基于交通大数据的移动模式分析综述

交通大数据可为揭示交通主体显性出行行为背后的深层规律（即移动模式）提供重要基础。精确掌握大数据驱动下交通主体的移动模式，可为需求预测、客流组织、土地利用、事件管理等应用提供理论依据。交通大数据主体繁多、时空多态、关联性复杂的特性迫使小数据时代下的移动模式分析方法转型和升级，但仍可能遇到移动模式一致性表达难、异常类型检测难、复杂关联性表达难、时空多态性建模难、一体可视化分析难等普遍问题。针对这些问题，利用科学知识图谱，对2010~2020年期间3 747篇文献的热点关键词分布、发表趋势分布、出版刊物分布等特点进行归纳总结，结合常见的移动模式分析数据集，系统综述现有研究在移动模式常态分析、非常态分析、关联分析、预测分析和可视化分析方向上的阶段性进展。其中，移动模式常态分析综述了个体活动特性分析、出行类别划分、特定群体分析等应用的研究进展。移动模式非常态分析综述了基于模板匹配和数据驱动的非常态事件检测方法的发展脉络。移动模式关联分析综述了面向不同数据源的关联特性检测方法的发展近况。移动模式预测分析综述了基于数理统计和数据驱动的交通属性预测方法的发展状况。移动模式可视化分析综述了用户交互设计、移动模式宏观可视化、微观可视化和整体可视化的发展近况。最后，系统总结各个分支方向面临的主要问题与挑战，并从数据整合、模型创新、机制变革等角度提炼移动模式分析研究的未来发展趋势，期望为后续研究采用新理论技术开展移动模式分析提供参考。     

公共交通乘客个体活动链的日相似性研究

刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据，通过提取乘客活动地，推断居住地位置和识别活动类型3个步骤构建乘客个体活动链；基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式，采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明：每类用户中约70%乘客的频繁活动序列是对称模式；普通卡和学生卡用户的相似性高于老年卡用户，平均值分别为 0.645、0.649和0.530；3类乘客的工作日与非工作日活动链具有明显差异，而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律，为科学优化公共交通服务提供依据.     

公共交通乘客个体活动链的日相似性研究

刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据,通过提取乘客活动地,推断居住地位置和识别活动类型3个步骤构建乘客个体活动链;基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式,采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明：每类用户中约70%乘客的频繁活动序列是对称模式;普通卡和学生卡用户的相似性高于老年卡用户,平均值分别为 0.645、0.649和0.530;3类乘客的工作日与非工作日活动链具有明显差异,而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律,为科学优化公共交通服务提供依据.     

基于网约车轨迹数据的城市路网宏观运行质量评价方法

准确地定量化评价城市路网宏观运行质量是提升交通管理水平的关键,网约车轨迹数据为精确获取路网运行状态提供了良好的数据基础.基于双流模型,考虑路网中要素的关联性,引入畅行指数和适应度指数,评价路网对交通需求变化的响应能力.以高频网约车轨迹数据为基础,提出了基于行程单元的评价指标计算方法.以北京和上海为例,上海市路网运行状态好于北京市路网,上海路网的最大平均行驶速度高于北京约4.5km/h,适应能力高于北京4% ~6%;这2座城市中心城区的畅行程度由内向外逐渐变好,但是中心城区的路网适应性更高.