城市群(Megalopolis)/城际(inter-city)OD相关研究即Open Access数据集调研

文章目录

    • 1 城市群/城际OD定义
    • 2 理论模型与分析方法
      • 2.1 重力模型 Gravity Model
      • 2.2 干预机会模型 Intervening Opportunities Model
      • 2.3 辐射模型 Radiation Model
    • 3 Issues related to OD flows
      • 3.1 OD Prediction
      • 3.2 OD Forecasting
      • 3.3 OD Construction
      • 3.4 OD Estimation
    • 4 OD Data
      • 4.1 Basic Infor About OD Data
      • 4.2 Open Access Dataset
    • Reference

1 城市群/城际OD定义

  • Origin-Destination用于表示空间移动(from the origin to the destination),有时也被称为流数据(flow data)[1]
    • (Origin, Destination, Number, Mode, …)
    • Origin以及Destination表示方法:
        1. Zone ID,例如‘zone1’
        1. 坐标coordinate
    • Number: 该OD对的出行数量
    • Mode: 出行模式
      • 通常只包含1种交通方式,例如bus, train
      • 对于多交通模式出行,例如cycle-train-bus一般也只表示为一种模式,例如train
    • 一般不包含详细的路径数据(routing)
      • 可以选择routing服务基于OD来生产routing数据
      • 例如OSRM(shortest path), Google Directions API, CycleStreets.net or OpenRouteService
      • OSRM

2 理论模型与分析方法

2.1 重力模型 Gravity Model

2.2 干预机会模型 Intervening Opportunities Model

2.3 辐射模型 Radiation Model

3 Issues related to OD flows

3.1 OD Prediction

  • 问题定义与解析
    • 定义: OD prediction
    • 解析:
      • 数据基础:城市的区域(region)特征数据、区域间的OD对数据
      • 方案:基于特征数据以及OD对数据构建OD预测模型
        • 输入:region的属性特征
        • 输出:region间OD数量
      • 用途:基于部分已有数据,构建出区域属性与OD pair之间的推导模型,能够实现由已知到未知的预测
      • 缺陷:数据要求严格(属性数据的充分与否一定程度上决定了模型的泛化能力)

3.2 OD Forecasting

  • 问题定义与解析
    • 定义OD Forecasting
    • 解析:
      • 数据基础:过去一段时间内的OD情况
      • 方案:时序模型构建
        • 输入:过去的OD
        • 输出:未来的OD
      • 用途:由历史数据推测未来数据
      • 缺陷:
          1. 粒度不确定:point-level; matrix-level(city-level); 可以想见的是,预测范围越广,模型越为复杂
          1. OD数据需要具备时间属性
      • 优势:可以在没有任何其他辅助数据的情况下进行OD预测

3.3 OD Construction

  • 问题定义与解析
    • 定义:OD construction
    • 解析:
      • 数据基础:易获取的信息
      • 方案:基于前期获取的信息构建出完整的城市OD Matrix
      • 优势
          1. 无需任何前置OD数据

3.4 OD Estimation

  • 问题定义与解析
    • 定义:OD Estimation
    • 解析:
      • 数据基础:在不同地点采集(例如路段、交叉口等)的具有时间标签的交通agent数量(或其他可用数据)
      • 方案:基于观测数据推测OD流

4 OD Data

4.1 Basic Infor About OD Data

  • 用于OD研究的数据一般可以分为两类
    • 基础OD流数据
      • Survey data:问卷调查数据
      • Individual trajectories:轨迹数据
        • Call Detail Records
        • Cellular Network Access
        • GPS Records
        • Location-based Social Network Check-ins
        • trajectories data
      • Transportation records:交通系统记录数据
        • traffic surveillance video
        • smart cards
        • taxi orders
    • 包含其他辅助数据的OD数据
      • 常用于探究OD与城市属性的空间分布特性(例如用地属性)
      • Region-level socioeconomic data: demographics, land use patterns, points of interest (POIs), and infrastructure
      • Transportation observation data
        • Traffic Flow: link counts,即起点-目的地连线数
        • Vehicle Speed: 车速数据
      • Urban geographic data

4.2 Open Access Dataset

  • CITYDATA.ai[3]
    • Inner City
    • 提供开放数据集以供使用(数据量极大)
    • 提供访问API以供程序调用(需要申请开发者权限)
    • 没有inter-city OD
  • Datarade[4]
    • 可直接购买数据集(价格贵)
    • 可与运营公司联系获取数据集
  • Translink[5]
    • 澳大利亚Queensland公共交通数据 (public transportation)
    • example
  • Cencus[6]
    • 英国威尔士
    • 包含:
      • Migration data:1年范围内的人口迁移OD
      • Workplace data:工作相关OD数据
      • Second Address data:居住地之间的迁移
      • Student data:学生OD
  • 大数据平台
    • 腾讯位置服务[7]

Reference

[1] ‘The importance of OD data’. Accessed: Oct. 23, 2023. [Online]. Available: https://cran.r-project.org/web/packages/od/vignettes/od.html#:~:text=As%20the%20name%20suggests%2C%20origin,represented%20by%20a%20zone%20centroid).
[2] Rong, C., Ding, J., & Li, Y. (2023). An Interdisciplinary Survey on Origin-destination Flows Modeling: Theory and Techniques. ArXiv, abs/2306.10048.
[3] https://data.world/citydataai/spain-regions
[4] https://datarade.ai/use-cases/origin-destination-analysis
[5] https://www.data.qld.gov.au/dataset/translink-origin-destination-trips-2022-onwards
[6] https://www.nomisweb.co.uk/sources/census_2021_od
[7] https://heat.qq.com/wap_qqmap_big_data/qianxi_index.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/151794.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C/C++数据结构之深入了解树与二叉树:概念、存储结构和遍历

树是一种常见的数据结构,它在计算机科学和数学中都有广泛的应用。树结构的最简单形式是二叉树,本文将深入探讨树和二叉树的概念、存储结构以及二叉树的遍历,并提供一些实际的代码示例来帮助理解这些概念。 树与二叉树的概念 树 (Tree) 树是…

雷电_安卓模拟器安装burpsuit_CA证书

雷电_安卓模拟器安装burpsuit_CA证书 文章目录 雷电_安卓模拟器安装burpsuit_CA证书雷电模拟器官网:https://www.ldmnq.com 安装burpsuit证书1 打开雷电模拟器右上角的winfi图标 -->点击齿轮2 修改网络3 选择高级 —》手动4 查看真实机IP的地址,选择虚…

为什么多线程会带来性能问题?

为什么多线程会带来性能问题? 什么是性能问题 在上一篇中,我们已经学习了多线程带来的线程安全问题,但对于多线程而言,它不仅可能会带来线程安全问题,还有可能会带来性能问题,也许你会奇怪,我…

刚刚:腾讯云3年轻量2核2G4M服务器优惠价格366元三年

腾讯云3年轻量2核2G4M服务器,2023双十一优惠价格366元三年,自带4M公网带宽,下载速度可达512KB/秒,300GB月流量,50GB SSD盘系统盘,腾讯云百科txybk.com分享腾讯云轻量2核2G4M服务器性能、优惠活动、购买条件…

mac vscode 使用 clangd

C 的智能提示 IntelliSense 非常不准,我们可以使用 clangd clangd 缺点就是配置繁琐,优点就是跳转和提示代码精准 开启 clangd 之后会提示你关闭 IntelliSense 1、安装插件 clangd 搜索第一个下载多的就是 2、配置 clangd 可执行程序路径 clangd 插…

react实现步进器

创建一个步进器组件,包含当前步骤(currentStep)的状态以及前进和后退的操作: import React, { useState } from react;function Stepper() {const [currentStep, setCurrentStep] useState(1);const handleNext () > {setCu…

环形链表(C++解法)

题目 给你一个链表的头节点 head ,判断链表中是否有环。 如果链表中有某个节点,可以通过连续跟踪 next 指针再次到达,则链表中存在环。 为了表示给定链表中的环,评测系统内部使用整数 pos 来表示链表尾连接到链表中的位置&#…

如何能够在发现问题和提问的时候一并带出自己的解决方案

1. 充分理解问题: 在提出问题之前,确保你已经完全理解了问题的本质。从不同的角度分析问题,确保没有遗漏任何重要的信息或者上下文。 2. 进行自我调查和研究: 在向他人寻求帮助之前,尝试自己解决问题。利用网络资源…

【proteus】8086 写一个汇编程序并调试

参考书籍:微机原理与接口技术——基于8086和Proteus仿真(第3版)p103-105,p119-122. 参考程序是p70,例4-1 在上一篇的基础上: 创建项目和汇编文件 写一个汇编程序并编译 双击8086的元件图: …

数据结构和算法——用C语言实现所有排序算法

文章目录 前言排序算法的基本概念内部排序插入排序直接插入排序折半插入排序希尔排序 交换排序冒泡排序快速排序 选择排序简单选择排序堆排序 归并排序基数排序 外部排序多路归并败者树置换——选择排序最佳归并树 前言 本文所有代码均在仓库中,这是一个完整的由纯…

【计算机网络笔记】DNS报文格式

DNS 提供域名到主机IP地址的映射  域名服务的三大要素:  域(Domain)和域名(Domain name): 域指由地 理位置或业务类型而联系在一起的一组计算机构 成。  主机:由域名来标识。域名是由字符和(或&a…

mac安装jenkins

1、安装jenkins之前确认是否安装了homebrew 2、开始安装jenkins 安装完如下图则安装完成 3、不想用默认ip和端口的自己改一下ip和端口 4、启动jenkins brew services restart jenkins 使用自己修改后的ip:port http://0.0.0.0:8088 根据提示信息,拿到管理员密码&…