基于GIS的居民活动出行行为分析研究文献综述

1. 文献综述:
2. 活动出行行为研究理论与方法

（1）基于出行的研究方法：传统的基于出行的“四阶段”分析方法以土地利用和交通系统相互作用关系为理论基础。四阶段具体指是指交通生成、交通分布、交通方式划分和交通量分配，“四阶段法”是一种集计方法，一般用于评价基础建设项目的长期规划。后来随着短期规划更加得到重视，于是又有学者提出基于个人出行行为的研究方法，此方法关注单个人在日常出行行为中的模式特点，能很好地描述个人特征、表达各类人群之间在出行需求、模式等方面的区别。

丁威等^[1]（2008）认为基于出行“四阶段”的研究方法有其局限性。首先它淡化了出行发生、方式选择、出行分布及交通分配之间的密切联系及动态的相互依赖性，且还具有不一致性。其次它在在处理出行链时过于简单化。最后此方法缺少对人的行为特性的微观解析。罗星星^[2]（2016）认为基于出行研究的理论与方法是以简单的数理统计理论为基础的，以相互独立的单次出行作为研究对象，这种方法只关注能否产生最终结果，却对于产生这种在结果的原因不予考虑，因此对于研究居民活动出行特征不是一种全面的方法。

（2）基于活动的研究方法：20 世纪70、80 年代以来，美国、欧洲和日本等城市环境和能源政策发生了根本的变化，对城市交通系统的研究已经由原先的注重交通基础设施投资的长期规划，转到了对短期内交通需求的有效管理，以及对现有道路设施的充分利用上。随着社会对于短期规划与管理政策需求的增多，小尺度（城市社区）、短时间（3－5年）的调整规划重新被研究，基于活动的出行分析方法得以发展并越来越被重视。基于活动的出行研究方法认为应在以系列活动背景中考虑个人或家庭出行模式，同时强调时间与空间制约在出行行为中的重要性，逐渐形成了研究交通行为机理、个人参与的活动和家庭参与的活动等多个方面。

丁威等人^[2]（2008）总结了基于活动的研究历程，认为国外在20世纪70年代基于活动的方法第一次在理论深度上得到系统的研究，主要是将个体行为放在了时间、空间的约束之下进行了分析研究，并对时间、空间约束与个体出行的特征关系进行了更深入的探讨，为今后的行为研究开创了基础；20世纪80年代的研究主要向个体出行以日或以星期为单位的行为动态研究，开始分析个体出行活动中的多变量影响因子，同时将出行行为研究进一步细化，对出行活动的排列顺序偏好、出行中某一类活动的出行行为做了分析，发展了最早的行程安排模型；20世纪90年代的研究所得到的结论是，个体或家庭的社会人口统计数据、个体的工作行程表特征是对居家和户外活动持续时间最基本的影响因素。柴彦威^[3]（1999）运用时间地理学的基本理论，从城市居民活动的时间结构入手，居民一天24 小时持续进行的活动调查为基础，构建调查属性、活动指标、活动时间空间三个重要数据库，进行属性分析、行为特征分析，描述活动的时空结构，从而为了解不同活动内容的行为特征、认识城市空间结构、进行城市比较研究、制定城市发展对策提供应用研究基础。逐渐形成了时间地理学关于人的行为分析的活动日志调查、数据库建立、行为分析、应用研究的四阶段研究方法。邵昀泓^[5]（2006）进一步将活动定义为个体为满足自身或家庭的需要而在某件事情中的实体参与，并按照出行者的职业和年龄定义了典型的活动模式，利用蒙特卡罗法仿真模拟个体的活动模式，最后通过利用沈阳市2004年的居民出行调查数据，分析活动—出行特征并建立模型，经与实际结果进行比较，发现模型误差较小，该模型可用于信息影响研究。

以基于活动理论为基础，专家学者们又发展了新的角度来研究居民活动出行行为，例如出行链、活动链等概念。

基于出行链的研究方法：出行链( Trip Chain) 是指从家出行开始，到回家为出行结束的多次出行组成的活动序列，即从家出发又回到家中的一连串移动与停留，表明了居民活动的时空先后顺序。一般由多个出行首尾衔接构成闭环，如家→单位→购物→家，形成一个完整的出行链。其中蕴含的信息包括时空信息、出行方式、出行目的等，将所有的这些信息进行整合并以链的形式表示出来就形成了出行链。

褚浩然^[11]（2003）通过对传统调查书籍进行整理与分析，将居民的一次出行看作是一种链的结构，由此提炼出来出行链的特征参数，并利用结构方程模型，建立了公交出行选择模型。杨敏（2006）改进了传统的调查模式，建立了基于活动模式的出行生成预测模型和基于活动目的地选择的出行分布预测模型。鲜于建川^[8]等(2010)进一步研究了出行链与出行方式的相互影响行为，以某直辖市居民出行调查数据为基础，建立出行链方式选择至出行链复杂程度和出行链复杂程度至出行链方式选择的两类影响模式模型。

基于活动链的研究方法：每个人都依据自己的喜好安排活动，因此把活动之间用出行联系起来就形成了活动链。基于活动链出行理论的基本思想可以归纳为四个方面：人们出行需求源于社会经济活动需求；人的出行活动受到时空的限制；家庭会影响个人活动和出行的决策；活动和出行决策都是动态的，会受到以往和预期事件的影响。该理论主要研究的是人们社会经济活动和出行行为的决策特征。

李民^[6]（2004）认为基于活动链与基于出行链的研究是不同的，出行链描述的是一日当中某次从家出发到最后又回到家的一条信息链，而活动链则描述的是一整日的所有出行链，因此活动链可理解为将一整日所有出行链连接起来而形成的信息链，比基于出行链的更加全面。之后隽志才^[10]等（2005）以基于活动链和出行需求理论为基础，介绍了基于出行、基于往返行程和日活动计划3 种计量经济学模型系统和3 种混合仿真模型，包括STARCHILD 、AMOS 和SMASH。概述了各种模拟方法的基本特点，并介绍了在Portland 地区应用的出行预测系统，给出基于活动链出行需求预测系统的基本结构和各组成模型的功能和参数估计方法。罗星星^[2]（2016）从活动链的统计特征（活动模式分布、活动链长度和活动链结构）入手，将居民的主要活动模式分为工作模式、学习模式和维持休闲模式。之后利用Matlab提取了龙泉驿区居民出行的一日活动链，并对其进行特征分析，揭示活动链中蕴含的居民出行特征。吴静娴^[12]等（2016）通过进一步研究认为基于活动链的活动出行研究可以解析个体活动出行全过程和增强各阶段前后关联性。研究首先对收集个体活动进行分类，之后利用STATA软件定量分析通勤者家庭属性、个人属性和出行属性对个人活动选择的相关性，确定建模所需的分层变量，然后构建通勤者活动选择的2层Nested Logit模型来预测个体活动的选择概率，最后结合蒙特卡罗法生成通勤者的个体活动链。

现在居民活动出行的分析已从基于出行的集计研究理论，逐步转向为基于活动的非集计研究理论，从群体性的出行行为转向个人活动行为，关注探索居民出行需求的内在动力与内在规律。取得的研究成果，例如对于个人或家庭出行方式预测等也更加符合中短期交通规划的需求，具有较强的实际意义。

1. 基于地理信息系统（GIS）的活动出行行为研究

学术界普遍认为地理信息系统是指在计算机硬软件的支持下，运用系统工程和信息科学的理论和方法，综合地、动态地获取、存储、传输、管理、分析和利用地理信息的空间信息系统。GIS为地理学的定量化、动态化研究提供了技术保证，它以一种新的思想和技术手段来解决地理学问题，使地理学从传统的定性描述走向定量分析，从单系统走向复杂系统。

GIS可视化技术是可视化技术与地理信息系统完美的结合，是对地理信息数据进行可视化的理论、方法。GIS可视化包括可视化表达地图数据、可视化表达空间数据分析结果、可视化表达插叙数据结果、可视化表达数据的动态变化、可视化表达二维和三维的空间数据，还包括与其他技术的结合表达形式。因此用GIS可视化技术来分析居民活动出行数据不仅可以处理海量的个人出行数据，还可以直观反映活动出行的内在规律，对道路交通的规划、管理、建设均具有极其重要的现实意义。

赵莹等^[24]（2009）认为时间地理学是研究人类时空行为的重要视角，因为将时间、空间、人类行为置于同一框架内进行分析在时空行为研究的多个领域内显示出巨大的有效性，因此集成GIS的空间分析与可视化功能是一种有效的技术手段。邙晓宇^[25]（2010）认为基于时间地理学的相关理论，对交通数据进行三维时空展示，即在原有的二维空间场景中加入时间轴信息，以此实现交通数据的可视化展示，有助于总结交通数据的时空变化规律。张健钦等^[27]（2013）认为基于GIS可以实现居民出行的三维时空路径的展示，该方法不仅能动态地描述各属性数据间的关系，而且还可以实现道路图层和各种属性信息间的双向可视化分析查询结果。可方便、快速地进行数据间的处理、显示和时空分析，同时也可为进一步的分析提供可视化的方法和工具，以及为交通规划决策提供有价值的信息。关美宝等^[22]（2013）认为GIS与时空行为研究具有密切的联系，因此将地理叙事分析与时间地理学结合，使得时间地理学融入了行为与主体的社会文化、伦理等主观性与社会性的质性分析，完善与发展了时间地理学概念框架与方法。李明轩等^[26]（2013）则从建立出行者时空数据模型入手，研究一种基于三维GIS的居民出行信息的可视化分析系统，通过展示居民出行活动位置的时空变化，发掘出行轨迹中的规律与特征。

在探索居民活动出行理论的关注点从出行转向为活动的过程中新的问题随之而来，数理统计分析模型并不善于处理海量的个人出行数据和体现出行的时空分布特征，但随着GIS技术日益成熟，这些问题都迎刃而解，GIS凭借自身对出行数据的动态可视化分析，直观反映活动出行的内在规律，为后续建立居民活动出行的时空数据统计分析模型打下了良好的基础。

1. 时空数据统计分析模型

基于不同的居民活动出行理论与特定的居民活动出行数据，不同的学者选择了不同的时空数据统计分析模型。

首先是近年来被广泛运用于活动出行行为研究的基于效用理论的非集计Logit模型。例如褚浩然等^[11]（2006）在提炼出来出行链指标（出行链个数、出行链长度、平均出行链长度和换乘次数）的基础之上，建立多项Logit模型，得到出行链指标对交通方式选择的影响因子，以此证明指标的实际意义。

穆蕊^[30]（2010）在归纳与分析国内外关于非集计模型和出行行为理论研究的基础之上，研究交通方式划分的MNL模型，利用北京市居民出行数据，研究居民个人特性、出行特性和交通设施服务水平对出行方式选择的影响，并且通过t检验与命中率检验证明了建模效果良好。徐伟^[32]（2015）先通过将个体活动模式抽象为驻留—移动模型，实现三维时空路径的可视化，得出这个模型并不适用。之后通过面向对象的居民活动—出行时空数据构模，以事件为基本研究单元，将家庭日常行为决策模式抽象为事件—项目—计划模式，从而构建基于UML的时空GIS体系结构，并提出基于GIS的居民活动—出行研究应用平台。

其次有学者选择采用基于路径分析的结构方程模型，如马静等^[34]（2011）利用北京市居民活动调查数据，基于居民日常出行行为计算微观层面的城市交通碳排放，通过建立结构方程模型研究居住空间、个体行为以及交通碳排放三者之间的关系，得到了良好的拟合结果。

同时回归模型在一定程度上也有自己的优势，塔娜等^[37]（2015）选择将北京市郊区居民的社会经济属性和居住地、工作地以及活动空间内部的公交站密度、零售业设施密度、建设密度和停车场密度作为自变量，建立线性回归模型研究建成环境对北京市居民整日汽车出行距离的影响。Yingling Fan^[31]通过对美国北大三角地区居民出行调查所得的数据进行处理，选择居民的个人属性、建筑密度、街道连接性和零售的可达性作为自变量，利用创建加权矩阵和空间回归模型估计它们居民每日活动空间与出行距离的影响。

最后也有学者选择了相对复杂的模型，陈红丽^[38]（2016）利用ArcGIS空间统计工具分析得出乘客出行的OD矩阵分布，然后从居民出行行程长度、行程时间、日出行总量、各小时出行量等方面对昆明市居民出行行为规律进行统计分析，在此基础之上，在对DBSCAN算法的参数进行优化的基础上聚类分析，并将聚类结果加入到ArcGIS中与城市路网数据进行叠加后进行可视化展示，从而识别与提取出研究区域内的居民出行热点从而加以分析。罗星星^[2]（2016）以活动链理论为基础思想，以概率神经网络模型（PNN）为研究手段且探讨其可行性的基础之上，利用Matlab提取得到龙泉驿区居民出行的一日出行链信息，通过模型研究居民的个人基本属性与出行选择行为的关系，建立了基于概率的神经网络活动模式预测模型，然后将预测结果与调查结果进行比较，发现该模型具有较高的命中率，可以应用于实际交通规划过程中。

通过研读文献可知如今对于居民出行的建模，不再像“四阶段”法那样仅依靠概率统计学理论建立模型，而是发展出了众多结合了社会经济学与时间地理学的充分考虑出行者个体特征的计量模型。根据实际数据情况选择合适的时空数据统计分析模型，是分析居民活动出行特征与内在规律研究中不容小觑的重要一环。

1. 
   参考文献