公共交通数据中途经限制的OD模式可视分析 (Visualizing Waypoints-Constrained Origin-Destination Patterns for Massive Transportation Data)

在交通领域,对OD模式的研究能够帮助交通领域的专家研究城市交通的动态规律以及移动行为。但是大多数OD模式的研究多集中于对全局OD模式的探索,而很少针对具有一定限制的OD模式分析。基于这个需求,本文[1]提出公共交通数据中途经限制的OD可视分析方法,通过交互式过滤满足途经限制的轨迹,并提出新颖的可视化设计,帮助领域专家分析对应的OD模式。

所谓途经限制(waypoints-constrained)指的是限制移动轨迹经过特定路径或节点。本文的研究背景是公共交通数据中的地铁数据,具体包含了约200百万条乘客地铁移动记录。在此背景下,途经限制特指经过两个特定地铁站点。如下图所示,红、蓝标记表示了对移动轨迹的途经限制起点和限制终点。如果以北京地铁系统为例,过“北京大学东门“再过”西直门“这两站地铁的所有移动轨迹为满足“北京大学东门“-”西直门“这一途经限制的轨迹。对移动进行局部限制,能够帮助专家分析经过特定途径区间的OD时空特征、流量变化等,为有针对性的决策提供依据。

1

图1 经过特定途经限制(红-起点、蓝-终点)的地铁移动轨迹可视化

为达到这个目标,本文涉及了两个方面的内容:支持交互式的途经限制的轨迹过滤;基于过滤轨迹,可视分析OD模式。

在过滤满足途经限制的轨迹方面,支持以下三种途经限制的指定方式:先后点击指定限制起点和限制终点;通过拖拽指定特定路径的限制起点和终点;以同一点作为限制的起终点、并指定下一站方向。

屏幕快照 2016-06-17 下午12.13.58

图2 三种不同指定途经起止点的方式

为了加速过滤,本文在预处理阶段,建立两种索引机制:针对两可达地铁站点之间的边,按每15分钟的时间粒度整理出对应经过的轨迹ID列表;对每一个地铁站点维护一张哈希表,存储所经过的轨迹ID以及对应的经过时间。在运行时,先通过查询经过以限制起点的边对应的轨迹,然后再查询限制终点的哈希表来获得同时满足限制条件的所有轨迹。

 在获得了过滤轨迹之后,本文提出了一种OD模式的可视化形式,其包含三个部分:进-流可视化(In-flow View),出-流可视化(Out-flow View)以及OD交通流的可视化形式(OD-Flow Temporal View)。

屏幕快照 2016-06-17 下午12.10.24图3 OD模式的可视化

如图3的左右两侧,是使用桑吉图(Sankey Graph)可视化出了轨迹的起始站、终止站。具体地,如下图4所示,水平方向表示移动时间花费,竖直方向表示对应的交通流量,条带的不同颜色与实际地铁线路的颜色对应。如图3的中间部分,左右竖直轴表示限制起止站,条带表示OD的对应关系。为展现时间与OD流量的关系,中间部分的水平方向表示时间,将条带分割为时间片段,使用热力图的形式表示对应时间片段中的交通流量。为应对OD数量庞大的问题,可以通过展开合并的方式,控制左右竖直轴中地铁站的分割粒度。为展现其它交通属性(例如OD对的平均时间花费、路程长度等),在条带的左右末端用灰色矩形块表示,其宽度表示对应量的大小。此外,有时在两个限制点之间存在这多条路径的情况,通过在中间插入代表路径种类的轴来对条带进行整理(图5所示)

图片 1图4  进-流可视化设计

以下选择了一对具有多条路由方案(绿色、紫色)的限制点对(如下图5(c) 所示)。下图5(a)和图5(b)分别为对应的上午和傍晚的OD模式。在这里,特别观察以WW27和YY1为起点,以XX线路上的地铁站为终点的情况:在上午的时候,WW27的交通流量略大于YY1,而在傍晚的时候,WW27的流量明显小于YY1;观察中间选择路线会发现,中间选择的线路大都与最后的终点站所在的线路一致。

 

屏幕快照 2016-06-17 下午12.17.18图5 同一途径限制的早晚案例

后记:与这篇文章的地铁数据不同,我们实验室针对浮动车GPS轨迹数据进行了相关OD模式分析工作。相似之处在于,我们也通过提出一套交互式的过滤工具,允许对所研究的轨迹进行限制,然后再基于过滤出的轨迹提出新颖的OD模式的可视化形式(更多详情可以参见我们的文章[2])。对比这两个工作的数据,地铁数据存在着固定站点、固定线路、固定时间花费(可能存在小范围浮动)的特点,浮动车移动数据的轨迹则具有更为自由的行为。所提出的OD模式分析方法也不同,例如在这个工作中可以直接将地铁站点作为OD类,并在使用桑吉图设计时获得整齐划一的效果;而在浮动车数据的分析中,我们的工作先利用空间分布进行密度聚类,在此基础上再分析OD类之间的关联。

参考文献:

[1] Zeng, W.; Fu, C.-W.; Müller Arisona, S.; Erath, A. & Qu, H.
Visualizing Waypoints-Constrained Origin-Destination Patterns for Massive Transportation Data
Computer Graphics Forum, 2015

[2] Lu, M.; Liang, J.; Wang, Z. & Yuan, X.
Exploring OD patterns of interested region based on taxi trajectories
Journal of Visualization, 2016, 1-11

 

评论关闭。