25816

تحليل مكاني – زماني سفرهاي شهري با استفاده از داده‌هاي تلفن همراه

كارشناسي ارشد

برنامه‌ريزي حمل و نقل

شهريور 1399

1400/06/30

افشين شريعت مهيمني

متين شهري

مهندسي عمران

با افزايش جمعيت كلان‌شهرها و حضور افراد در جامعه، ازدحام و تراكم سفرهاي شهري در نواحي مشخصي از شهرها بالا مي‌رود. زيان‌هاي اقتصادي نظير اتلاف زمان، اتلاف سوخت و آلودگي‌هاي محيطي ازجمله پيامدهاي افزايش ازدحام و تراكم در كلان‌شهرها مي‌باشد. شناسايي محدوده‌هاي پرتراكم شهري و به‌كارگيري روش‌هاي مديريت تقاضا در راستاي كاهش آثار آن‌ها و رفع مشكلات اين نقاط پرتراكم، داراي اهميت است. با توجه به اينكه مكان و زمان دو مشخصه اصلي سفرهاي شهري هستند، انجام تحليل‌هاي مكاني – زماني به‌منظور شناخت الگوي فعاليت شهري و رفتار سفرها الزامي است. داده‌هاي مورداستفاده در تحليل‌هاي مكاني – زماني بايد ضمن داشتن پيوستگي مكاني و زماني، نماينده مناسبي از جامعه مطالعاتي باشند. استفاده از داده‌هاي مبتني بر سيستم‌هاي هوشمند، نظير داده‌هاي تلفن همراه به‌عنوان يك منبع داده كم‌هزينه و با ضريب نفوذ بالا، به‌منظور دستيابي به تحليل‌هاي با دقت مناسب حائز اهميت است. در اين مطالعه، با به‌كارگيري داده‌هاي تلفن همراه و نواحي ترافيكي شهر شيراز، مراحل پاك‌سازي و آماده‌سازي انجام شد. تراكم فعاليت در واحد مساحت نواحي ترافيكي، در برش‌هاي زماني يك‌ساعته براي روزهاي كاري، نيمهكاري و غيركاري مورد تحليل واقع مي‌گردد. تحليل مكاني موران عمومي و محلي، تحليل اكتشافي سري زماني، تحيل شناسايي روند زماني Mann-Kendall و تحليل يكنواختي SNHT استفاده گرديد. تحليل مكاني – زماني موران و خوشه‌بندي نواحي ترافيكي بر مبناي شباهت سري زماني آن‌ها با استفاده از تابع فوريه انجام مي‌پذيرد. در ادامه ساختار شهر شيراز را بررسي نموده و ضمن شناسايي نواحي مهم شهري، كاربري غالب آن‌ها مورد بحث قرار گرفت. نتايج تحليل‌هاي مكاني، نشان‌دهنده وجود خودهمبستگي مثبت تراكم فعاليت در نواحي ترافيكي است. در نتايج تحليل‌هاي سري زماني ضمن استخراج زمان آغاز فعاليت شهري، اوج ميان‌روز و اوج عصرگاهي، وجود روند افزايشي در سري زماني الگوي سفرها اثبات شد. همچنين، با به‌كارگيري تحليل‌هاي مكاني – زماني، تغييرات تراكم فعاليت در طول روز و گستره نواحي مهم شهري بررسي شد. خوشه‌هاي نواحي ترافيكي با سري زماني مشابه و متمايز در نواحي مركزي شهر مشاهده شدند. ساختار شهر شيراز مركب شناسايي گرديد. نواحي مهم شهري در روزهاي كاري و نيمهكاري غالباً اداري، تجاري، درماني و آموزش عالي بوده و در روزهاي غيركاري داراي كاربري مسكوني، فضاي سبز و تفريحي بودند.

1400/10/14

Spatio-Temporal Analysis of Urban Trips Using Mobile Data

9/21/2022 12:00:00 AM

Population growth in metropolises causes people presence, crowd congestion, and high density of urban trips in metropolitan zones. Economic consequences of this congestion include high fuel consumption, environmental pollution, and also citizen's time wasted in traffic. Therefore, hotspot detection and complimenting demand management methods would be highly effective in the negative consequences of congestion. Due to the importance of space and time among urban trips characteristics, spatiotemporal analysis is so useful in detecting trip behavior and urban activities pattern. Database as the most crucial part of this analysis, not only should provide a continuous spatiotemporal dataset, but also should represent the whole characteristics of the society. Applying ITS-based datasets like mobile phone data would provide a low-cost dataset with a high penetration rate for spatiotemporal analysis. In the present study, we used big mobile data for Shiraz metropolitan. The preprocessing task on the dataset consists of data cleaning, data filtering (detecting outliers), and also stay point detection. Considering spatial unit preprocessing, we assigned the data from the base station point layer to the traffic analysis zones (TAZ). To do so, we calculated the area each TAZ shared the Voronoi cells and assigned the same share of detected activity in Voronoi to the target TAZ. Finally, data aggregation was done on the TAZs. Using area and population Per TAZ, we normalized the analysis variables. Moran’s I global and local analysis, exploratory time-series analysis, Mann-Kendall trend detection method, and also standard normal heterogeneity test have been used in the study. Considering two crucial dimensions of urban trips, we implemented Moran’s spatiotemporal pattern detection and spatial-temporal time series clustering using the Fourier function. City structure and hotspot detection were the additional implemented analysis. Results show a clustering structure in TAZs. Also increasing trend of activities, detected in time series analysis. The study also extracts the activity start time, morning peak, and evening peak of trips in the workday, semi-workday, and off-days. Spatiotemporal analysis results demonstrated the density changing pattern in 1-hour timeframes of all three days. As expected, hotspots were mainly detected in commercial, administrative, remedial, and higher-education land uses. On the other hand, zones with residential, recreational, and green spaces land uses were detected as hotspots on off days.

تحليل مكاني – زماني , سفرهاي شهري , داده‌هاي تلفن همراه

Spatiotemporal analysis , Urban trips , Mobile phone data