劉匯慧，闞子涵，吳華意，唐爐亮

(1. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 2. 武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢 430079)

車(chē)輛GPS軌跡加油行為建模與時(shí)空分布分析

劉匯慧1,2，闞子涵1，吳華意1，唐爐亮1

(1. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 2. 武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢 430079)

車(chē)輛加油行為不僅反映了能源的消耗和補(bǔ)充情況，同時(shí)也是能源需求和能源配置的重要指標(biāo)，傳統(tǒng)基于小樣本問(wèn)卷的加油行為調(diào)查方法無(wú)法揭示城市宏觀加油行為的時(shí)空分布特征。本文采用時(shí)空GPS軌跡大數(shù)據(jù)，對(duì)城市加油行為進(jìn)行了描述與建模，并分析了其時(shí)空分布規(guī)律。該方法采用車(chē)輛與道路距離、平均速度、時(shí)間間隔、軌跡點(diǎn)間距4個(gè)指標(biāo)，對(duì)加油行為進(jìn)行了描述并建模；分析了在一定時(shí)間間隔采樣下，加油行為軌跡4個(gè)指標(biāo)的具體時(shí)空特征；最后以武漢市出租車(chē)GPS軌跡數(shù)據(jù)為例，探測(cè)并分析了武漢市出租車(chē)加油行為與時(shí)空分布規(guī)律。試驗(yàn)結(jié)果表明，本文方法可有效探測(cè)和分析城市加油行為，并能夠揭示能源空間配置低效情況。

加油行為；行為建模；GPS軌跡；時(shí)空分布

加油行為反映了城市能源的消耗和補(bǔ)充，是度量能源需求和城市能源配置效率的重要指標(biāo)。對(duì)車(chē)輛的加油行為進(jìn)行建模并探測(cè)其時(shí)空分布，有利于深入理解群體對(duì)能源的需求，并揭示能源空間配置低效情況。

目前已有關(guān)于加油行為的研究主要是將加油行為作為因子，進(jìn)行加油站[1-4]或充電樁[5]的選址優(yōu)化、計(jì)算加油車(chē)的最優(yōu)調(diào)度[6]、分析能源經(jīng)濟(jì)[7]等，而對(duì)車(chē)輛加油行為本身進(jìn)行建模和分析的研究較少。目前分析車(chē)輛加油行為仍主要通過(guò)調(diào)查問(wèn)卷的方法[8-10]，該方法雖然能夠提供關(guān)于加油行為具體的信息，但是由于樣本容量小，無(wú)法支持宏觀尺度上對(duì)加油行為的感知，也不能探測(cè)出群體加油行為的時(shí)空分布規(guī)律。Zhang等[11]利用GPS數(shù)據(jù)探測(cè)了出租車(chē)加油事件，但缺乏對(duì)加油事件時(shí)空分布特征和分布模式的分析。

由車(chē)輛軌跡數(shù)據(jù)等構(gòu)成的位置大數(shù)據(jù)為地理信息科學(xué)(GIS)帶來(lái)了新的機(jī)遇和挑戰(zhàn)[12-13]。然而，由于GPS軌跡數(shù)據(jù)只記錄了時(shí)相與位置信息，目前仍面臨著軌跡數(shù)據(jù)豐富但活動(dòng)信息匱乏的困境[14]，從軌跡數(shù)據(jù)中挖掘環(huán)境變化和人類(lèi)活動(dòng)成為當(dāng)今的研究熱點(diǎn)。目前基于時(shí)空GPS軌跡的研究能夠較好地挖掘城市交通動(dòng)態(tài)[15-17]和人類(lèi)活動(dòng)[18-22]知識(shí)。然而目前對(duì)人類(lèi)行為的研究仍存在關(guān)注移動(dòng)行為、忽略停留期間行為的問(wèn)題[23]。車(chē)輛加油行為是一種重要的停留行為，本文將采用時(shí)空GPS軌跡大數(shù)據(jù)對(duì)城市加油行為進(jìn)行分析和建模，以武漢市出租車(chē)GPS軌跡數(shù)據(jù)為例，探測(cè)出武漢市出租車(chē)加氣行為，并分析加氣行為的時(shí)空分布特征。

一、基于時(shí)空GPS軌跡的車(chē)輛加油行為建模

本文中車(chē)輛加油行為是指駛?cè)爰佑驼尽＼?chē)加油—駛離加油站的過(guò)程。加油行為的一個(gè)重要特征是停車(chē)熄火，即加油過(guò)程中保持GPS接收和發(fā)射信號(hào)位置不變，因此車(chē)輛群體加油行為在GPS軌跡中整體表現(xiàn)為軌跡點(diǎn)在加油站周?chē)木奂Ｊ?。?duì)于車(chē)輛個(gè)體，在加油過(guò)程中由于GPS裝置處于停止工作狀態(tài)，因此不返回?cái)?shù)據(jù)。當(dāng)加油完成后車(chē)輛啟動(dòng)并恢復(fù)供電，此時(shí)車(chē)內(nèi)GPS裝置開(kāi)始工作并返回?cái)?shù)據(jù)。整個(gè)過(guò)程中只在加油斷電前和通電后留下兩個(gè)軌跡點(diǎn)，且這兩個(gè)軌跡點(diǎn)之間時(shí)間間隔較大，大于等于加油行為的持續(xù)時(shí)間。本文通過(guò)分析車(chē)輛加油過(guò)程中GPS軌跡的時(shí)間、空間、速度等特征，采用車(chē)輛與道路距離、平均速度、時(shí)間間隔、軌跡點(diǎn)間距4個(gè)指標(biāo)描述加油行為并建模。車(chē)輛加油行為的軌跡特征如圖1所示。

圖1 車(chē)輛加油過(guò)程行為軌跡

定義GPS軌跡的道路距離、平均速度、時(shí)間間隔、軌跡點(diǎn)間距4個(gè)指標(biāo)作為加油行為的特征。

1) 道路距離d_road。根據(jù)規(guī)定，加油站與城市主干路、次干路和支路的距離應(yīng)不小于10～12 m[24]。加油行為發(fā)生在加油站覆蓋范圍之內(nèi)，因此加油行為中車(chē)輛與道路的關(guān)系為：在道路上行駛—偏離道路進(jìn)入加油站—駛離加油站回到道路上。車(chē)輛與道路距離以d_road表示，如圖1所示。

2) 平均速度v。車(chē)輛加油行為的前后過(guò)程為：在道路上正常行駛—減速進(jìn)入加油站—停車(chē)加油—加速駛離加油站—回到道路上正常行駛，對(duì)應(yīng)車(chē)輛平均速度先減小到接近為零再增加，平均速度為

vi=D(Pi+1-Pi)/(Ti+1-Ti)

(1)

式中，D(Pi+1-Pi)表示相鄰軌跡點(diǎn)Pi+1和Pi之間的歐氏距離；Ti+1和Ti分別表示軌跡點(diǎn)Pi+1和Pi的返回時(shí)間。

3) 時(shí)間間隔time_interval。由于車(chē)輛加油過(guò)程中GPS無(wú)回傳數(shù)據(jù)，因此加油停車(chē)前后相鄰兩個(gè)軌跡點(diǎn)之間的時(shí)間間隔要大于正常行駛時(shí)相鄰軌跡點(diǎn)之間的時(shí)間間隔(如40 s)。調(diào)查表明，加油停車(chē)一般持續(xù)在180 s以上，因此可將車(chē)輛加油的時(shí)間間隔特征作為識(shí)別加油行為的依據(jù)。車(chē)輛加油的時(shí)間間隔為

(2)

4) 軌跡點(diǎn)間距dist。車(chē)輛加油過(guò)程中由于位置不變，相鄰軌跡點(diǎn)間距應(yīng)小于正常行駛下的軌跡點(diǎn)間距。因此在車(chē)輛減速進(jìn)入加油站—停車(chē)加油—加速駛離加油站的過(guò)程中，軌跡點(diǎn)間距具有先減小再增大的特征。軌跡點(diǎn)間距為

(3)

基于以上分析，定義車(chē)輛加油行為(Refuling Activity,RA)為以上4種特征組成的四元組

二、車(chē)輛加油行為的軌跡特征分析

加油行為前后車(chē)輛快速進(jìn)入加油站停車(chē)加油之后快速駛離，整個(gè)過(guò)程中留下少量GPS軌跡點(diǎn)。加油行為的開(kāi)始和結(jié)束由停車(chē)斷電前后兩個(gè)軌跡點(diǎn)來(lái)描述，根據(jù)車(chē)輛軌跡采樣間隔和停車(chē)前后GPS信號(hào)接收情況，加油行為的起止點(diǎn)與加油站的位置關(guān)系呈現(xiàn)4種模式，如圖2所示。

圖2 加油軌跡點(diǎn)模式

1) 加油行為起點(diǎn)在加油站外，終點(diǎn)在加油站中。車(chē)輛駛?cè)爰佑驼竞筮€未接收到信號(hào)就停車(chē)斷電，此時(shí)起點(diǎn)應(yīng)該是駛?cè)爰佑驼厩暗淖詈笠粋€(gè)軌跡點(diǎn)，加油完成恢復(fù)供電后駛離加油站之前留下第2個(gè)軌跡點(diǎn)。

2) 加油行為起點(diǎn)在加油站中，終點(diǎn)在加油站外。這種情況是車(chē)輛駛?cè)爰佑驼竞罅粝乱粋€(gè)軌跡點(diǎn)之后停車(chē)斷電，恢復(fù)供電之后并沒(méi)有立刻接收到GPS信號(hào)，而是駛離加油站之后留下第2個(gè)軌跡點(diǎn)。

3) 起點(diǎn)和終點(diǎn)都在加油站中。車(chē)輛駛?cè)爰佑驼竞髷嚯娗傲粝乱粋€(gè)軌跡點(diǎn)，恢復(fù)供電后駛離加油站前留下第2個(gè)軌跡點(diǎn)，這種情況下加油行為的起止點(diǎn)都位于加油站中。

4) 起點(diǎn)和終點(diǎn)都在加油站外。車(chē)輛在駛?cè)爰佑驼厩傲粝乱粋€(gè)軌跡點(diǎn)，之后在加油站中并未留下軌跡點(diǎn)就停車(chē)斷電，加油完成恢復(fù)供電后也并未立刻返回GPS信號(hào)，直到車(chē)輛駛離加油站回到道路上才返回第2個(gè)GPS點(diǎn)。

根據(jù)加油行為的起止點(diǎn)與加油站的位置關(guān)系的4種不同情況，車(chē)輛與道路距離、平均速度、時(shí)間間隔、軌跡點(diǎn)間距4個(gè)特征也有相應(yīng)的模式，分別表現(xiàn)為：

1) 道路距離特征d_road。圖2中4種加油模式對(duì)應(yīng)的道路距離特征如圖3所示，其中圖3(a)—(c)中加油行為起止點(diǎn)中至少有一個(gè)點(diǎn)與路網(wǎng)有較大偏移，而圖3(d)中加油行為的道路距離特征則不明顯，應(yīng)結(jié)合其他特征共同判斷是否為加油行為。

2) 平均速度v。加油行為停車(chē)前后車(chē)輛先減速之后再加速，因此平均速度呈現(xiàn)V型特征，并且在行為起止點(diǎn)間速度達(dá)到最低值，如圖4所示，其中點(diǎn)P2的平均速度值代表加油行為P2—P3之間的平均速度。

圖3 加油行為4種模式對(duì)應(yīng)道路距離特征

圖4 加油行為軌跡平均速度

3) 時(shí)間間隔time_interval。加油行為由于在加油站停車(chē)較長(zhǎng)時(shí)間，前后軌跡點(diǎn)時(shí)間間隔在停車(chē)加油處存在一個(gè)峰值，圖5為加油行為軌跡時(shí)間間隔。

圖5 加油行為軌跡時(shí)間間隔

4) 軌跡點(diǎn)間距dist。加油單條軌跡GPS軌跡點(diǎn)之間的距離具有很大的不確定性。加油的軌跡間距的不確定性解釋在兩種極端情況之間，如圖6所示。假設(shè)車(chē)輛GPS接收時(shí)間間隔為40 s，第一種極端情況是車(chē)輛在斷電之前留下一個(gè)GPS軌跡點(diǎn)A，之后繼續(xù)行駛40 s，剛好在下一個(gè)信號(hào)接收時(shí)斷電。在這種情況下加油行為起止點(diǎn)之間車(chē)輛行駛了80 s，如圖6(a)所示，加油行為起止點(diǎn)之間距離大于正常行駛的軌跡點(diǎn)間距。第二種極端情況是，車(chē)輛留下一個(gè)GPS軌跡點(diǎn)A之后立刻斷電，在完成加油并恢復(fù)供電之后立刻回傳第2個(gè)GPS點(diǎn)B，在這種情況下整個(gè)加油行為中車(chē)輛正常行駛0 s，因此軌跡點(diǎn)間距接近于0，如圖6(b)所示。綜上所述，加油行為GPS軌跡點(diǎn)間距在這兩種極端情況之間，實(shí)際中應(yīng)結(jié)合其他3個(gè)指標(biāo)協(xié)同判定是否為加油行為。

圖6 加油行為起止點(diǎn)的兩種極端情況

三、出租車(chē)加氣行為探測(cè)與時(shí)空分布分析

本文中以武漢市出租車(chē)GPS軌跡數(shù)據(jù)源探測(cè)出租車(chē)加氣行為分布，并分析其時(shí)空演化規(guī)律。目前武漢市共有出租車(chē)接近2萬(wàn)輛，采用天然氣作為能源保持日常運(yùn)行。本文采用武漢市2014年8月共10 614輛出租車(chē)的GPS軌跡數(shù)據(jù)進(jìn)行加氣行為的探測(cè)，武漢市59個(gè)加氣站的和路網(wǎng)空間分布如圖7所示。

圖7 武漢市加氣站分布和路網(wǎng)數(shù)據(jù)

出租車(chē)GPS軌跡數(shù)據(jù)部分原始記錄見(jiàn)表1。其中V_ID為出租車(chē)的編號(hào)；UTCTime為根據(jù)GPS原子鐘記錄的UTC時(shí)間，單位為s；(X，Y)為GPS定位瞬間出租車(chē)所在位置；v為出租車(chē)的瞬時(shí)速度；status為出租車(chē)的載客狀態(tài)，其中“1”表示滿(mǎn)載，“0”表示空載。

表1 出租車(chē)GPS軌跡原始記錄

本節(jié)采用支持向量機(jī)(support vector machine,SVM)進(jìn)行武漢市出租車(chē)加氣事件行為探測(cè)。SVM是一個(gè)監(jiān)督學(xué)習(xí)模型，具備泛化錯(cuò)誤低、對(duì)向量維數(shù)不敏感等優(yōu)點(diǎn)，是目前在分類(lèi)領(lǐng)域中非常流行的一種算法。本文基于加油行為車(chē)輛與道路距離、平均速度、時(shí)間間隔和軌跡點(diǎn)間距4個(gè)特征，利用SVM算法區(qū)分出租車(chē)加氣事件與非加氣事件。試驗(yàn)中選取武漢市3個(gè)典型加氣站，根據(jù)加氣事件的上述4個(gè)特征從原始出租車(chē)GPS軌跡中人工標(biāo)記真實(shí)加氣事件2727個(gè)，將其中1363個(gè)作為事件樣本，采用SVM進(jìn)行訓(xùn)練，將余下1364個(gè)事件作為試驗(yàn)事件，本文對(duì)加氣事件建模的準(zhǔn)確性進(jìn)行交叉驗(yàn)證，結(jié)果見(jiàn)表2。

表2 SVM方法加氣事件探測(cè)結(jié)果

從表2可以看出，在不引入加氣站位置的前提下，對(duì)加氣行為軌跡分析建模并用SVM算法探測(cè)加氣行為的準(zhǔn)確率達(dá)75%以上，召回率達(dá)85%以上。其中11號(hào)加氣站結(jié)果與17號(hào)加氣站結(jié)果相似，45號(hào)加氣站得到的召回率最低，而準(zhǔn)確率最高。這是由于45號(hào)加氣站后方有較大的停車(chē)場(chǎng)，而停車(chē)事件的軌跡與加氣事件軌跡相似，在樣本訓(xùn)練得到最優(yōu)分類(lèi)面時(shí)，犧牲了部分加氣事件以保證準(zhǔn)確率。另一方面由于GPS定位誤差導(dǎo)致的一些加氣事件被誤判為非加氣事件，降低了召回率。

最后，本文利用訓(xùn)練的SVM分類(lèi)器探測(cè)武漢市出租車(chē)加氣行為，時(shí)空分布如圖8所示，其中橫軸表示與圖7對(duì)應(yīng)的加氣站ID號(hào)，縱軸表示1 d的24 h，每個(gè)柵格的顏色深度表示一個(gè)加氣站在1 h內(nèi)發(fā)生加氣行為的數(shù)量。

圖8 武漢市出租車(chē)加氣行為時(shí)空分布

圖8為武漢市1 d內(nèi)出租車(chē)加氣行為的時(shí)空分布，反映了出租車(chē)加氣行為在時(shí)間維和空間維上的模式。在時(shí)間維度上，加氣行為更加傾向于下午和晚上，主要集中在11:00—17:00和20:00—24:00；由于夜間運(yùn)營(yíng)的出租車(chē)較白天少，因此清晨發(fā)生的加氣行為較少；大量加氣行為集中于中午時(shí)段，這是由于加氣站除提供加氣服務(wù)之外還能夠提供停車(chē)空間，并且加氣站周?chē)植贾觳偷?，可以滿(mǎn)足午間出租車(chē)司機(jī)的就餐和休息需求。從圖8中可觀測(cè)到1 d中存在兩個(gè)加氣事件的間隙，第1個(gè)較寬的間隙發(fā)生在5:00—9:00左右，第2個(gè)較窄的間隙發(fā)生在18:00—19:00，兩個(gè)間隙發(fā)生的時(shí)間都是在出租車(chē)的交接班時(shí)間之后，由于出租車(chē)在交接班之前都會(huì)將氣加滿(mǎn)，因此在交接班之后短時(shí)間段內(nèi)，出租車(chē)司機(jī)的加氣需求較小。

圖8也反映了空間維度上出租車(chē)對(duì)加氣站的選擇偏好與加氣站資源配置的合理性。在空間上，出租車(chē)加氣行為表現(xiàn)出了均質(zhì)性和非均質(zhì)性。一方面，出租車(chē)加氣行為在加氣站聚集的位置呈相似的分布，如加氣站8—10、16—18和43—46處的加氣行為呈相似分布；另一方面，在加氣站聚集簇內(nèi)部，加氣行為呈現(xiàn)出非均質(zhì)特征，如加氣站1和2在空間上鄰近，但是加氣行為分布卻有很大的差異，加氣站1的加氣行為非常少，而加氣站2的加氣行為分布較正常。并且可以發(fā)現(xiàn)，一些加氣站的加氣行為分布非常少，如加氣站1、3、4、14、21、27、36、42和58，說(shuō)明這些加氣行為分布稀疏的加氣站的能源補(bǔ)充服務(wù)效率非常低，政府相關(guān)部門(mén)應(yīng)該調(diào)整這些加氣站的分布來(lái)提高城市整體能源服務(wù)效率。

四、結(jié)束語(yǔ)

本文采用時(shí)空GPS軌跡大數(shù)據(jù)對(duì)城市加油行為進(jìn)行探測(cè)并分析了其時(shí)空演化規(guī)律。首先，分析了加油行為軌跡的時(shí)空特征，采用車(chē)輛與道路距離、平均速度、時(shí)間間隔、軌跡點(diǎn)間距4個(gè)指標(biāo)描述加油行為并建模；然后分析了車(chē)輛加油行為的具體特征與差異；最后以武漢市出租車(chē)GPS軌跡數(shù)據(jù)為例，基于提出的加油行為模型，采用SVM方法探測(cè)出武漢市出租車(chē)加氣行為，并分析了加氣行為的時(shí)空分布規(guī)律及能源配置效率。試驗(yàn)結(jié)果表明，本文方法可有效探測(cè)和分析城市加油行為，并能夠從行為角度揭示能源空間配置低效情況，為公共資源優(yōu)化調(diào)整提供有效的輔助決策支撐。

[1] UPCHURCH C, KUBY M. Comparing the P-Median and Flow-refueling Models for Locating Alternative-fuel Stations[J]. Journal of Transport Geography, 2010, 18(6)：750-758.

[2] HE F, WU D, YIN Y, et al. Optimal Deployment of Public Charging Stations for Plug-In Hybrid Electric Vehicles[J]. Transportation Research Part B: Methodological, 2013(47)：87-101.

[3] NIE Y M，GHAMAMI M A. Corridor-centric Approach to Planning Electric Vehicle Charging Infrastructure[J]. Transportation Research Part B: Methodological, 2013(57)：172-190.

[4] ZOCKAIE A, AASHTIANI H Z, GHAMAMI M, et al. Solving Detour-based Fuel Stations Location Problems[J]. Computer-aided Civil and Infrastructure Engineering, 2015,31(2):132-144.

[5] TU W, LI Q, FANG Z, et al. Optimizing the Locations of Electric Taxi Charging Stations: A Spatial-temporal Demand Coverage Approach[J]. Transportation Research Part C, 2016(65): 172-189.

[6] 徐瑞時(shí),唐小衛(wèi),朱金福. 基于多智能體協(xié)商的加油車(chē)調(diào)度優(yōu)化算法[J]. 武漢理工大學(xué)學(xué)報(bào),2013(12):92-98.

[7] CHAN T Y, PADMANABHAN V, SEETHARAMAN P B. An Econometric Model of Location and Pricing in the Gasoline Market[J]. Journal of Marketing Research, 2007, 44(4)：622-635.

[8] DINGEMANS D, SPERLING D, KITAMURA R. Mental Maps and the Refueling Activities of Vehicle Drivers[J]. Transportation Research Record,1986(1092)：1-10.

[9] KITAMURA R， SPERLING D. Refueling Activities of Automobile Drivers[J]. Transportation Research Part A: General, 1987, 21(3):235-245.

[10] KELLEY S，KUBY M. On The Way or Around the Corner? Observed Refueling Choices of Alternative-fuel Drivers in Southern California[J]. Journal of Transport Geography, 2013(33): 258-267.

[11] ZHANG F, YUAN N J, WILKIE D, et al. Sensing the Pulse of Urban Refueling Activities: A Perspective from Taxi Mobility[J]. ACM Transactions on Intelligent Systems and Technology, 2015, 6(3): 37.

[12] 肖建華, 彭清山, 李海亭. “測(cè)繪4.0”:互聯(lián)網(wǎng)時(shí)代下的測(cè)繪地理信息[J]. 測(cè)繪通報(bào), 2015(7): 1-4.

[13] 王凱, 曹建成, 王乃生, 等. Hadoop支持下的地理信息大數(shù)據(jù)處理技術(shù)初探[J]. 測(cè)繪通報(bào), 2015(10): 114-117.

[14] GONG L, LIU X, WU L, et al. Inferring Trip Purposes and Uncovering Travel Patterns from Taxi Trajectory Data[J]. Cartography and Geographic Information Science, 2016, 43(2): 103-114.

[15] 唐爐亮，劉章，楊雪, 等. 符合認(rèn)知規(guī)律的時(shí)空軌跡融合與路網(wǎng)生成方法[J]. 測(cè)繪學(xué)報(bào), 2015, 44(11): 1271-1276.

[16] WANG, Z Q, KAN Z H, HONG J, et al. Path Optimization Based on City Intersection Turning Analysis from Floating Car Data[J]. Applied Mechanics and Materials, 2014(577)：1055-1060.

[17] 唐爐亮，常曉猛，李清泉. 出租車(chē)經(jīng)驗(yàn)知識(shí)建模與路徑規(guī)劃算法[J]. 測(cè)繪學(xué)報(bào)，2010, 39 (4)：404-409.

[18] 桂智明，向宇，李玉鑒. 基于出租車(chē)軌跡的并行城市熱點(diǎn)區(qū)域發(fā)現(xiàn)[J]. 華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，40(1)：187-190.

[19] PAN G, QI G, WU Z, et al. Land-use Classification Using Taxi GPS Traces[J]. IEEE Transactions on Intelligent Transportation Systems, 2013, 14(1): 113-123.

[20] 孫飛，張霞，唐爐亮，等. 基于GPS軌跡大數(shù)據(jù)的優(yōu)質(zhì)客源時(shí)空分布研究[J]. 地球信息科學(xué)學(xué)報(bào), 2015, 17(3): 329-335.

[21] LI X, PAN G, WU Z, et al. Prediction of Urban Human Mobility Using Large-scale Taxi Traces and Its Applications[J]. Frontiers of Computer Science in China, 2012, 6(1):111-121.

[22] LIU L, ANDRIS C, RATTI C. Uncovering Cabdrivers’ Behavior Patterns from Their Digital Traces[J]. Computers Environment & Urban Systems, 2010(34)：541-548.

[23] 蕭世倫，方志祥. 從時(shí)空GIS視野來(lái)定量分析人類(lèi)行為的思考[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2014，39(6)：667-670.

[24] 中華人民共和國(guó)住房和城鄉(xiāng)建設(shè)部，中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.汽車(chē)加油加氣站設(shè)計(jì)與施工規(guī)范:GB 50156—2012[S]. 北京：中國(guó)計(jì)劃出版社，2012.

Vehicles’RefuelingActivityModelingandSpace-timeDistributionAnalysis

LIU Huihui，KAN Zihan，WU Huayi，TANG Luliang

time_interval=Ti+1-Ti

dist=D(Pi+1-Pi)

RA={d_road,v,time_interval,dist}

劉匯慧，闞子涵，吳華意,等.車(chē)輛GPS軌跡加油行為建模與時(shí)空分布分析[J].測(cè)繪通報(bào)，2016(9)：29-34.

10.13474/j.cnki.11-2246.2016.0286.

P208

B

0494-0911(2016)09-0029-06

2016-05-19

國(guó)家自然科學(xué)基金(41571430；41271442；40801155)；測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室專(zhuān)項(xiàng)科研經(jīng)費(fèi)

劉匯慧(1978—)，女，博士生，助理實(shí)驗(yàn)員，主要從事時(shí)空GIS、時(shí)空數(shù)據(jù)處理、時(shí)空軌跡數(shù)據(jù)分析等方面的研究。E-mail：hhliu@sgg.whu.edu.cn