国匠城工作台

当前：新闻编辑 | 格式化工具 | 查看本文

标题

分类

（编号：1116）

链接

作者

时间

政策

省

市

年

月

直播

主办：
协办：
时间：
会议室：
直播链接：

/h1

/h2

strong

/strong

本文作者：杨东援 李玮峰 段征宇 余庆在传统城市交通网络分析过程中，由于研究对象是城市中的日常交通，其整体时变规律相对单一，因此有关空间分区主要考虑数据易于获得（一般以街道为单位，以利于获得居住人口数据），并根据所关注的规划路网与空间分区的关系加以适当修正。在全国或者省级城市间交通网络分析中，关注重点放在“城”与“城”之间的交通，将城市视为节点，将行政市域作为基本空间单元。城市群综合交通规划所讨论的交通网络中，叠加了三种不同类型的交通：一般（但不限于）发生于城市/都市圈内部的日常交通（具有明显的日周期规律），城市群内的城际交通（往往具有以周为变化周期的规律性），更大空间尺度范围内的对外交通（其周期规律有待研究）。在这种情况下，不同的空间单元划分方法，将造成空间单元区间交通活动的构成变化，从而导致所观察到的空间流动时变规律的变异。通过高维数据压缩技术提取表征空间单元间移动的时空矩阵的模式结构特征，可以观察到空间单元划分差异对时变规律观察所产生的影响。 利用移动通信信令数据所提供的连续追踪的抽象个体空间位置数据，采用空间分区间的移动信息构建时空OD矩阵（相比传统空间OD矩阵，增加了时间维度）。提取时空矩阵模式结构特征过程分为两个基本步骤：分离出时空矩阵中具有普适特征的部分，以及对普适特征部分进行模式结构分解。前者可以采用高维数据压缩中的RPCP分解技术，将原始矩阵分解成为：原始OD矩阵=低秩矩阵+稀疏矩阵+噪声矩阵。其中低秩矩阵反映了具有普适特征的空间活动部分，而稀疏矩阵反映了偶发但具有规律性的空间活动，噪声矩阵则属于随机扰动。在此基础上进一步采用SVD算法将低秩矩阵分解成为不同贡献率的时空模式矩阵的叠加结果，每个时空模式矩阵表现为一个空间向量与一个时间向量的乘积，从而获得了低秩时空矩阵中内在的模式结构。模式矩阵中的空间向量反映了相应的时变规律，空间向量则反映了空间分布结构。<section style="text-indent: 2em;">采用如图1所示的长三角部分地区的移动通信信令数据，针对不同的空间单元划分方法研究空间单元之间移动的时空矩阵的内在模式结构。</section><img class="rich_pages" style="" data-ratio="0.7292418772563177" data-type="gif" src="http://mmbiz.qpic.cn/mmbiz_png/vp2QELUibDrFTgQEj4z4ZNd7fepGysSfYOasaFMShVYwPic5cFfxz5N7lqGGXoPDpBMfEwibKZhAtSL4ar9MeqnfQ/640?wx_fmt=gif" data-w="831" data-s="300,640" />图1 作为分析对象的区域首先在对象区域采用精细划分的500米*500米空间栅格作为空间单元，研究栅格间移动的时空矩阵的模式结构。将所获得的各个模式矩阵的空间向量绘制成图（参见图2，图中的横坐标表示以日为基本单位的时间轴，子图上方文字中[*]内的数字可以理解为该模式矩阵的贡献率）。<img class="rich_pages" style="" data-ratio="0.6522262334536703" data-type="gif" src="http://mmbiz.qpic.cn/mmbiz_png/vp2QELUibDrFTgQEj4z4ZNd7fepGysSfYtEKpn17mw0wXxw2VXec1tcpG8owQQIBSDfibI7n5ibLUaDLRM8RLmpsA/640?wx_fmt=gif" data-w="831" data-s="300,640" />图2 采用空间栅格单元分析获得的时空模式中的空间向量的情况<section style="text-indent: 2em;">当采用地级市域的行政区划为空间单元，计算空间单元之间的移动，对其剥离出来的低秩矩阵进行SVD分解，则获得如图3所示的各个模式矩阵时间向量的分析结果。</section><img class="rich_pages" style="" data-ratio="0.5716004813477737" data-type="gif" src="http://mmbiz.qpic.cn/mmbiz_png/vp2QELUibDrFTgQEj4z4ZNd7fepGysSfYA7oEBjRnl7tRCPicX14H2sI38nqicQZZ2mSyEVnKkOLPHCIQbO025vYQ/640?wx_fmt=gif" data-w="831" data-s="300,640" /><section style="text-align: center;text-indent: 0em;"><span style="display: inline !important;float: none;background-color: rgb(255, 255, 255);color: rgb(51, 51, 51);font-family: 宋体;font-size: 17px;font-style: normal;font-variant: normal;font-weight: 400;letter-spacing: normal;orphans: 2;text-align: center;text-decoration: none;text-indent: 0px;text-transform: none;-webkit-text-stroke-width: 0px;word-spacing: 0px;">图3 采用地级市作为空间单元分析获得的时空模式中的空间向量的情况</section>对比图2与图3，从直观上看精细化空间栅格划分并没有获得很好的解释性特征，第二种方法获得的结果反而更加具有说明性。出现这种问题的原因在于，虽然采用同一批移动通信信令数据，在第二种方法中绝大部分日常周期空间活动转变为空间单元内部移动而被屏蔽，精细化栅格空间单元，反而造成不同类型空间活动叠加混淆，从而造成规律特征和解释性的差异。但是，在第二种方法中先入为主地认为城际出行限于跨地级市的活动，并不完全科学。对于该区域根据职住联系紧密程度，采用复杂网络社区识别方法研究空间联系结构，所获得的职住紧密关联“社区”如图4所示。从图4中可以看到社区结构突破了行政区划，位于苏南城市的IX、XVI、XIX等社区都出现了跨市域整合的趋势。<section style="text-indent: 0em;"></section><img class="rich_pages" style="" data-ratio="0.4043035107587769" data-type="gif" src="http://mmbiz.qpic.cn/mmbiz_png/vp2QELUibDrFTgQEj4z4ZNd7fepGysSfYH7lG7ReKk6SPG8RjwM0ibIHZp6yCwWtuKdgJ2ONEcmmpWU2r3mytpvw/640?wx_fmt=gif" data-w="883" data-s="300,640" /><section style="text-align: center;text-indent: 0em;">图4 根据职住关联识别的“社区”结构</section>进一步的研究表明，城市群在区域网络上具有核心边缘结构特征，即由若干元素相互联系构成的一种中心紧密相连、外围稀疏分散的特殊结构。位于核心区域的节点，相互之间的联系紧密；位于边缘区域的节点具有比较稀疏分散的结构，彼此之间联系比较稀疏，是一种散射状的边缘分布。分析提取职住紧密关联核心区域如图5所示，更加严格的检验证实了该结果与夜间灯光分布具有很强的关联性，证实了分析结果的可信度。<img class="rich_pages" style="" data-ratio="0.43922984356197353" data-type="gif" src="http://mmbiz.qpic.cn/mmbiz_png/vp2QELUibDrFTgQEj4z4ZNd7fepGysSfY0f8jSlb3yOVROnFWrPndjn09cSvHgSPiaapygWSdmyXBqPUOVWSeHzQ/640?wx_fmt=gif" data-w="831" data-s="300,640" /><section style="text-align: center;text-indent: 0em;">图5 职住关联核心区域的空间分布</section>在图5显示的结果中，可以看到职住关联紧密核心区分布与地级市和县级市的行政区划存在差异，也就是说简单按照行政区划研究城市群内部“城际”（暂且采用这种说法，实际上应为职住生活圈间）活动并不完全合理。根据以上研究结果，城市群范围内的空间单元划分应以职住关联为依据，识别其中社区结构（复杂网络中的概念）和核心边缘结构。在此基础上划分的空间单元（称为日常活动圈），能够比较合理地将日常空间活动转化为空间单元内部活动而加以屏蔽。相应的城市群交通网络分析划分为两层结构：日常活动圈之间的空间活动，以及在日常活动圈内部的空间活动。<section style="text-indent: 0em;"> </section>