空间关系约束的出行行为特征案例推理研究

The characteristics of residents travelling behaviors are available for scholars to extract the spatial perception rules and behavior interaction patterns. This field has become a frontier topic of geographic information science. There are several disadvantages of existing research, including poorly understanding the spatial relationships in the characteristics of travelling behaviors, developing reasoning methodologies, and low reasoning accuracy. With these problems, this project aims at analyzing the constraints of spatial relationships between travelling behaviors and environmental factors, particular on urban hot spots. It will develop an innovative case-based reasoning method for exploring travelling behaviors under the constraints of spatial relationships. The characteristics and impact factors of travelling behaviors will be extracted via the new model. A new case-based travelling behavior portrayal modeling is proposed by fusing the characteristics and impact factors of travelling behaviors. Based on the similarity assessment models of spatial relationships, the similarity assessment models are built to evaluate the similar degrees of two cases of travelling behavior. This project develops a novel approach to behavior reasoning, which incorporates spatial relations model and case-based reasoning. The novel approach improves the accuracy of behavior reasoning and does fundamental contribution to the field of behavior research and spatial reasoning.

居民出行行为分析及推理能获取出行行为中蕴含的空间认知规律及行为交互模式，为城市规划与管理、交通监控与预测等领域提供重要信息及决策支持，是地理信息科学的前沿研究方向。针对现有研究对出行行为空间关系特征理解不足、推理模型构建困难、推理精度较低等问题，本项目以城市热点区域为研究对象，着重研究出行行为与地理环境之间的空间关系特征，发展多空间关系约束的出行行为特征案例推理方法。利用基于拓扑参考的定性方向关系描述等新空间关系模型，分析提取出行行为特征因子及影响因子；融合出行行为特征和影响因子，构建多空间关系约束的出行行为案例表达模型；利用空间关系相似性评价模型，研究出行行为案例相似性计算及推理方法，实现出行行为特征案例推理。本课题研究有望将空间关系模型和地理案例推理的新研究成果融入出行行为研究，为行为推理提供一种新的方法和思路，提升行为推理的精度，为行为研究、空间推理等领域做出基础性贡献。

居民出行行为分析及推理能获取出行行为中蕴含的空间认知规律及行为交互模式，为城市规划与管理、交通监控与预测等领域提供重要信息及决策支持，是地理信息科学的前沿研究方向。针对现有研究对出行行为空间关系特征理解不足、推理模型构建困难、推理精度较低等问题，本研究以城市热点区出租车客流量、个人身份识别及地图语义自动识别为应用场景，着重研究出行行为与地理环境之间的时空特征，发展多时空约束的出行行为特征案例推理方法。首先根据应用场景的不同，选择合适的轨迹数据。出租车客流量利用购买的出租车轨迹数据，个人身份识别及地图语义自动识别则主要利用自主开发的手机APP收集所需要实验数据以及公开发布的轨迹数据集，解决手机信令数据的获取困难。完成原始轨迹数据的预处理后，根据研究需求分别提取出租车的上下车点及个人轨迹数据中的停留点信息。在此基础上，深入分析轨迹数据中的时空特征，根据不同应用场景的需求确定对应的目标因子及条件因子，构建相应的案例表达模型，并根据已知的数据集提取相应的案例库。最后，根据条件特征因子的特点构建对应的相似性评价模型，实现三个应用场景中出租车客流量、个人身份、地图语义等的目标因子的案例推理。本研究将时空关系模型和地理案例推理方法融入出行行为研究中，可有效提升行为推理精度，为行为研究和推理提供了一种新的方法和思路。

内容获取失败，请点击重试