大数据轨迹挖掘GIS

网约车出行模式时空挖掘

2024年7月

研究背景

网约车订单蕴含丰富的出行意图,但订单数据稀疏且时空分布不均,需要合适的聚类与可视化方法才能提炼模式。

研究目标

从网约车订单中挖掘城市出行的典型时空模式,为需求预测与运力调度提供依据。

实现方法

将订单映射为起讫点网格的 OD 张量,用 NMF 分解得到基模式;再用 HDBSCAN 对出行热点聚类,结合时间维度做潮汐分析;结果在 QGIS 与 ECharts 中可视化。

输入数据
需求路网
方法
建模求解
输出
指标图表
PythonPandasScikit-learnQGIS

结果与分析

订单总数
8.2M
出行模式
6
网格数
1024
潮汐比
1.74-

24h 订单曲线

模式占比

起讫点热力图

交互演示

反思与展望

出行模式是城市结构的镜像——通勤流揭示了职住分离,娱乐流刻画了夜经济版图。数据让城市变得可读。