基于手机大数据的城市人群聚散时空行为预测研究

Understanding the relationship between human mobility and urban spatial structure is important for urban planning, traffic management and emergency responses. There are convergence-divergence phenomenon appearing in the city due to the movement of people, and the big spatiotemporal tracking data brings a great opportunity for studying human convergence-divergence, but previous studies only identify human convergence-divergence patterns from the dataset and little studies focus on studying the influence and prediction of human convergence-divergence. This proposal makes use of mobile phone data and concentrates on the spatiotemporal convergence-divergence behavior on typical workday. The main aim is to extract the characteristics of human convergence-divergence and propose the assessment model of their difference, then quantify the influence of urban spatial structure on human convergence-divergence, and study the prediction model to predict human convergence-divergence from difference spatial and temporal scale based on the characteristic of spatial structure. The research results can help understanding the interaction between human convergence-divergence and spatial structure, enriching the theory and method of space-time behavior research, and providing prediction model for urban planning and traffic management.

理解城市人群移动行为与空间结构之间的交互作用规律对城市规划、交通管理和应急响应等具有重要意义。人群聚散时空行为是人群移动过程中在城市空间位置上形成的聚集-消散动态行为，时空轨迹大数据为研究人群聚散行为提供新的机遇，然而现有的研究仅从轨迹数据中挖掘出人群聚散时空模式，缺乏对人群聚散行为影响机制和预测的研究。本项目以手机大数据为数据源，围绕典型工作日城市人群的聚散时空行为，主要研究城市空间位置人群聚散时空行为特征要素的提取和评价模型，分析城市空间结构特征对人群聚散行为要素的影响机制，最后构建融入空间结构的人群聚散行为多时空预测模型，从而实现基于空间位置的结构特征来预测人群聚散行为。研究成果可帮助加深对城市人群聚散行为与空间结构相互作用的理解，丰富时空间行为学理论与方法，为城市规划和交通管理提供基础预测模型。

本项目以手机轨迹数据为数据源，聚焦城市人群移动时空行为研究，首先，从人群移动的OD流数据中定义描述城市空间单元聚散状态指标，构建人群聚散交替序列，识别城市中主要的人群聚散时空模式，并结合城市土地利用结构特征定量人群聚散时空模式影响机制，帮助理解城市人群聚散和空间结构的相互作用规律。此外，针对居民出行空间异质性特征，统计分析了不同年龄、性别群体居民出行差异，并通过拟合居民空间交互的距离衰减效应，并定量城市基础设施（交通、商业、土地利用等）对居民空间交互距离衰减的影响；针对居民时空停留信息，构建描述居民时空停留相似性评价方法，提取居民出行motifs模式，并识别城市中居民主要的时空停留模式，并研究了工作日和休息日居民在城市中时空停留分布差异及影响因素；最后，从轨迹中提取具有相似历史轨迹的用户，利用图卷积网络模型对其进行特征提取，结合长短记忆模型，构建居民出行位置预测模型，能有效的预测居民出行位置信息。总之，本项目的研究进一步加深对城市居民出行行为的理解，帮助指导城市合理规划。