西宁市老年人口分布与养老资源错位研究

健康中国战略下,积极应对老龄化、建立健全养老和医疗等相关设施,成为许多城市关注的问题。目前相关研究很少关注西北城市的老龄人口的空间分布及养老资源错位的现象。本研究以西宁市主城区为研究区域,基于2010—2018年西宁市公安局各街镇人口数据和兴趣点（POI）数据,选用老年人口系数、赡养率、增长率和地理集中率四个指标,利用综合老龄化指数（CAI）模型、核密度函数模型和空间错位指数模型对西宁市主城区人口老龄化空间分布及养老资源（医疗资源、老年设施）空间错位现象进行探索分析,结果表明：（1）9年间西宁市主城区人口老龄化程度不断加深,已步入老年型社会。（2）通过老龄化综合指数可知：主城区外围街镇人口老龄化增长速度大于城区中心的街道,其中小桥街道、朝阳街道、马坊街道与乐家湾镇人口老龄化最为严重,2018年综合老龄化指数增长速度超过中心城区街道,西宁市主城区人口老龄化严重程度已从中心街道向外围街镇扩散。（3）通过空间错位指数计算可得知：城中区的养老资源数量充足但过于集中,城北区的养老资源分布合理但是数量较少,行政区之间的养老资源与老年人口分布存在较大空间错位问题。     

Integrating spatial and temporal contexts into a factorization model for POI recommendation

Matrix factorization is one of the most popular methods in recommendation systems. However, it faces two challenges related to the check-in data in point of interest (POI) recommendation: data scarcity and implicit feedback. To solve these problems, we propose a Feature-Space Separated Factorization Model (FSS-FM) in this paper. The model represents the POI feature spaces as separate slices, each of which represents a type of feature. Thus, spatial and temporal information and other contexts can be easily added to compensate for scarce data. Moreover, two commonly used objective functions for the factorization model, the weighted least squares and pairwise ranking functions, are combined to construct a hybrid optimization function. Extensive experiments are conducted on two real-life data sets: Gowalla and Foursquare, and the results are compared with those of baseline methods to evaluate the model. The results suggest that the FSS-FM performs better than state-of-the-art methods in terms of precision and recall on both data sets. The model with separate feature spaces can improve the performance of recommendation. The inclusion of spatial and temporal contexts further leverages the performance, and the spatial context is more influential than the temporal context. In addition, the capacity of hybrid optimization in improving POI recommendation is demonstrated.     

区位因素影响下高铁站区产业结构特征——基于POI数据的实证分析

高铁站被视为拉动城市经济增长的新型空间,研究其周边产业结构对指导高铁站区的开发具有重要意义.本文选取了全国范围内9个不同区位、不同等级的高铁站为研究对象,以高铁站周边3000m范围内10类产业的POI信息作为研究数据,通过Ripley's K函数、核密度估计和产业指数等方法探索不同区位下高铁站区的产业结构特征.研究发现...     

城市POI的空间数据分析与可视化表达

随着科技的迅速发展,地理空间数据已经成为人们日常生活中的一部分,城市POI数据则是涵盖城市公共基础设施属性信息与位置信息的大型地理空间数据。针对现阶段对城市POI数据利用程度不充分的问题,本文运用密度分析、热点分析以及服务范围分析等方法研究大连金普新区城市POI数据的空间分布特征。结果表明:大连金普新区城市POI数据呈现"二区八带多点"的分布格局,金石滩街道、中长街道、先进街道以及大李家街道医疗、教育、娱乐设施较为完善,且远离工厂,比较宜居。本研究可为市民生活、工作、学习、娱乐提供参考,也可为城市发展、管理维护提供服务。     

主题模型与SVM组合的小尺度街区用地分类方法

城市用地分类作为城市规划重要的基础和依据,对城市资源配置、建设发展等具有重要意义。现有研究对用地分类都聚焦于“稀路网、大街区”的大尺度区域,随着城市发展,大尺度区域的规划模式造成了城市交通效率低下、土地低效率开发等问题,而小尺度的城市街区建设规划为解决上述问题提供了一种新的思路。为了充分挖掘现有交通大数据的潜在价值,更以高效地服务小尺度街区规划,本文将主题模型与支持向量机（SVM）相组合,提出一种面向小尺度街区的用地分类方法。本文以上海市黄浦区人民广场附近为研究区域,依据精细路网对研究区域划分,通过对一周（7天）出租车GPS数据处理,结合区域兴趣点（POI）数据,基于隐含狄利克雷分布（LDA）模型和SVM模型进行用地分类。在人工解译的分类图的基础上对本文方法进行精度评价,并基于百度地图地理数据进行结果验证。研究表明本文方法基于现有的交通大数据,实现了对小尺度街区用地分类,方法分类精度较高,在一定程度上可以节约人力物力,以便更好地服务于小尺度城市规划。     

街道尺度下的零售商业中心热点识别与业态差异——以武汉市为例

城市零售商业的空间分布是现代城市发展的重要研究领域,科学分析城市零售商业的集聚特征,有利于优化城市用地布局及合理配置城市商业资源。基于POI数据,以武汉市街道为研究尺度,通过核密度估计、空间自相关分析以及Ripley’s K函数来识别武汉市零售商业中心热点和分析各业态之间的差异。结果表明:(1)武汉市零售商业在空间分布上表现为“大集聚、小分散”的特征,集聚趋势和扩张态势并存,在中心城区集聚特征明显,并形成多个次级集聚中心。(2)全局空间自相关分析结果显示Moran’s I为0.385,说明武汉市零售商业分布存在正的空间相关性,局部空间自相关分析表明高-高集聚区的街道集聚特征明显,但其辐射带动作用较弱,极化现象明显。(3)零售商业分布的“中心-外围”结构明显,零售商业集中区主要分布在以江汉路商圈为核心的10 km圈层范围内,由中心城区向远城区递减。(4)不同距离下各业态空间集聚存在差异,商场、超市进行区位选择的范围较小,便利店、家居建材市场、专卖店的距离范围较大。     

珠江三角洲港资服务业企业的空间格局及影响因素研究

香港与珠三角地区历来有着紧密的社会经济联系,研究港资服务业在珠三角的空间布局,有助于发现港资服务业在珠三角不同等级城市的跨制度边界分布规律,并对揭示香港与珠三角之间的服务业合作关系和促进粤港澳大湾区一体化建设具有重要意义。基于1 050家珠三角港资服务业企业POI点数据,运用最邻近点指数、核密度估计法和地理集中指数等定量方法和GIS技术,研究珠三角港资服务业企业的总体空间布局及局部区位特征,并构建了多元回归模型揭示其空间布局的影响因素。结果发现:①珠三角港资服务业企业的整体空间表现为集聚型,形成了"总体分散,局部集中"的空间分布特征;②分行业来看,除分配性服务业企业具有空间多中心特征外,其余服务业企业均形成了以广、深为核心的空间分布结构,且4类珠三角港资服务业企业均具有显著的集聚特征,其中生产性服务业企业的集聚特征最为突出;③除分配性服务业企业外,其他类别港资服务业企业的空间分布受到不同因素影响,主要包括服务业发展水平和固定资产投资。     

基于POI数据的山西省旅游景区分类及空间分布特征

运用大数据与传统地理信息系统相结合的方式,以山西旅游景区POI(Point of Interest)数据为研究对象,对其进行分类后,研究其总体空间分布格局、分布方向以及具体地市空间分布特征.结果 表明:山西旅游景区总体分布格局呈现晋中地区集聚特征,具体各类旅游景区的集聚形态与程度有所差异.其中,地文景观类旅游景区集聚于...     

顾及地理语境的旅游轨迹停留点语义标注

轨迹数据作为典型的时空大数据,具有较高的研究和应用价值。然而现有的轨迹数据挖掘主要聚焦于轨迹的空间特征,而较少关注轨迹数据语义的深度分析。本文面向智慧旅游服务的需求,重点探讨了旅游轨迹的轨迹停留点语义的自动标注问题。首先,针对POI短文本的特点,提出了基于《同义词词林》进行短文本语义扩展的方法对POI短文本进行特征扩展;同时,在顾及POI短文本的关键词集中、类别词分散等特征基础上,提出了改进TF-IDF的POI自动分类方法;其次,在POI分类的基础上,采用Native Bayes方法对轨迹停留点进行语义标注。结果表明,基于改进TF-IDF方法的POI自动分类可以达到约83%的精度,能够较好地实现POI的分类;而在POI自动分类基础上,基于Native Bayes的轨迹语义标注可以达到74%的精度,较好地实现了旅游轨迹停留点自动语义标注的目标。     

基于时间序列相似度的城市功能区识别研究

随着城市化的快速发展,城市空间结构愈发复杂,城市功能区的快速有效识别对资源的有效配置和城市规划具有重要意义.传统的功能区识别缺乏对居民这一城市空间活动主体的动态表征,而长时间序列的出租车数据能动态表征居民出行行为,进而反映城市空间结构.动态时间扭曲(DTW)距离比传统的欧氏距离更能有效挖掘高维数据,泛化后的LB_Keo...