空间抽样的理论方法与应用分析——以厦门岛问卷调查为例

在社会问卷调查中,面临调查样本点如何布局的问题,传统的空间抽样理论主要针对单目标抽样,而社会调查问卷往往涉及到多个调查目标,并且可能是类别数据,例如涉及到被调查对象的年龄、受教育程度等,因此需要在传统的抽样方法上进行适当的改进。本文从多目标空间变异的思想出发,针对社会多目标抽样调查,利用三明治空间抽样模型软件,以厦门岛住区问卷调查的需求为目标,平衡抽样精度和抽样成本,采用简单随机抽样、空间分层抽样和三明治空间抽样方法进行抽样。通过对比分析,结果表明:(1)先验知识不丰富的情况下,简单随机抽样的结果较合理,当有足够先验知识的情况下,进行空间分层抽样能使抽样的样点更具有代表性,提高抽样的精度。(2)空间抽样样点的分布主要与分层相关,分层等级越高,也就是复杂程度越高的区域分布的样点也就越多。(3)通过综合因素分层抽样和专家分层抽样的对比,分层的合理与否,与抽样结果的合理与否有直接的关联,在抽样过程中对分层的把握非常重要。本研究的目的是为厦门岛住区问卷调查选点提供依据,同时,通过复杂程度来描述各个区域的差异,也为建立多目标空间抽样模型提供了思路。     

基于轨迹偏移算法的居民就医时空特征与空间格局分析

居民就医时空特征与空间格局反映了医疗设施的服务能力与布局合理性。本文以厦门岛为例,采用出租车轨迹数据,探讨了居民就医的时空特征和空间格局。论文提出了基于道路中心线的研究单元划分方法;提出OD轨迹偏移算法,更精细地提取出三级医院的就医OD数据,改善传统的缓冲区分析法中精确度较低的问题;对居民就医行为进行时空特征分析;基于就医意向与K-means聚类算法分析了居民的就医空间格局。结果表明：① 相对于传统的缓冲区分析,使用OD轨迹偏移算法提取医院的就医OD数据时,不要求OD数据具有较高的定位精度,仅通过偏移OD点坐标即可更加准确与完整地提取就医OD数据,精度提高约30%以上,并适用于所有浮动车轨迹数据;② 居民就医高峰期在7时与14时,休息日日均就医人次为工作日的2倍,当就医出行距离大于1 km时,就医出行人次随着出行距离的增加不断减少,整体符合韦伯分布函数;③ 居民就医时首要选择中山医院、第一医院或中医院,就医选择具有显著的区域性差异,反映居民临近就医的习惯,厦门岛西南部区域医疗资源十分充足,居民首要选择的就医最大出行距离在4 km以内,而西北部与东南部区域的居民首要选择的就医出行距离多在10 km左右,医疗资源较为匮乏,亟待加强;④ 厦门岛三级医院的吸引力具有明显的层次性,居民的强就医意向 （P_ij>33%）的医院皆为中山医院、第一医院与中医院中的1所,这3所医院的服务范围基本包括整个厦门岛,对居民有着较强的吸引力,居民对其余6所医院的就医意向值在0~33%之间,服务范围基本为医院临近的一些区域,吸引力与服务能力相对较弱。研究结果不仅为挖掘居民就医时空特征提供方法参考,还为后续医疗设施资源空间配置优化提供决策支持。     

北京市居民地铁出行出发时间弹性时空分布特征研究

伴随城市转型进程的加快,交通需求不断膨胀,导致大城市交通拥堵日趋严重,以调节出行者的选择行为为核心要素的交通需求管理理念成为相关政策的重要理论基础,但现有研究也表明,交通需求管理对出行弹性较高的出行具有显著调节作用,而对出行弹性较低的出行调节作用并不明显。因此,加强出行弹性等居民出行行为研究日益迫切,而公交刷卡数据等新的时空数据为居民复杂出行行为的挖掘提供了新的契机。本文利用北京市2014年3月地铁刷卡数据,以出行者出发时刻的可变性来测度出发时间选择的可改变程度,对居民地铁出行出发时间选择弹性进行测度,并结合GIS空间分析技术对其时空分布特征进行分析。研究表明：① 北京市地铁出行的居民出行弹性平均值为0.521,出发时间选择弹性整体上较大,表明北京居民出发时间选择相对较为灵活;② 北京市居民地铁出行弹性存在时空差异,居民个体休息日出行弹性高于工作日,一天中高峰时段出行弹性高于非高峰时段;③ 居民出行弹性存在空间自相关,倾向于在空间上发生集聚,存在明显的冷热点区域;内城居民的出行弹性明显高于城市外围居民。     

利用多源城市数据划定地铁站点吸引范围

随着时代的发展,世界城市规模不断扩大,各大城市的交通需求陡然增加,而地面出行所带来的堵塞和环保问题导致政府部门把目光转向地下交通发展,其中地铁是地下交通发展中最重要的交通工具。准确划定地铁站点吸引范围,分析影响地铁站点吸引范围主要因素,不仅对于优化地铁交通服务和规划地铁周边建成环境具有重要意义,同时对于新建地铁站点设施规划具有参考价值。传统的地铁吸引范围划定方法大多依赖于居民日常出行活动的调查和经验意见,存在时间周期长且耗费巨大和吸引范围划定不准确的问题;而多源城市数据的涌现为量化地铁站点周边建成环境及客流空间分布、合理划定地铁站点提供了全新的解决方案。TOD（Transit Oriented Development,TOD）是高密度城市（如深圳、北京等）寻求的城市和交通和谐发展的重要选择,也是未来交通建设的主要参考理念。因此,从公共交通导向的开发视角出发,本文利用2017年的兴趣点、道路网络、公共交通线路等多源城市数据刻画地铁站点周围的TOD信息指标,利用K均值聚类进行地铁站点聚类,结合TOD指标的空间变化趋势,确定深圳市不同类型地铁站点的吸引范围。研究结果表明：① 基于TOD密度指标划定的地铁站点吸引范围能够揭示地铁站点的吸引范围的差异,且就业地点密度和土地混合利用度对地铁站点吸引范围的影响较大; ② 与城市非中心区域相比,城市中心区域的地铁站点吸引半径较小但出行需求较高,其凸显了地铁站点规划在空间服务密度和居民出行需求之间的取得均衡;③ 深圳市地铁站点吸引范围重叠与城市区域发展程度相关程度较高,可为利用现有地铁站点空间覆盖,发展城市功能集中区域提供参考。     

基于居民出行特征的北京城市功能区识别与空间交互研究

受区域功能分化影响,城市居民出行呈现出特定的时序特征,因而不同的出行时序特征可以反映区域功能的差异性。同时,区域功能的交互特征可以通过居民出行的空间交互活动体现。大数据时代的到来,使得以GPS数据为代表的个体时空大数据可以从微观视角反映居民出行特征。本文采用个体时空大数据,应用数据挖掘方法,从居民感知视角研究城市区域功能的差异性与联系性。以北京六环为研究区域,采用规则格网划分城市地块,通过北京市3个月的出租车GPS数据提取地块的居民出行时序特征。采用期望最大化算法进行聚类分析,并结合兴趣点数据和居民出行调查实现功能区识别,识别出居住区、商业娱乐区等6类功能区。从距离和时间2个维度分析功能区之间的空间交互特征,发现功能互补性在一定程度上削弱了空间交互强度的距离衰减效应,同时功能交互呈现出显著的时序差异。     

基于多源地理大数据与机器学习的地铁乘客出行目的识别方法

探索地铁乘客出行目的识别方法,有助于突破智能卡数据（Smart Card Data,SCD）在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值。本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市居民地铁出行为例,在交通出行调查数据中提取5565个地铁出行样本及其对应的出行目的和出行特征相关变量。基于兴趣点（Point of Interest,POI）数据得到各样本起止站点的土地利用特征相关变量,形成包含每次地铁出行的出行目的、出行特征、土地利用特征的地铁出行数据集。使用基于随机森林（Random Forest,RF）算法对地铁出行数据集进行训练完成的分类器对SCD记录的每一次地铁出行进行分类,获得该次出行的出行目的及其不同目的地铁出行时空间分布规律。研究结果表明,本识别方法可有效预测地铁乘客的出行目的,其中,“上班”、“回家”2类出行目的的预测准确率均超过90%;纳入土地利用特征相关变量可显著提升RF分类器预测准确率,印证了城市交通与土地利用的时空间互动理论。鉴于当前SCD的可获取性逐渐提高,该项技术在居民地铁出行监测与预测、地铁线网布局和地铁周边土地利用规划等实践方面,具有很强的推广性,有助于更全面地认知大城市居民的地铁出行行为。     

基于地理流空间的巡游车与网约车人群出行模式研究

城市出租汽车是居民出行的重要方式之一，地理流空间理论为发掘人群出行特征，优化车辆运营效率提供了新视角。本文利用厦门市出租汽车轨迹数据，采用地理流空间分析理论，对人群出行的整体随机性质进行了分析，基于流相似性度量识别并分析了丛集、汇聚、发散和社区4种典型模式及混合模式的空间分布特征，对比了基于巡游车和网约车2种车辆的人群出行模式。结果表明流空间理论能够系统性发现人群出行典型模式及混合模式，主要体现在：(1)基于2类车辆的人群出行流在空间中呈现出显著的非随机特征；(2)巡游车和网约车的典型模式在空间分布上有明显差别，网约车的有关模式分布范围更广，在厦门岛外各区中心及岛内东部软件园等区域附近较为突出，且网约车由于其订单由用户需求驱动，更容易发现潜在的高出行需求区域，同时出行结构更容易形成社区模式，而巡游车主要分布在传统岛内知名城市地标附近；(3)同一区域内巡游车和网约车出行混合模式普遍存在，约占典型模式的四分之一左右，而且不同类型车辆的主要混合模式存在差异，综合考虑混合模式能够提高城市公共设施规划的精确性和科学性。本文结果可以为车辆调度优化和城市交通规划提供支持，也表明地理流空间理论能够更有...     

基于多源数据融合的北京市人口时空动态分析

高精度、动态、空间化的人口数据是科学核算城市资源环境压力、促进人口合理调控的重要参考依据。研究首先以2012和2017年北京市常住人口统计信息为基础,融合夜间灯光、土地利用、道路网络等数据,依据用地类型、VANUI指数对街道分割成的区域进行分类和分级,并在此基础上构建人口空间化模型,制备2期100 m格网尺度的人口空间化数据。验证表明,模型误差在10%以内;与已有成果对比分析发现,人口空间化数据整体与局部精度均有提升。最后,基于该数据分析北京市人口分布的时空动态变化特征,揭示其影响因素。结果表明:① 格网单元上的人口平均数量在-2542~190之间变化,以-500~500人为主。② 2期人口空间分布均呈“内密外疏”格局,且减少人口主要聚集于城六区,2012—2017年间减少近21万人;③ 首都功能核心区减少人口最为显著,减少量占城六区减少量的62%;④ 二三环间减少人口最多,共减少近11万人,减少量占城六区减少量的52%;⑤ 与城六区接壤的城郊街道,人口呈现增加趋势,可能形成新的人口聚集区。北京市人口时空变化特征与首都功能定位、产业升级转型、人口疏解政策实施等因素密切相关,该研究可为北京市未来人口空间合理布局与人口疏解政策完善提供定量化的科学依据。     

疫情背景下中国居民城际出行恢复力、恢复模式与影响因素

新冠疫情爆发以来,居民城际出行受到显著影响,其时空波动规律反映了居民城际出行恢复力和恢复模式。文章基于百度迁徙数据,着眼于疫情防控常态化阶段,分析城际出行恢复力的分异格局,归纳总结时序波动规律与模式,并构建计量模型探究影响城际出行恢复力的因素。研究构建了波动比率、恢复比率、恢复弹性和恢复指数4个指标,用以衡量城际出行恢复力大小;将2021年中国新冠疫情划分为4个波次,各轮疫情持续时长不一,涉及地区范围各异。研究发现：① 居民城际出行恢复力表现出一定的空间差异,东部地区最好,西部地区和中部地区其次,东北地区最差;② 居民城际出行恢复模式时序与传统韧性三角形模式相似,根据疫情传播特征和性质具体可归纳为相对独立型、中间波动型、起点关联型、终点关联型、双向受制型等5种模式,表现出各异的曲线形态和特征;③ 对于居民城际出行恢复力的影响因素,机场、高铁等交通因素具有正向相关关系,而与GDP、产业结构等经济因素的影响表现为U型关系。疫情防控背景下,城际出行恢复模式和恢复力是城市韧性的重要方面,为制定相关城市政策提供了科学依据。     

天气因素对武汉市出租车出行活动的影响

天气状况作为人们生活环境的组成要素之一,对居民日常出行可产生显著的影响,具体可表征为特定空间位置和用地类型范围内出行活动的需求量以及道路交通路线选择的变化。高效、智能化的交通应急管理和城市规划建设亟需理解天气因素影响交通出行时空分布的基本规律。本文选取武汉市作为典型研究区域,基于出租车、气象和空气质量等数据,对不同天气下的居民出行模式和司机路径选择模式进行时空分析,并解释2类模式产生变化的原因和机制。结果表明：① 从时间上看,工作日的出租车需求量更容易受到天气变化的影响,其中降雨、气温的升高和风速的增强会显著降低居民对出租车的需求;② 从全市域空间尺度上看,降雨使得居民对出租车的需求量在工作日时段减少,而在周末时段增加,其中降雨主要刺激短距离出租车出行需求而抑制中长距离出行需求;③ 从城郊区空间尺度上看,雨天时段主城区内部的中距离流量减少,郊区内部的短距离流量增加,往返于主城区和郊区的中长距离流量在工作日减少、在周末增加;④ 从功能区空间尺度上看,下雨使得行政办公用地的出租车需求量减少,商业金融用地的出租车需求量在工作日减少、在周末增加,工业用地的出租车需求量在工作日增加、在周末减少;⑤ 从行驶路径上看,出租车司机在晴天时偏好根据距离来判断最佳路线,而在雨天倾向于改变原先路线选择策略,将距离和车速共同作为最佳路线的指标,选择用时最少的最佳路线。本文研究成果可帮助城市和交通管理部门更加深入地理解城市居民出行规律及其时空分布特征。     

基于Item2Vec负采样优化的专题地图产品个性化推荐方法研究

建立适用于专题地图产品检索的用户偏好推荐模型是提高专题地图质量的有效方式之一,在专题地图产品推荐场景中,存在严重的内容冷启动和评论数据稀疏问题,现有的推荐算法无法为特定类用户推荐不同特征的专题地图产品,导致用户从专题地图中获取偏好信息受到限制。因此,本文构建基于负采样的连续词袋模型和基于Word2Vec的Item2Vec相结合的用户偏好推荐方法,用于专题地图产品推荐。① 计算用户行为日志文件中交互行为数据的隐性评分,以代替专题地图推荐信息流场景中稀疏的用户评论数据;② 基于负采样的连续词袋模型提取目标专题地图的前后地图序列感知特征信息,通过控制正负样本比例为1:2,提升目标专题地图潜在评分的预测精度;③ 通过Item2Vec将带有用户行为特征信息的专题地图映射到向量空间,计算用户对专题地图的相似度矩阵,根据用户偏好程度完成推荐。在构建的专题地图评分实验数据集Thematic CMaps和4个公开验证数据集MovieLens上的测试结果表明:与LFM、Personal Rank、Content Based和SVD 4种传统推荐算法相比,本文所提方法可有效提高潜在评分的预测精度,推荐性能最高达到27.85%;与以霍夫曼采样方式的Item2Vec基础方法和YouTubeNet 2种神经网络推荐算法相比,评分预测精度有一定提高,且推荐性能不断提升,最高达到2.97%和5.78%。以经典算法奇异值分解（SVD）为例,将MovieLens-20M数据集切分后,在数据量不断增大的数据子集中,本文所用方法的评分预测精度和性能均优于SVD方法。     

基于高分辨率卫星遥感技术的风化层厚度制图方法

区域尺度风化层厚度是制约民用和军事地质工程施工、陆域军事交通能力重要因素之一。传统方法通常都需要大量的野外踏勘和实地采样,效率较低,在人迹罕至、人不能至的地区无法完成。因此,利用高分辨率遥感技术开展区域尺度风化层厚度制图研究具有非常重要的意义。在野外调查的基础上,利用国产高分二号卫星数据,采用人机交互目视解译方法获取研究区岩性、土地覆盖类型分布图,并基于ASTER GDEM数据获取地形地貌图像;然后,以坡度、岩性、土地覆盖类型为影响因子,基于云模型理论和方法综合评估获取研究区的风化层厚度图,制图结果与野外验证数据吻合度较好,精度可达81.69%。      

基于空间抽样的区域地表覆盖遥感制图产品精度评估——以中国陕西省为例

地表覆盖数据是研究气候变化、生态环境、地理国情和人文经济等方面不可或缺的基础信息,因此其质量的优劣将直接影响相关决策的可靠性。本文针对我国研制的首套30 m分辨率全球地表覆盖数据产品,通过分析其海量、多维、非均质等空间特点,对传统的制图产品精度评估方法提出了改进：以地表类型进行分层抽样,样本量的计算采用优化模型并以地类所占面积比为权重逐层分配,样本的布设则考虑层内对象之间的空间相关性,在地表数据自然分布的基础上,通过分析空间相关性指数来提高样本的代表性和精度评估结果的可靠性。因此,本文提出针对区域地表覆盖遥感制图产品的空间分层抽样方法,其将精度评估分成抽样方案（样本的定量估计）和布设方案（样本的空间布设）2个部分,并以中国陕西省地表覆盖产品为例进行区域精度评估实验分析,从全区7大类地表类型数据中抽取1467个样本,经过样本检验与精度计算,该区域产品的总体精度为79.96%,Kappa系数为0.74。实验结果表明,本文提出的基于空间抽样的精度评估方法可行可靠,实验区域产品质量较好,并为后续针对全球范围的地表覆盖产品精度评估方法提供了参考。     

土地质量地球化学评价数据库建库方法探讨——以章丘市刁镇和辛寨镇为例

土地质量地球化学评价数据库是以土壤地球化学调查为主,同时开展大气干(湿)沉降物、灌溉水、化肥及农作物等介质的地球化学调查数据和分析数据资料为基础,利用MapGIS软件管理编制成果图件;利用Access数据库管理规范成果数据;利用中国地调局发展研究中心下发的《土地质量地球化学调查与评价数据录入子系统》将数据资料数字化,从而建立评价数据库。数据库内容包括区域地理地质、地形地貌、土壤类型及土地利用等基础空间数据库;包括采样介质的工作区采样布置、单元素地球化学图、土壤元素分级图及大气环境、灌溉水环境、土壤质量、土地质量综合等级图为核心的空间评价数据库;包括土地规划图、特色农产品种植规划建议图、施肥建议图等各种成果图件。数据库实现了对样品及相应的众多的化验分析数据的科学有效的管理,便于数据的统一保存、分析和使用,为评价区土地质量地球化学调查评价和总体综合研究提供了基础资料,为促进农业经济规划调整,现代绿色农业发展和优化、特色土地资源开发与利用提供重要依据。     

基于厦门港的海上交通事故地理空间分布及风险预测研究

利用海上交通事故空间分布特征进行安全分析是海上交通安全管理的重要组成部分。本文使用厦门港2008—2020年的海上交通事故数据,经过事故数据空间分布特征提取、分析及预测等流程,最终得到厦门水域海上交通事故潜在危险区域。本文首先使用原始事故数据在GIS软件中进行空间定位,形成事故点的可视化空间分布图,然后使用核密度分析法鉴别海上交通事故多发区域,再利用空间自相关分析法,得到该区域事故空间的分布特征和具体的聚集点,最后使用该分布特征、对目标水域数据进行标准化网格切分,并利用机器学习算法对潜在事故风险区域进行预测。本文在核密度分析结果中发现：就事故频度而言,厦门湾和西海域交通事故频度较高。在空间自相关分析的结果中表明：就空间分布特征而言,厦门港的空间分布出现聚集特征且为空间正相关模式,且就事故具体的空间聚集点而言,厦门湾和西海域仍是事故高发的中心区域。而最后的厦门湾及周边水域风险预测模型显示：潜在事故风险区域多位于沿海和河口交汇区域。本文研究结果表明在基于地理空间数据分布特征提取和网格化分析的基础上,结合机器学习方法（随机森林）,对于海上交通事故的预测具有良好的效果。     

厦门市高温热浪人群健康风险格局分析

高温热浪已成为世界范围内夏季频繁发生的极端气象灾害事件,威胁着人类健康。研究高温热浪人群健康风险的空间格局,可以识别灾害高风险区域,有助于预防和应对高温热浪灾害。本文以厦门市为例,在历史气象数据分析的基础上,建立了高温热浪案例库,分析了厦门高温热浪的基本特征。通过结合卫星遥感影像和人口统计数据,选取2010年的一次高温热浪事件,进行人口因子和环境因子叠加分析,研究了厦门市高温热浪人群健康风险的空间格局,得出如下结论：（1）厦门市高温热浪强度较轻,频率较高,偶尔会发生强等级高温热浪;（2）高温热浪人群健康的高风险区域集中在厦门本岛内,沿东北-西南方向呈带状分布,较高等级的风险热点主要位于湖里区江头街道的北部与东南部和思明区夏港街道大部分区域;（3）高温热浪人群健康风险的空间格局与环境和人口的空间分布特征密不可分。本文对完善国内高温热浪人群健康风险分析的科学体系具有重要意义。     

基于多尺度时空聚类的共享单车潮汐特征挖掘与需求预测研究

当前,我国政府和单车企业多以划定电子围栏停车点的方式进行共享单车的规范化管理,由于单个电子围栏内部单车流入流出的随机性和不确定性较大,以单个围栏为单位进行单车管理的工作量大且不具现实意义。因此,有必要对电子围栏停车点进行聚类划分,实行区域化的管理与调度。基于此,本文提出一种基于时空约束的网络图聚类算法,该算法综合考虑空间因素（地理位置、地理环境特征）和时间因素（历史订单）,只需通过距离阈值设定即可实现电子围栏的多尺度聚类划分,实验分别在3000 m和700 m距离阈值条件下对厦门岛和乌石浦地区电子围栏进行聚类,结果显示该算法不仅能够将具有相似时空特征的电子围栏聚到同一社区簇内,而且能够使得单车流动主要集中在划分后的社区内部;随后,在社区划分基础上进行单车潮汐特征挖掘,能够有效识别和定位单车使用的热点地区;最后,利用长短时记忆神经网络（Long-Short Time Memory network, LSTM）进行单车订单需求预测,结果显示有84%以上社区的预测准确率在85%以上,平均预测准确率为91.301%,预测效果较好,可有效满足单车调度需求。本文研究成果可服务于电子围栏停车点规划与共享单车的区域化管理与调度工作。     

基于多维感知的城市活力空间特征研究

基于多维感知对城市活力进行综合评价并探索其用地特征,是提升城市智慧化水平、实现精准规划和有机更新的重要基础。本研究以厦门岛为例,基于社交媒体签到数据、夜间灯光影像数据、POI数据和LBS大数据,从社会、经济、文化和空间4个维度感知城市活力,使用核密度、数据网格化和最优聚类法,分析城市活力的空间特征,并探讨不同活力区域的土地利用结构、功能多样性和开发强度等用地特征。研究发现：① 基于多源数据的城市活力多维感知方法可精准、有效评估城市空间特征和发展动态;② 厦门岛社会、经济、文化和空间维度城市活力的空间分布存在一定差异,4类活力区域呈现出西部连绵成带、东部围绕商务区和大型设施集中的特征;③ 各类活力区域的用地特征存在较大差异。第一类区域的公共管理与公共服务用地占比和第二类区域的商业服务业用地占比最高,均接近20%。集聚可显著提升城市活力,建设用地周边1000 m范围内的功能混合度更为重要。居住和商业服务业设施用地的活力水平随着开发强度的降低而降低,高值区容积率均在2.0以上。