(中南大学 地球科学与信息物理学院，湖南 长沙，410083)

近年来，为了解决日益严重的城市交通问题，提升城市交通管理现代化水平，各大城市纷纷建立了各自的智能交通管理系统，并由此积累了海量的实时交通时空数据，如交通流量、行车时间、行车速度等等。这些数据具有复杂的时间关系和空间关系，具有多源、多维、异构、海量、多尺度、多时相等特点[1−2]。如何充分有效地分析这些交通时空数据，构建一个时空一体化的交通预测模型，对于研究交通时空现象，解决城市交通问题具有十分重要的科学意义。而分析交通网络的时空自相关结构则是建立时空预测模型的关键[3]。空间自相关分析是空间统计学中常用的一种分析方法，它可以分析研究对象在空间上的分布特征和空间依赖性，已广泛应用于区域经济、生态、流行病等领域[4−8]。时空自相关则是在空间自相关的基础上进一步考虑时间因子，进而将空间自相关分析问题拓展到时空自相关。目前，现有的相关研究大多是针对点状对象和面状对象进行的，对线状对象(如道路、河流、管道等)的相关问题研究的还很少[9]，而且针对交通领域的相应研究大多采用的还是空间相关性分析方法[10−12]。为此，本文作者提出一种适合于道路网络的邻接矩阵建立方法，并建立一种新的局部时空自相关指数。在此基础上，以伦敦市道路网络为例，对其时空自相关性进行分析，并与现有的局部时空自相关指数结果进行对比。……