基于最邻近时空距离的土地变化过程时空模式分析

土地利用/土地覆盖受人类活动和城市的快速扩张的影响发生了巨大的变化,这种变化对生态环境和地表景观的影响极大。土地利用/土地覆盖的变化过程既受自然、经济等多种因素的影响,也是人类活动规律和自然因素制约的外部表征。因此研究土地利用/土地覆盖的变化过程具有重要的意义。土地利用/覆盖变化的监测和分析,在传统的方法中侧重于分别对各个时空快照上土地利用结构的整体差异的研究,割裂了不同快照间土地利用单元在演化过程上的有机联系。本文以序列土地利用数据构成的土地变化过程为核心研究对象,在土地变化过程的最邻近时空距离度量的基础上,开展基于蒙特卡洛随机模拟的土地变化过程的时空聚集性度量,量化分析土地利用变化过程时空聚集模式的显著性。使用淮南市市辖区2008-2017年土地利用数据,选取典型的时空演化类型(任意2年间从"耕地"演变为"草地")进行实证研究,结果表明此类土地变化过程在过去10年呈现出时空聚集模式,但统计上并不显著。本文的研究有利于把握土地利用单元在时空上的演变过程,探查土地利用变化过程中潜在的时空演化模式。     

城市人群聚集消散时空模式探索分析——以深圳市为例

城市中人群的移动是带有目的性的,城市空间结构功能也存在差异,导致人群在城市中出现聚集或消散的现象,而且该现象会随着时间不断变化。本文基于海量的手机位置数据,以深圳市为例,采用自相关分析识别出城市中人群聚集与消散的区域,然后将这些区域一天中人群聚散组合成时间序列矩阵,采用自组织图聚类方法（SOM）进行聚类得到9种典型的人群聚集、消散时空模式,结合土地利用现状数据,分析解释了每种聚散模式最可能出现的土地利用组合。该研究从聚集和消散的角度探索了城市人群移动的时空模式,进一步帮助理解城市不同区域人群的移动模式以及与城市空间结构功能之间的关系,对城市规划、交通管理具有参考和指导意义。     

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。     

基于多源数据的中国人口时空变化及流动格局

本文利用不同年份统计年鉴数据,通过人口密度、增速、洛伦兹曲线、尼基系数等指标计算方法对全国人口流动迁移趋势和分布均衡性变化特征进行分析.利用2020年春运返乡期间百度迁徙数据,基于网络中心性、联系强度、首位流以及K-壳分解算法分析人口流动空间分布格局.结果表明中国人口不均衡趋势越来越显著,中小型城市人口逐渐向区域中心级城市转移.华中地区形成多个人口流失集聚区,广东省和浙江省人口吸引能力最强.全国共形成20个城市群,其中京津冀、长三角、珠三角和成渝城市群内部人口流动联系最为紧密.     

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。     

邹平县土地利用时空变化及驱动力分析

采用土地利用动态度分析方法和GIS技术,通过建立土地利用空间数据库,构建土地利用时空变化模型,分析上一轮规划以来邹平县土地利用时空变化特征及驱动力。研究结果表明,从1996到2005年近10年间,邹平县土地利用／覆被变化明显。其中耕地和未利用地面积减少量最大,耕地面积逐年减少的主导原因为城镇工矿及交通水利等建设用地的逐年增加,这与邹平县城镇化水平不断提高及经济快速发展密不可分,而城镇工矿用地与GDP、非农业人口存在很强的线性相关关系;未利用转出地类主要为农用地,这一定程度上缓减了因建设占用农用地所引发的农用地规模不断下降的压力。     

北极海冰范围时空变化及其与海温气温间的数值分析

本文利用美国国家冰雪中心提供的1989-2014年海冰范围资料,分析了北极海冰范围的年际变化和季节变化规律。分析发现,北极海冰范围呈减少趋势,每年减小\begin{array}{c}5.91\times {10}^4\mathit{k}{m}^2\end{array},夏季减少趋势显著,冬季减少趋势弱。北极海冰范围显现相对稳定的季节变化规律,海冰的结冰和融化主要发生在各个边缘海,夏季期间的海冰具有融化快、冻结快的特征。结合海温、气温数据,进行北极海冰范围与海温、气温间的数值分析,结果表明北极海冰范围变化通过影响北极海温变化进而影响北极气温变化。海冰范围的季节变化滞后于海温和气温的季节变化。基于北极考察走航海温气温数据,进行楚科奇海海冰范围线与海温气温间的数值分析,发现楚科奇海海冰范围线所在区域的海温、气温与纬度高低、离陆地远近有关。     

利用终端位置时空转移概率预测通讯基站服务用户规模

基站服务用户数的预测对通信基站的空间位置选取、通讯服务带宽的配置优化等有重要作用,并为城市公共安全管理方面中的人群聚集预警与群体事件预防提供辅助决策支持。本文利用海量手机轨迹数据,运用时空转移概率定量化描述城市内不同区域间人群流动的时空特性,结合马尔可夫链和贝叶斯定理,构建手机用户群体在基站间的时空转移概率模型,并以此提出一种城市区域尺度上的基站服务用户数预测方法。利用湖北省某城市长达30 d的手机轨迹数据进行模型训练与预测方法验证,实验结果表明：在时间粒度为60 min时,本文提出的方法对8-22时各时段基站服务用户数预测准确率都大于94.8%;在不同时间粒度下对比本文方法、Castro模型、移动平均法,发现在时间粒度大于20 min时,本文方法预测准确率高于另外两种方法。     

山东省土地利用时空变化与驱动力分析

以山东省作为研究区域,利用分辨率为100m的2005年、2008年、2010年和2013年土地利用遥感解译数据和统计年鉴资料,结合ArcGIS空间分析和数理统计等方法,分析山东省土地利用时空变化,通过多元回归模型揭示土地利用变化与经济社会驱动因素之间的变量关系。研究表明,山东省耕地面积从1036.55×104hm2到1024.34×104hm2不断减少,建设用地面积从214.05×104hm2到275.75×104hm2不断增加并且大量占用耕地、林地、草地。耕地向山东省的东部丘陵地区和西部、北部地势低洼平坦地区转移,建设用地向东南部和西北低洼平坦地区转移较多。2008—2010年综合土地利用动态度最为强烈,分别是2005—2008年和2010—2013年的9倍和12倍。人口增长、经济发展、产业结构改变等因素与土地利用变化的相关性较强,这些因素在土地利用类型变化中发挥着重要的作用。     

2001-2010年蒙古国MODIS-NDVI时空变化监测分析

利用2001 - 2010年的空间分辨率为1km的MODIS-NDVI数据,以蒙古国为研究区域,利用最大值合成法、均值法与差值法、一元线性回归等方法,分析了不同季节下植被覆盖的年内变化、年际变化与波动趋势、空间变化特征.结果表明:M(ODIS- NDVI对植被的生长变化具有较高的敏感度,可有效应用于植被生态的评估和监测...     

基于滑动窗口的手机定位数据个体停留区域识别算法

手机的普及使手机定位数据成为分析个体时空行为特征的新兴重要数据源之一,并被逐渐应用到人口管理、城市规划、交通分析和流行病防控等众多领域的研究中。从手机定位数据中识别个体的停留区域是众多基于手机定位数据研究的重要基础环节。然而,当前常用的手机定位数据定位精度相对较低,且往往存在定位震荡和定位漂移导致的数据噪声,这些因素增加了从手机定位数据中识别停留区域的难度。为了提高从手机定位数据中识别个体停留区域的准确性,本研究结合个体行为的时空连续性,提出了一种基于滑动窗口的增长聚类算法。实验结果显示,相较常用的ST-DBSCAN算法和SMoT算法,对于采样时间间隔稀疏的手机定位数据,本研究提出的滑动窗口聚类算法在准确率方面的提升幅度最大可以达到35%。由于隐私问题,当前研究和应用中使用的大规模手机定位数据集中的时间分辨率往往较低,因此,本研究提出的滑动窗口聚类算法具有较为广泛的应用场景,可增强基于手机用户停留区域的众多研究结果的可靠性,为手机定位数据的广泛合理应用提供关键技术支撑。     

基于手机信令数据的城市小活动空间人群空间分布特征

小活动空间人群是指日常活动范围较小的居民群体,他们对城市公共资源的需求主要集中在家庭位置附近的区域,分析其活动的时空规律特征,有助于更好地实现城市公共资源的均等化和精准化配置.然而目前研究中对此类人群关注较少,为此,本文提出一种基于手机信令数据的小活动空间人群识别及其空间分布的研究方法.首先识别用户家庭位置和停留点位置...     

耦合手机信令数据和房价数据的城市不同经济水平人群行为活动模式研究

有效分析城市不同经济水平人群的分布特征和活动模式对优化城市资源配置和揭示空间隔离现象有着极高的价值。但人群活动和社会经济等级数据较敏感,使得以往研究仅停留在宏观层面,难以合理划分人群经济等级并对其空间分布和活动模式进行定量分析。本研究以深圳为研究区,基于空间位置关联分析方法,耦合手机信令数据和细尺度房价数据实现了人群经济水平的准确划分,通过计算活动指标定量的分析了不同经济水平人群的空间分布和行为活动特征。研究表明：深圳市不同经济水平人群活动分布与各行政区经济发展相关,呈现“南高北低,西高东低”的格局;深圳市不同经济水平人群之间活动模式存在差异,活动范围、出行距离、出行速度与经济水平存在正向相关;高经济水平人群职住地点相距较远,存在跨行政区分布的现象。本研究分析了城市不同经济水平人群的空间分布特征和活动模式,对城市规划和解决社会不平等问题具有重要的参考价值。     

手机用户上网时段的混合Markov预测方法

手机用户上网时段研究与预测对手机用户行为与模式分析、网络服务内容设计、网络黏性与心理、移动互联商业智能等具有重要意义。本文结合Markov模型和关联规则模型,提出一种手机用户上网时段的混合Markov预测方法——Lift-Markov（LM）方法,并采用中国某城市4G手机用户流量上网产生的流量收费数据进行实验验证与分析。研究发现：该实验区域37.66%的手机用户个体存在明显的以天为周期的周期性特性;本文所提出的LM方法在10、20、30、40、50、60 min间隔时的平均预测准确率都优于Markov模型和Mostvalue模型,其中在60 min间隔时能达到79.75%的平均准确率,优于Markov模型（74.64%）和Mostvalue模型（64.44%）;LM方法的预测准确率分布相比于其他2种模型都要窄,而且密度分布峰值最高、标准差最小,说明本文方法对人群的上网时段预测准确率较为集中与稳定,具有较好的预测性能。     

基于手机信令数据的城市就业空间特征研究——以沈阳市为例

以沈阳市为研究实例,基于手机信令数据,对城市居民个体时空行为活动信息进行深入分析,建立识别用户居住地和就业地的数据清洗规则,提取就业空间分布与职住联系数据。以Mc Millen(2001)提出的就业中心概念为理论依据,建立分析模型,应用核密度、空间自相关、自然间断分级、等值线等方法对就业分布数据进行深度挖掘,识别就业中心,并分析其空间布局特征;从就业规模和功能联系两个维度综合测度就业中心服务效能,构建就业中心等级体系;最后尝试基于就业功能划分城市空间单元,以此探索城市就业空间结构,揭示城市运行的内部机制。     

华为P40手机北斗三频观测数据质量及噪声分析

研究华为P40手机终端北斗三频观测数据质量及噪声特性,通过与测量型接收机对比分析发现,P40手机海思芯片具有较好的北斗三号信号捕获能力,B1I、 B1C和B2a三频信号信噪比略低于测量型天线,且3个频点均存在与终端芯片相关的系统误差。外置天线零基线实验结果表明,P40手机海思芯片零基线定位精度达到mm级,伪距和载波相位噪声可达到测量接收机噪声精度水平,B2a伪距噪声优于0.5 m,3个频点的相位噪声均优于2 mm。     

基于手机数据的北京市城市与近郊交互模式挖掘

在城镇化进程中,城市与近郊之间通过职住、货运、游憩等活动产生越来越紧密的交互联系,对于这些交互联系的准确识别和定量刻画,是理解城乡空间关系的重要手段,也能为城市的资源有效配置与合理规划提供重要的现状信息。本文通过对全北京在一日之内的手机信令数据所反映的人群移动轨迹的深入分析,融合城市的POI信息形成顾及人类活动时空信息的空间交互类型推断。以北京市为例,对城市中心与近郊之间远距离的强交互进行定性、定量和定位的探索。本文发现了北京市多尺度下空间交互模式和距离衰减规律,判断了城乡异常交互类型,对比了城乡之间和城市内部的交互模式的异同,以及基于交互类型视角提取了城乡异常交互的空间特征。研究认为,基于手机信令数据,利用停留点提取和高斯核密度估计的空间交互类型推断有效地发现了北京市周末的远距离出行类型特点,提取了其空间交互强度和空间特征,揭示了基于人类活动的北京市周末城乡交互模式。     

基于大规模手机位置数据的城市潜在自行车出行需求评估

潜在自行车出行是指可能会使用自行车作为交通工具的出行,评估潜在自行车出行需求能够帮助指导城市自行车资源配置方案的优化。大规模手机位置数据蕴含丰富的人群移动信息,而且具有大样本、低成本的特点,能够用于评估城市潜在自行车出行需求。本文结合自行车出行的时间和距离特征,提出一种基于大规模手机位置数据的潜在自行车出行需求评估方法。该方法以单次出行为分析单元,从手机用户的轨迹中提取出具有短距离出行特征和公共交通接驳出行特征的移动轨迹段,并根据该移动轨迹段评估潜在自行车出行需求。基于该方法,利用上海市大规模手机位置数据评估上海市潜在自行车出行需求并分析其时空分布特征,发现在空间上,潜在自行车短距离出行需求主要分布在城市中心和郊区的商业中心,而公共交通接驳的自行车需求主要分布在郊区。在时间上,上午,自行车出行需求从非中心城区向中心城区聚拢;晚上,上海市自行车出行骑车与停车需求从中心城区向非中心城区扩散。     

基于手机定位数据的城市人口分布近实时预测

精细时空尺度下城市人口分布的近实时预测可为优化公共资源配置、协助城市交通诱导、制定公共安全应急预案、探索城市居民活动规律等提供重要科学依据。本文采用城市手机定位数据,基于时间序列分析方法,分别建立参数预测模型和非参数预测模型,对精细尺度下的城市人口空间分布开展近实时预测。预测结果表明,基于时间序列分析方法的预测模型可为精细尺度下的城市人口分布近实时预测提供方法支持;在本文实验条件下,从人口规模、时空分布、多时间尺度、特殊事件等多个角度评估模型精度,非参数预测模型其预测误差均小于参数预测模型,且预测结果更为稳定。