一种城市人群多层次主体流向生成方法技术

本发明专利技术公开了一种城市人群多层次主体流向生成方法，基于群体出行的轨迹，对某一位置所有方向上居民出行流进行加权综合，得到该方向人群出行的主要流向，并从多层次空间尺度，从微观到宏观对人群流进行综合，得到不同空间尺度上城市不同区域人群出行的主要流向，帮助理解城市不同空间位置上人群出行的方向特征，为城市规划和交通管理提供直观的居民出行知识。

A method of generating multi-layer main body flow in urban population

【技术实现步骤摘要】
一种城市人群多层次主体流向生成方法
本专利技术属于地理信息系统
，要解决的技术问题是如何基于海量的群体轨迹数据来生成城市多层次空间尺度的人群主体流向。
技术介绍
近年来，我国在快速推进城镇化，大量人群在短时间内涌入城市中，这给城市的管理带来巨大的压力，导致出现诸多“城市病”，如交通拥堵已经成为国内大型城市的一种通病。交通拥堵不仅给经济带来巨大的损失，同时也加重了城市的空气污染。为了缓解城市的交通拥堵，城市管理者开始投入大量的资金进行交通基础设施建设(如修建道路、地铁等)，由于缺乏对人群出行需求的理解，导致城市空间基础设施与人群活动需求之前出现不匹配，从而无法从根本上解决居民的出行需求，交通拥堵问题依然无法得到彻底解决。因此，理解城市人群移动模式对解决城市居民出行及交通问题具有重要意义。近年来，信息与通讯技术(ICT)的快速发展极大的改变了人们的生活方式，同时也使得我们进入了大数据时代，各类传感器的日益普及使得获取大规模、长时间序列、精细时空粒度的个体移动轨迹数据变得容易[1-2]。这些数据包括GPS出租车数据、手机位置数据、社交媒体网络签到数据、公交IC卡刷卡数据等，这些数据为研究人群移动模式提供了丰富的数据基础[3]。当前手机的使用已经非常普及，尤其是在城市中，手机已成为居民必不可少的通讯工具，手机给人群带来方便的同时，也能感知人群在城市中的位置随时间的变化，使得采集海量的长时间的个体时空轨迹数据成为可能。与传统的问卷调查数据相比，手机数据的样本量大，记录周期长，更新快而且所需投入成本和劳动力较小。海量的手机数据中蕴含着丰富的群体移动信息，可以用来分析城市人群的时空移动行为规律，因此，手机数据已经成为研究城市人群移动模式的重要数据源，使得我们可以以较低的成本，并且从一个史无前例的时空尺度下研究城市人群的移动行为[4]。手机数据为研究人群移动行为带来了巨大的挑战和机遇，来自不同领域的学者开始从不同的角度研究人群移动模式，如从统计的角度来分析人群移动的时空可预测性[5-6]、基于时间地理学来分析人群的活动空间[7]、代替传统的调查数据来研究城市人群职住分布和提取OD矩阵[8-9]、从规划的角度来研究城市的多中心结构和推测土地利用分布[10-11]等。这些研究为我们提供了大量的城市人群活动的知识，然而现有的研究并没有涉及人群主体流动方向计算。城市中人群的流动是带有目的性的，城市空间结构功能也存在差异，导致城市中不同区域人群流向具有一定的方向性。识别城市不同空间尺度区域中的手机用户群体主要流向，可以帮助提取城市人群流动的主要交通廊道，对城市规划、交通管理以及智慧城市的建设等具有重要意义。上述描述中，与申请相关的参考文献包括：[1]李清泉，李德仁.2014.大数据GIS[J].武汉大学学报:信息科学版，39(6)，641-644.[2]陆锋，张恒才.2014.大数据与广义GIS[J].武汉大学学报:信息科学版，39(6)，645-654.[3]刘瑜2016.社会感知视角下的若干人文地理学基本问题再思考[J].地理学报，71(4)，564-575.[4]Becker，R.，Cáceres，R.，Hanson，K.，etal.2013.HumanMobilityCharacterizationfromCellularNetworkData[J].CommunicationsoftheAcm，56(1)，74-82.[5]González，M.C.，Hidalgo，C.A.&Barabási，A.L.2008.Understandingindividualhumanmobilitypatterns[J].Nature，453(7196)，779-782.[6]Song，C.，Qu，Z.，Blumm，N.，etal.2010.Limitsofpredictabilityinhumanmobility[J].Science，327(5968)，1018-1021.[7]Xu，Y.，Shaw，S.L.，Zhao，Z.，etal.2015.Understandingaggregatehumanmobilitypatternsusingpassivemobilephonelocationdata:ahome-basedapproach[J].Transportation，42(4)，625-646.[8]Calabrese，F.，Lorenzo，G.D.，Liu，L.，etal.2011.EstimatingOrigin-DestinationFlowsUsingMobilePhoneLocationData[J].IEEEPervasiveComputing，10(4)，36-44.[9]许宁，尹凌，胡金星.2014.从大规模短期规则采样的手机定位数据中识别居民职住地[J].武汉大学学报:信息科学版，39(6)，750-756.[10]Gao，S.，Liu，Y.，Wang，Y.，etal.2013.DiscoveringSpatialInteractionCommunitiesfromMobilePhoneData[J].TransactionsinGis，17(3)，463-481.[11]Pei，T.，Sobolevsky，S.，Ratti，C.，etal.2014.Anewinsightintolanduseclassificationbasedonaggregatedmobilephonedata[J].InternationalJournalofGeographicalInformationScience，28(9)，1988-2007.
技术实现思路
本专利技术的目的在于提供一种城市人群多层次主体流向生成方法，基于群体出行的轨迹，得到对某一位置所有方向人群出行的主要流向，从微观到宏观对人群流进行综合，得到不同空间尺度上城市不同区域人群出行的主要流向。为达到上述目的，本专利技术采用如下技术方案：一种城市人群多层次主体流向生成方法，其特征在于包括如下步骤：步骤a)计算人群移动方向，根据人群移动流量和方向来计算人群流动主要流向；步骤b)定义区域人群主体流向的箭头可视化表示，即起点位置、终点位置以及箭头长度；步骤c)基于规则格网，实现人群主体流动方向在空间维度上的多层主体流向生成。进一步，所述步骤a)中计算人群移动方向具体为：以由正东开始向逆时针的方向计算0°到360°，通过起点和终点坐标计算其人群移动的方向值；以某一通信基站为起点，以该基站流出去每对OD的方向和流量，以流量作为权重，对其方向进行加权平均，计算出该基站人群的主体流向。进一步，所述步骤a)中流量权重大小的计算具体为：流量权重由每个OD对的权重求得，通过计算每个OD流在主体流向上的贡献值，然后求和得到该主体流的权重大小。进一步，所述步骤b)中区域人群主体流向箭头可视化表示，具体包括箭头起点位置为区域内基站位置的几何中心坐标，箭头终点位置根据主体流的方向θ和权重w来计算的，并引入控制参数来控制箭头的长度。进一步，在所述步骤c)中多层次区域范围的确定具体为：采用格网作为区域范围，利用不同的空间尺度的格网对整个城市进行划分，从细到粗构建多本文档来自技高网...

【技术保护点】
一种城市人群多层次主体流向生成方法，其特征在于包括如下步骤：步骤a)计算人群移动方向，根据人群移动流量和方向来计算人群流动主要流向；步骤b)定义区域人群主体流向的箭头可视化表示，即起点位置、终点位置以及箭头长度；步骤c)基于规则格网，实现人群主体流动方向在空间维度上的多层主体流向生成。

【技术特征摘要】
1.一种城市人群多层次主体流向生成方法，其特征在于包括如下步骤：步骤a)计算人群移动方向，根据人群移动流量和方向来计算人群流动主要流向；步骤b)定义区域人群主体流向的箭头可视化表示，即起点位置、终点位置以及箭头长度；步骤c)基于规则格网，实现人群主体流动方向在空间维度上的多层主体流向生成。2.如权利要求1所述的城市人群多层次主体流向生成方法，其特征在于：所述步骤a)中计算人群移动方向具体为：以由正东开始向逆时针的方向计算0°到360°，通过起点和终点坐标计算其人群移动的方向值；以某一通信基站为起点，以该基站流出去每对OD的方向和流量，以流量作为权重，对其方向进行加权平均，计算出该基站人群的主体流向。3.如权利要求2所述的城市人群多层次主体流向生成方法，其特征在于：所述步骤a)中流量权重大小的计算具体为：流量权重由每个OD对的权重求得，通过计算每个OD流在主体流向上的贡献值，然后求和得到该主体流的权重大小。4...

【专利技术属性】
技术研发人员：杨喜平，方志祥，冯明翔，李君轶，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61