大数据与低碳交通出行研究.pdfVIP

2022易智瑞地理信息技术创新大会 大数据与低碳交通出行研究 2022年8月 城市交通碳减排面临巨大的挑战 全球快速城市化 中国城市化进程加快 交通拥堵加剧 联合国人居署 2007 ：城市人口乡村人口 2050 ：城市人口比例约68% 近三十年 城市化 20%—60% 汽车保有量300万top10城市 交通碳排放 交通领域碳减排 全球交通部门CO 占25% 2 可持续发展 道路CO 排放 占80% 2 严峻挑战 （IEA, 2018） 中国交通碳排放持续增长 （5%） 实现低碳交通的关键策略 传统方法局限 ： 1、优化城市空间结构 ，从交通需求源头减量 预测—供给—诱导需求 职、住、娱 出行距离、格局 物理移动 城市空间 交通需求 一体化/综合规划 结构 设施可达性 供给 需求 2、优化居民出行结构 ，提高绿色出行比重 交通城市空间 公共交通 出租车 机动化 低碳/绿色 慢行(步行/骑行) 私人小汽车 出行 出行 共享出行 （中国工程院战略研究中心 ，202 1；Hussein Dia, 202 1） 国际科学前沿科学问题 国际科学前沿 ：新数据、新技术支撑下的出行研究 社会感知等多源地理时空大数据 地理计算、空间数据科学和技术 大容量、大范围、细粒度分辨率、个体关联 环境感知、数据挖掘、时空模式、行为模拟 微观、人文社会视角理解人类活动/出行模式 出行模式挖掘、行为模拟、微观机理解释 （ Kitchin, 2013; 柴彦威, 2014; 刘瑜, 2016; Zhao, 2018） （裴韬等, 2019; 龙瀛等, 2020; Xu et al., 202 1 ） 科学 u如何利用海量出行大数据挖掘 u如何融合多源大数据挖掘建成环境与低 问题 居民低碳出行模式和特征 碳出行之间的复杂关系和规律 科学 意义 优化建成环境和出行结构 ，促进交通与城市空间结构的一体化 智能刷卡 地理大数据的特点和类型 u地理大数据特点 （刘瑜, 2014 ； Kitchin, 2013） 数据量大、种类多、增长速度快 ； 大范围、细粒度分辨