利用位置签到数据探索城市热点与商圈

众源地理数据（Crowd Sourcing Geographic Data）是指由大众采集并向大众开放共享的地理空间数据。众源位置签到数据作为众源地理数据的一种,客观真实的反映了大众日常生活行为,包含大量丰富的社会化属性信息。本文提出了一种基于众源位置签到数据的城市热点探测与商圈挖掘方法,首先对位置签到数据时空分布特性进行了研究,设计并提出了众源位置签到数据时空数据库模型;其次,提出了位置签到数据探索性空间分析方法,通过对众源位置签到数据的空间聚类分析,实现基于位置签到数据的商圈热点探测;最后,以武汉市为例,对街旁网截止2011年9月30日的众源位置签到数据进行了城市热点探测与商圈挖掘分析实验,结果表明,基于众源位置签到数据挖掘的武汉市商圈分布与城市规划商圈具有强相关性,可用于城市社会经济发展预测与区域经济规划。     

众源地理数据处理与分析方法探讨

众源地理数据是由大量非专业人员志愿获取并通过互联网向大众或相关机构提供的一种开放地理数据,是有别于传统测绘产品的一种新型地理空间数据。分析和研究了众源地理数据的概念与特点;介绍了众源地理数据的来源和获取方法;讨论了众源地理数据处理与分析的关键技术,包括众源地理数据的质量评价方法,众源地理数据的信息提取与更新方法,众源地理数据的分析与挖掘方法等;指出了众源地理数据处理与分析的研究趋势和发展方向。     

社交媒体数据的获取与处理分析研究

带有地理空间信息的社交媒体数据是由众多专业和非专业用户主观发布并通过社交媒体向公众或组织提供的一种开放地理空间数据。为了高效地获取签到数据以及保证签到数据的正确性、可靠性、完整性,满足数据挖掘算法的需要,本文以微博签到数据为例,提出了获取数据的关键技术,包括调用微博API的方法、研究区域格网化的获取方法,提高了数据的获取效率。并且针对获取的原始数据提出了对其处理的方案并对获取的数据结果进行了相关的统计描述。     

社交网络视角的南京市房价时空特征分析

针对住房价格随时间的演化,该文利用社交网络数据——新浪微博兴趣点数据,并结合住房价格数据,基于核密度分析、热点分析、GWR(地理加权回归)等方法分析了南京市房价的时空变化特征及其影响因素.结果表明:南京市住房价格自2007年迄今为止主要呈上涨趋势,但各区涨幅不同.核密度分析结果表明,POI签到数据密度高的区域也是高房价聚集的区域,并且具有较高的活动频率,说明POI签到数据的集聚程度与住房价格关系密切.热点分析结果表明,POI签到数据所显示的热点区域同时也是住房价格高的区域,说明POI热点分布与房价存在较大相关性.整合了大型社交网络与住房价格数据,揭示了南京市房价时空变化规律,可为房价调控政策的制定提供理论依据.     

面向空间关联的空间关系计算方法

当前,利用空间关系在多源数据间建立空间关联是地理信息领域的研究热点。针对这一热点,提出一种面向空间关联的基于自适应四叉树编码计算矢量数据空间关系的方法。首先,以经纬度网格划分技术为指导思想,基于自适应四叉树进行空间编码,建立空间数据与对应编码间的关联;在此基础上,利用编码计算空间数据的网格拓扑、方向及距离关系,从而建立空间数据间的空间关联;最后,以深圳市OSM矢量地图为实验数据来验证。实验表明,自适应四叉树编码方法能集成地表达3种空间关系,且计算速度较快、效率较高,具有较强的实用性。     

社交网络时空大数据聚类挖掘有效选择分析

来自社交网络的时空大数据具有海量和高动态的特性,有效选择时空数据进行聚焦挖掘分析至关重要。以微博位置签到数据为例,首先,对时空大数据空间聚类挖掘的有效选择问题进行了研究,针对社交网络时空数据不确定性问题,提出了时空大数据针对聚类挖掘的有效选择方法。聚类挖掘有效选择方法提出从空间、时间或属性等维度对时空大数据进行分割。然后,对分割得到的数据集进行空间探索分析(exploratory spatial data analysis,ESDA),得到具有聚类挖掘潜力的数据集。最后,以武汉市微博位置签到数据进行商圈热点探测为例,对提出的社交网络时空大数据聚类挖掘有效选择方法进行验证。结果表明,有效选择方法可以得到挖掘效率和精准性更高的时空数据集。     

地理空间异常模式自适应探测方法研究

地理空间异常模式探测旨在发现地理空间中“与众不同”的实体或现象,为深入剖析地理现象或地理过程的特殊分布状况、变化或发展规律提供重要的理论依据和实践指导。随着异常探测应用需求的越来越广泛、深入,对异常探测的算法精度、智能化以及探测结果的可靠性要求越来越高。因而,一方面需要充分考虑地理空间数据自相关、异质性、多尺度等特性;另一方面需要解决探测参数设置大多依赖主观经验,以及探测结果有效性评价等问题。鉴于此,论文在既有研究的基础上,结合空间认知、空间统计学、图论等理论工具,深入系统地研究地理空间异常模式统计探测模型与方法。     

签到数据的城市热点分布特征与成因

针对当前面向城市热点空间分布特征与成因的研究缺乏考虑时效性和全面性的问题,该文提出了一种基于签到数据的城市热点探测方法,精准、便捷地探测到8种业态类型的城市热点,并在此基础上运用点模式分析和地理探测器等方法,对各业态类型城市热点的空间分布特征及其影响因素展开研究。研究结果表明:各业态类型的城市热点具有不同空间范围下的集聚性特征,且在空间分布上表现出明显的差异性;业态类型、GDP、人口规模、土地价格以及交通通达性是影响城市热点空间分布的重要因素,且同类因素对不同业态类型的城市热点的影响力不同。     

利用社交媒体数据探测商业区顾客空间分布

基于新浪微博签到数据,提取出顾客数据,使用Huff模型有效探测了北京市5大商业区的顾客分布。研究结果展现了商业区的顾客在空间上的分布状况,揭示了商业区之间的竞争关系,为商业决策提供依据。     

北京地区居民时空行为的大数据分析

信息技术的快速发展带来了"大数据"时代的到来,使得城市时空行为研究面临变革。传统的城市时空行为研究方法并不能涵盖居民空间移动的复杂性和工作生活的移动性。随着智能手机的普及,微博也成为人们日常生活中常用的社交网络。本文通过获取新浪微博的签到数据,应用GIS软件分析北京地区居民行为的时空间关系。研究发现:工作日的热点要比周末集中很多,上下班高峰期多条地铁线路客流量较大,北京地区办公地区比居住地更加集中。