关联路网拓扑特性的车辆出行行为画像分析研究

基于交通时空大数据的微观出行行为分析可以为精细化、个性化的交通管控措施制定提供支持，车牌识别数据作为一种精度高、准确性高、采样率全的时空大数据，近年来受到广泛关注。但是现有基于车牌识别数据的出行行为分析文献在进行行为分析的过程中较少考虑路网特征，即没有将出行者的行为与路网特性结合起来分析，这导致挖掘得到的出行模式与路网本身的关联不高。本文首先对车牌识别数据和路网拓扑数据进行数据融合，基于此融合数据，根据机动化出行者的出行行为特性使用聚类算法进行车辆画像，将路网上的车辆划分为临时办事车辆、频繁过境车辆、家庭不常用车辆、通勤车辆、网约出租车辆五类车辆。同时，结合复杂网络方法和聚类算法对交叉口进行画像分析，挖掘出交通管理者需要重点关注的交叉口。在此基础上，结合车辆出行行为和路网拓扑信息深入挖掘出行车辆的出行模式，构建车辆画像-交叉口画像-过车频次矩阵、车辆画像-交叉口画像-过车占比矩阵，进而对车辆出行时空特性进行深入挖掘，为交通管控措施的制定提供支持。