特殊事件中国际关系网络时序演化分析

21世纪以来的国际关系错综复杂、瞬息万变,给世界的经济、政治、安全、外交等带来了深刻影响.及时掌握国际关系的变化对中国外交政策制定、整体发展规划有着极为重要的意义.随着大数据时代的来临,应用大数据方法结合国际关系定量分析的工具对国际关系变化模式进行及时、有效地挖掘成为了一个重要的议题.强时效性、高信息量的新闻事件大数据...     

基于新闻数据的新冠疫情事件下“全球-中国”国际关系变化分析方法

在新冠疫情的冲击下,国际关系错综复杂、瞬息万变,不稳定性不确定性剧增。全面及时地分析“全球-中国”国际关系变化特征,对于中国的外交发展规划具有重要的参考价值。复杂的国际关系可以分解为一系列事件单元,新闻数据中蕴含了时间、地点、人物、事物等关键信息,是构建事件的最直接、最全面的信息来源。本文以GDELT（Global Database of Events, Language, and Tone）新闻事件数据库为数据源,基于“全球-中国”的视角,利用2020年1—5月全球疫情相关新闻数据,研究新冠疫情事件背景下的国际关系的变化。本文首先以事件数量、事件强度值和事件被提及数作为关键变量,提出了国际关系的分类表达和计算模型,解决了国际关系表达模糊和难以计算的问题。然后从时空可视化角度展示疫情下国际关系的变化特征,并结合疫情期间的国际重要事件,进一步分析引起国际关系变化的原因。研究表明,采用本文方法能精确掌握新冠疫情下“全球—中国”国际关系的发展程度,发现“全球-中国”国际关系的变化规律和变化原因,具有重要的应用价值。本文的研究可以为大数据时代的国际关系研究提供一个新的视角,同时也为新闻数据的分析提供参考。     

全球尺度地理多元流的网络化挖掘及关联分析研究

世界是一个相互关联的网络。物质、信息、能量等的移动或交换嵌入地理空间形成的地理多元流网络,为从地理和网络角度研究全球性问题提供了新的视角。如何构建多主题、时变的地理多元流网络,识别其网络结构、时变规律和关联模式,并为解决全球性的人口移动、航空交通、国际关系、国际贸易等问题提供支持,是迫切需要解决的问题。本文提出了全球尺度地理多元流网络化挖掘及关联分析的研究框架,包括：多源数据收集与整理、地理多元流网络构建与结构识别、地理多元流网络演化分析、地理多元流网络关联分析。然后,分别对国际关系流网络、国际贸易流网络、全球航班流网络、全球人口移动流网络的相关研究进行综述分析,并结合示例介绍了其研究思路。此外,进一步综述分析了地理多元流关联分析的相关研究并提出了研究思路。本文为全球尺度地理多元流网络研究提供了一套研究框架和思路,并为国际关系、国际贸易、航空交通、人口移动等全球性问题研究提供参考,有望为发展基于“流”的时空分析方法做出基础性贡献。     

点模式条件下的犯罪嫌疑人时空同现模式挖掘与分析

现有时空同现模式挖掘方法因其在空间和时间频繁阈值等参数值的设定上存在困难且缺乏客观依据的问题而难以被应用到犯罪地理研究中。为此,本文通过引入时空状态同现模式和最小时空参与率等概念对现有挖掘方法进行了重新建模,并结合广义Grubbs异常值检验提出了一种点模式分布下的犯罪嫌疑人时空同现模式挖掘框架。基于该框架对中国某省部分犯罪嫌疑人的真实移动轨迹数据的实验分析结果表明,本文所提出的方法能够有效地挖掘出嫌疑人间显著的时空同现模式,且这些模式的时空分布特征不仅与犯罪活动易发生在非农业生产区这一共识基本相符,还与日常活动理论的基本观点相适应。本文拓展了时空同现模式挖掘在犯罪地理研究中的应用,研究成果对公安机关等执法部门在重点监控某些犯罪嫌疑人以及合理分配和部署警力资源方面具有重要意义。     

基于刷卡数据的公共汽车客流网络复杂性日内变化研究

大城市公共交通是一个典型的复杂巨系统,采用复杂网络方法分析大城市公共交通网络系统对于城市交通发展具有重要意义。已有大量的研究采用复杂网络理论进行了公共交通线路网络分析,也有研究基于刷卡数据分析了公共交通客流网络的复杂特征,但少有研究探讨客流网络复杂性日内变化特征。鉴于此,本文基于北京市公共汽车刷卡数据识别的不同时间段客流双向邻接矩阵,通过复杂网络指标对比分析公共汽车客流网络的日内变化特征。结果表明：① 各个时间段公共汽车客流分布遵循距离衰减规律,5 km以下的短距离出行约占总出行量的一半左右;② 度中心性和加权度中心性的空间格局在不同时间段整体呈现出明显的核心-边缘特征,但随时间有一定程度的变化,加权度中心性排名前10的节点存在较大变化;③ 累积度分布和累积加权度分布服从指数分布,属于小世界网络。本文还进一步讨论了基于大数据的动态复杂网络研究对城市交通规划建设的启示意义。     

基于大数据的疫情地理传播与网络舆情时空关系研究

疫情地理传播与网络舆情之间的时空关系对于开展突发疫情应对具有重要意义,是国家新型城镇化与发展全球化的重要课题。利用H7N9突发疫情感染人数、网络舆情关注数、网民人数、地理行政区划等数据,应用大数据分析与地理可视化方法,对疫情地理传播与网络舆情时空关系进行了研究。结果表明,疫情地理空间传播与网络舆情传播之间存在潜在的时空关系,主要表现为突发疫情引起的网络舆情的空间分布与现实疫情事件的地理空间分布特性具有总体相似一致性和局部偏差性。疫情传播与其引起的网络舆情传播的数量特性、时间特性、地理区域特性具有整体一致性;网络舆情反映疫情地理分布具有局部偏差性。     

“地理大数据时空模式挖掘的方法与应用研究”专辑导言

当今地理学研究进入大数据时代,以记录人类行为信息为主的时空定位、社交媒体等地理大数据蕴藏着多源、多粒度和多模态的时空信息,突破了传统研究中数据源的局限,为地理尤其是人文地理现象的多尺度精准理解与时空动态模式发现提供了更为成熟的条件。正因为此,面向地理大数据理论与方法的探索,将为地理学研究提供有力的方法和技术支撑,而针对地理大数据中地理现象时空模式的挖掘,将有助于揭示地理要素相互作用与协同机制,以及地理系统的动态演化规律。     

基于渔船AIS数据的南海北部海洋渔业捕捞强度空间特征挖掘

高精度渔业捕捞强度数据是开展捕捞限额管理的前提与关键,也是海洋渔业资源可持续发展的重要保障.因此,本文以挖掘海洋渔业捕捞强度空间特征为出发点,选用2018年2、4、9和11月典型季节的中国籍6364艘渔船1.8亿条高时空粒度AIS数据.运用专家知识经验、空间统计及数据挖掘分析方法,以广西南岸北部湾渔场、广东沿岸和环海南...     

数据空间自相关性对关联规则的挖掘与实验分析

传统的空间关联规则挖掘,一般足使用属性关联规则的挖掘算法,对空间数据进行泛化处理,不考虑空间数据的空间自相关性,也没有考虑空间自相关与空间关联规则的关系.本文运用改进的Apriori算法对某一数据进行空间关联规则挖掘,并对同一数据进行空间自相关分析,比较两种方法反映的属性的相关性,探讨了数据的空间自相关性对空间关联规则...     

基于OMI数据的中国NO2时空分布与人类影响分析

近年来,空气质量不断恶化,严重威胁人类身体健康。二氧化氮(NO2)作为人类排放的重要污染物之一,实时监测其时空分布及含量,对空气质量研究及公众安全预警具有重要意义。本研究利用搭载在AURA卫星上的OM(IOzone Monitoring Instrument)传感器反演获取的2005年1月至2010年12月中国区的NO2数据,探究了NO2的时空分布特征及其人类影响。结果表明:中国NO2浓度上升趋势显著,6年来总NO2柱浓度(TotNO2)和对流层柱浓度(TropNO2)净增值分别为0.61×1015molec/cm2和0.63×1015molec/cm2,年均增长率为2.47%和5.69%;全国绝大部分地区NO2浓度呈增长趋势,但增长速率在空间上有所差异,表现为东部沿海地区大于西部欠发达地区。在全国尺度上,NO2呈现显著的时空分布差异特征:空间上,总体呈东高西低态势;时间上,东部地区的NO2浓度冬季明显高于夏季,西部地区则相反。最后,对比分析了TropNO2/TotNO2与人类足迹的相关性,结果显示二者间呈显著相关,且冬季最大,夏季最小。同时,分析发现各地地区生产总值和全国汽车保有量与对流层NO2间呈较强相关性。表明人类活动和经济发展是导致大气中NO2增多的主要原因。     

基于GDELT新闻数据的冲突强度定量表达及冲突事件检测研究

全球范围内各种冲突经常发生,及时分析各种冲突关系并监测其变化,提前干预、实施人道主义救援,可以有效避免冲突的爆发与升级。冲突事件通常被各种新闻媒体及时报道,并被记录于新闻数据库中。提取新闻数据中的冲突事件信息并量化冲突强度,从而分析国家冲突强度的变化是一种可行思路。GDELT实时监测着不同来源的新闻,自动提取新闻中的事件与事件属性信息,并将事件总体划分为冲突与合作2种类型。本文以GDELT为数据源,综合考虑事件数量、事件影响性、事件关注度多个因素,针对不同空间研究尺度提出了一种利用全球冲突指数与局部冲突指数对冲突强度定量表达的方法。在全球尺度上,计算全球各国全球冲突指数衡量国家冲突强度,分析全球国家冲突强度空间分布规律。在国家尺度上,计算局部冲突指数衡量一个国家的冲突强度变化情况,并在冲突强度定量表达的基础上,研究一种基于距离的时间序列冲突检测方法检测冲突事件的发生。研究发现：① 冲突强度高的国家主要集中在非洲和中东地区,全球冲突强度在空间上存在明显的集聚现象;② 国家局部冲突指数的突增通常对应于一些冲突事件的发生,使用本文的冲突检测方法可以有效地及时检测这种突增现象,并能为冲突预警提供支持。本文的研究成果可以为国际冲突关系分析,以及国际救援组织的决策提供参考。     

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。     

旅游景点间细粒度语义交互作用挖掘及模式分析：以云南省为例

研究旅游景点语义交互及交互作用模式,对根据游客需求优化旅游格局有重要意义。现有语义交互挖掘方法忽略了文本中包含人感知信息的上下文词汇;此外,缺少以景点交互为单位分析交互作用模式的研究。为此,本文提出了一个景点间细粒度语义交互作用挖掘和模式分析框架。首先抽取文本中景点交互的语境;然后利用TF-IDF关键词抽取和语义网络分析方法,从讨论焦点和语义结构角度挖掘景点间细粒度的语义交互作用;最后结合Spearman秩相关系数、Graph Kernel图相似度度量方法和网络分析方法,分析语义交互作用模式。以云南省2018年游记数据进行实例分析,结果表明：① 利用本文提出的框架可以挖掘和分析各个景点间细粒度的语义交互作用,辅助有关部门结合游客意见提升旅游体验;可以分析语义交互作用模式,发现优化旅游格局的关键路线片段;② 苍山-洱海应着重提升自然风光体验;而大理古城-洱海应考虑改善游客对品牌旅游资源关注不足的问题;③ 云南省单核心集聚型、单核心辐射型、多区域合作型景点语义交互模式共存,呈现出点轴渐进扩散特征。可利用中介中心性较高且跨区域的景点交互,推动其他2种模式向多区域合作型转化,推进全域旅游战略实施。本文研究可为旅游路线推荐以及平衡旅游格局提供参考。     

多模态地理大数据时空分析方法

多模态地理大数据时空分析旨在融合地理大数据的多模态信息发现有价值的时空分布规律、异常表现、关联模式与变化趋势,是全空间信息系统的核心研究内容,并有望成为推进地理学人地关系研究的重要突破口。为应对地理大数据时代的新机遇与挑战,本文围绕4类核心的时空分析方法（时空聚类分析、时空异常分析、时空关联分析与时空预测分析）,系统归纳了国内外研究现状,探讨了时空分析中多尺度建模、多视角协同、多特征认知与多特性表达的研究难点。进而,介绍了多模态地理大数据时空聚类、异常、关联与预测分析模型,更加全面、客观、精准地认知与理解时空大数据中潜在的地理知识,并且能够在气象环境监测、公共安全管理、城市设施规划等多个应用领域发挥关键作用。     

基于GPS轨迹大数据的优质客源时空分布研究

出租车客源的时空分布不均衡,不仅影响着出租车司机的收入,更重要的是极大地影响着出租车作为城市公共交通重要补充作用效益的发挥和提升。由于拒载、空载等因素的影响,传统研究出租车驾驶行为的评价方法,已无法准确表达出租车运营效率。本文以出租车GPS数据为研究对象,通过加入出租车空载状态的影响来优化出租车效率评估模型,首次提出了出租车优质客源的概念,对出租车优质客源进行定义与量化,建立优质客源的时空分析方法,并从出租车行驶轨迹中提取优质客源信息与优质客源的时空分布规律,为改善出租车司机的收益及提高出租车运营效率提供科学依据。     

城市KTV娱乐休闲场所空间分布及扩散规律研究

随着服务业的发展和文化产业的不断推进,城市文化娱乐休闲服务业成为城市经济和社会发展的重要标志和推动力。本文以地理空间实体数据和商业统计数据为基础,以GIS 的空间数据可视化和统计分析方法,研究典型城市娱乐休闲服务业KTV在中国大陆地区的行业发展、空间分布及空间扩散特征。研究表明,KTV在全国发展迅速、分布广泛,在宏、中、微观的全国、省域和市域尺度下,其空间分布分别表现出空间区域分异、等级差异、面状均衡和中心集聚等特征,并与区域经济、人口、文化等因素有一定的相关性。各种类型KTV在空间扩散上具有由东向西,由中心向周边扩散的特点,其中连锁类KTV扩散具有社会经济现象地理扩散规律,主要表现为空间等级扩散和接触扩散特征。     

1990—2020年中国能源开采和加工场地多源数据综合制图与时空变化分析

由于当前缺乏有效的能源开采和加工场地精细化遥感探测方法和高精度的数据产品,全国尺度的能源开采和加工场地时空分布规律的认识仍显不足。本研究基于高分辨率遥感影像、土地利用/覆盖数据、网络爬虫数据、OSM地图数据和环境专题数据等信息,发展了基于多源数据融合和专家知识参与获取的能源开采和加工场地遥感识别和精细化制图的技术方法,研发了1990、2000、2010和2020年共4期的中国能源开采和加工场地分布数据产品及2010—2020年场地植被恢复信息数据产品,作为中国土地利用/覆盖变化数据的组成部分（CLUD-Mining）。CLUD-Mining具有较高的质量和可靠性,数据产品平均精度为91.75%;中国能源开采和加工场地开发建设的面积呈现先增长后减少的发展趋势,1990—2010年,面积增长速度从55.22 km²/a上升到95.51 km²/a,而2010—2020年呈现负增长,平均每年减少27.28 km²;此外,2010—2020年场地植被恢复面积达746.76 km²,主要集中在华北区和西南区;中国能源开采和加工场地分布格局逐渐由东部地区向西部地区转移。本研究对提升中国能源开采和加工场地时空分布特征的认识具有重要意义,可为场地污染治理和生态修复提供重要的数据基础。