南京市居民出行需求状态监测系列(第二期) ——空间特征分析1

人已阅读 - - 作者: 0
引言

新疆福彩3d走势图中彩网 www.ofind.tw 出行空间特征分布是我院基于移动数据的城市居民出行需求状态监测研究的重点内容之一,一方面期望通过南京市不同层级空间分区之间出行需求矩阵的挖掘,校核南京市综合交通模型成果;另一方面通过对居住人口活动空间圈层等指标进行识别,评估城市建设发展阶段。2LJ行之道

1 数据分析流程及要点

空间特征分析需要经过数据清洗、轨迹平滑、地图匹配三个步骤后才能得到可以直接进行分析应用的合理数据,在此基础上进行居住人口出行起讫点的提取和相关空间指标的分析。2LJ行之道

微信图片_20171220172054.jpg2LJ行之道

数据分析流程2LJ行之道

常规使用的基站设施有其服务容量上限,当基站达到容量上限时,新进入服务范围的手机将会由周边其他基站进行服务,由此将会引发信号漂移从而导致出行轨迹及相关其他指标的误判。在城市核心区基站密度较高的区域漂移距离基本为500-600米;在外围基站密度较低区域,漂移距离将以公里为单位,对于指标计算影响较大。因此,轨迹平滑是进行空间指标分析的关键步骤。2LJ行之道

基于路径判断进行轨迹平滑是现阶段采用较多的处理方法。首先提取单一用户出行轨迹信息,将其与城市道路网络匹配,从宏观尺度确定用户走行路径(70%-80%点匹配)。其次根据确定路径找出奇异点(漂移点),然后将奇异点按照前后时间差还原至路径上,从而完成轨迹平滑过程。2LJ行之道

微信图片_20171220172058.jpg2LJ行之道

轨迹平滑前(左)和轨迹平滑后(右)2LJ行之道


2LJ行之道

2 空间需求分布

(1)空间需求特征分析2LJ行之道

利用手机信令数据在中区层面绘制24小时时空OD图。由图可见南京市现状出行需求总体呈现广域化、圈层化的总体格局。以主城区为核心,东山、仙林、江北(部分区域)已逐步与主城区共同形成紧密发展圈层。2LJ行之道

微信图片_20171220172215.gif2LJ行之道

南京市域中区OD时变图      2LJ行之道

微信图片_20171220172219.gif2LJ行之道


2LJ行之道

南京主城区OD时变图2LJ行之道

从交换强度来看,东山作为南京市主城区功能外溢前沿阵地,与主城区交换量最高;江北副城虽然人口体量最高,但是由于长江阻隔,发展依然相对独立,与主城交换量次之;仙林由于自身体量和腹地限制,交换量最低。从主城区自身内部交换量来看,河西与老城区交换量最高,且高峰持续时间最长。2LJ行之道

除此之外中区层面的OD图反应出几点较为有趣的特征。2LJ行之道

  • 出行需求的层级发展2LJ行之道

在中心城区圈层内,主城区为当仁不让的核心,三大副城出行基本围绕主城区形成高强度的向心客流。但是在中心城区圈层以外,主城区的影响力大大弱化,此时三大副城作为分区中心,对周边新市镇或组团形成了较强的客流吸引。2LJ行之道

以东山副城为例,作为南京市南部中心,东山副城对周边秣陵、禄口、湖熟、淳化形成明显的客流交换,但是交换强度相对较弱。2LJ行之道

正是由于出行需求层级化的发展,促使南京市轨道交通应向模式多元化迈进。除了中心城区的城市轨道、都市区的市域轨道以外,还应因地制宜,在外围新城内构建中运量公交系统,支撑城市分区中心的构建,合理组织不同层级的客流需求。2LJ行之道

  • 核心主城的多心联动2LJ行之道

南京市主城区内部包含了老城区、河西、城南、城东、城北五大片区,其中老城区为核心的核心,是三大副城向心客流的核心吸引点。此外三大副城与其邻近的主城区板块也保持一定程度的联系(东山与城南、仙林与城北、江北与城北)。但是近年来随着河西特别是河西南部地区城市功能的逐步完善,主城区内部已经逐步由老城区“一家独大”向“一城三区”、“一主三副”转变转型。2LJ行之道

反应到出行需求上来看,河西已经逐步与东山、仙林、江北副城(大厂、桥北地区)建立相当规模的客流联系。此外,板桥、江浦等片区也同样与河西地区形成一定规模的客流联系。后续随着南部新城的开发建设,主城区空间结构将进一步优化,进而引导南京市客流需求的空间重构。2LJ行之道

(2)与居民出行调查数据校核2LJ行之道

利用手机信令挖掘得到的居民出行OD矩阵校核居民出行调查扩样结果是出行特征分析工作的核心目的。受手机信令数据自身数据漂移因素制约,手机信令轨迹的拟真度在交通小区层面上存在较大随机误差,往往需要经过聚合至中区或者大区层面才能将数据漂移影响降至一定程度。同时本次采用移动数据,占南京市市场份额为60%-70%,并不是全样数据。因此,对于居民出行调查数据结果的校核工作从三个方面开展:交通中区出行OD比例矩阵、区内区外出行比例、出行距离分布。2LJ行之道

将手机信令及居民出行调查得到的两个全方式出行矩阵聚合至中区、大区粒度,并将交换量换算为占总量的比例,通过比较两个矩阵的差异分析两个矩阵的异同点。2LJ行之道

2LJ行之道

组团出行比例差异图2LJ行之道

通过上图可见,两者比例结果大致相仿,误差在±13%以内,具有较好的拟合度。2LJ行之道

两者区内区外出行比例的吻合和出行距离的对比趋势的吻合也证明手机信令数据在大尺度空间分布上对调查数据的可验证性。2LJ行之道

2LJ行之道

中心城区范围内各组团区内区外出行比例对比图2LJ行之道

 2LJ行之道

2LJ行之道

出行距离对比图2LJ行之道

关键字:

    微信公众号:MobilitySolution

延伸阅读!
    无相关信息