位置大数据与铁路网空间模型相结合的城市网络社区结构发现研究.pptx

5/14/2021,#,/21,位置大数据与铁路网空间模型相结合,的,城市网络社区结构发现研,究,主要内,容,1,.,研究主题及关键科学问题,2.,铁路客流网络的建模,3,.,基于客流网络的城市社区发现,4,.,总结,1.,研究主题及关键科学问,题,研究主题：如何从城市网络中有效的分割出社区,/,社团结构,？,社区,内部联系紧密,(,高内聚,),社区之间的联系稀疏,(,低耦合,),；,社区具备,几何形状紧凑,空间连通,等特征,以铁路交通网络为例,：,3,/21,1.,研究主题及关键科学问,题,在城市内部网络,(,小,),尺度上的社区发现,：,研究城市的子区域空间结构，人群的出行,规,律、交互模式等,公交刷卡、基站、出租车轨迹,;,数据易获取，且数据的完整性和现势性好,在城市间网络,(,大,),尺度上的社区发现,：,研究大尺度城市网络的区域格局，评估行政,区,边界合理性等,位置社交媒体、人口迁徙、公路铁路航空客货运,;,数据难以有效获取，且数据的完整性和现势性差,4,/21,1.,研究主题及关键科学问,题,公路铁路客流构成的,城市网络,是一类较特殊的空间网络，它,不是用,OD,矩阵数据构成,，而是,以车次运行线路构成网络的基本单元，也被称为,线,路交通网络,。

城市之间的,距离受到路网物理线路的约束,，空间邻近的城市不一定具有很,短,的路网距离,城市之间的,交通流量受城市人口、经济发展水平，以及列车的速度、班次,日,程等多种因素影响,，具有很强的异质性,因此针对线路交通网络的社区发,现,更加复杂，现有的模型和方法无,法,适用,首先是,客流数据难以准确获取,；,其次是,缺乏有效的网络数据模型,对线,路,交通网络进行建模,相关的社区发现研究很少,5,1.,研究主题及关键科学问,题,6,两个关键研究问题,：,如何利用线路交通网络对城市网络进行合理建模,？,空间的拓扑邻接,/,邻近等关系对网络社区发现的影响如何,？,拟采用的解决办法,：,设计流位置信息与路网位置信息的聚合方法，将腾讯位置大数,据,融入传统的铁路网,P,空间模型，建立基于铁路客流量的城市网络,；,设计对比实验来分析社区发现过程中时空邻近关系的影响,2.,铁路客流网络建,模,网络数据源,：,全国铁路列车时刻表,：包括类型、经停站、,到站时间,、离站时,间,、站间距离等数据完整，信息准确，但不含人群信息,类,型,G,D,C,Z,T,K,P,描,述,高,铁,动,车,城,铁,直,卧,特,快,普,快,普,通,时,速,(km/h),300-350,250-300,200-250,160,140,120,100,2017,班,次,2320,1969,1205,337,305,2197,569,2018,班,次,2624,2482,1640,334,284,2145,514,腾讯位置大数据,：城市间人群迁,徙,热度，乘公路、,铁路,、飞机的,迁,徙,比例,。

数据有偏，不完整，但包,含,人群的迁徙信息迁徙热度代表该条线 路人群流动的热,度,，由迁徙人次、交,通,方式、迁徙距离综合计算得出,流,位置信息与路网位置信息的聚合方法,7,2.,铁路客流网络建,模,网络数据源：铁路列车时刻表,+,腾讯位置大数据,步骤一：基于列车时刻表的铁路网络构成,：,网络节点：以开通线路的,地级市,为网络节点拥有多个火车站的进行整合,网络边：有,铁路线路连通,（,P,空间模型）下,的两个地级市之间的,客流量,8,2.,铁路客流网络建,模,9,相关系数,r=0.82,；显著性,P,201806),13,/21,P,空间模型下城市空间网络社区结,构,(201704,-,201806),14,/21,-P,模型下城市空间网络社区结,构,(201704,-,201806),15,/21,4.,总,结,16,/21,提出融合位置,OD,大数据和路网空间模型的铁路客流模型,，并以此构建了基于铁路网客流量的城市空间网络,对比分析了单独使用位置,OD,大数据、路网,P,空间模型，,以,及融合二者的,-P,客流量模型,三种情况下的空间网络社区 发现效果,，新提出的,-P,模型的社区发现结果较好,。

对比分析了传统社区发现方法以及增加空间邻域约束条,件,的社区发现方法对基于铁路网客流量的城市空间网络社区 发现的影响，结果显示,不带空间邻域约束条件的社区发现 结果依然保持很好的空间连通性，并且社区个数也在合理 和可理解的范围内,。