劉 萌, 鄔群勇

(福州大學(xué)地理空間信息技術(shù)國家地方聯(lián)合工程研究中心， 空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室， 福建省空間信息工程研究中心， 福建 福州 350116)

0 引言

城市居民活動深受城市功能結(jié)構(gòu)和空間格局的影響， 隨著時(shí)間變化會體現(xiàn)出明顯的特征與規(guī)律. 探索居民活動背后蘊(yùn)含的規(guī)律特征可以為交通部門的實(shí)施管理提供理論支持. 隨著我國城市化進(jìn)展的加快， 城市空間結(jié)構(gòu)相比過去數(shù)十年有了顯著的變化， 城市居民活動的空間特征在一定程度上反映出當(dāng)前城市空間格局. 因此， 研究面向地理空間的居民活動規(guī)律[1]可為進(jìn)一步探索城區(qū)間聯(lián)系、 城市擴(kuò)張趨勢提供參考和借鑒.

研究城市居民活動背后蘊(yùn)含的特征規(guī)律， 主要包含以下手段： 基于問卷調(diào)查數(shù)據(jù)[2-3]、 基于公交車刷卡數(shù)據(jù)(SCD)[4]和基于出租車GPS軌跡數(shù)據(jù)[5-6]. 出租車出行隨機(jī)性很強(qiáng)， 不受線路約束， 乘客涵蓋各個(gè)年齡段、 各個(gè)階層的群體. 對于沒有軌道交通的城市空間， 出租車換乘幾率相對較小[7]， 上下車點(diǎn)往往是居民真實(shí)的出發(fā)地和目的地. 因此， 大規(guī)模的出租車GPS上下車點(diǎn)(origin-destination, OD點(diǎn))是研究居民活動情況的理想數(shù)據(jù)源. 現(xiàn)有基于出租車GPS軌跡數(shù)據(jù)研究中， 主要有基于密度的聚類方法如DBSCAN[8-9]， 以及區(qū)劃法， 包括網(wǎng)格劃分法[7, 10-11]和多邊形劃分法. 網(wǎng)格法的結(jié)果依賴于網(wǎng)格的劃分策略， 往往需要基于網(wǎng)格再次聚類[10]； 多邊形劃分法以交通小區(qū)為代表， 基于道路或行政區(qū)邊界對研究區(qū)進(jìn)行劃分[12-13]， 或借助劃分聚類法如K-means[14]、 SNN[15]來實(shí)現(xiàn)， 得到的地塊往往具有一定的地理意義， 計(jì)算量較小， 適合大規(guī)模軌跡數(shù)據(jù).

本文基于福州市2015年連續(xù)一個(gè)月的出租車軌跡數(shù)據(jù)， 首先從OD點(diǎn)的空間分布和時(shí)間分布上把握主城區(qū)出租車活動的總體特征， 接著采用基于道路中心點(diǎn)的多邊形區(qū)劃方法來確定活動強(qiáng)度研究單元， 從活動強(qiáng)度的空間分布及不同時(shí)段變化特征兩個(gè)角度探索主城區(qū)內(nèi)出租車活動強(qiáng)度的時(shí)空變化總體特征， 在此基礎(chǔ)上結(jié)合出租車乘客出入情況的時(shí)空變化特征進(jìn)一步把握活動強(qiáng)度背后所蘊(yùn)含的居民活動時(shí)空規(guī)律. 最后對主城區(qū)居民活動時(shí)空特征進(jìn)行總結(jié).

1 出租車OD數(shù)據(jù)初步分析

選擇福州市主城區(qū)作為研究區(qū)， 其范圍覆蓋福州市三環(huán)路及內(nèi)部區(qū)域. 以福州市區(qū)2015年5月共500輛出租車的GPS軌跡數(shù)據(jù)為數(shù)據(jù)源， 其運(yùn)行軌跡在空間上覆蓋主城區(qū)全部范圍， 且時(shí)間上前后連續(xù)， 不存在空白時(shí)段， 能夠較好地表達(dá)出租出行背后所呈現(xiàn)的居民活動時(shí)空規(guī)律. 原始軌跡點(diǎn)的采樣間隔為10 s， 包含字段有記錄編號、 出租車編號、 經(jīng)緯度、 采集時(shí)間、 提交時(shí)間、 車速以及載客狀態(tài)信息(0為異常， 3為空載， 4為載客). 在剔除異常記錄后， 根據(jù)載客狀態(tài)獲取所有O點(diǎn)和D點(diǎn)構(gòu)成出租車載客的起止點(diǎn)數(shù)據(jù). 最后得到有效的OD車點(diǎn)總數(shù)共775 890個(gè)， 如圖1所示.

對出租車OD點(diǎn)按1 h間隔統(tǒng)計(jì)， 得到圖2所示的一天內(nèi)出租車活動強(qiáng)度的分布曲線. 定義6時(shí)到18時(shí)之間(包含時(shí)段18時(shí))為白天時(shí)段， 其余為夜間時(shí)段. 由圖2可知： 1)白天的出租活動占總體的51.7%. 除兩個(gè)通勤時(shí)段外活動量的基數(shù)都較大， 尤其在10:00～15:00之間， 幾乎持平在6%； 相比之下， 夜間的活動變化特征較為顯著， 從18時(shí)開始逐步增長， 總體活動強(qiáng)度于時(shí)段23時(shí)內(nèi)達(dá)到一日的頂峰， 占總量的約8%， 之后便急速下降， 一直持續(xù)到早高峰時(shí)段. 2)早上和傍晚都存在一個(gè)活動低谷. 早上的活動低谷位于6時(shí)左右， 活動強(qiáng)度不到總數(shù)的0.7%； 傍晚的活動強(qiáng)度總體上都大于早上， 16時(shí)左右開始下降， 在17時(shí)達(dá)到該部分的低谷， 但仍超過總量的4%.

圖1 出租車OD數(shù)據(jù)空間分布圖Fig.1 Spatial distribution of taxi ODs

圖2 出租車活動強(qiáng)度按時(shí)間分布圖Fig.2 Temporal distribution of taxi activity intensities

2 出租車活動強(qiáng)度的空間分布及變化特征

2.1 活動強(qiáng)度研究單元的確定

研究活動強(qiáng)度的空間分布首先需要對研究區(qū)進(jìn)行劃分來確定活動強(qiáng)度研究單元. 出租車行駛軌跡幾乎沿道路網(wǎng)分布， 且上下車點(diǎn)的聚集中心與附近道路交叉口之間的距離很近[13]， 考慮到以上特征以及泰森多邊形具有側(cè)向鄰近性和局部動態(tài)性的優(yōu)點(diǎn)[16]， 本文采用基于道路中心點(diǎn)的泰森多邊形區(qū)劃方法進(jìn)行研究單元劃分. 步驟如下： 1)道路網(wǎng)自動求交， 得到道路中心點(diǎn)集C； 2)以C中每個(gè)成員為站點(diǎn)建立泰森多邊形TC； 3)記所有OD點(diǎn)集合為S， 將S與TC疊置， 落入TC中每個(gè)多邊形內(nèi)的所有OD點(diǎn)歸為一類， 得到簇集{Si}； 4)對{Si}中任一類簇， 以全部成員OD點(diǎn)為站點(diǎn)再次生成泰森多邊形然后將多邊形全部合并， 從而形成屬于該類簇的連續(xù)完整的活動單元邊界； 5)對{Si}中每一類簇按照4)生成單元邊界. 由于OD點(diǎn)分布的不均勻性， 以上劃分并沒有保證每個(gè)單元內(nèi)都有足夠數(shù)量的OD點(diǎn). 過少的OD點(diǎn)在區(qū)域出入特征表達(dá)上不具有較強(qiáng)的說服力. 因此我們對區(qū)域進(jìn)行了合并. 合并的總體思路是根據(jù)給出的OD數(shù)量閾值ε， 對每個(gè)OD數(shù)量小于ε的單元合并到與之鄰接且OD數(shù)量最少的對象中. 如此反復(fù)迭代， 直到所有單元內(nèi)的OD數(shù)量都大于ε即可. 在提取道路網(wǎng)交叉點(diǎn)后， 研究區(qū)被初步劃分成984個(gè)單元， 經(jīng)過再次合并后最終得到623個(gè)研究單元. 對比現(xiàn)有多邊形區(qū)劃法， 本文方法具有如下優(yōu)點(diǎn)： 1)簡單高效， 泰森多邊形的建立過程簡單且效率很高， 不需要復(fù)雜的聚類運(yùn)算， 即可實(shí)現(xiàn)對OD的快速劃分； 2)僅依賴于路網(wǎng)要素； 3)能實(shí)現(xiàn)對研究區(qū)的無縫覆蓋. 由于泰森多邊形的空間連續(xù)性和側(cè)向鄰近性， 可以保證每個(gè)OD點(diǎn)都能落在對應(yīng)的研究單元中.

2.2 出租車活動強(qiáng)度空間分布特征

圖3 出租車活動強(qiáng)度總體空間分布圖Fig.3 Spatial distribution of taxi activity intensities

將所有研究單元內(nèi)的OD點(diǎn)數(shù)量采用Jenks自然斷裂點(diǎn)法分成五大類， 由此得到如圖 3所示的主城區(qū)一月內(nèi)出租車活動強(qiáng)度的空間分布.

從圖3可知， 閩江北岸出租車活動占了總體的絕大部分， 閩江南岸尤其是二環(huán)路以南出租車活動量十分稀少， 絕大多數(shù)位于總量的0.2%以下. 擁有較高活動強(qiáng)度的區(qū)塊集中在二環(huán)以內(nèi)中部及偏東的大部分區(qū)域， 可將該區(qū)域定義為居民活動的核心區(qū). 典型代表有福州火車站、 世歐王莊、 塔頭、 阿波羅空港快線等. 除外， 寶龍城市廣場、 屏西住宅區(qū)、 福州總院、 福建師范大學(xué)學(xué)生街等二環(huán)路邊緣區(qū)域的活動強(qiáng)度也較為突出； 二環(huán)路以外以倉山區(qū)萬達(dá)廣場、 五鳳蘭亭住宅區(qū)為主要代表. 其中福州火車站擁有主城區(qū)最高的出租車活動強(qiáng)度， 到達(dá)了總體的3.2%； 進(jìn)一步來看， 核心區(qū)東部活動強(qiáng)度較高的區(qū)域連續(xù)成片出現(xiàn)， 其他活動強(qiáng)度較高的區(qū)域在空間上都顯得相對孤立； 主要交通站點(diǎn)(如圖3中標(biāo)注)的出租車活動強(qiáng)度相比周圍地區(qū)顯得更為突出， 反映了出租車作為應(yīng)急出行交通工具的特點(diǎn).

2.3 按時(shí)間分段的出租車活動強(qiáng)度空間分布

借鑒Guo[15]對深圳市出租車活動情況的研究方法， 將一日按照如下規(guī)則分為6個(gè)時(shí)段： 1:00-5:00記為時(shí)段1, 5:00-9:00記為時(shí)段2, 9:00-13:00記為時(shí)段3, 13:00-17:00記為時(shí)段4, 17:00-21:00記為時(shí)段5, 21:00-次日1:00記為時(shí)段6. 本文所采用出租車數(shù)據(jù)在時(shí)間上已處于夏季， 研究對象為城區(qū)的居民活動， 可將時(shí)段2、 時(shí)段3和時(shí)段4歸為白天時(shí)段， 其余歸為夜間時(shí)段， 其中時(shí)段2和時(shí)段5涵蓋了居民通勤活動的早晚高峰時(shí)期. 采用這種分段方式可以較好地研究主城區(qū)居民在白天、 夜間以及通勤高峰這三個(gè)典型時(shí)段的規(guī)律特征. 各時(shí)段的出租車活動強(qiáng)度的空間分布如圖4所示.

圖4 不同時(shí)段出租車活動強(qiáng)度分布圖Fig.4 Spatial distribution of taxi activity intensities in various periods

白天部分： 時(shí)段2的OD最突出的特征表現(xiàn)為空間分布較為分散， 核心區(qū)內(nèi)出租活動不明顯. 除火車站和阿波羅空港快線， 該時(shí)段大部分單元的活動強(qiáng)度水平都較低； 時(shí)段3和時(shí)段4， 核心區(qū)內(nèi)外的多數(shù)區(qū)域活動強(qiáng)度都有了明顯的上升， 核心區(qū)內(nèi)外活動差距不明顯. 三環(huán)附近的區(qū)域如軟件園、 海峽會展中心、 橘園洲、 鼓山鎮(zhèn)的活動強(qiáng)度達(dá)到一天中最大值. 與時(shí)段3相比， 時(shí)段4內(nèi)各區(qū)內(nèi)的活動強(qiáng)度有所下降， 造成該現(xiàn)象的一個(gè)可能原因是福州市出租車于16:00-18:00左右進(jìn)行交接班， 使得運(yùn)營中的出租車數(shù)量開始下降， 但是活動強(qiáng)度的空間分布卻變化不大. 在白天的各個(gè)時(shí)段內(nèi)， 福州火車站一直是最活躍的區(qū)域.

夜間部分： 由于受交接班的影響， 時(shí)段5總體活動相比前兩個(gè)時(shí)段略有下降， 但核心區(qū)內(nèi)的出租車活動優(yōu)勢開始顯現(xiàn)并且活動集中性明顯， 形成以寶龍城市廣場、 阿波羅空港快線以及世歐王莊等獨(dú)立的活動中心， 核心區(qū)外僅五鳳蘭亭住宅小區(qū)、 倉山萬達(dá)以及福建師范大學(xué)學(xué)生街維持較高活動強(qiáng)度； 時(shí)段6中， 核心區(qū)內(nèi)出租車總體活動強(qiáng)度進(jìn)一步增強(qiáng)， 以泰禾廣場、 塔頭等為中心共6～8個(gè)連續(xù)單元的活動強(qiáng)度與福州站持平， 形成了范圍較大的活動中心區(qū). 二環(huán)路之外的大型居民區(qū)如五鳳蘭亭、 金牛山公園的活動也比較明顯； 時(shí)段1處于下半夜， 核心區(qū)東側(cè)的活動強(qiáng)度開始下降， 核心區(qū)內(nèi)的出租車活動已有明顯北偏的特征. 這一時(shí)段核心區(qū)的活動優(yōu)勢也是全天內(nèi)最明顯的， 核心區(qū)以外的活動情況甚微.

從出租車活動強(qiáng)度角度對福州主城區(qū)內(nèi)居民的活動特征總結(jié)如下： 1)活動強(qiáng)度的總體空間分布反映出二環(huán)路和閩江作為居民活動空間分布的主要界限， 二環(huán)路以內(nèi)、 閩江北岸所圍成的區(qū)域成為主城區(qū)居民活動的核心區(qū). 居民活動大多集中在住宅小區(qū)和商業(yè)街， 反映福州市出租車乘客群體的選擇偏好. 2)在一日內(nèi)的不同時(shí)段上， 核心區(qū)的居民活動優(yōu)勢主要集中于夜間時(shí)段， 尤其是晚21時(shí)至次日凌晨. 在白天的各個(gè)時(shí)段， 核心區(qū)以外的地塊活動較強(qiáng)； 此外， 早晚兩個(gè)通勤高峰時(shí)段活動強(qiáng)度雖然處于低谷， 但都是主城區(qū)形態(tài)變化的轉(zhuǎn)折處， 也是核心區(qū)活動優(yōu)勢變化的轉(zhuǎn)折處.

3 居民出入情況的空間分布及變化特征

出租車活動強(qiáng)度體現(xiàn)出了某段時(shí)間內(nèi)該單元人口活動數(shù)量的大小特征， 卻無法展現(xiàn)居民在該區(qū)域內(nèi)具體的流動變化情況. 為進(jìn)一步把握這一規(guī)律， 本節(jié)在活動強(qiáng)度時(shí)空規(guī)律的基礎(chǔ)上， 仍以活動強(qiáng)度研究單元為研究對象， 采用網(wǎng)絡(luò)流率的手段從出租車乘客出入特征的角度來進(jìn)行進(jìn)一步的分析和討論.

3.1 出入特征的表達(dá)

網(wǎng)絡(luò)流率(net flow ratio, NFR)， 是用來表達(dá)某一時(shí)段某個(gè)區(qū)域內(nèi)人流出入情況的量值， 范圍為[-1, 1]. 其中第i個(gè)聚類區(qū)的NFR表達(dá)式為：

(1)

式中： ini表示該區(qū)域在該時(shí)段內(nèi)的流入人口數(shù)量， 可以用D點(diǎn)數(shù)量表達(dá)； outi表示該區(qū)域在該時(shí)段內(nèi)的流出的人口數(shù)量， 可以用O點(diǎn)數(shù)量表達(dá)； NFR越高， 表明當(dāng)前時(shí)段內(nèi)該地區(qū)越傾向于出租出行的目的地， 越低則更傾向于出發(fā)地， 接近于0則表示地區(qū)出租車的流入流出情況接近平衡.

3.2 按時(shí)間分段的居民出入情況空間分布

6個(gè)時(shí)段內(nèi)對每個(gè)研究單元計(jì)算NFR值， 按照如下規(guī)則分成5大類. 1) 高流出區(qū)： NFR≤-0.3； 2) 次級流出區(qū)： -0.3

圖5 不同時(shí)段出租車NFR分布圖Fig.5 Spatial distribution of taxi net flow ratio in various periods

1) 白天部分. 時(shí)段2內(nèi)出租車流出區(qū)的比例全天最大. 核心區(qū)以外的大多數(shù)區(qū)域?yàn)槌鲎廛囍饕宪圏c(diǎn)， 集中在海峽會展中心、 軟件園、 橘園洲附近. 考慮到該時(shí)段包含通勤早高峰， 由此可推測以上地區(qū)有可能屬于工作區(qū)； 與活動強(qiáng)度的分布類似， 時(shí)段3～4內(nèi)出租車NFR分布同樣擁有較高的相似度， 總體上都接近出入平衡. 核心區(qū)內(nèi)以平衡區(qū)占多數(shù)， 體現(xiàn)出出租車在白天以商務(wù)出行和應(yīng)急出行為主的特征.

2) 夜間部分. 時(shí)段5的出入特征總體上類似于時(shí)段4. 圖5(e)中作為出租車主要活動中心的寶龍生活廣場、 世歐王莊等都表現(xiàn)為平衡區(qū). 由此可知， 在通勤晚高峰階段， 主要商業(yè)區(qū)的人口交互比較頻繁， 活動情況較復(fù)雜； 在時(shí)段6， NFR的整體空間分布呈現(xiàn)明顯的同心圓狀， 以核心區(qū)為中心. 二環(huán)路內(nèi)部的平衡區(qū)比例較大并且連續(xù)成片， 尤其是東側(cè)的塔頭、 東二環(huán)泰禾廣場等區(qū)域， 與圖5(f)中的出租車活動熱區(qū)相對應(yīng). 相比時(shí)段5， 二環(huán)以外的大部分地區(qū)出租車乘客流入比例開始上升， 以五鳳蘭庭、 金牛山公園等為代表的典型住宅區(qū)的流入比例較為突出， 表明該時(shí)段內(nèi)處于夜生活的居民已經(jīng)開始有返家的趨勢. 時(shí)段1的NFR同心圓分布特征最為明顯， 流入?yún)^(qū)所占的比例達(dá)到全天最大. 核心區(qū)內(nèi)部的出租車活動整體上以流出為主， 核心區(qū)以外的絕大多數(shù)地區(qū)幾乎都屬于高流入?yún)^(qū). 由此可知， 主城區(qū)絕大部分居民的夜生活在該時(shí)段已經(jīng)結(jié)束.

從出租車乘客出入特征角度， 福州市主城區(qū)內(nèi)居民出入情況及其變化特征可概括如下. 1)除時(shí)段5， 居民夜間出入規(guī)律比白天相對明顯. 在夜間， 核心區(qū)內(nèi)尤其是東側(cè)區(qū)域人口交互頻繁、 活動復(fù)雜， 形成主城區(qū)夜生活的主要集中地， 核心區(qū)以外地區(qū)成為主要出行目的地， 整體上的出入情況空間分布呈現(xiàn)著明顯的同心圓狀， 與活動強(qiáng)度的空間分布相對應(yīng)； 白天居民出入情況分布散亂， 無法獲取明顯的空間特征. 結(jié)合對應(yīng)時(shí)段的活動強(qiáng)度的空間分布進(jìn)一步說明白天居民出行情況的復(fù)雜性以及夜間出行的集中性. 2)早晚兩個(gè)通勤高峰的居出入情況相似性不大. 通勤早高峰規(guī)律更明顯， 與前后兩個(gè)時(shí)段形成較大差距， 說明居民出行目的性較強(qiáng)； 通勤晚高峰時(shí)期， 可能由于白日商務(wù)出行的延續(xù)， 存在大片出入平衡區(qū)域.

4 結(jié)語

1) 從出租車活動強(qiáng)度發(fā)現(xiàn)， 以二環(huán)路以內(nèi)、 閩江北岸所圍成的區(qū)域?yàn)橹鞒菂^(qū)居民活動核心區(qū)； 居民活動大多集中在住宅小區(qū)、 商業(yè)街和商業(yè)廣場， 體現(xiàn)了福州市出租車乘客群體的選擇偏好.

2) 白天居民活動基數(shù)大， 核心區(qū)以外的區(qū)域活動有所加強(qiáng)且較分散， 核心區(qū)以內(nèi)的活動優(yōu)勢不顯著； 核心區(qū)內(nèi)的活動在夜間一直保持優(yōu)勢， 以商業(yè)區(qū)和住宅區(qū)為典型活動代表. 核心區(qū)內(nèi)的居民活動在21時(shí)之后至午夜間達(dá)到了一天內(nèi)最高水平； 早晚兩個(gè)通勤高峰時(shí)段對應(yīng)了核心區(qū)活動優(yōu)勢的兩個(gè)轉(zhuǎn)折， 且這兩個(gè)時(shí)期出租活動強(qiáng)度均達(dá)到了曲線的低谷. 綜合交接班等出租車運(yùn)營特征的原因， 說明在這兩個(gè)時(shí)期內(nèi)可能存在“打車難”的問題， 從另一方面也可推斷出這一時(shí)期由于通勤活動頻繁造成主干道過于擁堵， 出租出行的高效性不明顯， 出行成本偏高.

3) 出租車乘客出入情況與出租車活動強(qiáng)度在時(shí)空變化規(guī)律上存在一定的相似性. 總體上說， 二者在白天的規(guī)律都比較復(fù)雜， 在夜間都比較清晰、 明顯， 共同體現(xiàn)出白天居民出行情況的復(fù)雜性以及夜間出行的集中性； 出入特征在某些程度上體現(xiàn)出區(qū)域內(nèi)人口交互的復(fù)雜程度， 尤其夜間時(shí)段的商業(yè)區(qū)， 在活動強(qiáng)度的基礎(chǔ)上更深一層揭示該類區(qū)域內(nèi)居民活動特征及變化. 此外， 在夜間時(shí)段出入情況所呈現(xiàn)的同心圓狀的空間分布進(jìn)一步體現(xiàn)出核心區(qū)外居民活動的差異.

參考文獻(xiàn)：

[1] 陸鋒, 劉康, 陳潔. 大數(shù)據(jù)時(shí)代的人類移動性研究[J]. 地球信息科學(xué)學(xué)報(bào), 2014, 16(5): 665-672.

[2] 周素紅, 鄧麗芳. 基于T-GIS的廣州市居民日?；顒訒r(shí)空關(guān)系[J]. 地理學(xué)報(bào), 2010, 65(12): 1454-1463.

[3] 孟斌, 于慧麗, 鄭麗敏. 北京大型居住區(qū)居民通勤行為對比研究： 以望京居住區(qū)和天通苑居住區(qū)為例[J]. 地理研究, 2012, 31(11): 2069-2079.

[4] 龍瀛, 張宇, 崔承印. 利用公交刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤出行[J]. 地理學(xué)報(bào), 2012, 67(10): 1339-1352.

[5] 李艷紅, 袁振洲, 謝海紅,等. 基于出租車OD數(shù)據(jù)的出租車出行特征分析[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2007, 7(5): 85-89.

[6] 程靜, 劉家駿, 高勇. 基于時(shí)間序列聚類方法分析北京出租車出行量的時(shí)空特征[J]. 地球信息科學(xué)學(xué)報(bào), 2016, 18(9): 1227-1239.

[7] LIU Y, WANG F, XIAO Y,etal. Urban land uses and traffic ‘source-sink areas’: evidence from GPS-enabled taxi data in Shanghai[J]. Landscape & Urban Planning, 2012, 106(1): 73-87.

[8] MAZIMPAKA J D, TIMPF S. Exploring the potential of combining taxi GPS andflickr data for discovering functional regions[C]// Lecture Notes in Geoinformation and Cartography. Lisboa: Springer, 2015: 3-18.

[9] PAN G, QI G, WU Z,etal. Land-use classification using taxi GPS traces[J]. IEEE Transactions on Intelligent Transportation Systems, 2013, 14(1): 113-123.

[10] 張俊濤, 武芳, 張浩. 利用出租車軌跡數(shù)據(jù)挖掘城市居民出行特征[J]. 地理與地理信息科學(xué), 2015, 31(6): 104-108.

[11] 周素紅, 郝新華, 柳林. 多中心化下的城市商業(yè)中心空間吸引衰減率驗(yàn)證： 深圳市浮動車GPS時(shí)空數(shù)據(jù)挖掘[J]. 地理學(xué)報(bào), 2014, 69(12): 1810-1820.

[12] 郭莉, 謝明隆, 鄒海翔. 基于出租車大數(shù)據(jù)的活動空間功能識別研究： 以深圳為例[C] //中國城市交通規(guī)劃年會論文集. 深圳： 中國城市規(guī)劃學(xué)會交通規(guī)劃學(xué)術(shù)委員會， 2016.

[13] 毛峰. 基于多源軌跡數(shù)據(jù)挖掘的居民通勤行為與城市職住空間特征研究[D]. 上海： 華東師范大學(xué), 2015.

[14] 呂玉強(qiáng), 秦勇, 賈利民,等. 基于出租車GPS數(shù)據(jù)聚類分析的交通小區(qū)動態(tài)劃分方法研究[J]. 物流技術(shù), 2010, 29(9): 86-88.

[15] GUO D, ZHU X, JIN H,etal. Discovering spatial patterns in origin‐destination mobility data[J]. Transactions in GIS, 2012, 16(3): 411-429.

[16] 陳軍, 趙仁亮, 喬朝飛. 基于Voronoi圖的GIS空間分析研究[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2003(增刊1): 37-42.