城市自适应出行热点探测及区域划分方法

摘要

针对固定带宽热点识别在多密度出行数据中的适应性不足，以及传统区域划分方法引发的空间异质性表达失真问题，本文提出了1种面向城市交通的自适应热点探测与动态区域划分方法。构建自适应出行密度估计模型，通过先导估计确定全局初始带宽，结合最大似然估计标定敏感性参数，并引入局部带宽修正系数和动态带宽调整机制，实现研究带宽的自动调节。开发多级热点识别技术，采用移动窗口极值检测与自然断裂分级相结合策略，构建出行热点评价体系。以热点为控制点生成泰森多边形作为基本分析单元，保持空间异质性特征，结合出行热度、莫兰指数等五类指标评估区域划分效果。以哈尔滨主城区出租车轨迹数据为样本进行实证，结果显示：较固定带宽方法，本方法热点识别数量提升2.1～6.7倍，区域热度差异标准差达572.8；面要素内点数据平均中心与重心距离为137.8 m，较传统栅格方法减少15.1%～74.3%，验证了区域划分的均质性优势；块金基台比降低至0.135，单元内部变异度减少39.6%，表明其能有效保留数据聚集特征并降低可塑性面积单元问题影响；自适应方法在研究区域内共得到了1 719个出行热点，在哈尔滨西站等区域精准定位路网交叉口热点，边界清晰且地理语义明确。研究结果为多密度出行数据分析提供了自适应框架，可支持出租车调度、需求预测等应用场景。

关键词

城市交通 / 热点探测 / 核密度 / 区域划分 / 多密度数据

基金资助

国家自然科学基金项目（42171451）资助