宜出行大数据支持的武汉市主城区职住特征研究北大核心CSCD

分析城市的职住特征能够为制定城市发展规划和解决城市交通问题提供重要的指导。本文以武汉市主城区为研究对象,依托宜出行大数据,通过对组团、街道和微观3个尺度的职住分布特征和职住平衡特征的分析,研究了武汉市主城区的职住特征。研究发现:①在组团尺度,各时段组团间的人口分布由中心向外围依次递减,与武汉市主城区圈层发展、组团布局的空间格局规律一致,各组团均处于职住平衡状态;②在街道尺度,主城区65􀆰58%的街道为职住相对平衡状态,少数街道存在职住失衡现象;③在微观尺度,结合地图与POI数据分析,工作时段人口集中于商业区与交通线路附近,休息时段人口相对均匀地分散于住宅区。以工作时段人口聚集热点为例,热点中心就业高度集中,存在就业导向的职住失衡,随着距离增加,职住分布趋于平衡。     

地理空间数据结合手机信令等多源数据刻画城市居民出行特征

本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。     

精细地图融合手机信令的城市人口时空分布特征研究

针对城市人口时空分布研究中缺乏以精细地图数据为支撑的地理分析方法、不能真实反映人类活动目的等问题,提出了一种精细地图融合手机信令的方法。该方法以地图为智能底板,基于信令轨迹中的基站位置与精细地块的类型,通过空间计算和时间推理得到手机用户在每个时段的驻留地块以及驻留时长,建立基于精细地块的人口空间化模型;识别每个地块中的职住人口和短期到访人口,再汇总得到任意目标区域的实际服务人口总量及人群结构,分时段研究人口流动和聚集变化特征。经过验证,该方法提升了人口时空分布研究结果的真实性和实用性,弥补了手机基站定位与用户实际位置存在偏差且无法准确识别居民行为规律的不足,为城市人口精细化管理、重点区域人流监测与安全保障、优化公共资源配置等提供可靠的决策支撑。     

建筑用途的城市职住空间组织特征研究

针对现有职住空间关系的研究难以在微观维度上有效促进大城市职住功能空间的均衡发展以及规划政策与现状发展存在的时序错位问题,该文以北京市为例,从房屋建筑使用用途的角度切入,运用空间自相关分析模型、热点分析模型和职住用地比三个评价方法,同时借用ArcGIS软件平台进行空间分析与可视化表达,探究北京职住空间在乡镇尺度下的组织特征。研究发现:北京市职住空间表现为聚类分布的空间格局特征,以首都功能核心区为中心,大致呈现出环状圈层分布,北京市职住空间的“热点区”在空间分布上存在差异,而“冷点区”在空间分布上基本相同,职住空间关系存在失衡,与规划目标存在一定的偏差。提出的研究方法从微观维度分析了城市职住空间的组织特征,促进了城市规划与发展时序的有效结合,可在特大城市的职住空间关系的研究中进行推广应用。     

基于手机数据的城市内部就业人口流动特征及形成机制分析——以武汉市为例

城市内部就业人口流动作为城市群体的主要移动形式,分析其特征及形成机理对城市规划、交通预测等具有重要意义。基于武汉市手机信令数据,识别职住人口分布与流动,构建城市内部就业流动网络。运用网络分析、可达性计算、逻辑回归等方法,分析城市内部就业流动的特征及其形成机制。研究表明,武汉市内部就业流动在数量上分布不均衡,大量就业流动集中于少数街道间。在空间上,就业流动随距离、可达时间增加而减少,并依地形、文化形成若干联系紧密的就业社区;以就业流出地居住人口、流入地工作人口度量的就业势能是驱动就业流动的最主要因素,而文化差异、空间不邻近、可达性差阻碍就业流动的发生。此外,不同产业特色对就业流动影响不同,商业、科教阻碍就业外流,工业吸引外来就业。     

利用非负矩阵分解识别县域人群活动时空特征

对地区的人群活动时空特征进行识别,有利于认识地区空间结构特质,但现有研究对县域及以下层面的关注相对不足,且用于表征县域尺度人群活动的手机信令数据呈现一定的稀疏性,欠缺系统的数据处理方法。为此,以广东省新兴县为例,选取2020年工作日和周末两个特征日的手机信令数据构建时空矩阵,利用非负矩阵分解方法提取隐含的活动模式特征;并基于这些特征,通过k-means聚类算法得出各类功能区在县域的空间分布。研究表明,新兴县周末的夜间经济繁荣、人群活动模式丰富,中心城区的人群活动强度高,但同周边村镇的联系弱;县域内以居住功能为主导,不存在显著的功能分区。研究结果说明了利用非负矩阵分解方法可有效提取稀疏时空矩阵中的模式特征,可为县域国土空间规划编制提供科学的支持和帮助。     

基于众源地理数据的居住环境空间分异研究——以武汉市为例

以网络爬虫获取的房屋众源地理数据为基础,以居住小区为研究单元,结合绿化率、容积率和物业费3项指标对各居住小区内部环境进行评价,利用GIS技术结合多组群分异指数D(m)和空间修正多组群分异指数SD(m)模型,研究武汉市的居住环境空间分异情况。结果表明,武汉市居住环境评分在小区尺度上呈现出较强的自相关性,且高值聚类区主要分布在非城市中心的湖泊周围。城市居住环境的空间分异现象受区域特征、地价、自然条件与生态环境等因素影响,武汉市中心城区、各辖区及3条环线之间的居住环境分异现象均不明显。     

基于GIS的北京市中心城、新城公共服务设施现状分析

公共服务设施的布局是否合理关系到居民的生活质量,关系到新城能否实现为中心城疏解人口及功能的规划目标,因此,对中心城、新城公共设施布局公平性和合理性的研究具有重要的科学和现实意义。本文基于GIS,结合人口数据、步行路网数据,分析了中心城、新城公共服务设施可覆盖人口、服务面积及存在的问题,对于优化北京市公共设施的布局具有一定的借鉴意义。     

使用时序出租车轨迹识别多层次城市功能结构

地理时空大数据被广泛用于城市功能结构识别,其中功能层次性的研究对于系统理解城市功能的结构特征和分布形态具有重大意义,但相关研究仍处于空缺状态。基于时序出租车出行数据和感兴趣点数据描述居民出行模式,结合动态时间规整和K-MEDOIDS聚类算法识别城市的功能属性和空间结构。研究结果表明,广州市中心城区的城市功能具有明显的层次性。随着层次细致程度的提升,其功能属性由"职-住"二元结构向"职-住-休"三元结构发展;其空间结构符合环状圈层构造,功能由外围的居住游憩向中心的商业休闲过渡,并在不同的圈层上呈现出各自的功能倾向。这为城市规划人员系统理解城市功能的属性变化和结构特征提供了有效的参考价值。     

基于元胞自动机和多智能体系统的城市人口空间分布研究

城市人口预测和空间分布模拟是人口社会学、城市规划、地理信息科学等领域的热门问题,其在灾害评估、资源配置、智慧城市建设等方面应用广泛。但小尺度人口数据部分缺失的问题经常出现,城市人口空间分布模型分辨率的提升仍需进一步研究。为此,提出一种基于元胞自动机和多智能体的方法,并考虑土地分类和公共设施的位置信息。通过确定元胞属性值,多智能体进行自主移动以确定人口空间分布,继而生成北京市人口空间分布图。为验证模型模拟结果,对北京市部分街道级行政区人口数据进行检验,结果表明:该方法生成的人口空间分布模型精度较高,结果可信;该模型对人口空间分布预测精度在街道尺度普遍优于6%,空间分辨率达到30m×30m。同时,提出可结合人口预报数值推定未来数年城市人口空间分布。经验证,模型所采用的人口预报方法精度和可信度较好。     

基于多源数据的城市功能区的识别与分析

随着城市化进程的不断推进，城市功能区作为城市规划中重要的基础组成部分，对城市功能区的空间布局现状进行研究是十分必要的。文中基于POI数据、手机信令数据、土地利用数据等多源数据，通过对POI数据构建“空间面积—人口热度”二元权重计算模型，滨城区进行功能区划分并分析结果。经过精度检验，Kappa系数为0.772,功能区的识别精度较高。结果表明，主城区的混合度较高，其承载着主要的居住和生活服务；滨城区功能的空间分布具有一般集聚的特点，呈东南—西北分布趋势，且在各个方向上发展较为均衡。功能区划分能够为城市科学合理的规划提供借鉴，及时发现城市规划中的问题并能够优化解决。     

一种基于多源数据验证的手机信令数据分析结果不确定性研究方法

手机信令数据被广泛应用于城市人群的动态特征分析,但其分析结果的不确定性尚不明确。因此,提出一种多源数据验证的不确定性分析方法。将从手机信令数据中提取的分布特征与多源数据进行对比,用人群代表性、转移覆盖率、聚集一致性3个指标评价分析结果的不确定性。并基于深圳市手机信令数据,选取了城市感知中人群分布、区域流动、热点识别3个典型城市动态特征,用人口网格分布、营运车辆GPS数据、高德兴趣点（point of interest,POI）等数据集对手机信令数据的分析结果进行验证,得出该区域手机信令数据分析结果的不确定性特征。     

多智能体的城市精细尺度人口估算模型

针对传统人口空间化模型普适性较差,且数据处理较依赖人工操作等缺陷,该文提出了一种基于多智能体模型从微观个体的居住选择入手,在以往学者研究的基础上同时考虑居民居住建筑的内、外部环境因素模拟人口居住空间分布。创新性地以人口智能体为中心,结合GIS利用地理国情数据、POI兴趣点数据、夜间灯光数据、遥感影像数据来模拟居住环境,将心理学和经济学观点引入到智能体对居住地选择的决策行为中,结果表明,基于建筑物内、外部环境的多智能体人口空间分布模型,可以获取高空间分辨率的人口分布情况,且更接近于实际人口分布。     

结合手机信令数据和地理空间数据的居民职住信息识别

基于手机信令数据和地理信息数据,融合地理信息空间运算能力,创新性地提出了一种识别居民职住信息的方法。在Spark平台上,首先运用地理信息空间分析服务将手机信令数据绑定至地理实体,再通过降噪算法完成定位校准和信令数据的清洗、加工,最后构建数学算法和模型得到居民的工作地和居住地。以成都市居民连续两周的手机信令数据为例,验证了该方法的可行性,该成果将会为商业选址、客群管理、城市规划等应用提供数据支撑。     

基于珞珈一号夜间灯光数据的人口空间化研究

夜间灯光数据被越来越多地应用于人口空间化领域的研究中.珞珈一号夜间灯光数据是最新一代的夜间灯光数据,为探究其在人口空间化方向的应用价值和潜力,以珞珈一号夜间灯光数据和土地利用数据为源数据,在乡镇(街道)尺度上分区建立了渐进回归模型,进而得到北京市人口空间化结果,并与NPP/VIIR的结果进行对比.结果表明,珞珈一号夜间灯光数据回归结果的拟合程度和精度均优于NPP/VIIRS回归结果,且这种优势在人口密度小的区域更明显;基于珞珈一号夜间灯光数据的人口空间化结果能清晰展示城市内部人口空间分布的差异,对城市资源、环境管理具有实际意义.     

基于人口GIS的北京市人口密度空间分布分析

本文利用地理信息系统技术,对北京市人口密度空间分布特征和变化趋势进行了分析,结果表明:北京市可以分成三个区:市中心区、近郊区和远郊区县。市中心区范围扩大,其人口密度显著下降,近郊区人口大量增加,城市人口分布出现明显的郊区化特点,人口的大量外迁,减小了中心城区核心部分的人口密度,增大了外缘地区的人口密度,这无疑将有利于城市功能分布和城市土地利用结构的合理化。城市化区域扩大,一个以城区为核心的多层次、组团式的合理城镇体系正在形成。     

DBSCAN与Kmeans相结合的手机大数据聚类方法研究

时空大数据是目前研究的热点。如何从海量手机信令数据中获取有价值的信息是研究手机信令数据的难点。本文在基于距离的点聚合方法的基础上,提出了将基于密度聚类算法DBSCAN与基于距离聚类算法kmeans相结合的点聚合算法。采用DBSCAN与kmeans相结合的点聚合算法实现手机信令数据的可视化,不仅能避免手机信令数据在可视化时点数据的堆叠和覆盖问题,而且使得其聚合后获取数据的空间分布结构更准确。     

基于腾讯位置大数据平台的成都中心城区人口空间分布格局分析

长期以来,人口空间分布数据在选址分析、可达性分析、城市扩张和传染病传播预测等多个方面都起到了非常重要的作用。但传统的人口空间分布数据其数据空间尺度较大,难以表达精细化到小区或街道的人口数据;而且其数据更新速度也较慢,不能及时反映人口数据的现状。所以本文利用Python从腾讯位置大数据平台爬取了成都中心城区连续3日的晚上20:00—22:00的定位数据共计6 660 215条,根据这些数据通过线性回归方程建立了成都中心城区的人口模型,并通过标准差椭圆法、核密度分析、最近邻指数对其人口分布的空间特征进行了分析,为成都市政建设起到很好的辅助作用。     

一种基于地理信息的手机用户定位方法北大核心CSCD

基于手机信令数据的用户轨迹行为分析已广泛应用于交通监测、城市管理、人口分析等多个业务领域。针对手机基站定位与用户实际位置存在偏差且驻留轨迹缺失语义信息的问题,本文提出了一种基于地理信息的手机信令数据用户定位方法。该方法首先构建面向轨迹分析的地理实体数据采集规范;然后对手机信令数据进行聚类,建立地理实体与基站的权重映射关系;最后使用时空推理及对轨迹的深度学习技术,将用户有效驻留轨迹点拟合至实际的地理实体,实现用户定位。验证结果表明,该方法提升了用户定位的准确度,为后续业务场景的应用提供了可靠的数据支撑。     

基于联通位置大数据的武汉城市圈和鄂西生态圈的人口流动评价

随着我国经济化建设进程加快,区域城市一体化趋势也变得越来越显著。面对城市中日益增长的人口,准确地分析人口流动模式,确定城市间的人口流动情况对于优化城市管理模式、合理地进行城市规划有着积极的意义。基于手机信令的位置大数据有着空间和时间上连续、完整的特点,可在确保用户信息私密的情况下,准确、全方位地跟踪用户轨迹信息。基于此,本研究以湖北省一个月的联通手机位置大数据为例,利用大数据技术分析了湖北省武汉城市圈和鄂西生态圈的人口流动情况和特征,以期为进一步的城市规划/城市设计提供参考和指导。