全文总字数：1980字

1. 研究目的与意义及国内外研究现状

针对目前存在的城市交通拥堵，交通信息不畅，空间位置服务不健全等现实问题，本项目旨在挖掘分析居民活动时空模式和形成机理，构建居民出行时空模型，从而对居民出行进行预测，实现基于居民出行时空特征的位置服务。

国内外研究现状

随着数据的大量获取，如何从海量数据中挖掘出空间特征，时空规律成为了研究人员的焦点。国外出行行为研究关注的重点是居民出行特征数据在交通规划模型中的应用,城市合理的客运结构、城市用地布局的演变、基础设施的改善等因素对居民出行特征的影响机理与程度,并在此基础上更有针对性地提出城市与交通的发展策略或对策。张玉轻等在居民出行特征分析基础上提出在道路设计方面的建议，Tim Schwanen的相关研究评述了荷兰城市形态发展对居民出行规律的影响。Knoblauch等对交叉口行人步行速度进行研究，得到步行速度，给出居民慢行相关交通设计参考速度。Junilla Carlsson对公交出行链的影响因素进行了研究,证实了不同的出行个体在公交出行链中其选择的结构是有显著差异性的。Forinash和Koppelman等利用居民出行调查所得到的数据,研究个体社会经济属性对出行行为的影响,并取得了大量的成果。国内这几年基于数据挖掘的研究都倾向于从公交路网、居民设施和出行政策等方面来展开研究。吉林大学李志瑶对长春市的出行调查数据进行了研究,建立了方式选择、时间选择等模型。上海的隽志才基于活动链对出行行为进行了研究。北京工业大学的毛海唬对中国城市居民的出行行为特征进行研究。还有一些学者更加注重居民出行行为的研究,如对居民的出行意愿、出行的心理行为因素的研究。本项目旨在从出行行为的角度,研究基于位置的居民出行,挖掘居民出行中一些时空的特征和规律。

2. 研究的基本内容

（1)城市居民出行信息分析与建模：利用arcgis等软件和其他辅助信息（如道路、土地利用类型）处理已有数据，并分析南京居民出行的空间特征。

（2)城市居民出行信息挖掘分析：从居民出行轨迹数据的特点（时空特征信息丰富，语义信息匮乏、数据量大，数据信息冗余度高）出发，针对大量的车辆或人的行为分析最终发现隐藏在大量活动背后的模式和规律，将居民出行轨迹数据应用于居民出行需求预测，从轨迹数据中智能化提取和表达蕴含在其中的大量人类活动信息和时空行为模式。

（3)项目实验验证与分析：结合实例，采用南京市出租汽车调查系统的大规模出租汽车运营的轨迹数据，将出租汽车的出行活动行为和特征假设为城市居民（乘客）的出行活动行为，完善交通预测及居民出行规划，总结南京市城市居民出行的空间特征相关结论，为目前城市交通中存在的城市交通拥堵，交通信息不畅，空间位置服务不健全等现实问题提供解决方案，实现研究目的。

3. 实施方案、进度安排及预期效果

实施方案：（1） 南京市城市居民出行信息收集：根据确定的数据分析对象抽象出在数据分析中所需要的特征信息，然后选择合适的信息收集方法，将收集到的信息存入数据库。（2） 数据集成：把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中。（3） 学习相关知识，查阅相关文献，确定研究方案，并发现技术问题。（4） 对数据进行挖掘：根据数据库中的数据信息，选择合适的分析工具、方法处理信息，得出有用的分析信息。（5） 知识表示：将数据挖掘所得到的分析信息以可视化的方式呈现给用户，或作为新的知识存放在知识库中，供其他应用程序使用，实现基于居民出行时空特征的位置服务。

进度安排：3月 查询资料学习相关数据挖掘模型并对数据预处理

4月1-4月10日 结合已学模型对数据进行分析

4. 参考文献

[1]王建军. 基于出租车轨迹挖掘的寻客路线推荐[d].湖南科技大学,2016.

[2]赵苗苗. 基于出租车轨迹数据挖掘的推荐模型研究[d].首都经济贸易大学,2015.

[3]赵利刚. 基于出租车轨迹数据的载客情况可视化分析[d].浙江工业大学,2014.