城市出租车客流网络结构复杂性特征研究

《城市出租车客流网络结构复杂性特征研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、北京大学学报(自然科学版),第50卷,第5期,2014年9月ActaScientiarumNaturaliumUniversitatisPekinensis,Vol.50,No.5(Sept.2014)doi:10.13209/j.0479-8023.2014.086城市出租车客流网络结构复杂性特征研究†刘岳峰司若辰康葳北京大学遥感与地理信息系统研究所,北京大学空间信息集成与3S工程应用北京市重点实验室,北京100871;†E-mail:yuefengliu@pku.edu.cn摘要基于轨迹数据的提取与分析,采用复杂网络

2、理论,开展城市出租车客流网络结构(包括拓扑结构、权重结构和空间结构)复杂性特征研究。结果显示,出租车客流距离长度符合对数正态分布,节点度、流量强度、距离强度的分布呈现具有“截断”特征的幂律分布,边权亦呈现良好的幂律分布。节点的度ԟ流量强度相关性、度ԟ距离强度相关性呈现幂律关系。节点之间流量强度呈现微弱的正相关。研究结果反映了出租车客流网络拓扑、权重、空间结构的整体特征以及三者之间的相互关系,有助于揭示城市空间特征、功能特征与人群移动特征之间的相互作用机制与规律。关键词轨迹分析;出租车客流网络;复杂网络;结构特征中图分类号

3、P208ComplexStructuralPropertiesofUrbanTaxiPassengerFlowNetwork†LIUYuefeng,SIRuochen,KANGWeiInstituteofRemoteSensingandGeographicInformationSystem,PekingKeyLabofSpatialInformationIntegrationandItsApplications,PekingUniversity,Beijing100871;†E-mail:yuefengliu@pku.e

4、du.cnAbstractByanalyzingfloatingtaxitrajectorydata,andusingcomplexnetworktheories,thecomplexstructural(includingtopologicalstructural,weightstructuralandspatialstructural)propertiesofurbantaxipassengerflownetworkisresearched.Theresultsindicatethatthedistancesofta

5、xipassengerflowobeyalog-normaldistribution.Distributionsofdegree,weightstrengthanddistancestrengthofnodesindicatepower-lawdecaywitha“cut-off”.Weightdistributionofedgesalsofitsapower-lawdistributionquitewell.Therearestrongpower-lawcorrelationsbetweendegreeandbothw

6、eightstrengthanddistancestrength.Theassortativemixingofweightstrengthofnodesshowsaslightpositivecorrelation.Theseresultsindicatetherelationshipsoftopological,weightandspatialstructuralpropertiesoftaxipassengerflownetwork,andwillbebeneficialforrevealingtheinterpla

7、yingmechanismandprinciplesamongurbanspatial,functionalandpopulationtravelcharacteristics.Keywordstrajectoryanalysis;taxipassengerflownetwork;complexnetwork;structuralproperties[16]浮动车信息采集技术由于其流动性、实时性、例如:交通流速、流量的时空分布特征,车辆[78]全天候、设备安装与使用方便等特性得以快速发展排队长度的估计,出租车运营特征

8、包括载客时[913]和推广应用,其中出租车轨迹数据由于其数量大、间、载客距离、服务繁忙时间等的分析,道路[1417]分布范围广、流动时间长以及流动轨迹的随机性而实时交通状态的判别,道路交通事故自动探[18][1924]被优先采用。由于出租车轨迹数据包含位置、速测,轨迹数据的数据挖掘,等等。度、时间、车辆状态等多