彭定永 蘭小機(jī) 溫振威

（江西理工大學(xué)土木與測(cè)繪工程學(xué)院 江西贛州 341000）

1 引言

從軌跡數(shù)據(jù)中提取居民出行熱點(diǎn)并挖掘其他隱含信息是研究居民出行特征的重要途徑。目前，已有眾多學(xué)者利用軌跡數(shù)據(jù)進(jìn)行居民出行熱點(diǎn)等相關(guān)研究，如張斌等基于居民打車記錄，使用OPTICS 聚類算法識(shí)別居民出行熱點(diǎn)[1]。李巖等基于西安市出租車GNSS (Global Navigation Satellite System) 軌跡數(shù)據(jù)，提取OD（Origin Destination）點(diǎn)，采用密度場(chǎng)模式算法進(jìn)行出行熱點(diǎn)研究[2]?？党F等通過劃分交通小區(qū)的方法對(duì)武漢市熱點(diǎn)區(qū)域進(jìn)行提取[3]。周素紅等通過挖掘深圳市的海量浮動(dòng)車GNSS 軌跡數(shù)據(jù)，識(shí)別商業(yè)熱點(diǎn)并分析和驗(yàn)證熱點(diǎn)間的相互作用關(guān)系[4]。張俊濤等基于出租車軌跡數(shù)據(jù)，結(jié)合高斯定理挖掘居民出行行為的時(shí)空特征并發(fā)現(xiàn)城市的熱點(diǎn)區(qū)域[5]。史新穎等提出了將DBSCAN 算法與kmeans 算法相結(jié)合的點(diǎn)聚合算法，通過對(duì)手機(jī)信令數(shù)據(jù)的挖掘進(jìn)而提取城市熱點(diǎn)區(qū)域[6]。江慧娟等提出了一種路網(wǎng)約束條件下的改進(jìn)DBSCAN 算法，利用武漢市出租車GNSS 軌跡數(shù)據(jù)進(jìn)行出租車載客熱點(diǎn)區(qū)域的精確提取[7]。周博等利用出租車軌跡數(shù)據(jù)，結(jié)合數(shù)據(jù)場(chǎng)理論，借助城市興趣點(diǎn)數(shù)據(jù)輔助識(shí)別居民出行熱點(diǎn)[8-9]。上述研究較少關(guān)注能否利用居民出行熱點(diǎn)構(gòu)建城市內(nèi)部熱點(diǎn)區(qū)域交互網(wǎng)絡(luò)。復(fù)雜網(wǎng)絡(luò)理論已成為研究網(wǎng)絡(luò)結(jié)構(gòu)的一種有效手段，例如：Zhou 等從武漢市浮動(dòng)車軌跡數(shù)據(jù)中，將提取的主要交叉路口作為網(wǎng)絡(luò)節(jié)點(diǎn)，以交通流量為邊構(gòu)建城市空間交互網(wǎng)絡(luò)，結(jié)合復(fù)雜網(wǎng)絡(luò)理論探討城市主要道路交叉口對(duì)居民日常出行的影響[10-11]。

本文從?？谑兄行某菂^(qū)“滴滴出行”平臺(tái)打車訂單數(shù)據(jù)中提取OD 點(diǎn)數(shù)據(jù)，分析居民打車出行量在工作日和休息日的變化，基于核密度估計(jì)法識(shí)別城市熱點(diǎn)，提取城市熱點(diǎn)區(qū)域并結(jié)合復(fù)雜網(wǎng)絡(luò)理論構(gòu)建熱點(diǎn)區(qū)域空間交互網(wǎng)絡(luò)，揭示熱點(diǎn)區(qū)域間的交互特征。

2 數(shù)據(jù)來源及預(yù)處理

2.1 研究區(qū)域

?？谑兄行某菂^(qū)作為海口市乃至整個(gè)海南島的核心區(qū)域，城市內(nèi)部空間結(jié)構(gòu)復(fù)雜多元，適用于本文進(jìn)行的相關(guān)研究，故作為本文的研究區(qū)域。

2.2 軌跡數(shù)據(jù)及其預(yù)處理

本文從“蓋亞”數(shù)據(jù)開放計(jì)劃申請(qǐng)下載了海口市2017 年6 月1 日-6 月30 日的居民打車訂單數(shù)據(jù)，總計(jì)180 余萬條記錄，包含了居民打車出行的起/終點(diǎn)經(jīng)緯度以及上/下車時(shí)間等屬性數(shù)據(jù)，以此作為本文的居民出行軌跡數(shù)據(jù)來源。軌跡數(shù)據(jù)預(yù)處理主要步驟如下：

（1）數(shù)據(jù)清理：剔除不在研究區(qū)域內(nèi)，以及數(shù)據(jù)屬性出現(xiàn)缺失、錯(cuò)誤和重復(fù)的記錄。

（2）上/下車點(diǎn)提取：在工作日和休息日下，分時(shí)段提取軌跡數(shù)據(jù)中的OD 點(diǎn)數(shù)據(jù)。

3 研究方法

3.1 基于核密度估計(jì)法識(shí)別居民出行熱點(diǎn)

居民出行熱點(diǎn)識(shí)別的主要流程為：

（1）對(duì)OD 點(diǎn)進(jìn)行核密度分析，由于帶寬對(duì)分析結(jié)果影響顯著，需多次調(diào)整至效果最佳，得到最佳帶寬為300m。

（2）對(duì)生成的連續(xù)密度值表面進(jìn)行焦點(diǎn)統(tǒng)計(jì)，利用焦點(diǎn)統(tǒng)計(jì)對(duì)柵格數(shù)據(jù)進(jìn)行鄰域運(yùn)算，提取指定鄰域內(nèi)所有輸入像元值的最大值，構(gòu)建最大密度值表面。

（3）將最大密度值表面與原密度值表面做差，獲取含零密度值表面。

（4）對(duì)含零密度值表面重分類，分為零值域和其他域，并將零值域逐步轉(zhuǎn)為點(diǎn)要素，從而獲取最大密度點(diǎn)要素，并通過點(diǎn)要素提取點(diǎn)的位置坐標(biāo)；

（5）將核密度表面對(duì)應(yīng)點(diǎn)坐標(biāo)位置的核密度估計(jì)值提取至最大密度點(diǎn)要素，將核密度值定義為熱度值，得到熱點(diǎn)要素。

3.2 基于復(fù)雜網(wǎng)絡(luò)的建立熱點(diǎn)區(qū)域空間交互網(wǎng)絡(luò)

綜合研究區(qū)域面積、熱點(diǎn)數(shù)量特征等情況，合理設(shè)定居民出行熱點(diǎn)的有效輻射半徑為400m，作為熱點(diǎn)輻射區(qū)域，以此提取居民出行熱點(diǎn)區(qū)域，并對(duì)在空間上存在重疊現(xiàn)象的熱點(diǎn)區(qū)域進(jìn)行合并，將合并后的熱點(diǎn)區(qū)域幾何中心作為新的居民出行熱點(diǎn)，并對(duì)該熱點(diǎn)區(qū)域的居民出行量進(jìn)行累加計(jì)算。

結(jié)合復(fù)雜網(wǎng)絡(luò)理論，利用提取的居民出行熱點(diǎn)區(qū)域，構(gòu)建熱點(diǎn)區(qū)域空間交互網(wǎng)絡(luò)，每個(gè)熱點(diǎn)區(qū)域?qū)?yīng)網(wǎng)絡(luò)圖中的節(jié)點(diǎn)，熱點(diǎn)區(qū)域間的交互關(guān)系對(duì)應(yīng)網(wǎng)絡(luò)圖中的邊；利用熱點(diǎn)區(qū)域間居民出行交互往來次數(shù)作為邊權(quán)值（Weight）賦予熱點(diǎn)網(wǎng)絡(luò)中邊的權(quán)重，通過節(jié)點(diǎn)強(qiáng)度和邊權(quán)值來度量熱點(diǎn)區(qū)域間的交互強(qiáng)弱，探究熱點(diǎn)區(qū)域在整個(gè)網(wǎng)絡(luò)系統(tǒng)中的時(shí)空交互特征等隱含信息，其定義如下：

式中：ω（vj，vi）為節(jié)點(diǎn)i 與節(jié)點(diǎn)j 之間的邊權(quán)值；S（vi）為節(jié)點(diǎn)i 的節(jié)點(diǎn)強(qiáng)度；Sin（vi）為節(jié)點(diǎn)入度；Sout（vi）為節(jié)點(diǎn)出度；Vin（vi）為其他節(jié)點(diǎn)指向節(jié)點(diǎn)i 的節(jié)點(diǎn)集合；Vout（vi）為從節(jié)點(diǎn)i 指向其他節(jié)點(diǎn)的節(jié)點(diǎn)集合。

4 結(jié)果與分析

4.1 居民出行時(shí)間特征

在研究時(shí)段內(nèi)，統(tǒng)計(jì)打車用戶在工作日和休息日的出行量隨時(shí)段分布情況，如圖1 所示。

圖1 居民上/下車量隨時(shí)段分布

由圖1 可以看出，在工作日，居民出行由于通勤、返家、購物、就餐以及休閑娛樂等需求，出現(xiàn)了5個(gè)高峰時(shí)間段，分別是8:00-10:00、10:00-13:00、14:00-17:00、17:00-19:00、21:00-22:00；相較于工作日，休息日出行量總體處于較低水平，出現(xiàn)了4 個(gè)高峰時(shí)間段，分別是11:00-13:00、14:00-16:00、17:00-19:00、21:00-22:00?？芍诠ぷ魅蘸托菹⑷障碌拿刻旄鲿r(shí)段的居民上/下車出行頻次特征與居民出行規(guī)律存在一致性。

4.2 熱點(diǎn)識(shí)別結(jié)果

基于獲取的9 個(gè)居民出行高峰時(shí)段進(jìn)行居民出行熱點(diǎn)識(shí)別，識(shí)別結(jié)果如圖2 所示。

圖2 各高峰時(shí)段熱點(diǎn)分布

由圖2 可知，部分熱點(diǎn)“冷熱”程度不受時(shí)段變化的影響，即為持續(xù)型熱點(diǎn)。如車站和機(jī)場(chǎng)等大型交通樞紐（美蘭機(jī)場(chǎng)）、綜合性大型商圈（玉沙京華城）、城市重要的生活性主干道（丘海一橫路西段、山高街）周邊地區(qū)在休息日和工作日均為居民出行熱點(diǎn)。工作日熱點(diǎn)熱度值顯著高于休息日，日間熱度值顯著高于夜間，且在白天熱度值隨時(shí)間逐漸攀升，在下午達(dá)到峰值，隨后開始回落。?？谑兄行某菂^(qū)出行熱點(diǎn)呈現(xiàn)集聚現(xiàn)象，主要熱點(diǎn)分布于研究區(qū)域核心部分，且在遠(yuǎn)離核心區(qū)域的大型交通樞紐所在區(qū)域也有集聚現(xiàn)象發(fā)生。

4.3 熱點(diǎn)區(qū)域空間交互結(jié)果

根據(jù)熱點(diǎn)區(qū)域間的交互關(guān)系，基于復(fù)雜網(wǎng)絡(luò)理論構(gòu)建熱點(diǎn)區(qū)域空間交互網(wǎng)絡(luò)圖，圖中節(jié)點(diǎn)強(qiáng)度和邊權(quán)值（Weight）作為衡量熱點(diǎn)區(qū)域間交互強(qiáng)度的分析指標(biāo)，圖中節(jié)點(diǎn)越大則表示該節(jié)點(diǎn)的節(jié)點(diǎn)強(qiáng)度越大，節(jié)點(diǎn)間交互強(qiáng)度越高則節(jié)點(diǎn)連邊的顏色越深、線型越粗，并按照節(jié)點(diǎn)強(qiáng)度大小對(duì)節(jié)點(diǎn)進(jìn)行順序編號(hào)，如圖3 示。

圖3 各時(shí)段熱點(diǎn)交互網(wǎng)絡(luò)

由圖3 知，在研究區(qū)域中心地帶出行量大，構(gòu)建的熱點(diǎn)網(wǎng)絡(luò)在此附近的節(jié)點(diǎn)連邊權(quán)重最高，交互最為活躍，且節(jié)點(diǎn)上的交互強(qiáng)度由中心向四周衰減，距離越遠(yuǎn)、強(qiáng)度越低，體現(xiàn)地理學(xué)的距離衰減特性。除大型交通樞紐所在節(jié)點(diǎn)外，其他節(jié)點(diǎn)均集聚于城市核心區(qū)域，且工作日節(jié)點(diǎn)強(qiáng)度明顯大于休息日。網(wǎng)絡(luò)中任意兩節(jié)點(diǎn)能夠以較短路徑相互連通，并且核心區(qū)域存在高強(qiáng)度節(jié)點(diǎn)抱團(tuán)傾向，體現(xiàn)了熱點(diǎn)空間交互網(wǎng)絡(luò)的小世界特性。熱點(diǎn)網(wǎng)絡(luò)只有少數(shù)節(jié)點(diǎn)之間交互較為活躍，新節(jié)點(diǎn)更趨向于與交互強(qiáng)度更高的節(jié)點(diǎn)相連接，不同節(jié)點(diǎn)的連接能力受該節(jié)點(diǎn)交互強(qiáng)度高低以及距離網(wǎng)絡(luò)中心遠(yuǎn)近的影響而存在顯著差異，揭示了該熱點(diǎn)網(wǎng)絡(luò)具有無標(biāo)度的特征。

5 結(jié)論

本文基于核密度估計(jì)法識(shí)別居民出行熱點(diǎn)，并結(jié)合復(fù)雜網(wǎng)絡(luò)理論探討熱點(diǎn)區(qū)域間空間交互特征，揭示了居民出行潛在規(guī)律，得出以下結(jié)論：

（1）工作日出行量顯著高于休息日，且出現(xiàn)9 個(gè)居民出行高峰時(shí)間段。

（2）基于核密度估計(jì)法能夠較好的識(shí)別居民出行熱點(diǎn)，當(dāng)指定合適帶寬時(shí)，其能更好地識(shí)別低熱度值的出行熱點(diǎn)。

（3）熱點(diǎn)網(wǎng)絡(luò)存在中心集聚現(xiàn)象，在研究區(qū)域核心部分交互頻繁。

不足之處是所用軌跡數(shù)據(jù)不是全面反映居了民日常出行軌跡。今后可結(jié)合其他多源軌跡數(shù)據(jù)作為居民出行數(shù)據(jù)來源，以期更加全面、深入地挖掘居民出行潛在規(guī)律。