购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

2.3 重点应用

2.3.1 城市空间分析

1)城市空间拓展分析

对历年城市发展范围的演变进行分析,有利于把握未来城市重点发展方向,以及发挥交通设施在城市发展中的促进作用。结合灯光数据的分析即可实现上述分析。图 2.15 为某城区灯光数据,可以直观呈现出二十多年来的城区发展变化。

图2.15 某城区历年灯光数据分析(编者自绘)

2)辐射范围分析

(1)城市群辐射分析

以新建区域机场为例,通过机场的辐射范围分析(图 2.16),得到其核心客流的吸引范围,并可对比不同规划衔接方案下影响范围的变化。

(2)小汽车可达性分析

获取实时小汽车出行时间数据,分析目标区域小汽车出行等时圈,可精准识别不同时间下的辐射范围。通过不同时段下辐射范围的对比,可分析该区域的交通区位优劣,也可对比不同方向下的差别,小汽车可达性分析图如图 2.17 所示。

(3)公交车可达性分析

获取实时公交出行时间数据,分析目标区域公交出行等时圈,可精准识别不同时间下的辐射范围。通过不同时段下辐射范围的对比,可分析研究目标区域的公共交通总体供给服务情况。

图2.16 机场辐射范围分析

图2.17 小汽车等时圈图(编者自绘)

(4)步行可达性分析

基于构建的步行网络,可以分析基于实际步行道路条件下的慢行可达范围。图2.18为某轨道站点的步行覆盖范围图,该范围呈现不规则的形状,更贴近真实的慢行覆盖范围。

图2.18 轨道站 800 m步行覆盖范围图

2.3.2 城市联系度分析

1)城市间联系度分析

通过城际迁徙的大数据分析,对城市间联系度进行分析。其中,城际迁徙客流包括航空、铁路、汽车三种交通方式的数据,通过这些数据可以从客流层面分析城市的对外联系程度。图 2.19 为某区域城市对外交通联系的排名,对分析城市对外联系方向、城市中心区位空间拓展具有重要的支撑作用。

2)区域间联系度分析

(1)基于手机SDK数据的城市联系度分析

区域之间客流交互量的多少,是判断区域之间联系强度的直观数据。通过手机位置数据,可以精准识别区域之间的交通流向。图 2.20 为基于手机位置数据分析的璧山区对外交通联系程度。

(2)基于铁路客运数据的城市联系度分析

除了从出行需求层面分析对外的联系程度外,还可以从交通设施的供给规模上分析两地区之间的联系度。图 2.21 为通过全国火车客运发车班次数据,分析站点间的班次频次,从供给层面分析区域间的联系度。

图2.19 城市对外联系度排名表

图2.20 璧山对外联系度(编者自绘)

3)片区对外联系度分析

手机位置数据的交通流向分析,除了可以用于区域层面的宏观分析,也可以聚焦到片区层面判断主要交通流的来向。图 2.22 为基于手机位置数据对重庆南坪片区对外交通流向的分析,可以判断片区交通来源的核心圈层位置,以及外部客流的主要分布地点。

图2.21 涪陵站对外联系度(编者自绘)

图2.22 南坪片区对外联系度

2.3.3 城市客流分析

1)职住分析

城市居住人口和就业人口的空间布局分析是城市空间功能识别的重要支撑。如图 2.23 所示,通过居住人口分布热力图和就业人口分布热力图就能明显地识别居住与就业中心所在,从而为城市功能空间的分析提供量化支撑。

图2.23 片区人口与岗位分布图

2)客流分布分析

客流分布分析对城市交通特征的把握、方案的制订具有重要的指导作用。图 2.24为通过手机位置数据识别出不同时段下的客流分布情况并绘制客流分布图,通过该图可以分析得到片区全天的交通流向情况。

3)客流热力图分析

针对商场或者公园等具体的分析目标,也可以通过热力图形式来分析研究目标的客流来源分布情况,图 2.25 为某商业综合体的客流来源分布图。此分析结果有助于规划人员判断研究目标的主要客流来源方向,并以此制订对应的交通支撑方案。

2.3.4 公交客流分析

1)公交站点客流分析

通过对公交刷卡数据的处理,可以分析不同站点的上下客情况。图 2.26 为基于公交运营数据识别出的常规公交站点上下客分布,从而绘制出的公交站点客流分布图。基于大数据的公交客流分析,不仅避免了大规模的现场调查工作,同时也能更精准地识别研究范围内的公交客流出行特征。

图2.24 不同时段客流分布图

2)公交客流分布分析

通过对刷卡数据的分析,除了可以分析站点的上下客以外,还可以对公交客流分布情况进行分析。客流分布分析可帮助规划人员识别公交客流的分布特征,也可对某站点的公交客流分布情况进行分析,图 2.27 即为某轨道站点的客流分布图。

3)公交出行对象分析

基于公交运营数据的公交客流分析,将分析对象聚焦于公交站点或者公交线路,因受其数据特性的限制,无法对公交的个人出行者进行更详细的特征挖掘。研究团队通过手机数据和百度路径时间数据的融合,实现了对公交客流个体出行者的识别,基于该算法可识别公交出行者的分布情况,图 2.28 即为某轨道站点的客流来源分布图。通过该图可以看到轨道站客流的具体来源地,可以为轨道站点出入口优化措施提供量化支撑。

图2.25 某商业综合体的客流来源分布图

图2.26 公交站点客流分布图

图2.27 某轨道站点的客流分布图

图2.28 某轨道站点的客流来源分布图

2.3.5 道路运营分析

在道路运营分析中,除对宏观的城市道路速度进行分析以外,还可对具体路段进行微观研究。前文已介绍了道路速度数据的采集,基于该数据可以对片区道路的运营速度进行分析。图 2.29 为某片区抓取的实时道路速度数据,通过采集道路沿线各关键节点的速度数据,可以分析道路沿线的速度变化情况,从而为交通管理措施的制订提供依据。

图2.29 道路速度变化图 0WepmcOw+DuzWOerBtsiCfCTai2ec12Xe+ECoflsi6TAk2spqAYe3wv2uP4OOFvo

点击中间区域
呼出菜单
上一章
目录
下一章
×