多源大数据支持下的历史文化街区客流时空建模

At present, in many cities historic conservation districts as famous scenic spots often appear "crowd blowout" phenomenon. Therefore, it is an urgent problem to do a good job of forecasting the risk of crowd gathering, and to implement a comprehensive and effective passenger management plan in advance. In this project the spatio-temporal aggregation and evacuate process of the crowd in typical historical and cultural blocks is studied. To change the traditional methods of questionnaire, observation and statistical analysis or single data source modeling and analysis, on the support of multi-source data, the spatial and temporal relation model of multi modal traffic input and the passenger flow in the neighborhood is studied. Through the crowd evacuation simulation modeling, space-time changes of the tour's behavior is studied, and a temporal and spatial simulation model for crowd recreation behavior is build. The experimental prototype system is developed and the experimental analysis is carried out.. The research of this project can be used to provide scientific methods and technical support for transportation management department predicting the spatial-temporal distribution of the passenger flow in the district, so as to dynamically adjust the traffic capacity, and for the district management department to evaluate the passenger traffic grooming scheme. It is significant for promoting the research of between GIS and application, especially the study of the micro behavior of people on the street scale. It can enrich and develop the theory of space-time GIS.

目前很多城市中作为著名景点的历史文化街区经常出现人群“井喷”现象。因此，做好街区人群聚集风险的预测，提前实施全面有效的客流管理方案是急需解决的问题。本项目以典型历史文化街区的人群聚集和消散的时空过程为研究对象，突破传统问卷调查、观测统计分析或单一数据源建模分析的方法，在多源大数据的支持下，研究街区周边多模式交通输入的客流与街区内客流的时空关系模型；借鉴人群疏散模拟模型的建模方法，研究街区内人群游览游憩的时空变化模式，建立人群游憩行为的时空模拟模型；集成上述成果开发实验原型系统，并开展实验分析。. 本项目的研究能为交通运输管理部门预测街区客流时空分布从而动态调整交通运力,为街区管理部门评价客流疏导方案提供科学方法和技术支持，同时对促进地理信息科学与应用领域的交叉研究，特别是街区尺度人的微观行为的研究具有重要意义，能够为丰富和发展时空GIS贡献理论方法。

大中城市中作为著名景点的历史文化街区经常出现人群“井喷”现象。因此，做好街区人群聚集风险的预测，提前实施全面有效的客流管理方案是急需解决的问题。本项目以典型历史文化街区的人群聚集和消散的时空过程为研究对象，突破传统问卷调查、观测统计分析或单一数据源建模分析的方法，在多源大数据的支持下，研究街区周边多模式交通输入的客流与街区内客流的时空关系模型；研究街区内人群游览游憩的时空变化模式，建立人群游憩行为的时空模拟模型；集成上述成果开发实验原型系统，并开展实验分析。.本项目重要结果包括：（1）多模式交通客流与核心区内客流的时空关系模型研究实现：融合公交/地铁刷卡数据、出租车/网约车订单数据和共享单车订单数据等多源交通数据，以及手机信令数据，并利用激光客流监测数据进行校正，采用基于注意力机制的多层长短时记忆(Long Short Term Memory LSTM)网络模型+全连接模型的方法实现融合预测模型。（2）街区内人群游憩过程多智能体模拟模型实现及应用。研究实现了一种多智能体游客行为模式模型，采用MASON模拟仿真平台工具以及Java语言编制了仿真实验，并将模型融入了最终的街区客流预测预警信息系统，发挥了实际应用价值。（3）新冠疫情城市智能体仿真模型及防控措施评价（增加内容），研究建立了城市尺度的智能体模型，以武汉市、北京市、广州市为例，分析不同防疫措施下感染情况及其空间分布特征，为后续主动防疫局部疫情突发的措施提供量化决策信息。本项目关键数据包含公交、地铁IC卡刷卡数据、出租车GPS和订单数据、手机信令数据和激光客流监测数据、以及预数据处理得到不同人群流量的时间序列数据。.本项目的研究能为交通运输管理部门预测街区客流时空分布从而动态调整交通运力,为街区管理部门评价客流疏导方案提供科学方法和技术支持，同时对促进地理信息科学与应用领域的交叉研究，为丰富和发展时空GIS贡献理论方法。