城市道路交通空间交互度量与模式提取

Spatial interaction is a traditional issue in geographical research. Modeling spatial interactions of population immigration, commodity flow or information communication between geographical units can reveal the underlying spatial structure of a region. The development of big geo-data facilitates the revisit of spatial interaction issue in recent years. However, the current studies mainly focus on the interactions among areal units, neglecting that in most cases, human movements are carried by vehicles and constrained by the underlying road network, which causes the interactions among urban roads. To fill this gap, this project intends to construct a novel framework for studying the spatial interactions of vehicle movements on urban road network, which includes quantitive methods of spatial-interaction intensity prediction and spatial-interaction pattern extraction. Taking using of the advantages of natural language processing (NLP) models in extracting relations of words from text corpus, this project will introduce related NLP models to extract the interaction relations of urban roads from massive vehicle trajectories. The implementation of this project will not only provide a new perspective for spatial interaction modelling hence enrich the current spatial interaction studies, but also uncover the causal effect of traffic influence and propagation among roads hence provide vital foundations for traffic control and guidance.

空间交互指地理单元之间因人、物、信息等的移动或交换而产生的联系。揭示空间交互现象及规律是理解地表人文过程的重要基础。近年来，地理时空大数据的涌现为空间交互研究提供了新机遇，吸引了多学科领域的共同关注。然而，当前研究主要关注面状地理区域之间的交互，忽视了城市中线状道路之间广泛存在因机动车连续动态移动而产生的交通交互作用。研究城市道路网络中的空间交互现象有助于从源头探索道路间的交通影响传播规律；但道路间交互的成因及作用形式相比面状单元更为独特和复杂，使得现有方法难以适用。因此，本项目旨在构建城市道路交通空间交互定量研究框架，包括空间交互强度度量方法和模式提取方法。该框架拟引入自然语言处理领域的思想和模型，以从大规模机动车轨迹数据中定量刻画道路之间的交互作用关系。本项目的实施将丰富现有空间交互理论和方法，有助于从交互的视角揭示城市道路交通影响和拥堵传播的成因，服务于交通预测、控制及动态导航。

研究城市道路网络中的空间交互现象有助于从源头探索道路间的交通影响传播规律。然而，已有研究主要关注面状地理区域之间的交互作用，忽视了城市中线状道路之间广泛存在因机动车连续动态移动而产生的交通交互作用。此外，道路间交互的成因及作用形式相比面状单元更为独特和复杂，使得已有方法难以适用。针对此问题，本项目引入自然语言处理领域的思想和模型，将其应用于大规模机动车轨迹数据，创新性地提出一种基于词向量模型的城市道路交通空间交互强度度量方法和一种基于主题模型的城市道路交通空间交互模式提取方法，形成一套城市道路交通空间交互定量研究框架，并通过实验验证了方法的有效性。在完成项目申请书/任务书既定研究内容与目标的基础上，本项目还开展了相关延伸研究，提出了若干基于前沿深度学习的城市区域间交通出行量时空预测模型。本项目研究成果有助于深入理解城市道路交通影响和传播规律，在一定程度上解决了已有研究难以从因果本源刻画道路交通时空依赖关系的难题，丰富了当前空间交互理论和方法，促进了地理、交通、GIS、计算机等多学科领域的交叉和融合。本项目研究成果发表相关学术论文9篇（含JCR一区论文6篇、JCR二区论文2篇），包括IEEE Transactions on Knowledge and Data Engineering、International Journal of Geographical Information Science、Cities、Remote Sensing等高水平期刊。