大数据驱动的个体出行模式与城市空间结构交互研究

曹劲舟

1. 自然资源部城市国土资源监测与仿真重点实验室，广东 深圳 518060； 2. 深圳大学建筑与城市规划学院，广东 深圳 518060

快速城市化背景下，个体移动行为变得复杂多元，人类活动对于城市结构的影响和约束越来越大，产生了一系列人与城市互动过程中的问题。人的活动与移动如何改变城市结构以及如何被城市结构限制仍然缺乏有效的研究。论文利用城市时空大数据，以“活动—行为—结构”3个维度构建个体出行模式与城市空间结构交互的框架模型，研究个体的移动与活动模式，其与城市空间结构的交互影响机制。论文工作从以下4个方面开展：

(1) 提出了多源数据集成的大规模个体轨迹重构和活动语义增强方法。传统方法无法获得全覆盖、大规模、可靠的个体活动语义数据。论文融合手机定位大数据和社交媒体签到数据，基于隐马尔可夫模型提出了个体时空约束的行进式活动类型标记算法，结合位置变化与活动转换之间的共生规律，在个体尺度实现了活动语义的高精度标记。研究结果显示模型可行有效，具有很好的准确率和迁移性。在群体尺度下分析居民活动时空分布特征，结果显示：个体移动具有时空规则性，群体活动具有空间异质性和时序动态性。大量的居民活动类型单一，集中在少数几个区域，且具有很强的时间周期性。

(2) 提出了出行行为的网络模态抽象模型和实证了模态决策的物理特性。对活动轨迹进行拓扑抽象化，将人的出行行为抽象成以位置、活动、出行为元素的网络模态；提取有限个位置和活动网络模态，对其物理特性进行建模，量化网络模态的决策行为，揭示出行偏好特征。研究结果显示人类出行看似很混乱，但它具有高度规则性和偏好特征。进一步理解个体对于不同模态的决策行为和出行距离的影响，证实了出行决策遵循某种统一的偏好机制，即“最小省力原则”，成为个体选择出行结构的驱动力。

(3) 提出了一种基于个体活动特征来揭示城市功能及其时空动态的新方法。遵循“数据—活动—功能”的逻辑，汇集识别的活动数据集，基于群体时空聚类，推断出每小时的城市功能类型，揭示功能日变化。研究表明真实的城市功能与传统土地利用存在差异；城市格网在不同时间承载着不同人类活动，城市功能结构具有时空动态的多样性、不确定性、昼夜转换特性；个体通过其时空活动的类型影响城市功能结构。该研究揭示“人影响城市”的作用机制在于通过具体的活动参与使得城市功能结构动态化。

(4) 提出了一种基于城市空间资源分配假设的出行网络扭曲识别方法。通过汇总形态异质的出行模态，构建考虑个体出行异质的多层出行网络，揭示了由于空间资源分布不均导致个体出行网络的扭曲特性。研究结果显示城市资源分布导致真实出行网络既不是规则网络，也不是随机网络，具有等级层次结构特征；个体异质的出行网络的扭曲具有不同的程度；复杂性越高的网络具有越高的扭曲度该研究揭示了“城市影响人”的作用机制在于城市通过不均匀的资源配置来使得个体出行网络扭曲化。