基于城市公交刷卡數(shù)據(jù)和興趣點的城市功能區(qū)識別研究——以北京市為例.pdf

1、城市在其發(fā)展過程中逐漸形成了不同的城市功能區(qū)，例如居住區(qū)、工業(yè)區(qū)、商業(yè)區(qū)和文教區(qū)等。識別這些功能區(qū)并理解其分布特征，對于把握城市空間結(jié)構(gòu)以及制定和使用科學合理的規(guī)劃具有重要作用。
　　經(jīng)典的城市研究研究由于受到微觀數(shù)據(jù)難以獲得的影響，往往采用宏觀尺度，以地理網(wǎng)格或者小區(qū)作為基本的研究對象。近年來隨著LBS(Location BasedServices)技術(shù)的不斷發(fā)展和成熟，大規(guī)模和高質(zhì)量的個體時空數(shù)據(jù)越來越容易獲得?；贚BS技術(shù)

2、所獲得微觀數(shù)據(jù)，結(jié)合計算機數(shù)據(jù)分析技術(shù)，在真實城市中開展城市精細化研究已成為城市研究的主要趨勢。
　　本研究基于北京市2008年4月連續(xù)一周共計77976010條的公交IC卡刷卡數(shù)據(jù)(Smart Card Data，SCD)，利用數(shù)據(jù)挖掘技術(shù)（Data Mining Techniques），結(jié)合居民日常出行行為研究，構(gòu)建了基于公交刷卡數(shù)據(jù)和興趣點(Points of Interest，POIs)的城市功能區(qū)識別(Discoveri

3、ng Zones of different Functions，DZoF)模型，進行城市功能區(qū)的識別，并將識別結(jié)果在交通分析小區(qū)（Traffic Analysis Zone，TAZ）尺度上匯總。研究結(jié)果顯示，利用DZoF模型通過冗余數(shù)據(jù)的篩除和特征的創(chuàng)建實現(xiàn)對數(shù)據(jù)的有效降維，并選用期望最大化(Expectation-Maximization，EM)算法對處理后的數(shù)據(jù)進行聚類分析，結(jié)合居民日常出行相關(guān)特征和興趣點分布數(shù)據(jù)對聚類結(jié)果進行詮釋