中国哈尔滨重型卡车活动-行程链的时空分析：一种多分辨率GPS数据融合方法

《Journal of Transport Geography》：Spatiotemporal analysis of heavy-duty truck activity-trip chains in Harbin, China: A multi-resolution GPS data fusion approach

重型卡车（HDTs）的时空特征分析及多分辨率融合框架研究。基于哈尔滨地区2万余辆HDTs的周GPS数据，提出MRSF框架，通过行程链结构化、多尺度时空融合、特征聚合三模块，挖掘出包含服务区域、行程长度、时空节奏、活动目的和功能背景的五大货运活动-行程链模式，验证其优于传统单分辨率方法，为货运分区、减排和路线优化提供决策支持。

　　

李明月|李兴华|郭云涛|钱新武|刘浩兵|卢腾

教育部道路与交通工程重点实验室，同济大学交通工程学院，上海201804，中国

摘要

重型卡车（HDTs）是城市货运运输的支柱，促进了长距离货物运输并维持了经济活动。尽管它们具有重要意义，但HDT运营的时空特性尚未得到充分研究，尤其是在复杂的都市地区。本研究提出了一个多分辨率时空融合（MRSF）框架，利用大规模GPS数据、兴趣点（POI）信息和道路网络属性来揭示潜在的HDT活动-行程链模式。该框架包括三个关键组成部分：行程链构建模块（TCSM），通过检测与货运相关的停车点并根据附近POI的功能类别推断停车目的（即活动）来将GPS数据重构为结构化的行程链；分辨率融合模块（RFM），通过集成自适应网格分区和层次加权来捕捉嵌套空间尺度上的时空动态，从而更准确地表示局部和区域货运活动；特征聚合模块（FAM），将行程动态和活动属性结合成一个统一的相似性矩阵，以实现HDT运营中的稳健模式识别和分析。使用来自中国哈尔滨都市地区20,000多辆HDT的一周GPS数据集，MRSF识别出了160,983条独特的行程链，并发现了五种不同的活动-行程链模式，这些模式通过服务区域、行程长度、时间节奏、活动目的和功能背景等时空属性进行了特征化。验证结果表明，MRSF在聚类有效性、边界可分性、结果可解释性以及稳定性和稳健性方面始终优于传统的固定分辨率和单特征模型。这些发现为基于证据的货运分区和路由策略提供了支持，对致力于推进可持续和弹性物流系统的货运运营商和城市政策制定者具有实际价值。

引言

重型卡车（HDTs）是城市和区域货运系统的重要组成部分，促进了长距离货物运输并维持了支持经济发展的物流网络。它们通常根据特定地区的重量和尺寸阈值来定义。例如，在中国，根据《公安行业标准：道路交通管理—机动车类型》（GA 802–2019），HDTs是指总车辆重量超过12吨且全长至少为6米的车辆（MPS，2019）。它们在通过道路网络运输大量货物方面发挥着核心作用。2023年，HDTs在欧盟的公路货运中占比达到83.4%（Eurostat，2024），在美国占65%（美国交通统计局，2024）。全球货运量超过了120万亿吨公里，预计2024年将每年增长3.5%（国际运输论坛，2024）。这种持续扩张加剧了城市和城郊地区的运营压力，这些地区面临着拥堵、监管复杂性和基础设施老化的问题（Rivera-Gonzalez等人，2023）。

虽然HDTs对货运流动性至关重要，但它们也带来了显著的外部性。由于体积较大且速度较慢，它们在高峰时段成为城市道路空间的主要使用者，导致拥堵、空气污染、道路磨损和城市地区的环境退化（Jia和Zhu，2025）。在密集的城市走廊中，频繁的停车和起步增加了HDT的燃油消耗，而电力化的缓慢发展加剧了物流枢纽和居民区附近的排放（Abdillah等人，2025）。

应对这些挑战需要超越零散数据和有限跟踪的全面见解。理解HDT运营的关键步骤是捕捉行程链模式——即连续的货运移动——以及活动模式——如装卸或休息等停车目的。这两个维度是相互依存的：仅了解HDT的行驶路径是不够的，还需要知道它们为何停车。将两者结合起来可以更全面地了解物流行为，从而支持绕过拥堵热点的动态路由，并鼓励非高峰时段的配送，可能减少空闲时间（Cruz-Daravi?a和Bocarejo Suescún，2021），为设计弹性基础设施（如专用货运走廊和低排放区）提供信息，这些基础设施可以将最后一公里的物流与客运交通分离，并指导可持续的政策干预，例如在排放敏感区域优先考虑电动HDTs和需求政策解决方案（Goh等人，2024）。

基于GPS的货运分析的最新进展为粗略调查和聚合数据集提供了一种强大的替代方案，高分辨率GPS跟踪提供了对行程链、停车行为和路由效率的低成本精确识别（Yang等人，2022）。当与交通和物流指标结合使用时，GPS数据支持货运行程分类、需求建模和拥堵预测（Reyana和Kautish，2024）。然而，当前的HDT运营GPS分析方法面临方法论挑战。与乘用车行程链不同，HDT行程链跨越多个空间尺度——从长途走廊到城市最后一公里的配送——受到多客户路由和复杂决策的驱动（Ma等人，2016）。这种复杂性使得固定分辨率模型要么对于城市细节来说过于粗糙，要么对于广泛区域分析来说成本过高。此外，现有方法侧重于基于行程的特征（如距离、时间和停车点），而忽略了反映运营意图的活动相关属性（Su等人，2025），限制了捕捉HDT运营中的时空动态和行为细微差别的能力。

为了解决这些挑战，本研究提出了一个多分辨率时空融合（MRSF）框架，该框架利用轨迹数据、兴趣点（POI）数据和道路网络数据，在不同分辨率下结合了HDT运营的多维行程链和活动特征。MRSF由三个连续的模块组成（图1）。行程链构建模块（TCSM）通过识别与货运相关的停车点并分配基于POI的语义活动标签，将原始轨迹数据重构为结构化的行程链。分辨率融合模块（RFM）通过自适应融合层次化六边形网格上的时空属性，丰富了这些链，从而在城乡层面实现了一致的分析。特征聚合模块（FAM）将行程动态和停车目的（活动类型）结合成一个统一的相似性矩阵，并识别潜在的HDT活动-行程链模式。除了特征融合之外，MRSF还作为一个分析框架，将原始GPS轨迹与结构化的货运活动-行程链模式联系起来。

本研究的贡献有两个方面。首先，我们开发了一个新颖的MRSF框架，该框架整合了GPS轨迹、POI信息和道路网络属性来构建行程链，融合多分辨率特征，并识别潜在的货运活动-行程链模式。方法论贡献既体现在模块级别的创新上，也体现在它们无缝集成到一个连贯的端到端工作流程中，该流程系统地将原始轨迹数据转换为可解释的货运活动洞察。该框架有效地捕捉了多种分辨率下的多样化的行程相关动态和活动目的，并在有效性、可分性、可解释性和稳健性方面始终优于五种单分辨率基线。其次，将所提出的框架应用于来自哈尔滨都市地区20,000多辆HDT的一周大规模GPS数据集，揭示了潜在的货运活动-行程链模式，并提供了关于货运活动结构的实证见解。这些见解通过支持货运分区、减排和路由策略等应用突显了本研究的实际贡献。更广泛地说，该框架推进了货运运营的地理空间分析，并为制定更加可持续和弹性的物流系统的政策提供了数据驱动的基础。

部分摘录

HDT行程链识别

高效准确地识别HDT行程链对于捕捉完整的移动模式至关重要。现有的基于GPS的方法可以分为三类：基于规则的方法、聚类方法和基于AI的模型。基于规则的方法是最早的行程链提取方法之一，使用预定义的时空阈值来识别行程的开始和结束，这些阈值基于文献（Akter和Hernandez，2023）、调查数据（Yang等人，2023）或实证分析来确定

方法论

所提出的MRSF框架包括三个关键模块，即TCSM、RFM和FAM。它以GPS轨迹数据、POI信息和道路网络属性作为输入，最终识别出潜在的货运模式。

研究区域

选择哈尔滨都市地区来验证所提出的框架并分析HDT活动-行程链模式，是因为其在东北中国的战略经济和物流作用（图5c）。作为黑龙江省的首府，哈尔滨是该地区人口最多的城市，也是最大的都市聚居区，包括城市和农村地区。它管理着十八个县级行政区划，其中包括九个都市区、两个县级城市和七个

HDT行程链特征

在一周的研究期间，从21,115辆独特的HDT中识别出总共160,983条行程链，包含788,352个停车点。平均而言，每辆HDT每天完成略多于一条行程链，行程链平均长度为85.7公里，持续时间为7.2小时，单个行程平均长度为41.4公里，持续时间为3.6小时。这些结果表明，大多数行程链由短距离的城市内配送和较长的城际运输组成，反映了HDT在两者中的混合角色

政策含义

理解HDT活动-行程链模式对于提高货运系统效率、支持可持续的城市发展以及制定平衡经济活力与城市宜居性的差异化管理策略至关重要。HDTs在维持供应链连续性方面发挥着核心作用，但也显著加剧了城市拥堵、基础设施退化和排放问题。分析它们的时空模式使政策制定者和规划者能够更好地

结论

货运活动，特别是涉及HDTs的活动，对都市流动性、基础设施需求和环境可持续性有着重要影响。然而，分析其复杂的时空模式面临重大的方法论挑战。为此，本研究引入了MRSF——一个旨在克服现有单分辨率和单特征方法局限性的新框架。利用来自20,000多辆HDT的超过1.1亿条GPS记录

CRediT作者贡献声明

李明月：写作——审稿与编辑，撰写——初稿，软件开发，方法论，概念化。李兴华：写作——初稿，监督，资源管理，项目管理，数据整理，概念化。郭云涛：写作——审稿与编辑，验证，正式分析，概念化。钱新武：写作——审稿与编辑，验证，正式分析，概念化。刘浩兵：项目管理，调查，资金获取，

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了中国国家重点研发计划（2023YFB3906900）和国家自然科学基金（52272322和52572378）的支持。