基于位置签到数据的城市空间分析与可视化

微博签到是一种典型的基于位置的社交服务,反映出社交用户与城市公共空间的互动,海量的社交位置签到数据为城市研究提供了全新的视角。本文基于香港、深圳两个城市2014年1月至2015年1月时间段内的新浪微博签到数据,从签到数据空间特性、旅游热点分布和居民活动空间3个方面对城市空间进行了综合分析:空间相关性分析结果表明签到事件在城市空间的分布具有明显的聚集性,并根据空间扫描统计结果依次标识出签到事件高值聚集区;针对旅游类签到数据分析发现两城市旅游关注度的时间变化趋势一致且峰值与我国假期时间分布相吻合,旅游热点主要分布于城市中心地带;以签到事件的规模、强度和集聚程度作为居民活动的表征分析城市活动空间特征,结果表明居民活动的核心圈层受到传统行政区划影响但分布已初步呈现"多心开敞"的空间形态。     

基于城市微博签到数据的人群活动时空特征分析

城市是社会经济发展的核心区域,城市的人类活动与土地利用、空间结构有重要内在关系。掌握人类的活动信息并进一步挖掘其活动规律有利于城市的科学规划和精细化管理。基于城市微博签到数据采用核密度分析、热点分析等不同统计分析方法分别从时间和空间角度对人群活动特征进行分析。研究发现:在传统作息规律决定签到活动的基础上,夜间活动的时间逐渐增加;人群活动空间分布不均匀,主要集中在景区附近,符合典型旅游城市人群分布特征;工作日与休息日人群空间分布高密度区近乎相同,但工作日人群空间分布相对分散在四面八方,而休息日相对集中于景区附近;将签到数量较为突出的时间点与具体空间分布情况结合,可以监测热点事件的发生。     

基于社交媒体数据的城市人群分类与活动特征分析

空间信息技术已开始进入全空间信息系统发展阶段,即将空间信息系统的范畴从传统测绘空间扩展到宇宙空间、室内空间、微观空间等可量测空间。位置大数据不仅是全空间信息系统的重要研究对象之一,而且也成为了广域全空间中了解人们生活方式以及城市动态变化的一种有效途径。本文基于社交媒体数据中的位置签到数据,提出一种不同于传统以社会经济属性为依据的城市人群分类方法。首先利用签到数据的时间序列构造矩阵模型;然后,通过分析用户签到活动的时间特征,采用K-means聚类算法和K近邻算法（K-NN）识别出具有不同时空行为特征的城市人群（静态居民、动态居民、通勤者以及访问者）;最后,本文根据得到的人群分类结果,通过分析不同类型人群的时空间行为特征,发现不同类型人群时空间行为的差异性与潜在规律性,从而为表征城市人群的组成结构及特征,研究城市时空结构提供一种新的视角。     

PIR传感网数据的几何代数建模与行为分析

现有基于PIR（Passive InfraRed）传感器数据的人体行为研究主要局限于运动时空分布、聚类等,对行为轨迹的重建和语义特征的解析相对较少,亟需发展新的建模与行为分析方法。本文尝试利用室内区域PIR传感器监测数据进行时空轨迹重构及其所揭示的运动语义特征研究。本文引入几何代数理论方法,构建传感器场景网络,实现了几何代数空间下动态网络的表达与路径计算,分析了人体运动特征及语义特征,建立最小语义单元,实现了空间数据到语义特征的转化,并可对个人和群体运动的空间区域特征和拓扑特征分析提供支撑。论文将传统PIR传感器网络分析从以几何、统计等为主的信号提取,转变为基于几何代数系统中不同类型代数结构的生成与转化问题,为诸如PIR传感网数据分析一类的非确定问题的求解提供了新的思路和数学基础,可为物联网GIS的构建提供借鉴。     

基于LDA和优化蚁群的OD流向时空语义聚类算法

针对OD流向聚类中语义信息考虑不足和流向语义提取困难的问题,本文提出了一种基于隐含狄利克雷分布模型（Latent Dirichlet Allocation,LDA）和优化蚁群的OD流向语义聚类算法。算法首先以流向终点的POI类别为词汇构建流向文档,采用LDA主题模型提取流向语义,量化OD流向间的语义相似度,融合时间、空间和语义相似度构建流向时空语义相似度;接着以流向为节点,以流向时空语义相似度为边构建流向图,利用高斯函数映射以及图连通分量,剔除不相似的流向,实现数据精简;之后借鉴了密度峰值聚类算法思想,利用节点的介数中心性优化蚁群初始位置选取;最后基于多路切图准则（Multiway Normalized Cut, MNCUT）强化蚁群搜索的目的性,优化蚁群搜索的聚类效果,实现OD流向的时空语义聚类。以厦门市出租车公开数据集与厦门市高德地图POI数据为例进行分析与验证,结果表明本文基于LDA模型的语义提取方法可以有效提取流向的语义信息,构建有效的流向相似度度量;基于高斯函数和图连通分量特性的映射策略可以有效剔除了流向数据中的噪音,有效节省无向图构建的计算开支,大约节省了88.5%~88.8%的运行时间;基于介数中心性和多路切图准则优化的蚁群搜索聚类算法,可以有效进行流向语义聚类。相比已有方法本文方法能够更好地衡量流向间的语义相似程度,可实现按主题进行聚类划分,划分更加精细,更方便有效地进行流向语义的相关分析。     

城市海量手机用户停留时空分异分析——以深圳市为例

识别海量手机数据中蕴含的行为模式,是地理学的一个研究热点与难点。目前,较多研究针对手机用户移动特征开展,而对停留及其模式的研究则相对较少;其时空分异规律对理解城市人群动态,甚至优化城市系统至关重要。本文根据人们日常时空约束条件定义了手机用户停留,提出了基于海量手机位置数据的手机用户停留模式的提取方法,以深圳市约790万个匿名手机用户一天的海量手机位置数据为例,识别出了覆盖约98%用户的典型停留模式,并结合该城市土地利用的空间分布与分异特征,剖析不同停留模式的手机用户空间分异特征和城市不同区域停留次数的时段分异特征。研究发现:(1)15种停留模式可覆盖约98%的手机用户,而且其一天不同的停留位置数量不超过4个;(2)15种停留模式手机用户在城市区域空间上的分布存在分异现象,严重受制于土地利用的空间分布;(3)城市不同区域停留次数的时段分异特征与该区域常住人口、人口密度,以及区域主要职能和性质存在较强的相关性。研究结论对理解城市手机用户行为模式的群体特征有积极的意义,对城市土地利用的科学决策和城市交通规划与预测有重要参考价值。     

顾及空间及语义相关性的POI位置标注优化方法

POI的质量是确保寻路、路径规划、导航等高质量地图服务的基础,是影响POI数据的位置准确性、逻辑一致性和语义差异性问题等数据质量问题的关键因素。本文从影响POI位置空间、关系和语义因素3个角度出发,针对POI位置错标、不同语义POI无法区分及POI分布与现实世界不一致的情况,结合建筑数据和道路数据,进行POI多阶段位置优化研究,包括位置约束计算阶段、位置选择阶段、位置优化阶段。以某街道区域为分析区域开展POI位置优化实验,结果表明本文提出的位置优化方法能有效降低错标率（19.3%）、提高可辨识度（6.7%）,并有效提高子区域POI分布与道路分布的一致性,有效提高不同语义POI的识别速度。     

社交媒体数据对反映台风灾害时空分布的有效性研究

当灾害事件发生时,与之相关的社交媒体数据不断产生,其中包含了丰富的灾情信息和签到地理位置信息,这为灾情态势的及时感知提供了一种新的数据源,但是因社交媒体用户量的地区差异及网络空间中信息传播模式的特点,给社交媒体签到数据所代表的空间点过程的模式分析带来了一些新的问题,如签到点密度与实际灾害点事件密度之间的对应关系、签到点之间的空间关系、点格局的空间异质性及其影响因素等。本文以2016年14号台风"莫兰蒂"为例,以"台风"和"莫兰蒂"为关键词,在新浪微博平台上采集了2016年9月14-17日的微博数据,使用文档主题生成模型(Latent Dirichlet Allocation,LDA)和支持向量机(Support Vector Machine,SVM)对微博文本进行分类,构建了含有签到位置信息的灾情点事件数据库。在此基础上,针对社交媒体用户分布的空间异质性提出了一种基于签到点用户活跃度的加权模型。以全局自相关统计量Moran′s I为指标,对加权前后的签到微博数据进行对比,发现这些在社交网络中产生的签到微博数据在现实地理空间中存在明显的空间自相关性;基于"雨"、"停电"等关键词,利用上述加权处理后的微博数据库进行灾害制图,结合真实灾情资料进行时空对比分析,结果表明系列图谱能够反映台风灾害的时空过程趋势。     

基于数字高程模型的旅游地文化景观语义感知分析 ——以清西陵选址文化为例

 景观感知对旅游地规划设计具有基础性作用,但人文旅游地内部的景观感知空间分异至今没有微观尺度上的研究方法出现。本文提出了景观视角分组基础上的景观语义特征点抽象方法,并建立了单文化景观和多文化景观语义感知度计算模型,以解决人文类型旅游地内部景观感知的强度空间分异计算问题。利用数字高程模型,在清西陵旅游地实现了文化景观语义感知度的实证研究:以中国传统的皇家陵寝选址文化及其表征的封建等级体系为语义准则,提取了4个代表性陵墓文化景观不同景观视角下的78个特征点,并赋予不同景观视角及每个特征点相应权重系数;利用视域分析、叠置分析等方法计算得到旅游地景观文化感知度;尝试利用感知度计算结果对现有观光线路进行观景点语义挖掘并设计了优化方案。论文为人文地理学景观感知定量化表达提供了思路,为旅游地规划、景观与线路设计等提供了技术途径。     

基于出租车用户出行的功能区识别

出租车数据作为城市大数据重要来源,其上车行为和下车行为直接反映城市人群出行行为特征,帮助城市规划者发现城市人群出行规律和城市功能结构。但是出租车数据隐含多维度信息,一维或者二维模型不足以表达和挖掘其蕴含的多维信息,因此本文选择可以承载多维数据的张量模型对出租车OD（上车/下车）数据进行时空模式挖掘。本文将北京六环区域划分为500 m×500 m格网,采用北京市2012年11月1-16日的出租车OD数据,分别构建O点和D点张量,利用张量分解模型从日尺度、时段尺度揭示出租车用户出行时间模式,同时获取不同时段对应的出租车用户出行空间模式,并推测空间模式包含的语义属性。本文结合城市兴趣点（Point of Interest, POI）数据,提高空间模式语义属性推测的准确性,识别出租车用户出行功能区。结果表明：出租车用户出行时间符合工作日和休息日的早高峰、日间、晚高峰以及夜间模式;对应8种时间模式,出租车用户出行包含8种空间模式,每一种空间模式都是对应时间模式下的上下车热点区域,因此空间模式的变化表明城市人群在不同的时间点,到达不同的场所,进行不同的活动,间接表达空间功能的动态变化;区域的功能不是单一静态的,而是随着时间在不断地变化,是不同时段功能的组合。本文揭示出租车OD数据中隐含的出租车用户出行模式和空间功能动态变化,对利用人类行为时空模式研究区域空间功能结构具有科学参考价值。     

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。     

江苏省城镇空间格局监测指标体系研究与实现

城镇空间格局,是重要的地理国情之一。本文围绕长江经济带建设背景下的江苏省城镇空间格局演变监测,以"尺度-维度-因子"为规则,在多源时空数据和互联网开放数据的支撑下,按照区域、省域、城市等空间尺度,从物理空间、社会空间、信息空间等多维度空间,分空间形态、空间联系、空间组织、产业布局、活力分布、公共服务布局等表征城镇空间格局的多因子,设计了江苏省城镇空间格局监测指标体系。上述监测指标体系,可以较好地揭示重大区域发展战略影响下的江苏省城镇空间格局的现状特点和变化规律等。     

基于街景图像的城市环境评价研究综述

城市环境评价研究传统上采用基于现场调研的方法,难以在大范围、精细化的尺度上进行评估。街景图像具有覆盖面广、能提供街道层级景观信息,且数据采集成本低的优势,为城市环境评价研究提供了大样本数据源和新的研究思路。人工智能技术的不断突破和其在各领域的应用,使得在大范围空间尺度上,基于街景图像进行城市环境评价研究成为可能。本文首先对城市环境评价常用的3种数据源（街景图像、遥感影像和地理标记社交媒体数据）进行对比分析,归纳街景图像在城市环境评价中的优势;然后,从方法学的角度把基于街景图像进行城市环境评价过程中使用的方法分为4大类别（基于图像分析的方法、基于统计分析的方法、基于人工智能的方法和基于空间分析的方法）;接着,从城市物理环境、社会环境、经济环境、美学环境,综述了街景图像在城市环境评价中的应用研究进展;最后,对现有研究成果进行了总结并对未来研究方向提出展望。     

基于POI数据的城市建筑功能分类方法研究

对建筑物进行建模与分析是智慧城市建设的重要任务之一。将城市中数量庞大的建筑物按功能分类,辅助认知城市内部空间结构,对政府部门开展人口估计,土地管理,城市规划等工作具有重要意义。本文以蕴含丰富语义信息的兴趣点（POI, Point of Interest ）作为主要信息源,针对POI分布稀疏导致大量建筑物无法识别出功能的问题,改进了传统的城市功能区定量识别方法。该方法为建筑物内部及周边一定区域范围内的POI赋予反距离权重,通过计算不同类型POI的加权频数密度比例来识别建筑物功能类型。文中以北京市西四环中路附近5000多栋建筑物为例进行实验验证,实现了将目标区域内的建筑物按功能类型划分为居住、商业、公服和3种混合类型,识别率达93.04%,与人工判别的结果对比得出总体分类精度达91.18%。该方法采用易于获取的互联网POI数据,可以实现大范围建筑物功能类型的快速自动化识别,丰富了城市建筑模型语义属性,扩展了POI数据的应用范围。     

基于Globcover和DMSP/OLS数据的中国大陆城市潜能分析

城市潜能作为城市体系空间相互作用的代表性指标,反映了城市与其所在的城市体系内所有城市间相互作用的强度,即城市所具备的的集聚能力。合理分析城市空间布局及结构、探寻城市发展的空间差异,以及制定区域发展政策日益迫切,研究城市空间相互作用具有重要意义。本文以Globcover数据集提取中国大陆范围内26 619个城市斑块,获取了城市潜能计算时所需的城市斑块规模总量;同时,以DMSP/OLS夜间灯光影像为数据,提取能综合反映人类社会经济活动的城市斑块夜间灯光总强度,参与城市潜能的计算。利用潜能模型,依据城市斑块分层结果,以城市斑块规模和时间成本为参数,计算得到公里格网的城市潜能值模拟分布图,并分析了中国大陆城市潜能的空间分异特征。     

基于地理探测器的南京市住宅租金空间分异格局及驱动因素研究

以南京市“一主三副”住宅小区为研究单元,运用GIS中的渔网（Fishnet）分析和探索性空间数据分析（ESDA）对“一主三副”住宅租金的空间分布进行模拟和估计,并利用地理探测器模型从住宅小区的区位特征、建筑特征和邻里特征3个方面探究住宅租金空间分异的影响机制。结果表明：① 南京市住宅租金总体呈上升趋势,空间上表现出主城向副城递减的中心外围模式,住宅租金空间结构逐渐由单核向双核发展,且住宅租金存在显著的空间异质性;② 住宅租金呈现出明显的空间正相关性和区域集聚性,热点区自内城核心区至副城趋于弱化,冷热点空间格局呈圈层结构;③ 交通位势和中心位势是对一主三副住宅租金解释力最大的因素,商务配套、金融设施和住宅房龄的解释力次之,特征因素对主城副城租金的影响强度各异。     

基于智慧城市多源时空数据脉动规律认知的城市病研究

随着智慧城市上升为国家战略和《新型智慧城市评价指标》出台,各级政府不断推进新型智慧城市建设,各类便民惠民项目争相落地,产业规模呈现快速增长态势。针对常见城市病,利用我们在智慧城市建设中形成的空间信息公共平台所汇聚的各类数据,运用大数据思维和科学的数据挖掘手段,全方位、多角度揭示城市潜藏规律,把脉城市健康脉搏,辅助城市管理、规划决策和应急响应。依托"城市脉动"基本理念,针对城市交通拥堵、城乡垃圾堆放、城市热岛涌现、社会案件频发等常见"城市病",融合数据挖掘技术和深度学习手段对长序列时空大数据进行分析,揭示"城市脉动"变化规律并进行可视化展示,最终为城市规划和管理决策者提供科学指导,提升智慧城市公共服务效率。     

近20年烟台主城区土地利用变化特征与驱动分析

以TM影像为基本数据源,结合土地利用现状图和土地详查数据,分析了烟台主城区1992年以来土地利用空间扩张特征与机制,以能够更好地对城市进行科学规划控制,促进城市经济协调发展。通过对1992年及2013年TM遥感影像进行处理分析,结合烟台市的社会经济统计数据,得出结论：烟台市1992年到2013年城市空间扩张向西面及沿海方向发展;城市建筑用地面积增加较多,耕地和水域面积则呈减小趋势。影响城市土地利用空间扩张的驱动因子主要是经济发展、人口增长、产业结构、交通发展及国家政策等,其中经济发展和人口增长是促进烟台城市土地利用空间扩张的主要因素。     

基于开源大数据的北京地区餐饮业空间分布格局

基于大数据进行城市服务设施空间格局分析已成为一种新的研究热点,而餐饮业是城市服务业的典型代表,因此通过开源大数据对城市餐饮业的空间布局进行研究具有重要的意义。本文以北京地区作为研究区,采用网络爬虫技术获取大众点评上153 895家餐饮店数据,引入基于密度的CFSFDP聚类算法从空间分布密集度和人均消费等级方面对餐饮业背后蕴含的地理聚集特征进行分析。研究发现：① 北京地区餐饮店总体呈现多中心的空间分布特征,其集聚程度以主城区为核心向外逐级递减,并明显表现出围绕重要商圈、旅游景点和住宅区进行布局以及沿交通轴线扩展的趋势;② 不同人均消费水平的餐饮店呈现等级体系特征,即高档餐馆少而集聚,中低档餐馆多而散的分布特点;③ 餐馆分布密集程度和定价表现出接近市场和消费者的特征。同时,本文综合空间集聚特征和消费水平2项指标对影响餐饮店集群空间分布格局的因素进行了分析,以期为政府规划部门进行城市商业空间布局研究提供借鉴。