基于网格的24小时居民出行OD数据

 城市居民出行OD数据是城市群规划、城市规划、交通规划和工程建设等方面重要研究指标，它可以反映人口动态活动规律和分布特征，是许多科研工作或生产应用的基础。

    OD调查即交通起止点调查又称OD交通量调查，“O”来源于英文ORIGIN，指出行的出发地点，“D”来源于英文DESTINATION，指出行的目的地。居民出行OD调查即调查居民出行从出发地点到目的地点的全面情况，了解居民出行的构成、流量以及去向。传统的居民出行OD调查方法主要采取人工询问和表格调查的方式，如路边询问法、电话调查法等，这些传统调查方法需要耗费大量的人力、财力，并且其抽样率较低、得到的OD矩阵精确度不高。

    随着大数据技术的迅速发展，大量的用户在日常出行中产生了海量数据，这些数据具有全天候连续采集、抽样率高、数据量庞大的特点，本研究基于大数据的诸多优点，利用这些大数据来获取居民出行OD矩阵的方法。

    首先针对缺陷、漂移等问题数据进行了相应的数据预处理；然后提出了一种基于“空间-时间”双层聚类的停留点识别算法，先在空间层面利用DBSCAN算法对定位点进行聚类，并利用K-近邻法的思想优化聚类结果，得到候选停留点，再在时间层上，将停留时间超过30min的地点作为一个停驻地，识别出用户出行的停留点和出行链；最后将出行链映射到划分好的网格交通小区中，经过统计计算后得到居民出行OD矩阵。

    因此，本研究针对国内主要城市大数据进行分析，对各城市划分500×500网格单元（交通出行定义的最短距离为500米），统计每两个网格单元间每小时联系量，得到基于网格对的动态出行OD。本研究的数据成果可以为公园访客来源分析、商圈客流分析、城市居民出行特征等提供基础数据支撑。

最后得到数据成果如下：

内容：基于网格的24小时居民出行OD数据

城市：全国主要城市

格式：csv格式数据表，可转为shp格式矢量OD期望线，500*500米网格，每小时一份数据

坐标系：WGS_1984

字段：小时、O_X (O点网格中心点经度)、O_Y (O点网格中心点纬度)、D_X (D点网格中心点经度)、D_Y (D点网格中心点纬度)、count (网格间OD量)

w
x
：
Hold_on456