论文部分内容阅读
城市道路交通系统是一个复杂、动态而庞大的系统。每条道路不但在其中承担特定的功能和角色，不同道路之间还会在交通流量、行车速度及拥堵状态等方面产生时空影响。识别和定量化城市道路的交通相关关系是提高交通预测和插值精度的前提，也是划分交通分析小区以进行交通控制和诱导的基础。 当前道路交通相关关系识别和度量方法主要有两种，基于距离的方法和基于相关系数的方法。然而，前者忽视了道路交通影响的空间异质性，后者则无法很好地度量道路之间存在的非线性影响关系。 道路之间的交通影响产生于机动车在道路之间的连续移动，而机动车出行又受限于路网结构。路网结构极大地影响了交通流的时空分布状态与聚集消散过程，同时制约着出行者的路径选择行为。因此，从路网结构与出行行为视角研究城市道路交通的相关关系，有助于从其产生根源出发深入探讨城市道路交通格局形成与演化的机理。 围绕“路网结构→出行路径选择行为→道路交通相关性”这一逻辑关系，本文自下而上、由里及表地识别和度量城市道路交通相关关系。论文融合了地理信息科学、复杂网络科学和计算机科学等多个学科的理论和方法，主要研究工作及其创新点包括: (1)路网结构对出行路径选择行为的影响 利用路网自身结构可表达出行者对路网层级认知的特性，提出了基于路网结构指标的路段重要性度量方法。将路段重要性、长度和平均通行速度三个因子组合成路段耗费因子，并以动态时间依赖的Dijkstra算法模拟真实机动车的出行路径。该研究不但提供了一种真实出行路径还原方法，还揭示了路网结构对出行路径选择行为影响的微观机理，为后续研究打好了基础。 (2)路网结构视角下的交通相关路段聚类 利用路网结构的模块化特征对道路交通聚集性的影响，以路段为节点、路段之间的连接关系为有向边、路段之间的交通变量（通行速度）相关系数为边权重，构建了一种交通加权对偶图，并使用Infomap算法识别该对偶图中的社区结构，得到拓扑连接紧密且交通相关的路段聚类集合，顾及了道路交通影响的空间异质性，为交通插值等相关应用提供了基础。 (3)路径选择行为视角下的路段交通影响强度度量 借助自然语言处理领域的词向量模型挖掘文本中词的上下文关系的优势，将出行路径类比为文本文档、路段类比为词，并将词向量模型Word2Vec应用于大量出行路径数据，从出行路径选择行为中挖掘交通流在邻近路段之间的传播扩散特征，度量了路段之间的交通影响强度。该方法能很好地顾及道路交通影响关系的空间异质性和非线性特征，为交通预测等相关应用提供了基础。 (4)路径选择行为视角下的道路交通影响格局分析 抓住“路链”可表达出行路径选择行为特征的特点，将出行路径类比为文本文档、路链类比为词，并将自然语言处理领域的主题模型LDA应用于大量出行路径数据，从更大空间尺度和粒度上挖掘出行者的路径选择行为，所得到的主题不但反映了城市群体出行模式，还体现了由此产生的道路空间交互作用及交通时空影响格局，可帮助交通管理者把握和理解城市出行状况及交通现象。