1. 研究目的与意义（文献综述）

1.1 国内外研究现状

传统的城市中心往往如字面上的意思，是地理位置一个城市的中心带。但是随着城市规模的发展，城市结构也越为复杂。传统的单中心城市结构也转变为复杂的多中心城市^[1]。

2. 研究的基本内容与方案

1. 基本内容

本文主要的研究内容是基于成都市某段时间内的出租车gps大数据来提取成都市的城市中心区域方法的可行性分析。主要是通过出租车gps数据来生成相应的核密度图，通过相应的模型来确定城市中心区域，与实际城市中心进行对比检验，最终得到相应的实验结果。相应的需要研究大数据的基本处理方法。对于城市中心区域提取方法的理论研究和现有方法的学习。以及对出租车gps大数据特征分析。以及一系列专业软件的使用学习。

2. 技术路线

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] 石忆邵, 从单中心城市到多中心域市──中国特大城市发展的空间组织模式[j]. 城市规划学刊, 1999(3):36-39.
[2] gordon p, richardson h w, wong h l. the distributionof population and employment in a polycentric city: the case of los angeles[j].environment and planning a, 1986, 18(2):161-73.
[3] 米晓楠, 白林燕, 谭雪航,等. 基于dmsp/ols数据的城市中心城区提取新方法[j]. 地球信息科学学报, 2013,15(2):255-261.
[4] 雷英哲, 田晶, 林镠鹏,等. 道路网与兴趣点相结合的城市中心提取方法[j]. 测绘学报, 2015,44(s1):42-48.
[5] zhang j, meng w, liu q q, et al. efficient vehiclespath planning algorithm based on taxi gps big data[j]. optik - internationaljournal for light and electron optics, 2016, 127(5):2579-2585.
[6] 童晓君. 基于出租车gps数据的居民出行行为分析[d]. 中南大学, 2012.
[7] zhou z, dou w, jiag, et al. a method for real-time trajectory monitoring to improve taxi serviceusing gps big data[j]. information amp; management, 2016, 53(8):964-977.
[8] hu x, an s, wangj. exploring urban taxi drivers’ activity distribution based on gps data[j].mathematical problems in engineering, 2014, 2014(2):1-13.
[9] 吴宁宁, 佘世英, 孙贻璐,等. 出租车大数据在城市交通中的运用[c]. 2015年中国城市交通规划年会暨第28次学术研讨会. 2015(3):73-74.
[10]白竹, 金晓红. 出租车gps数据的应用研究[j]. 黑龙江工程学院学报, 2014,28(2):50-54.
[11]李祎, 吴缚龙, 尼克·费尔普斯. 中国特色的“边缘城市”发展:解析上海与北京城市区域向多中心结构的转型[j]. 国际城市规划, 2008,23(4):2-6.
[12]孙斌栋, 石巍, 宁越敏. 上海市多中心城市结构的实证检验与战略思考[j]. 城市规划学刊, 2010(1):58-63.
[13]周素红, 郝新华, 柳林. 多中心化下的城市商业中心空间吸引衰减率验证——深圳市浮动车gps时空数据挖掘[j]. 地理学报, 2014,69(12):1810-1820.
[14]魏祥. 基于大数据挖掘的出租车行为检测方法研究[d]. 西南石油大学, 2015.
[15]江迎. 基于大数据的长沙市出租车时空分布研究[c]. 中国城市交通规划年会. 2016(2):2104-2112.
[16]郭轩, 罗震东, 何鹤鸣. 基于出租车客流的特大城市多中心空间结构的识别——以苏州市为例[j]. 城市问题, 2016(10):22-29.