华南理工大学学报(自然科学版)

作者：谢坤, 邢馨元, 董宏辉, 董春娇, 陈元朵

单位：1.北京交通大学 交通运输学院，北京 1000442.同济大学，交通学院，上海 2018043.乌鲁木齐市城市综合交通项目研究中心，新疆 乌鲁木齐 830063

关键词：城市交通,职住地,出行活动,轨迹数据,聚类算法

基金：国家自然科学基金项目(72371017);北京交通大学中央高校基本科研业务费专项资金资助项目(2022RC023)

车辆行驶轨迹蕴含丰富的出行特征信息，通过研判轨迹中的职住地及出行兴趣点（POI），可以深度分析出行活动特征和规律。该文以每日出行活动第1个起点和最后1个讫点构成的点集作为居住地的可能点集，其余起讫点构成工作地与兴趣地可能点集。在可能点集的基础上，提出了基于均值偏移聚类和时空双重约束的职住地识别方法，结合簇密度、簇内点平均停留时间和出行时间范围3个条件，识别居住地、工作地和兴趣地坐标。基于KD-Tree算法为每一类地点坐标匹配邻近POI数据，得到职住地具体位置与名称。在职住地和出行兴趣点识别的基础上，结合出行次数、出行距离和出行时间表征出行活跃度，以稳定性和差异指标表征出行规律性，采用K-means++聚类分析算法，研判出行活动特征类别。以北京市连续34 d均有出行活动的1 708辆私家车行驶轨迹数据为例进行实证研究，结果表明：构建的职住地识别方法研判的职住地分布特征与现实规律相符，具有较高的精度和可靠性；基于K-means++算法的出行活动特征分类表明特大城市的出行活动以活跃型为主，占比达59.84%，其中多次出行活跃型占比最大，为31.09%；活跃型的出行活动在工作日以规律性出行为主、在非工作日以非规律性出行为主。该研究可为交通基础设施布局优化提供理论支撑。

来源：2025年第6期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第6期