[论文解读] Understanding the Spatial and Temporal Activity Patterns of Subway Mobility Flows

Zhanwei Du, Bo Yang+1 more|arXiv (Cornell University)|Feb 5, 2017

Human Mobility and Location-Based Analysis参考文献 3被引用 13

一句话总结

本研究提出一种双模型框架，利用上海地铁一卡通数据、百度API提供的空间设施信息以及微博微博数据，分析上海地铁客流在时空维度上的分布模式。研究发现，市中心站点具有更高的社会影响力；在站点周边餐饮设施数量增加时，初期会吸引更多乘客，但当设施数量超过1,563处后，客流速度反而下降。

ABSTRACT

In urban transportation systems, mobility flows in the subway system reflect the spatial and temporal dynamics of working days. To investigate the variability of mobility flows, we analyse the spatial community through a series of snapshots of subway stations over sequential periods. Using Shanghai as a case study, we find that the spatial community snapshots reveal dynamic passenger activities. Adopting a dual-perspective, we apply spatial and temporal models separately to explore where and when individuals travel for entertainment. In the two models, microblog topics and spatial facilities such as food venues and entertainment businesses are used to characterise the spatial popularity of each station and people's travelling perceptions. In the studied case, the city centre is characterised by greater social influence, and it is better described by the spatial model. In the temporal model, shorter travel distances motivate individuals to start their trips earlier. Interestingly, as the number of food-related facilities near the starting station increases, until it exceeds 1563, the speed of people's journeys slows down. This study provides a method for modelling the effects of social features on mobility flows and for predicting the spatial-temporal mobility flows of newly built subway stations.

研究动机与目标

• 理解空间与时间动态如何塑造城市轨道交通系统中的客流流动模式。
• 识别社交媒体感知与本地设施对乘客出行决策的影响。
• 基于时空客流模型，建立个体选择娱乐出行地点与时间的预测方法。
• 开发一种基于环境与社会特征预测新建地铁站点客流流量的方法。

提出的方法

• 使用2015年4月上海一卡通数据集（1.2亿次行程）提取四个每日时段的客流时间矩阵。
• 应用社区检测与一致性聚类方法，为每个时段生成社区快照，揭示动态的空间社区结构。
• 利用百度API，将每个站点1公里范围内的200万处空间设施（餐饮、购物、娱乐）进行地图化处理。
• 通过微博API与改进的LDA主题专家模型，提取反映站点受欢迎程度的微博主题。
• 构建基于位置的客流空间模型，其中站点受欢迎程度由主题分布与设施数量决定。
• 构建基于差分方程的时序模型：$ Y_{t}^{i}=N_{i}(\tau_{i}\Delta t - \mu_{i}Y_{t-1}^{i} + C_{i}) $，将出行量建模为不适感、延误成本与乘客数量的函数。

实验结果

研究问题

• RQ1 地铁网络中的空间社区在不同时间段如何演变？它们揭示了乘客活动模式的哪些特征？
• RQ2 社交媒体感知与本地设施（如餐饮、娱乐）在塑造地铁站点空间受欢迎程度方面发挥何种作用？
• RQ3 出行距离与感知不适感如何影响乘客出行时间，特别是在晚间？
• RQ4 周边餐饮场所数量与乘客出行速度之间存在何种关系？
• RQ5 所提出的模型能否基于环境与社会特征，有效预测新建地铁站点的客流流量？

主要发现

• 上海市中心展现出更强的社会影响力，表现为更高的空间受欢迎度，且在空间模型中具有更强的代表性。
• 较短的出行距离与更早的晚间出行启动时间相关，表明乘客倾向于及时出行以减少延误成本。
• 随着站点周边餐饮相关设施数量的增加，出行速度最初因吸引力提升而提高，但当设施数量超过1,563处后，速度开始下降。
• 空间模型能有效捕捉基于微博主题与设施类型的站点受欢迎程度，尤其在城市中心区域表现优异。
• 时序模型成功捕捉了出行不适感与延误成本之间的权衡关系，其参数与物理及社会环境特征显著相关。
• 双模型框架通过整合社会感知与环境数据，为预测新建地铁站点的客流流量提供了稳健的方法。