城市群（Megalopolis）/城际（inter-city）OD相关研究即Open Access数据集调研

本文主要是介绍城市群（Megalopolis）/城际（inter-city）OD相关研究即Open Access数据集调研，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 城市群/城际OD定义

• Origin-Destination用于表示空间移动（from the origin to the destination)，有时也被称为流数据（flow data）[1]
  • (Origin, Destination, Number, Mode, …)
  • Origin以及Destination表示方法：
    • 1. Zone ID，例如‘zone1’
    • 2. 坐标coordinate
  • Number: 该OD对的出行数量
  • Mode: 出行模式
    • 通常只包含1种交通方式，例如bus, train等
    • 对于多交通模式出行，例如cycle-train-bus；一般也只表示为一种模式，例如train
  • 一般不包含详细的路径数据（routing）
    • 可以选择routing服务基于OD来生产routing数据
    • 例如OSRM(shortest path), Google Directions API, CycleStreets.net or OpenRouteService
    • 

2 理论模型与分析方法

2.1 重力模型 Gravity Model

2.2 干预机会模型 Intervening Opportunities Model

2.3 辐射模型 Radiation Model

3 Issues related to OD flows

3.1 OD Prediction

• 问题定义与解析
  • 定义：
  • 解析：
    • 数据基础：城市的区域(region)特征数据、区域间的OD对数据
    • 方案：基于特征数据以及OD对数据构建OD预测模型
      • 输入：region的属性特征
      • 输出：region间OD数量
    • 用途：基于部分已有数据，构建出区域属性与OD pair之间的推导模型，能够实现由已知到未知的预测
    • 缺陷：数据要求严格（属性数据的充分与否一定程度上决定了模型的泛化能力）

3.2 OD Forecasting

• 问题定义与解析
  • 定义
  • 解析：
    • 数据基础：过去一段时间内的OD情况
    • 方案：时序模型构建
      • 输入：过去的OD
      • 输出：未来的OD
    • 用途：由历史数据推测未来数据
    • 缺陷：
      • 1. 粒度不确定：point-level; matrix-level(city-level); 可以想见的是，预测范围越广，模型越为复杂
      • 2. OD数据需要具备时间属性
    • 优势：可以在没有任何其他辅助数据的情况下进行OD预测

3.3 OD Construction

• 问题定义与解析
  • 定义：
  • 解析：
    • 数据基础：易获取的信息
    • 方案：基于前期获取的信息构建出完整的城市OD Matrix
    • 优势
      • 1. 无需任何前置OD数据

3.4 OD Estimation

• 问题定义与解析
  • 定义：
  • 解析：
    • 数据基础：在不同地点采集（例如路段、交叉口等）的具有时间标签的交通agent数量（或其他可用数据）
    • 方案：基于观测数据推测OD流

4 OD Data

4.1 Basic Infor About OD Data

• 用于OD研究的数据一般可以分为两类
  • 基础OD流数据
    • Survey data：问卷调查数据
    • Individual trajectories：轨迹数据
      • Call Detail Records
      • Cellular Network Access
      • GPS Records
      • Location-based Social Network Check-ins
      • 
    • Transportation records：交通系统记录数据
      • traffic surveillance video
      • smart cards
      • taxi orders
  • 包含其他辅助数据的OD数据
    • 常用于探究OD与城市属性的空间分布特性（例如用地属性）
    • Region-level socioeconomic data: demographics, land use patterns, points of interest (POIs), and infrastructure
    • Transportation observation data
      • Traffic Flow: link counts，即起点-目的地连线数
      • Vehicle Speed: 车速数据
    • Urban geographic data

4.2 Open Access Dataset

• CITYDATA.ai[3]
  • Inner City
  • 提供开放数据集以供使用（数据量极大）
  • 提供访问API以供程序调用（需要申请开发者权限）
  • 没有inter-city OD
• Datarade[4]
  • 可直接购买数据集（价格贵）
  • 可与运营公司联系获取数据集
• Translink[5]
  • 澳大利亚Queensland公共交通数据 (public transportation)
  • 
• Cencus[6]
  • 英国威尔士
  • 包含：
    • Migration data：1年范围内的人口迁移OD
    • Workplace data：工作相关OD数据
    • Second Address data：居住地之间的迁移
    • Student data：学生OD
• 大数据平台
  • 腾讯位置服务[7]

Reference

[1] ‘The importance of OD data’. Accessed: Oct. 23, 2023. [Online]. Available: https://cran.r-project.org/web/packages/od/vignettes/od.html#:~:text=As%20the%20name%20suggests%2C%20origin,represented%20by%20a%20zone%20centroid).
[2] Rong, C., Ding, J., & Li, Y. (2023). An Interdisciplinary Survey on Origin-destination Flows Modeling: Theory and Techniques. ArXiv, abs/2306.10048.
[3] https://data.world/citydataai/spain-regions
[4] https://datarade.ai/use-cases/origin-destination-analysis
[5] https://www.data.qld.gov.au/dataset/translink-origin-destination-trips-2022-onwards
[6] https://www.nomisweb.co.uk/sources/census_2021_od
[7] https://heat.qq.com/wap_qqmap_big_data/qianxi_index.html

这篇关于城市群（Megalopolis）/城际（inter-city）OD相关研究即Open Access数据集调研的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---