耦合手机信令数据和房价数据的城市不同经济水平人群行为活动模式研究

有效分析城市不同经济水平人群的分布特征和活动模式对优化城市资源配置和揭示空间隔离现象有着极高的价值。但人群活动和社会经济等级数据较敏感,使得以往研究仅停留在宏观层面,难以合理划分人群经济等级并对其空间分布和活动模式进行定量分析。本研究以深圳为研究区,基于空间位置关联分析方法,耦合手机信令数据和细尺度房价数据实现了人群经济水平的准确划分,通过计算活动指标定量的分析了不同经济水平人群的空间分布和行为活动特征。研究表明：深圳市不同经济水平人群活动分布与各行政区经济发展相关,呈现“南高北低,西高东低”的格局;深圳市不同经济水平人群之间活动模式存在差异,活动范围、出行距离、出行速度与经济水平存在正向相关;高经济水平人群职住地点相距较远,存在跨行政区分布的现象。本研究分析了城市不同经济水平人群的空间分布特征和活动模式,对城市规划和解决社会不平等问题具有重要的参考价值。     

长沙市游憩-居住功能空间格局及其匹配关系研究

伴随新型城镇化和全面休闲化时代到来,游憩-居住两大功能空间关系研究成为新时期城市地域结构领域的重要关注议题。基于POI地理空间大数据,通过运用Ripley's K函数、同位区位商、“不一致指数”定量模型和采用全局空间自相关、核密度估计等ArcGIS空间分析方法,探究了长沙市游憩-居住功能空间格局及其匹配关系特征。研究发现：① 两大功能空间均具有显著的空间正相关性,形态格局差异鲜明且均呈以“空间极核”为导向的集聚模式,各类型功能空间集聚强度表现为“居住空间>文化休闲空间>体育健身空间>商业娱乐空间>自然生态空间”;② 两大功能空间存在基于“距离-数量”的函数衰减关系,距离居住空间3000 m半径环带是游憩空间集中分布以及居民日常游憩休闲的重要活动范围;③ 居住空间具有“临近”游憩空间布局的指向特征,但反之不显著,两大功能空间呈单向吸引“非对称性”错位临近关系,居住空间临近不同类型游憩空间的指向强度呈“体育健身空间>文化休闲空间>自然生态空间>商业娱乐空间”位序格局;④ 游憩-居住功能空间协调关系具有较强的空间异质性,湘江西岸整体上优于东岸,岳麓区、望城区为游憩-居住协调型,天心区、芙蓉区、雨花区、开福区为游憩滞后居住型,长沙县为游憩超前居住型。本研究通过聚焦新型城镇化和全民休闲时代的城市游憩设施配置及其与居住空间的关系问题,将为丰富传承新背景趋势下的城市公共设施区位理论、城市空间结构理论等提供重要的理论探索方向,并为长沙市及国内同类大都市合理布局城市游憩休闲设施、优化调整城市空间结构和建设休闲宜居城市等提供科学参考。     

城市出租车上下客的GPS轨迹时空分布探测方法

出租车作为城市公共交通的重要补充,是城市面向公众的一个窗口,在人们日常出行中起到越来越重要的作用。出租车资源时空分布的不均衡,直接影响到城市公共交通的运行效率和城市形象。通过研究出租车上下客的时空分布特征,不仅可以反映城市居民的工作、生活、出行的规律和模式,也可反映城市空间在不同时段内的动态性和“热度”。本文基于出租车GPS轨迹大数据,针对出租车上下客事件轨迹呈现的线状特征,以及城市道路网络空间不同时段“热度”的动态分段特征,提出了出租车上下客时空分布的线密度探测模型。该模型通过对时间多粒度描述与表达,对不同城市道路网络空间,进行出租车上下客事件的探测和分析,获取城市出租车上下客的时空分布规律,更深刻地理解和认知了城市空间的动态性。     

智能卡和出租车轨迹数据中蕴含城市人群活动模式的差异性分析

当前采用交通流数据量化城市人群活动模式研究已经取得了丰硕的研究成果,但是对于同一区域、同一时段不同类型交通流数据反映城市人群活动模式的共性与差异性仍然知之甚少,直接影响了城市人群活动模式挖掘结果的可解释性与实际应用效果。为此,本文旨在对目前广泛采用的智能卡数据（公交和地铁刷卡）和出租车轨迹数据2种重要的交通流数据,从时空分布模式的差异性、行程距离及距离衰减效应的差异性、空间社团结构的差异性3个方面,探索二者反映城市人群活动模式的差异性：① 采用北京市六环以内区域2016年5月9日至15日的智能卡和出租车轨迹数据进行实验分析,研究发现：① 2种交通流反映出行需求的空间分布呈现出高度相关性,但是在同一空间单元上,2种交通流反映出行需求的时间相关性较低;② 2种交通流的使用率在不同空间位置存在明显差异,仅在城市中心区域使用率较为均衡;③ 2种交通流反映人群行程距离的空间分布、距离衰减效应存在明显差异,公共交通对于促进长距离出行更为重要;④ 从2种交通流发现的空间社团结构都显示了城市的多中心结构特征,但是二者发现社团结构存在的差异性表明两种交通方式对城市空间交互起着不同的作用。本研究有助于深入理解多源交通流反映城市人群活动的内在机理,提升城市人群活动模式在城市规划、交通管理等领域的应用效果。     

等时线模型支持下的深圳市综合医院空间可达性测度分析

可达性是在空间分布格局、设施约束等综合条件下的空间决策问题,等时线模型为该决策分析可提供方法支持,它是以时间地理为框架,用时间成本来衡量时空可达性的重要模型。面向兴趣点（Point of Interest, POI）可达性分析通常包括2种形式：① 基于“供给”角度从特定POI出发的服务可达分析;② 基于“需求”角度从任意空间位置出发获得最近服务的便利度分析。目前的研究从“供给”角度探求特定POI的服务范围居多,对“需求”角度的等时线分析关注不够。本研究针对这一缺陷,开展面向服务需求的兴趣点可达性等时线分析,考察任意位置达到某类服务设施最近点的时间代价。在几何度量方法上,本研究利用了网络空间Voronoi图模型,与传统欧氏空间Voronoi图相比,本方法顾及了街道网络对空间通达的直接影响。本研究发现了等时线的形态、坡度等特征能够反映POI的疏密分布和道路网的通达性。     

基于大规模手机定位数据的群体活动时空特征分析

城市空间与居民行为不断交互,相互影响。探究城市空间中的群体活动分布及其时空变化能够帮助数据驱动的城市规划与城市治理。基于大数据的时空间群体活动研究是当前时空大数据研究的一个热点。本文以深圳市为例,基于约1000万手机用户在某一工作日的基站尺度的手机定位数据,识别用户停留位置和停留活动,重建活动语义信息,分析用户的停留点和停留活动的分布差异,研究群体活动的时空分布模式,探讨人群活动模式的多样分布特征。研究表明：停留位置和活动分布存在差异,每人每天平均的停留个数约为2.1个,而每人每天平均从事的活动约为3.4个;不同类型的活动在时间上存在波动;群体活动存在空间分异特征,整体上服从“空间幂律”。本研究揭示了城市空间中群体活动的多样性及其时空分布特征,对于城市居民活动研究、城市交通优化和城市规划具有重要的意义。     

三江源地区“三区空间”时空演化及驱动机制分析（1992―2020年）

三江源地区是国家重要生态安全屏障和生态文明先行示范区。科学认知三江源地区生态空间、农业空间、城镇空间的空间格局演变特征及驱动机制,对于促进国土空间格局优化具有重要意义。首先从单一土地利用类型入手,分析1992―2020年的变化特征;然后结合土地分类和量化评价辨识出农牧空间,进而界定出“三区空间”并对其演变特征进行分析;最后,利用地理探测器分析变化背后的驱动机制。结果表明：① 三江源地区城镇空间增幅达774.56%;生态空间和农业空间以2005年和2015年为转折点,分别呈“U”字型和倒“U”字型变化趋势;② 研究区仅发生了4种交叉转换：生态空间转农业空间规模为1154.1 km²,多发生在气候变化主导区,转化量大但速度在逐步放缓;农业空间转生态空间规模为1140.8 km²,多分布在气候与人类活动共同作用区,转化速度呈明显变快趋势;农业空间和生态空间转为城镇空间的总量分别为41.0 km²和12.3 km²,多分布在县（市）驻地镇附近,转化速度在三个阶段表现为“缓慢增长―变快―减缓”的态势;③ 地理基础条件是“三区空间”格局演化的基本动力和前提,制约着交叉转换的位置和方向;社会经济因素是演化的关键驱动力,对交叉转换规模和速度均具有显著影响;生态保护政策在2005年之后驱动作用显著,尤其在“生态―农业”空间的相互置换过程中发挥着稳定作用。本研究可为牧业地区主体功能降尺度传导和国土空间用途管制提供新思路,可应用于三江源地区生态环境保护决策和各级国土空间规划编制工作。     

中国艾滋病空间格局和时空演化分析

探索艾滋病疫情的空间格局和时空演化特征,发现其分布和流行规律,对促进艾滋病防控工作具有重要意义。本文基于1997—2016年中国艾滋病省级发病率资料,利用空间自相关技术探测艾滋病疫情的空间格局,并使用重心轨迹迁移算法进行时空演化分析。结果表明：中国艾滋病疫情在省级尺度上具有较强的空间依赖性。1997—2016年,中国艾滋病疫情的全局空间关联程度从弱变强,而且存在进一步强化的趋势;疫情总体呈现“南重北轻,中部过渡”的空间格局,可将中国艾滋病发病率在局部发生空间自相关的区域划分为以内蒙为代表的北方疫情冷点片区和以广西为代表的南方疫情热点片区;中国艾滋病疫情的总体流行程度不断加深,且具有明显的地域差异性,在空间上表现为非均衡增长。因此,今后的艾滋防控工作必须在传统预防手段的基础上注重疫情扩散的时空规律,重点加强对疫情热点区域和高风险传播方向的管控,以达到区域协同、精准防控的目的。     

基于密度的轨迹时空聚类分析

通过轨迹聚类分析挖掘物体移动模式的空间分布和时间特征,对于认识运动的形成机制,预测运动的未来发展具有重要的意义。目前,轨迹聚类研究主要关注物体的空间位置变化,时空聚类中时间约束一般只是作为辅助信息,并不真正参与聚类。本文提出基于密度的轨迹时空聚类方法,在聚类过程中同时考虑轨迹包含的时空信息,在空间聚类的基础上提出了轨迹线段时间距离的度量方法和阈值确定原则,对时空邻域密度进行聚类分析,挖掘物体的时空移动模式。实验对南海涡旋轨迹进行时空聚类分析,得到了涡旋典型移动模式的空间分布和时间特征,验证了基于密度的轨迹时空聚类方法的有效性。加入时间约束后,移动通道主要发生缩短、分裂和消失的变化。和空间聚类相比,轨迹时空聚类可有效地划分发生在同一位置不同时间的轨迹,得到的聚类结果更加细化,移动模式更加准确,有利于物体的移动模式做更深入的分析。     

基于室内定位数据的群体时空行为可视化分析

室内定位数据记录了用户在室内空间活动的时空轨迹,是研究人群室内行为的重要信息源。室内数据时空耦合、分布复杂,可视化分析可以更好地揭示其规律。然而,与室外数据不同,室内数据具有时空粒度细、定位精度高等特点,与POI之间的空间关系更为明确,其轨迹受到室内设施和空间的制约,出现高维和不规则的特征,而这给室内行为研究提供依据的同时,又给可视化分析带来一定的挑战。现有的可视化方法主要应用于室外定位数据,关注轨迹自身的活动轨迹分析,往往忽略了所经过POI语义信息表达。针对这一问题,首先分析室内空间结构与定位数据的特征,阐述室内空间可视化分析的特殊性;在此基础上,面向室内人群的时空分布、移动模式及相关POI之间的对比、关联分析的需求,细化可视化分析的内容,明确可视化分析与展示的对象,并设计数据结构;从数据结构、可视化方法、展示图件及用户交互4个层次构建时空行为可视化分析模型;基于上述方法,采用WebGIS和WebGL技术综合设计和实现了面向商场定位的商场客流分析系统;最后,通过某一大型商场的用户定位数据进行可视化分析,从而验证了研究成果的正确性和有效性。     

利用终端位置时空转移概率预测通讯基站服务用户规模

基站服务用户数的预测对通信基站的空间位置选取、通讯服务带宽的配置优化等有重要作用,并为城市公共安全管理方面中的人群聚集预警与群体事件预防提供辅助决策支持。本文利用海量手机轨迹数据,运用时空转移概率定量化描述城市内不同区域间人群流动的时空特性,结合马尔可夫链和贝叶斯定理,构建手机用户群体在基站间的时空转移概率模型,并以此提出一种城市区域尺度上的基站服务用户数预测方法。利用湖北省某城市长达30 d的手机轨迹数据进行模型训练与预测方法验证,实验结果表明：在时间粒度为60 min时,本文提出的方法对8-22时各时段基站服务用户数预测准确率都大于94.8%;在不同时间粒度下对比本文方法、Castro模型、移动平均法,发现在时间粒度大于20 min时,本文方法预测准确率高于另外两种方法。     

基于滑动窗口的手机定位数据个体停留区域识别算法

手机的普及使手机定位数据成为分析个体时空行为特征的新兴重要数据源之一,并被逐渐应用到人口管理、城市规划、交通分析和流行病防控等众多领域的研究中。从手机定位数据中识别个体的停留区域是众多基于手机定位数据研究的重要基础环节。然而,当前常用的手机定位数据定位精度相对较低,且往往存在定位震荡和定位漂移导致的数据噪声,这些因素增加了从手机定位数据中识别停留区域的难度。为了提高从手机定位数据中识别个体停留区域的准确性,本研究结合个体行为的时空连续性,提出了一种基于滑动窗口的增长聚类算法。实验结果显示,相较常用的ST-DBSCAN算法和SMoT算法,对于采样时间间隔稀疏的手机定位数据,本研究提出的滑动窗口聚类算法在准确率方面的提升幅度最大可以达到35%。由于隐私问题,当前研究和应用中使用的大规模手机定位数据集中的时间分辨率往往较低,因此,本研究提出的滑动窗口聚类算法具有较为广泛的应用场景,可增强基于手机用户停留区域的众多研究结果的可靠性,为手机定位数据的广泛合理应用提供关键技术支撑。     

基于手机定位数据的城市人口分布近实时预测

精细时空尺度下城市人口分布的近实时预测可为优化公共资源配置、协助城市交通诱导、制定公共安全应急预案、探索城市居民活动规律等提供重要科学依据。本文采用城市手机定位数据,基于时间序列分析方法,分别建立参数预测模型和非参数预测模型,对精细尺度下的城市人口空间分布开展近实时预测。预测结果表明,基于时间序列分析方法的预测模型可为精细尺度下的城市人口分布近实时预测提供方法支持;在本文实验条件下,从人口规模、时空分布、多时间尺度、特殊事件等多个角度评估模型精度,非参数预测模型其预测误差均小于参数预测模型,且预测结果更为稳定。     

城市人群聚集消散时空模式探索分析——以深圳市为例

城市中人群的移动是带有目的性的,城市空间结构功能也存在差异,导致人群在城市中出现聚集或消散的现象,而且该现象会随着时间不断变化。本文基于海量的手机位置数据,以深圳市为例,采用自相关分析识别出城市中人群聚集与消散的区域,然后将这些区域一天中人群聚散组合成时间序列矩阵,采用自组织图聚类方法（SOM）进行聚类得到9种典型的人群聚集、消散时空模式,结合土地利用现状数据,分析解释了每种聚散模式最可能出现的土地利用组合。该研究从聚集和消散的角度探索了城市人群移动的时空模式,进一步帮助理解城市不同区域人群的移动模式以及与城市空间结构功能之间的关系,对城市规划、交通管理具有参考和指导意义。     

轨迹数据挖掘城市应用研究综述

轨迹数据作为泛在地理信息环境中社会遥感数据的主要表现形式之一,为从个体的视角研究群体的空间移动规律,提供了新的数据支撑和研究思路。特别是在当前的大数据背景下,通过轨迹数据发掘人类的移动规律和活动模式,进而探求蕴含的深层次知识,是解决城市问题的重要途径,轨迹数据挖掘也由此成为地理信息科学及相关学科的研究热点。本文首先阐述了人类移动规律研究常用的轨迹数据集及在该数据集上开展的相关研究和典型应用;然后从城市空间结构功能单元的识别及城市韵律分析、人类活动模式的发现与空间移动行为预测、智能交通的时间估算与异常探测、城市计算的其他4个方面,综述了轨迹数据挖掘在城市中的应用;最后,指出了轨迹数据挖掘面临的挑战和进一步的发展方向。     

基于大规模手机位置数据的城市潜在自行车出行需求评估

潜在自行车出行是指可能会使用自行车作为交通工具的出行,评估潜在自行车出行需求能够帮助指导城市自行车资源配置方案的优化。大规模手机位置数据蕴含丰富的人群移动信息,而且具有大样本、低成本的特点,能够用于评估城市潜在自行车出行需求。本文结合自行车出行的时间和距离特征,提出一种基于大规模手机位置数据的潜在自行车出行需求评估方法。该方法以单次出行为分析单元,从手机用户的轨迹中提取出具有短距离出行特征和公共交通接驳出行特征的移动轨迹段,并根据该移动轨迹段评估潜在自行车出行需求。基于该方法,利用上海市大规模手机位置数据评估上海市潜在自行车出行需求并分析其时空分布特征,发现在空间上,潜在自行车短距离出行需求主要分布在城市中心和郊区的商业中心,而公共交通接驳的自行车需求主要分布在郊区。在时间上,上午,自行车出行需求从非中心城区向中心城区聚拢;晚上,上海市自行车出行骑车与停车需求从中心城区向非中心城区扩散。     

基于手机数据的北京市城市与近郊交互模式挖掘

在城镇化进程中,城市与近郊之间通过职住、货运、游憩等活动产生越来越紧密的交互联系,对于这些交互联系的准确识别和定量刻画,是理解城乡空间关系的重要手段,也能为城市的资源有效配置与合理规划提供重要的现状信息。本文通过对全北京在一日之内的手机信令数据所反映的人群移动轨迹的深入分析,融合城市的POI信息形成顾及人类活动时空信息的空间交互类型推断。以北京市为例,对城市中心与近郊之间远距离的强交互进行定性、定量和定位的探索。本文发现了北京市多尺度下空间交互模式和距离衰减规律,判断了城乡异常交互类型,对比了城乡之间和城市内部的交互模式的异同,以及基于交互类型视角提取了城乡异常交互的空间特征。研究认为,基于手机信令数据,利用停留点提取和高斯核密度估计的空间交互类型推断有效地发现了北京市周末的远距离出行类型特点,提取了其空间交互强度和空间特征,揭示了基于人类活动的北京市周末城乡交互模式。     

Exploring Temporal Activity Patterns of Urban Areas Using Aggregated Network-driven Mobile Phone Data: A Case Study of Wuhu,China

The increasing availability of data in the urban context(e.g., mobile phone, smart card and social media data) allows us to study urban dynamics at much finer temporal resolutions(e.g., diurnal urban dynamics). Mobile phone data, for instance, are found to be a useful data source for extracting diurnal human mobility patterns and for understanding urban dynamics. While previous studies often use call detail record(CDR) data, this study deploys aggregated network-driven mobile phone data that may reveal human mobility patterns more comprehensively and can mitigate some of the privacy concerns raised by mobile phone data usage. We first propose an analytical framework for characterizing and classifying urban areas based on their temporal activity patterns extracted from mobile phone data. Specifically, urban areas' diurnal spatiotemporal signatures of human mobility patterns are obtained through longitudinal mobile phone data. Urban areas are then classified based on the obtained signatures. The classification provides insights into city planning and development. Using the proposed framework, a case study was implemented in the city of Wuhu, China to understand its urban dynamics. The empirical study suggests that human activities in the city of Wuhu are highly concentrated at the Traffic Analysis Zone(TAZ) level. This large portion of local activities suggests that development and planning strategies that are different from those used by metropolitan Chinese cities should be applied in the city of Wuhu. This article concludes with discussions on several common challenges associated with using network-driven mobile phone data, which should be addressed in future studies.