摘 要

本文基于出租车GPS数据。使用空间统计，核密度分析以及聚类分析来研究了城市活动中心的变化，城市热点区域的变化，以及多中心的情况。

研究结果表明城市的热点区域集中分布在双流机场，成都站，成都东站等火车站和汽车站。还有就是一些著名的商圈和金融中心，最具有代表性的就是春熙路-盐市口商圈。同时随着时间的变化城市的活动中心也随之变化，整体上城市的活动中心相对于天府广场偏南。白天城市中心偏城南，夜晚则偏城西。最后根据聚类分析进行多中心的对比，确定科技文化中心，商业中心，政治中心，分别在武侯区，锦江区以及青羊区。

关键词：出租车GPS数据；城市活动中心；大数据应用

Abstract

This article is based on taxi GPS data. The use of spatial statistics, kernel density analysis and cluster analysis to study the changes in urban activity centers, urban hotspot changes, and multi-center situation.

The results show that the hot areas of the city are concentrated in the railway stations and bus stations such as Shuangliu Airport, Chengdu Station and Chengdu East Station. There are some well-known shopping district and financial center, the most representative is Chunxi Road – YanShiKou business district. At the same time as the time of the city's activities center also will change, the overall activity center of the city relative to Tianfu Square south. Daytime city center south of the city, the night is partial west. Finally, according to the cluster analysis of multi-center comparison, to determine the scientific and cultural center, commercial center, political center, respectively, in Wuhou District, Jinjiang District and Qingyang District.

Keywords: Taxi GPS data; City Activity Center;Big data applications

目 录

第1章 绪论 1

1.1 研究背景 1

1.2 国内外研究现状 2

1.2.1 国内研究现状 2

1.2.2 国外研究现状 2

1.3 研究目的及意义 3

1.3.1 研究目的 3

1.3.2 研究意义 3

1.4 研究内容 3

第2章 城市活动中心识别的理论基础 5

2.1 空间统计的几种中心 5

2.1.1 算数平均中心 5

2.1.2 中位数中心 6

2.1.3 中心要素 7

2.2 空间聚类 7

2.2.1 基于划分聚类 8

2.2.2 基于密度聚类 9

2.2.3 两种算法的对比分析 10

第3章 研究数据获取及预处理 12

3.1 研究区概况 12

3.2 数据的收集 13

3.2.1 出租车GPS数据格式 13

3.2.2 电子地图 14

3.3 数据的预处理 14

3.3.1 坐标系统转换 14

3.3.2 出租车GPS数据的处理 17

第4章 城市活动中心的识别 18

4.1 上下车点数据的提取 18

4.2 上下车点数据的活动热点中心识别 20

4.2.1 上车数据的各时段热点区域 20

4.2.2 下车数据的各时段热点区域 21

4.2.3 特殊时段的热点对比分析 23

4.3 基于上下车点数据的城市活动中心识别 23

4.3.1 城市活动单中心 23

4.3.2 城市活动多中心 25

第5章 总结与展望 29

5.1 总结 29

5.2 展望 30

参考文献 31

致谢 32

绪论

研究背景

近10年内，我国的城市化进程取得了重大的进步。以平均每年城镇化率1.35%的速度进行扩张，相比于2005年上升了约13%。从2015年国家统计局发布的数据显示城镇人口比重超过了50%。城市的发展，为人民提供了丰富的现代城市生活方式，更高的生活质量。同时，城市规模的变大，推动了人口密度的增大（第六次人口普查数据显示，重庆，北京，上海的活动人口逾越2000万，排名前十的城市人口数量均超过1000万）。也加剧了资源的消耗，环境的恶化。城市日常人口流动的频繁，为城市的生态环境和交通带来了相当大的压力，给城市的合理规划带来了挑战。

城市中心是一个城市的核心地带，对整个城市的资源分配享有优先权，同时也对整个城市的运行，规划，扩张有着重大的指导意义。城市的超速扩张，为城市中心的识别增添了许多麻烦。传统的城市中心正如字面上的意思，是地理位置上一个城市的中心区域，容易识别。然而随着城市规模的扩张，城市结构也变得更加的复杂。但城市中心的服务区域是有限的，当城市中心对整个城市的支配力下降时，自然而然的会演变成复杂的多中心城市结构。这也是城市规模扩张的必然规律。在急速扩张城市的同时，如果不能及时对城市中心的数量及区域进行界定识别，必然使城市盲目围绕传统的中心进行扩张，城市中心的过载，导致资源分配的不合理。中心对边缘区域的支配力变低。致使整个城市的运行紊乱，功能区域的划分缺乏科学的指导，城市的扩张变得杂乱无章，城市交通淤塞，基础设施的分配不合理，部分区域长时间过载加大了资源的浪费和消耗^[1]。

《2017中国主要城市交通状况分析》中指出成都市的高峰期拥堵延时指数高达1.684，高峰期间的平均车速只有29km/h，交通状况较差。而目前成都市在册出租车数量高达17000多辆，每辆出租车都搭载了GPS，平均每分钟每辆车上传1-2次数据。每天产生的数据超过5000万行,大小约3个G。GPS数据存在时效性高，动态性变化，覆盖面广，定位精度高以及与居民出行密切相关等几个特性。可以有效反应交通道路网的拥挤程度，居民出行特征规律，城市热点区域等。特别是随着大数据时代的来临，计算机技术的再一次革新，让传统的巨量数据焕发了新的光彩。以往大量冗余的出租车的GPS大数据也有了新的用武之地。

国内外研究现状

国内研究现状

传统的城市中心往往如字面上的意思，是一个城市地理位置上的核心地带。然而随着城市规模的扩张，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^[2]。

如今对于大型城市的中心定位早已不再是地理位置上的中心。更多的是资源配置，功能模块的中心，是城市日常活动的密集中心。当前一般是通过对“密度”的分析来识别城市的活动中心。国内一般是根据不同城市的特点，从不同密度入手。杜国明从“人口密度”来分析其尺度效应^[3]；刘霄泉详述了“就业密度”受城市中心影响而形成的空间特征^[4]；陈昌勇指出随着与城市中心距离的增加“居住密度”会递减，且距离越大递减的速度越快^[5]；其他的诸如米晓楠通过分析城市夜晚灯光的亮度及分布情况来确定城市中心^[6]。雷英哲通过对交通道路的密度进行分析来确定城市中心等等^[7]。当下关于出租车GPS数据的研究，大部分都集中在可视化和交通方面。童晓君对数据按时空变化来预测居民出行行为，提出了居民出行的时间热点和空间热点^[8] ；吴宁宁对出租车GPS数据应用现状的研究，指出大部分都应用在出租车的运营优化，交通管理，以及交通与用地关系方面 ^[9]。非常缺乏对出租车GPS数据在城市中心区域识别方面的研究。