《表1 变量type的种类及意义》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多元数据的城市区域可达性评估模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

这类旅行可以看成是由一系列满足时间序列的GPS点组成的。本文定义GPS点的结构为G（C，T，S），GPS轨迹可以被表示为G1（C1，T1，S1），…，Gm（Cm，Tm，Sm），…，Gn（Cn，Tn，Sn）。其中:C为GPS位置坐标；T为时间；S为0代表出租车空载，为1代表车内有乘客，出租车已被占用。出租车每隔一段时间产生一个GPS数据，而一次旅行共产生n次GPS数据，所以下标取值为1～n。为了提取出每一条旅行中有价值的信息，本文以OD矩阵为原型构建一种数据结构来表达旅行信息，即四维OD矩阵。四维OD矩阵各维度示意图如图2所示。第一维和第二维分别为起始区域和目的区域，将整个城市平均分为W×Z个区域，用Pi表示起始区域（i∈1，…，W×Z），Pj表示目的区域（j∈1，…，W×Z）。第三维为旅行条件，因为同一地区的道路可达率在工作日与非工作日里是不同的，在同一天的不同时间内也是不同的，且天气因素也会影响交通区域可达率，因此矩阵的第三维包含了多元旅行信息如DAY＿T=0，代表非工作日；DAY＿T=1，代表工作日。TIME＿T表示一天内的不同时间段（如以下五个时间7:00～9:00，9:00～12:00，12:00～16:00，16:00～19:00，19:00～次日7:00）；WEATHER=0代表有雨；WEATHER=1代表天晴。上述三个条件DAY＿T、TIME＿T、WEATHER的不同取值可以组成20种不同旅行条件（如晴天工作日的早上、雨天休息日的晚上等）type。Type的种类及意义如表1所示。第四维是具体的旅行信息，包含旅行时间、实际旅行距离、旅行日期等。TIMEjour表示此次旅途所用的总时间，即