文献综述（或调研报告）：
时间地理学是在各种空间-时间限制下分析人类活动的有效框架。时间地理学的核心是时空棱镜模型的概念。时空棱镜是一种假定的棱柱形结构，界定了一组位置，这些位置可以由个人在给定时间预算内从指定位置物理到达。
传统的时空棱镜能容纳确定性的旅行速率，而忽略了旅行环境的随机本质。Bi Yu Chen等人（2013）将传统的时空棱镜模型延伸至拥塞的道路网络与随之而来的旅行时间的不确定性，提出了一个可信赖的时空棱镜。可信赖的时空棱镜定义为一组时空地点，其中个人可以参与某项活动，并在给定的准时抵达可能性中，回到他或她的目的地。结果还表明，所提出的可靠的时空棱镜模型可以在不同水平的准时到达概率（即）下很好地表示个体的时空范围。但该研究的不足之处在于，拥挤的道路网络中的旅行时间在相邻路段之间存在很强的相关性；其次，在本研究中，假设路段旅行时间分布在感兴趣的时期内是稳定的。实际上，路段旅行时间分布随着时间的变化而变化；研究中假设起点和目的地的位置是完全固定或已知的。在实践中，起点和目的地的位置可能具有很大程度的测量误差或固有的灵活性（Kuijpers等人，2010）。将这种锚定不确定性结合到所提出的可靠的时空棱镜模型中将是一个有趣的扩展。
同时，传统的时空棱镜中每次个人路径的访问是两个已知站点的两个固定活动之间的可变活动。实际上，个人倾向于进行具有很大变化和复杂性的旅行，即两个固定站之间存在多个可变活动。Xiang Chen 和 Mei-Po Kwan（2012）对此提出了四种模型，用于在时空约束下识别具有多种灵活活动的选择集。这四个模型的结构建立了一个理论框架，用于概念化关于活动的固定性和作为目的地或起点的固定站的数量的出行链行为。
这两个基于传统时空棱镜模型改进的模型，并未能够在具有大量充足的出行数据的案例研究中来运行验证。Bi Yu Chen等人（2018）使用在中国深圳收集的超过600万用户的移动电话追踪数据集，来研究人类流动性对可及性的影响。通过沿用户轨迹采样点构造时空棱镜，估计了大量手机用户的潜在活动空间。并使用和度量评估手机用户对城市服务的可及性。通过同一居住区域内真实的和虚拟静止的手机用户之间的相对可及性比率，量化了居住在不同地区的人们的流动性对可及性的影响。这个研究发现人类流动性对度量下的可及性的影响，既可以是正面的也可以是负面的，这取决于土地利用特征。对于具有密集服务场所的资源丰富地区（即该案例研究中的大多数核心城区），人类流动性会显著地降低个人的可及性。在这些地区，长距离的个人出行表明，为出行分配大量的时间资源导致减少了个人参与活动的时间，从而降低了可达性。对于服务场所稀少的资源贫乏地区（即本案例研究中的大多数郊区和城市地区），人类流动性可以大大提高个人的可达性。虽然长距离出行也减少了个人参与活动的时间，但长距离出行使这些资源匮乏地区的人们能够享受其他地区提供的城市服务，从而提高了他们的可达性。因此，这些结论丰富了我们对土地利用如何影响人的流动性和可达性之间的关系的理解。该研究的不足是仅考虑可及性评估中的单一弹性活动，忽略了个体的出行链行为。为了保护用户隐私，研究中仅收集了手机用户的轨迹，省略了任何个人信息，如性别、年龄、职业、收入、汽车保有量、出行方式选择、出行目的等。这些个人属性如何影响人的流动性和个人的可及性之间的关系需要进一步的调查。
Mei-Po Kwan（2000）描述了几种基于GIS的三维地理可视化方法，同时用于处理人类活动-出行模式的空间和时间纬度，避免了多变量模式泛化或识别方法的解释复杂性。这可以清楚地揭示时间维度的重要性及其与空间维度的相互作用，以构建个体的日常时空轨迹。Mei-Po Kwan（2004）探索了基于GIS的时间地理学方法在描述和分析时空间中人类活动模式的价值，讨论了基于GIS的地理计算和三维可视化方法的近期发展。并通过研究案例展示这些方法的有效性。这为本研究数据的地理三维可视化提供了方法与指导。
本研究的目的，是基于长期GPS数据，对个人的日常出行行为进行分析，达到对出行行为进行预测的目的（即，这个人在早上9点出发，他有可能到达哪些地方，在到达了这个地方之后，有有可能到什么地方，这些可能性的概率是多少）。在掌握了个人的出行规律之后，可以找出日常的居住地点、工作地点，再在先前文件提出的改进的时空棱镜的基础上，构造时空棱镜模型。
所构建的时空棱镜可以叠加，以创建每日的时空棱镜。受每一次出行的起终点的位置和时间的影响，构建的时空棱镜可能会有所不同。如在上午上班的出行中，如果出发时间较平时晚，则构建的时空棱镜在2D地理空间上投影构成的潜在路径区域就会变小，如果出发时间较平时晚，则潜在路径区域可能就会变大。在构建模型的过程中，采用地理三维可视化的方法呈现数据，使得数据更加直观并有利于数据的时空分析。
参考文献
[1]Chen, X., and M. P. Kwan. 2012. Choice set formation with multiple flexible activities under space–time constraints. International Journal of Geographical Information Science 26 (5): 941–61.
