián)系；在空間上，交通擁堵與商業(yè)區(qū)、學(xué)校等人流量密集區(qū)域等因素有密切關(guān)系。研究證明了利用社交媒體數(shù)據(jù)研究城市交通擁堵問題的可行性。

微博；西安市；交通擁堵；時(shí)空分布

目前，我國(guó)正處在城市化進(jìn)程的關(guān)鍵時(shí)期，隨著城市規(guī)模擴(kuò)大，城市人口、車輛的增加，交通擁堵問題越來越顯現(xiàn)，由此也引發(fā)了增加社會(huì)成本、環(huán)境污染等諸多問題。加里·貝克爾研究發(fā)現(xiàn)全球每年因擁堵造成的損失占GDP的2.5%［1］；就我國(guó)而言，全國(guó)范圍內(nèi)因交通擁堵造成的損失大約為1 700億元／年［2］。由于城市發(fā)展的不平衡性，城市道路交通狀態(tài)在空間上的分布具有差異性；由于人們?cè)诓煌臅r(shí)間具有不同的出行需求，城市交通狀態(tài)在時(shí)間上的分布也具有差異性［3］。對(duì)重點(diǎn)擁堵路段的治理是緩解交通擁堵問題的關(guān)鍵。交通擁堵可分為偶發(fā)性擁堵和常發(fā)性擁堵［4］，常發(fā)性擁堵是可以預(yù)測(cè)的，它也是緩堵治理的重中之重［5］。因此，獲取和掌握城市道路交通擁堵狀態(tài)的時(shí)空分布特點(diǎn)和規(guī)律成為出行者和交通規(guī)劃管理者都比較關(guān)注的問題，它也是進(jìn)行交通擁堵原因分析、城市交通規(guī)劃、交通調(diào)控的重要基礎(chǔ)。

交通擁堵的時(shí)空分布研究，首先需進(jìn)行交通擁堵點(diǎn)的檢測(cè)，然后通過較長(zhǎng)時(shí)間數(shù)據(jù)的積累和分析實(shí)現(xiàn)時(shí)空分布研究。針對(duì)擁堵點(diǎn)的檢測(cè)，以往研究中主要通過以下三種方法實(shí)現(xiàn)：利用計(jì)算機(jī)圖像識(shí)別技術(shù)，通過道路視頻監(jiān)控對(duì)交通擁堵點(diǎn)進(jìn)行自動(dòng)識(shí)別［6－8］；利用GPS定位技術(shù)，通過對(duì)監(jiān)測(cè)車輛運(yùn)行速度、行駛時(shí)間的分析對(duì)交通擁堵的檢測(cè)［9－10］；通過實(shí)際調(diào)查或問卷形式對(duì)交通擁堵的確定［11－14］。

交通擁堵無明確定義，主要是人們的一種心理感受［15］。對(duì)交通狀態(tài)判斷是否準(zhǔn)確，最直觀的驗(yàn)證依據(jù)正是人對(duì)交通狀況的感受。因此，交通狀態(tài)的評(píng)價(jià)，必須結(jié)合人的親身感受［16］。實(shí)際調(diào)查或問卷調(diào)查的方式本質(zhì)上也是通過人的感受評(píng)價(jià)交通狀況。

近年來，通過大數(shù)據(jù)、數(shù)據(jù)挖掘，并運(yùn)用新地理信息技術(shù)和方法論對(duì)新興領(lǐng)域進(jìn)行探索成為地理學(xué)研究的新方向［17］。社交媒體主要包括社交網(wǎng)站、微博、微信、博客、論壇、播客等形式，其最大的特點(diǎn)在于廣大互聯(lián)網(wǎng)用戶的參與性。國(guó)外有部分學(xué)者通過社交媒體的手段來研究道路交通狀況。Kosala和Adi［18］通過對(duì)Twitter中交通信息的提取，開發(fā)出一套用于監(jiān)測(cè)雅加達(dá)交通實(shí)時(shí)信息的系統(tǒng)。Sakaki等［19］提出了一種將社交媒體作為社會(huì)傳感器，通過對(duì)Twitter微博數(shù)據(jù)進(jìn)行語義分析，從而檢測(cè)出交通擁堵狀況及發(fā)生位置的方法，研究表明交通擁堵檢測(cè)準(zhǔn)確率為87%，位置檢測(cè)準(zhǔn)確率為85%。

微博的廣泛使用為社交媒體大數(shù)據(jù)提供了一個(gè)重要來源。微博用戶可以分享個(gè)人的日常生活、情感等與個(gè)人活動(dòng)有關(guān)的信息［20－21］。每條微博信息中都有發(fā)布時(shí)間、發(fā)布內(nèi)容、發(fā)布者等信息，同時(shí)用戶使用簽到功能發(fā)布的微博還包含發(fā)布時(shí)用戶所在地點(diǎn)的經(jīng)緯度坐標(biāo)。因此，通過分析相應(yīng)的微博信息，可以得出微博用戶在何時(shí)何地進(jìn)行什么活動(dòng)。同時(shí)通過微博信息內(nèi)容分析可以得到熱點(diǎn)社會(huì)事件及自然事件。因此，國(guó)外有關(guān)學(xué)者又將社交媒體稱之為社會(huì)傳感器（Social Sensor）［22］。

本文基于新浪微博簽到數(shù)據(jù)，通過對(duì)微博正文的文本分析篩選出表達(dá)擁堵的微博數(shù)據(jù)，從而分析交通擁堵的時(shí)間和空間規(guī)律。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

通過新浪微博API接口，利用研究團(tuán)隊(duì)自主開發(fā)的抓取軟件抓取了西安市以鐘樓（34.260 940°N，108.942 292°E）為圓心，半徑為11 132m的西安市微博簽到數(shù)據(jù)。該區(qū)域基本涵蓋西安市三環(huán)以內(nèi)大部分區(qū)域。對(duì)于獲得的數(shù)據(jù)保留經(jīng)緯度坐標(biāo)、發(fā)布時(shí)間、內(nèi)容等字段。數(shù)據(jù)抓取時(shí)間區(qū)間為2013年7月3日至2014年7月2日（其中2013年10月19日、11月1日、11月2日因設(shè)備故障未抓取到數(shù)據(jù)），共獲得微博數(shù)據(jù)5 219 643條。

1.2 數(shù)據(jù)處理方法

將抓取到的數(shù)據(jù)經(jīng)過結(jié)構(gòu)化處理，存儲(chǔ)在SQL Server2008數(shù)據(jù)庫(kù)中。根據(jù)項(xiàng)目組預(yù)研結(jié)果，西安市居民在微博中主要以“堵車”、“堵死了”等詞匯描述交通擁堵狀況。因此，在數(shù)據(jù)處理中，先以包含關(guān)鍵字“堵”進(jìn)行初步篩選，共篩選出微博20 083條。對(duì)這些微博內(nèi)容經(jīng)過人工判讀，去除包含諸如“心里堵得慌”、“下水道堵了”等沒有表達(dá)交通擁堵狀況的微博數(shù)據(jù)，最后得到表達(dá)交通擁堵狀況的微博19 551條。篩選后的部分微博數(shù)據(jù)見表1。

表1 表達(dá)擁堵的微博數(shù)據(jù)示例Tab.1 Samples of micro－blog data about congestion

1.3 研究方法

將表達(dá)擁堵的微博視為在經(jīng)緯度坐標(biāo)標(biāo)識(shí)處、在發(fā)布時(shí)間時(shí)報(bào)告一次交通擁堵，把處理后表達(dá)擁堵的微博數(shù)據(jù)根據(jù)經(jīng)緯度坐標(biāo)通過ArcGIS10.2導(dǎo)入到西安市地圖上，然后對(duì)擁堵微博點(diǎn)進(jìn)行點(diǎn)密度分布計(jì)算。

并將計(jì)算結(jié)果通過自然分級(jí)法分為高、中、低3類區(qū)域，本文將包含在高分值區(qū)域的道路定義為易擁堵路段，將包含在中、低分值區(qū)域的道路定義為一般道路。

2 結(jié)果與分析

2.1 交通擁堵時(shí)間分布規(guī)律

將表達(dá)擁堵的微博數(shù)按月統(tǒng)計(jì)（見圖1），發(fā)現(xiàn)9月份、10月份是最易發(fā)生擁堵的月份，表達(dá)交通擁堵的微博數(shù)分別是3 068條和2 751條；2月份是最不易擁堵的月份。

將表達(dá)擁堵微博數(shù)逐日統(tǒng)計(jì)（見圖2），表達(dá)擁堵的微博數(shù)超過200條的分別是2013年9月2日、9月18日、10月1日、10月2日、10月3日、11月22日和12月24日。其中最擁堵的一天是9月18日，即中秋節(jié)小長(zhǎng)假放假前一天；9月2日為星期一，是西安市中小學(xué)秋季開學(xué)第一天；10月1日、10月2日、10月3日為國(guó)慶節(jié)小長(zhǎng)假前三天；11月22日為星期五且有小雨；12月24日為平安夜。

圖1 擁堵微博數(shù)的月份分布Fig.1 Distribution of micro－blog data about congestion by month

圖2 擁堵微博數(shù)的日期分布Fig.2 Distribution of micro－blog data about congestion by day

分別對(duì)2013年9月2日、9月18日、9月30日、10月1日、10月2日、10月3日和12月24日的擁堵微博數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，將其分別與一年來對(duì)應(yīng)時(shí)段擁堵微博數(shù)的平均值相除，得到擁堵微博倍數(shù)如圖3所示。可以得出，2013年9月2日擁堵主要發(fā)生在早高峰時(shí)段，持續(xù)時(shí)間較短，但擁堵程度非常強(qiáng)；9月18日擁堵主要發(fā)生在晚高峰時(shí)段，且從14點(diǎn)開始一直延續(xù)至20點(diǎn)，在18點(diǎn)左右達(dá)到峰值；9月30日擁堵主要發(fā)生在晚高峰時(shí)段，主要集中在16至19點(diǎn)；10月1日、10月2日、10月3日擁堵情況基本相同，早晚高峰時(shí)段與每日擁堵平均值基本相同，主要擁堵時(shí)段發(fā)生在11點(diǎn)至13點(diǎn)及20點(diǎn)之后。其中10月1日在16點(diǎn)也有一次擁堵高峰；12月24日擁堵主要發(fā)生在中午時(shí)段，集中在11—16點(diǎn)。

圖3 主要擁堵日擁堵微博倍數(shù)統(tǒng)計(jì)Fig.3 Micro－blog data about congestion in main congestion days

對(duì)每周七天數(shù)據(jù)進(jìn)行統(tǒng)計(jì)（見圖4），一周內(nèi)最不易擁堵的為星期天，最易擁堵的為星期一，其次為星期五；星期二、星期三、星期四、星期六情況基本相同。

圖4 擁堵微博數(shù)按星期統(tǒng)計(jì)Fig.4 Number of micro－blog data about congestion by week

居民出行具有早、晚出行高峰的特點(diǎn)，將每周七天的早晚高峰時(shí)段表達(dá)擁堵的微博數(shù)據(jù)按照10min為周期進(jìn)行統(tǒng)計(jì)。在每周當(dāng)中，早高峰時(shí)段擁堵情況最易發(fā)生出現(xiàn)在星期一，且擁堵持續(xù)時(shí)間最長(zhǎng)；星期二、星期三、星期四、星期五早高峰發(fā)生擁堵的基本規(guī)律與持續(xù)時(shí)間基本相同；星期六、星期天早高峰沒有出現(xiàn)較為明顯的擁堵微博數(shù)量急劇上升的情況。

在晚高峰時(shí)段中，擁堵最易發(fā)生在星期五，且擁堵持續(xù)時(shí)間最長(zhǎng)，最擁堵時(shí)刻在18點(diǎn)40分左右；星期一、星期二、星期三、星期四較易發(fā)生擁堵，高峰擁堵時(shí)刻出現(xiàn)在18點(diǎn)30分左右；星期六、星期天沒有出現(xiàn)較為明顯的擁堵微博數(shù)量急劇上升的情況。

2.2 交通擁堵空間分布規(guī)律

根據(jù)預(yù)研結(jié)果，非節(jié)假日的早晚高峰擁堵狀況有較強(qiáng)的規(guī)律性，而非早晚高峰期間擁堵分布具有較大的偶然性。因此，將非節(jié)假日早晚高峰擁堵微博數(shù)據(jù)通過ArcGIS 10.2中的點(diǎn)密度分析工具進(jìn)行可視化分析，按自然分級(jí)方法分為3級(jí)，在分析結(jié)果中將最易擁堵的早高峰、晚高峰路段進(jìn)行篩選，分析結(jié)果如圖5。

從擁堵路段來看，早晚高峰易擁堵路段有：解放路（東八路至火車站段）及環(huán)城北路東段、北大街（蓮湖路十字至北門段及東西向附近的西七路、西五路、蓮湖路等）、尚德路（東大街至東新街段）、南門附近、和平路（和平門至西六道巷段）、太白北路（太白北路與友誼西路十字段）、高新路（科技路十字至南二環(huán)桃園橋立交段）、小寨十字、西灃路（繞城高速入口處）等18處。按易擁堵路段集中程度來看，早晚高峰發(fā)生的路段集中在鐘樓商圈（明城墻內(nèi)）、高新商圈、小寨商圈等主要商業(yè)聚集區(qū)。以城墻內(nèi)交通擁堵最為密集，其次為高新商圈。早高峰與晚高峰易擁堵路段重疊區(qū)域極高，說明早晚高峰擁堵路段基本一致。早高峰相對(duì)晚高峰，擁堵路段范圍更大。

圖5 西安市早晚高峰交通擁堵空間分布Fig.5 The spatial distribution of congestion in Xi'an city in morning and evening rush hours

2.3 結(jié)果對(duì)比驗(yàn)證

根據(jù)高德地圖2014年8月24日發(fā)布的《2014年第二季度中國(guó)主要城市交通分析報(bào)告》［25］及對(duì)西安市十大擁堵路段分析結(jié)果對(duì)比發(fā)現(xiàn)，高德地圖分析得到西安市2014年第二季度十大擁堵路段為西二環(huán)路（洛門路到豐登南路段）、東二環(huán)路（辛家廟盤道到華清路立交段）、太白北路（太白立交到豐慶路段）、二環(huán)南路東段（沙坡盤道到長(zhǎng)安路立交段）、二環(huán)南路西段（豐登南路到長(zhǎng)安路立交段）、環(huán)城北路東段（太華立交到安遠(yuǎn)門橋段）、太白南路（丈八東路到太白立交段）、西二環(huán)路（豐登南路到洛門路段）、環(huán)城南路東段（南門環(huán)島到咸寧西路段）、長(zhǎng)安南路（雁環(huán)路到雁塔西路段）。其中，環(huán)城北路東段、環(huán)城南路東段、西二環(huán)路（雙向）、二環(huán)南路西段、太白北路、太白南路7處路段與早晚高峰擁堵分布基本一致。這7處路段均包含在早晚高峰擁堵分布圖中的對(duì)應(yīng)極易擁堵路段中。此外，結(jié)合西安市交通管理局2014年部分同期月份交通運(yùn)行情況通告，9月份中小學(xué)開學(xué)、中秋小長(zhǎng)假等因素影響，市區(qū)交通流量增長(zhǎng)明顯，早晚高峰部分路段交通壓力較大［26］；國(guó)慶節(jié)前三天交通流量最高［27］、晚高峰主要集中于17：30—19：30［28］等特點(diǎn)均與本研究中的交通擁堵時(shí)間分布規(guī)律一致，因此，本研究中涉及的交通擁堵時(shí)空分布規(guī)律與相關(guān)研究及交通擁堵實(shí)際情況具有較高的一致性。

3 討論

城市交通擁堵的原因有多方面，主要原因在于特定時(shí)空下供給小于需求所致，主要體現(xiàn)在以下幾個(gè)方面：

（1）機(jī)動(dòng)車保有量的迅猛發(fā)展是城市交通擁堵的主要原因。2010年西安市機(jī)動(dòng)車保有量為119萬輛，僅用4年時(shí)間，2014年7月3日，西安市機(jī)動(dòng)車保有量突破200萬輛大關(guān)［29］。機(jī)動(dòng)車保有量的急劇增加使得城市道路供需矛盾更加突出［30］，交通擁堵發(fā)生概率極大增加。

（2）城市布局、傳統(tǒng)商圈、公共事業(yè)單位密集區(qū)對(duì)交通擁堵空間分布影響巨大。傳統(tǒng)商圈為居民出行主要區(qū)域，人流、車流密集。鐘樓、小寨、高新等商圈都有相應(yīng)路段屬于極易擁堵路段。尤其是鐘樓商圈，由于城墻形成的相對(duì)封閉空間以及該區(qū)域在西安市發(fā)展過程中集中了商業(yè)、住宅、行政、旅游等功能，使得鐘樓商圈范圍內(nèi)極易發(fā)生擁堵。學(xué)校聚集區(qū)是影響交通擁堵的主要原因之一［31］。北大街（蓮湖路十字至北門段）及后宰門、西七路區(qū)域集中了1所幼兒園（實(shí)驗(yàn)幼兒園）、3所小學(xué)（新知小學(xué)、育英小學(xué)、后宰門小學(xué)）、2所中學(xué)（八十九中、愛知中學(xué)），成為早晚高峰擁堵主要路段之一；高新路沿線有高新一小、高新一中、高新一幼，與高新區(qū)早高峰上班族集中出行疊加，使得此路段也為早晚高峰擁堵主要路段之一。

（3）節(jié)假日出行、工作日通勤等居民集中出行需求對(duì)交通擁堵時(shí)間分布影響巨大。開學(xué)季與較為密集的小長(zhǎng)假因素疊加，使得9月份、10月份為一年中最易發(fā)生擁堵的月份；春節(jié)長(zhǎng)假，受傳統(tǒng)習(xí)俗影響，外來人員回家探親及絕大部分企事業(yè)單位放假，使得2月份為一年當(dāng)中交通擁堵壓力最小的月份。部分節(jié)假日出行對(duì)交通擁堵影響巨大，影響交通擁堵最主要的節(jié)日為中秋節(jié)，交通擁堵體現(xiàn)在中秋節(jié)放假前一天下午，具體擁堵開始于14點(diǎn)，持續(xù)到20點(diǎn)，主要原因在于中秋節(jié)前一天下午回家探親或出行影響。其次影響較大的為國(guó)慶小長(zhǎng)假，放假前一天下午及長(zhǎng)假前3天影響較大；長(zhǎng)假前3天交通擁堵主要體現(xiàn)在11點(diǎn)至13點(diǎn)及20點(diǎn)之后，原因在于小長(zhǎng)假期間較為集中的上午出行，晚上返程因素影響。另外，平安夜對(duì)交通擁堵影響也比較大，具體影響為當(dāng)天從11點(diǎn)至16點(diǎn)，由于采取交通管制［32］，使得19點(diǎn)之后交通擁堵狀況與平日基本相同。除此之外的清明節(jié)、勞動(dòng)節(jié)、端午節(jié)對(duì)交通擁堵影響不是太大。從工作日來看，早晚上下班期間相對(duì)集中的通勤出行對(duì)交通擁堵影響明顯，周一早高峰和周五晚高峰為上下班因素影響交通擁堵較大的時(shí)段，以周一早高峰擁堵最為嚴(yán)重。

（4）其他因素同樣對(duì)交通擁堵的時(shí)空分布有著重要影響。中小學(xué)開學(xué)第一天對(duì)交通擁堵影響較大；另外，持續(xù)晴朗之后的雨雪天氣對(duì)交通擁堵影響也較大。值得注意的是，多因素的疊加會(huì)明顯影響交通擁堵狀況。2013年9月2日為中小學(xué)開學(xué)第一天，同時(shí)為星期一，當(dāng)日交通擁堵狀況嚴(yán)重；2013年11月22日為星期五，且受多日晴朗之后的降雨影響使得當(dāng)天為一年內(nèi)交通擁堵較為嚴(yán)重的一天。此外，車輛隨意停放、道路圍擋施工也是影響交通擁堵的主要原因之一。尚德路雖不是城市主干道，但長(zhǎng)期存在車輛隨意停放現(xiàn)象［33］，導(dǎo)致?lián)矶卢F(xiàn)象嚴(yán)重。和平門、高新路均存在地鐵圍擋施工，致使此處路段擁堵情況同樣嚴(yán)重。

4 結(jié)論與展望

（1）西安市交通擁堵狀況呈現(xiàn)出一定的時(shí)間規(guī)律。9月份、10月份是1年中交通擁堵最嚴(yán)重的月份；一周當(dāng)中工作日早晚高峰交通擁堵明顯，周一早高峰和周五晚高峰相對(duì)更易發(fā)生交通擁堵。中秋節(jié)、國(guó)慶節(jié)、平安夜等節(jié)假日以及中小學(xué)集中開學(xué)對(duì)交通擁堵影響較大。

（2）西安市交通擁堵狀況呈現(xiàn)出一定的空間規(guī)律。明城墻內(nèi)主城區(qū)、高新區(qū)、小寨商圈擁堵情況較為嚴(yán)重；學(xué)校、醫(yī)院聚集區(qū)擁堵嚴(yán)重。

（3）導(dǎo)致交通擁堵的原因眾多。上下班通勤、節(jié)假日出行、接送學(xué)生上下學(xué)等因素是影響交通擁堵時(shí)間分布的主要原因；城市格局、商業(yè)聚集度、公共服務(wù)單位的分布是影響交通擁堵空間分布的主要原因；此外，天氣、道路施工、不良的停車習(xí)慣等其他因素也在一定時(shí)間、一定范圍內(nèi)對(duì)交通擁堵造成影響。

城市交通擁堵是目前我國(guó)許多城市面臨的問題，結(jié)合多種技術(shù)手段，從不同角度對(duì)這一問題進(jìn)行研究探討，有利于城市規(guī)劃、交通規(guī)劃、交通調(diào)控工作，從而緩解交通擁堵壓力。由于微博發(fā)布的實(shí)時(shí)性、實(shí)地性，通過微博內(nèi)容篩選的辦法可以較好地進(jìn)行城市交通擁堵監(jiān)測(cè)，通過一定時(shí)段數(shù)據(jù)統(tǒng)計(jì)能反映城市范圍內(nèi)的交通擁堵時(shí)空分布狀況，可以作為城市交通擁堵問題研究的手段之一。但本文使用的微博文本篩選方法較為簡(jiǎn)單，沒有涉及具體語義分析，無法反映某一次具體擁堵發(fā)生的持續(xù)時(shí)間、擁堵強(qiáng)度等問題，后續(xù)研究中將在此方面加以彌補(bǔ)與改進(jìn)。

［1］孫莉芬.城市交通擁擠疏導(dǎo)決策支持系統(tǒng)的研究［D］.武漢：華中科技大學(xué)建筑與城市規(guī)劃學(xué)院，2005.

［2］馮相昭，鄒驥，郭光明.城市交通擁堵的外部成本估算［J］.環(huán)境與可持續(xù)發(fā)展，2009，34（3）：1－4.

［3］茍錫榮.基于GPS浮動(dòng)車的城市交通狀態(tài)時(shí)空分布規(guī)律研究［D］.昆明：昆明理工大學(xué)國(guó)土資源工程學(xué)院，2013.

［4］陳楠楠，周彤梅.緩解快速路常發(fā)性交通擁堵的對(duì)策研究［J］.中國(guó)人民公安大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，16（1）：83－86.

［5］何巍楠.基于浮動(dòng)車數(shù)據(jù)的城市常發(fā)性交通擁堵時(shí)空分布特征研究［D］.北京：北京交通大學(xué)交通運(yùn)輸學(xué)院，2012.

［6］李佳，嚴(yán)余松.基于圖像的交通擁堵狀態(tài)識(shí)別系統(tǒng)的實(shí)現(xiàn)［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32（4）：1366－1369.

［7］佘永業(yè)，趙力萱，羅東華，等.一種交通擁堵自動(dòng)檢測(cè)方法［J］.計(jì)算機(jī)與現(xiàn)代化，2013（11）：28－33.

［8］Porikli F，Li X.Traffic congestion estimation using HMM models without vehicle tracking［C］.IEEE.Intelligent Vehicles Symposium，2004：188－193.

［9］陳青.基于GPS浮動(dòng)車的城市道路交通狀態(tài)判別技術(shù)研究［D］.西安：長(zhǎng)安大學(xué)電子與控制工程學(xué)院：自然科學(xué)版，2009.

［10］孫晴，王清華.基于路段行程時(shí)間的道路交通狀態(tài)判別方法［J］.長(zhǎng)江大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，5（4）：143－145.

［11］王安琪，關(guān)宇辰，張曉棠，等.北京市西三環(huán)地區(qū)道路交通狀況時(shí)空分布［J］.首都師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，29（3）：69－73.

［12］王德起，許菲菲.基于問卷調(diào)查的北京市居民通勤狀況分析［J］.城市發(fā)展研究，2010，17（12）：98－105.

［13］王德利，楊青山.北京城區(qū)交通便捷性空間分異特征及問題分析［J］.經(jīng)濟(jì)地理，2012，32（10）：49－55.

［14］石京，菅美英，張文言.接送學(xué)生機(jī)動(dòng)車對(duì)北京道路交通影響研究［J］.武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2014，38（5）：960－964.

［15］邵曉雙，譚德慶.城市交通基礎(chǔ)設(shè)施“公共地悲劇”現(xiàn)象分析［J］.城市發(fā)展研究，2014，21（4）：48－52.

［16］朱廣宇，劉克，喬梁.基于TS模型的交通狀態(tài)自適應(yīng)神經(jīng)模糊推理系統(tǒng)建模與仿真［J］.北京交通大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，36（6）：96－101.

［17］郭慧泉，張國(guó)友，何書金.近年來美國(guó)地理學(xué)研究熱點(diǎn)問題［J］.地理研究，2013，32（7）：1375－1377.

［18］Kosala R，Adi E.Harvesting real time traffic information from twitter［J］.Procedia Engineering，2012，50：1－11.

［19］Sakaki T，Matsuo Y，Yanagihara T，et al.Real－time event extraction for driving information from social sensors［C］.IEEE.Cyber Technology in Automation，Control，and Intelligent Systems（CYBER），2012：221－226.

［20］中國(guó)新聞網(wǎng).新浪微博登陸納斯達(dá)克 曹國(guó)偉稱市場(chǎng)環(huán)境不太有利［EB／OL］.http：∥www.chinanews.com／it／2014／04－18／6077631.shtml，2014－04－18.

［21］Ryong L，Shoko W，Kazutoshi S.Urban area characterization based on crowd behavioral lifelogs over Twitter［J］.Personal and Ubiquitous Computing，2013，17（4）：605－620.

［22］Sakaki T，Okazaki M，Matsuo Y.Earthquake shakes Twitter users：Real－time event detection by social sensors［C］.Proceedings of the 19th international conference on World Wide Web.ACM，2010：851－860.

［23］Silverman B W.Density estimation for statistics and data analysis［M］.New York：Chapman and Hall，1986：13－18.

［24］Esri.ArcGIS 10.2幫助［EB／OL］.http：／／resources. arcgis.com／zh－cn／help／main／10.2／index.html＃／na／009z00000013000000／，2014－05－10.

［25］西安華商網(wǎng)絡(luò)傳媒有限公司.西安十大擁堵路段出爐別以為沒進(jìn)十大堵城就不堵［EB／OL］.http：／／news. hsw.cn／system／2014／08／26／052006270.shtml，2014－08－26.

［26］西安市公安局交通管理局.2014年9月交通運(yùn)行情況［EB／OL］.http：／／www.xianjj.com／jjcontent.jsp？urltype＝news.NewsContentUrl＆wbtreeid＝10981＆wbnewsid＝14537，2014－10－09.

［27］西安市公安局交通管理局.2014年10月交通運(yùn)行情況［EB／OL］.http：／／www.xianjj.com／jjcontent.jsp？urltype＝news.NewsContentUrl＆wbtreeid＝10981＆wbnewsid＝14963，2014－12－05.

［28］西安市公安局交通管理局.2014年12月全市交通運(yùn)行情況［EB／OL］.http：／／www.xianjj.com／jjcontent.jsp？urltype＝news.NewsContentUrl＆wbtreeid＝10981＆wbnewsid＝15183，2015－01－13.

［29］陜西傳媒網(wǎng).昨日西安機(jī)動(dòng)車保有量突破二百萬輛［EB／OL］.http：／／www.sxdaily.com.cn／n／2014／0704／c266－5463916.html，2014－07－04.

［30］劉治彥，岳曉燕，趙睿.我國(guó)城市交通擁堵成因與治理對(duì)策［J］.城市發(fā)展研究，2011，18（11）：90－96.

［33］陸化普，張永波，王芳.中小學(xué)周邊交通擁堵對(duì)策與通學(xué)路系統(tǒng)規(guī)劃設(shè)計(jì)研究［J］.城市發(fā)展研究，2014，21（5）：91－95.

［32］鳳凰網(wǎng).圣誕平安夜西安部分地區(qū)交通管制多條公交線繞行［EB／OL］.http：／／sn.ifeng.com／shanxidifangzixun／xian／detail＿2013＿12／24／1632313＿0.shtml，2013－12－24.

［33］西部網(wǎng).尚德路、西新街、尚樸路車輛亂停亂放現(xiàn)象依舊［EB／OL］.http：／／news.cnwest.com／content／2014－03／21／content＿10898432.htm，2014－03－21.

〔責(zé)任編輯 程琴娟〕

Study on spatio－temporal distribution of Xi'an traffic congestion based on micro－blog

CHEN Hongfei1，ZHANG Xinping1，ZHAO Yanhui1，LIU Guang2，SUN Jiulin1，3＊
（1School of Tourism and Environment Sciences，Shaanxi Normal University，Xi'an 710119，Shaanxi，China；2Network Information Center，Shaanxi Normal University，Xi'an 710119，Shaanxi，China；3Institute of Geographical Science and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China）

Sina micro－blog data of Xi'an city in the past year was obtained by self－developed data ripping software，and the micro－blog data that expressing traffic congestion was selected by text analysis.Through multiple time scales analysis，the distribution of traffic congestion in the month，week and day were obtained.By using dot density analysis tool and visual processing in ArcGIS 10.2，the spatial distribution of traffic jams were obtained.The results show that，in time scales traffic congestion has the closest connection with residents weekday commuting，holiday travelling，etc.and in space scales，traffic congestion has the closest connection with commercial areas，schools and other high traffic density areas.The study proved that the feasibility of using social media data to study the urban traffic congestion.

micro－blog；Xi'an city；traffic congestions；spatio－temporal distribution

F294.3

：A

1672－4291（2015）06－0083－06

10.15983／j.cnki.jsnu.2015.06.463

2015－05－11

國(guó)家自然科學(xué)基金（41001077）；陜西師范大學(xué)院士創(chuàng)新項(xiàng)目（999521）

陳宏飛，男，講師，博士研究生，主要研究方向?yàn)樯缃幻襟w大數(shù)據(jù)。E－mail：chenhongfei＠snnu.edu.cn

＊通信作者：孫九林，男，研究員，中國(guó)工程院院士。E－mail：sunjl＠igsnrr.ac.cn