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。     

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。     

基于出租车上下客点的城市人口流动分析

掌握城市人口流动动态有利于进行交通预测、应急快速响应,以及合理的城市规划。出租车作为城市主要的交通运输工具之一,可以反映城市中人口的流动。本文以出租车上下客点数据为例,对比在工作日以及休息日的人口流动差异,分析出租车数据的空间分布及其动态变化,揭示城市人口流动模式。     

基于手机信令数据的北京市人口空间分布特征

手机信令数据兼有时间信息和空间信息,是用于研究人口空间分布、城市空间特征较好的大数据。利用手机信令数据和乡镇区划数据,分类分乡镇分析提取不同口径用户数量及用户密度概率分布函数,北京市人口空间分布及其均衡性。研究发现：北京市人口分布呈现出由首都功能核心区向中心城区和新城扩散的态势,对于手机信令可分时段统计用户,呈现出人口密度分布并不平衡,中心城区和新城个别街道如卢沟桥街道、新桥街道、沙河地区等工作居住用户远超于其他乡镇街道,人口聚集明显;在职住方面,个别街道存在就业功能空间外溢,居住功能空间紧张的现象,职住用户分布不匹配现象。     

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。     

基于大数据的武汉市疫后人口恢复研究

利用手机信令和百度位置服务大数据,以2019年为基准,从居住与就业人口、对外城际联系和内部人口流动3个方面分析了2020年武汉市疫后人口恢复情况.研究结果表明,截至2020年12月,武汉市居住、就业人口分别恢复至基准时段的97％和92％,但内部区域差异明显,与经济发展水平密切相关;截至2020年9月,城市内部人口流动已...     

基于出租车轨迹数据的空间关联规则挖掘

出租车作为城市公共交通的重要组成部分,对于人们的日常活动有着重要的作用。而出租车的运营产生了大量的轨迹数据,通过对轨迹数据的挖掘可以反映城市居民的人口流动状况及出租车的运营规律。空间关联规则挖掘作为数据挖掘的重要组成部分,通过对轨迹数据进行关联规则的挖掘可以得到其隐含的规律信息,从而改进出租车运营模式。而OpenStreetMap是众源地理数据中极具代表性的项目,其数据量丰富、现势性强、成本低廉,被广泛关注。以深圳市出租车轨迹数据及OpenStreetMap矢量地图数据为基本数据,基于出租车上(下)车点进行关联规则挖掘,进而得到深圳人口流动特征,从而为人口活动分析及基于位置的服务提供参考。     

利用手机定位数据的用户特征挖掘

手机定位数据已经逐渐成为一类新兴的空间数据,可用于分析个体或大规模区域内群体的活动特征,服务于基于位置的服务和城市及交通规划等。提出了一种基于手机定位数据,结合区域内兴趣点(POI)、房产价格等,利用空间聚类及语义分析等手段,对用户特征进行分析和挖掘的方法。首先采用DBSCAN方法提取用户重点活动区域;其次,根据用户的活动规律假设对活动区域进行类别标注;最后引入自然语言处理方法对POI和楼盘描述信息进行词频分析。并结合区域内POI类别和房价信息推断用户可能的偏好特征及收入或消费能力等特征,对用户一个月的手机定位数据进行挖掘分析。结果表明,该方法对用户重点活动区域及个体喜好特征等能够进行较为有效的挖掘。     

基于土地利用现状的人口时空增长趋势研究

基于武汉市"四普"、"五普"、"六普"人口普查数据及2014年末人口调查数据、同期土地利用现状数据,开展城市级的人口时空变化趋势及特征研究。从1990~2014年,武汉市人口空间分布由"破碎分散"向"紧凑集中"转变,人口流动主体形式为波动式增长和流动式推进,新城区人口增长速率持续增加,中心城区人口增长速率逐步减缓。研究结论表明,提出的基于土地利用现状的人口数据空间化方法能够客观反映人口的空间分布,能够为指导城市规划、统筹城市空间布局、提高城市空间利用效率提供支撑。     

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。     

基于手机信令数据居民出行链提取算法

研究居民出行链不仅能够准确预测交通状况而且对城市规划有着重要的意义。经典DBSCAN算法以距离衡量不能完全聚类时空大数据,本文以北京市手机信令数据为基础在经典DBSCAN聚类算法的基础上扩展时间维度提取用户出行链,实验表明该算法能够解决相同地点不同时间停留点判读问题,通过与经典出行链提取算法对比表明该算法具有可行性,并且在职住停留点提取方面比较符合实际情况。     

大数据视角下的武汉市人口格局探析

新兴大数据反映了人、物、信息在空间上的流动和聚集,体现了社会经济要素的动态分布和相互关系。结合自然资源部下达的2018年国家地理国情监测项目"武汉市大数据城市空间格局变化监测试点",创新开展了"地理国情+大数据"融合研究,从城际人口流动和城市人口分布2个方面开展了武汉市人口空间格局识别,揭示了武汉市对外人口流动规模和方向,城市内部居住和就业人口分布的圈层差异、人地关系和跨江出行特征。     

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。     

Java手机地图服务系统研究与实现

基于位置的服务（LBS）是指为移动设备的用户提供一系列个性化的与位置相关的服务。在分析了JSR-179规范的基础上,详细讨论了基于JSR-179规范的J2ME手机应用开发架构,并给出了J2ME手机地图服务系统的实现方法及相关程序代码。系统的实现为用户移动地、快速地提供地理信息获取支持。     

夜间灯光数据支持下的广州市人口空间化

了解区域人口的空间分布,能够为城市精细化管理和城市规划提供有力的支撑数据,对提高城市发展水平有重要的现实意义。为此,本文以“珞珈一号”(LJ-1 01)夜间灯光(NTL)影像为基础数据,以广州市为研究区,结合人口估算模型等方法,开展基于NTL数据的人口空间化研究。结果表明:LJ-1 01 NTL数据能够有效地应用于人口空间化研究。人口空间化后,广州市人口分布具有显著的“一主中心,多核心”的特征,各区域内部的人口分布差异可被清晰地展示与区分。本文结果对城市规划与城市管理具有一定价值的辅助支撑作用。     

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。     

基于遥感的城乡人口分布模拟——以松原市为例

利用遥感数据模拟基于居民地的人口空间分布,须解决两大难题：①居民地类型、面积、位置的精确获取;②居民地类型、面积与人口数量间的关系。本文根据地理意义和数学意义,对经典的城市人口-面积异速生长模型进行扩展,推导出城乡人口-面积统一模型。进而以松原市为例,以1∶5万地形图为辅助数据,建立居民地分类体系,利用ETM影像提取居民地信息,在以上模型的基础上采用“城乡人口分割”算法模拟城乡人口的空间分布。本研究方法可为中尺度人口分布的理论与应用研究借鉴。     

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。     

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。     

数字城市地理空间框架研究

现有城市规划管理系统的数据格式具有多样性,同时存储系统较多,信息交互复杂,信息的共享困难,利用率不高。基于城市空间框架的城市规划管理系统可有效实现规划标准体系的统一、规划数据资源的整合以及规划应用系统的合并。本文在分析城市规划管理系统的现状和问题的基础上,探讨了城市空间框架的体系结构,并讨论了基于城市空间框架的城市规划管理系统的建设目标与关键技术,最后对其城市规划专题数据整理进行了实践示例。