Spatial choice behavior has been traditionally been at the forefront of geographic research. Over the years, many different attempts at modeling spatial choice behavior have been reported. However, most studies cannot depict the individual spatial choice at micro-level. This study will utilize trajectory-based big data, to calibrate spatial interaction model, to understand the role of distance decay in spatial choices behavior. Furthermore, discrete choice model will be used to analyze individual-level choices, to identify factors that constitute the basis for the spatial choice model. Then, the interrelationship among the factors and distance will be modeled using path analysis, to identify the process of spatial choice behavior. The study will benefit facility location, urban planning, and location-based services.
理解和揭示个体和不同群体的空间选择行为机制,对优化设施布局、提高设施服务水平,营造城市活力,提供高质量的位置服务等,都具有深层次的指导作用。传统方法常从宏观的角度,使用简化的参数进行建模,不能准确的刻画空间选择行为。近年来,人本化的趋势使人地研究从宏观走向微观,本课题旨在利用大数据的优势,突破传统方法的局限,更精细的认识、分析和研究个体空间选择行为。课题将利用GPS、手机、公交IC卡、社交网络等轨迹数据,研究广义轨迹数据的时空多尺度统一表达模型,充分挖掘个体/群体的出行轨迹和属性特征;从数据驱动的角度,估计个体特征及差异,对距离衰减函数进行精细化拟合,揭示空间距离在不同群体空间选择过程中的影响和作用;在微观层面,识别出个体选择偏好与空间对象吸引力因子间的联系,并获得空间选择行为中各因子间的因果关系及其强度,从而理解和揭示空间选择行为的机制和决策路径,探索高精度的时空规律和和人地关系。
该课题旨在利用大数据的优势,更准确的理解和分析空间选择行为,探索更为精细的时空规律和和人地关系。.项目执行4年共发表中英文论文16篇,其中第一标注5篇,第二标注5篇;第一/通讯作者5篇,符合学术研究的产出规律和论文发表节奏;培养博士生2名,硕士生7名;邀请多名学者交流访问和会议交流,各项指标皆达到或超过预期成果的要求。.针对多源轨迹数据,课题采用本体 (Ontology) 和活动空间(activity space)为基准,针对当前代表城市人群移动较为全面的手机、公交刷卡、车牌识别等多源异构轨迹数据进行统一建模。此部分研究指导一名博士生于2020年完成论文并毕业;并发表2篇本领域高水平论文,分别研究数据融合精度和采用率问题。.课题在深圳全市采集了较大规模的出行数据调查,采集约2万人两个月20万人次标记了出行轨迹信息,包括用户的基本社会经济属性,以及出行方式等信息。这是一个非常宝贵的数据源,为进行地理空间人工智能算法和应用奠定了较好的数据基础。和宁波诺丁汉联合培养博士,已完成课题相关博士论文。.基于深圳的实证表明:每人每天平均的停留个数约为2.1个,平均从事的活动约为3.4个;不同类型的活动在时间上存在波动,群体活动存在空间分异特征,整体上服从“空间幂律”。以通勤为例,深圳第二圈层的职住平衡好于第一圈层;而第三产业从业者的通勤距离一般大于第二产业的从业者,所以产业空间布局和土地利用也是影响居民空间交互的一个重要因素。课题中后期尤其关注城市中低收入人群、新移民的活动特征,关注出行的均等性和城市的包容性,研究成果已投稿,并延申到2019年立项的NSFC与欧洲城市化联合研究项目《超大城市区域的可持续交通与均等化:模式、机理与治理》中。.本课题从大数据的角度,分析和理解个体和不同群体的空间选择行为机制,克服传统方法 对难以深刻对人地关系进行精细建模的局限,对优化设施布局、理解和揭示空间选择行为的机制和决策路径,以及提升城市可持续发展具有决策支持的意义。
{{i.achievement_title}}
数据更新时间:2023-05-31
玉米叶向值的全基因组关联分析
基于分形L系统的水稻根系建模方法研究
监管的非对称性、盈余管理模式选择与证监会执法效率?
正交异性钢桥面板纵肋-面板疲劳开裂的CFRP加固研究
硬件木马:关键问题研究进展及新动向
数据驱动的特征选择形式化研究
基于数据驱动的大容量IGBT模块健康状态在线辨识研究
数据空间的内在结构特征驱动的核方法研究
空间联机分析模型驱动的时空数据探索方法研究