共查询到17条相似文献，搜索用时 140 毫秒
1.
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。 相似文献
2.
集成地理探测器与随机森林模型的城市人口分布格网模拟 总被引：1，自引：0，他引：1
精细尺度的城市人口分布信息是城市资源配置和综合管理的重要依据。本文以广州市越秀区、荔湾区、天河区、海珠区、白云区及黄埔区作为研究区域,基于人口统计、夜间灯光、兴趣点及土地利用等多源数据,利用地理探测器识别人口分布的影响因子,运用随机森林模型开展人口分布空间格网模拟研究。研究结果表明,与传统的相关分析相比,地理探测器能够更为准确地识别人口空间分布的重要影响因子。基于随机森林模型的人口分布格网模拟结果与街道（镇）实际人口的相关系数为0.774,平均相对误差约为30%。相比基于线性回归模型的模拟结果,随机森林模型的精度有明显提高。 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
城市人口是构成城市的社会主体,是城市发展中最为活跃的因素。城市人口时空分布是城市管理需要掌握的重要信息。正确、精细化的城市人口分布数据对于城市运行与规划、城市经济发展和人民生活具有极为重要的意义,因此城市人口时空分布估计是城市地理学需要解决和研究的热点问题之一。本文以城市人口时空分布估计的关键点为核心,从以下几个方面展开综述:①空间分布单元划分方法,即城市人口分布的空间划分方式;②主要的模型和方法,从模型思想发展过程和估计对象的角度总结了6类方法并进行详细阐述;③估计结果在城市发展中的主要应用。在此基础上,本文指出了目前人口时空分布研究在空间单元构建、建模数据、建模思想和结果验证上存在的问题,同时探讨了未来的研究方向。 相似文献
6.
基于GIS的区域人口密度空间分布模拟——以张家界市永定区为例 总被引：1，自引：0，他引：1
人口统计数据空间化是解决统计数据与自然要素数据融合分析的有效途径。本文以张家界市永定区为研究单元,对小尺度区域的人口密度空间分布模拟进行了初步研究。文章根据2005年《永定区统计年鉴》所统计的人口数据,分析了永定区各乡镇平均人口密度与土地利用类型指数及地形指数(平均高程和平均坡度)之间的相关性。基于相关性分析,以GIS软件与SPSS统计软件为工具,运用多元回归的思想建立了人口数据空间化模型,同时生成了永定区250m×250m空间分辨率的栅格人口密度图。结果表明,模型模拟的精度较高,模拟过程具有较强的可操作性,可为县域尺度人口空间分布的应用研究提供借鉴。同时,研究结果为永定区推进城市化进程,提高人口、资源和环境的科学管理提供了理论基础。 相似文献
7.
人口统计数据的空间化能真实地反映人口空间分布情况,对研究人口分布的区域差异及其发展过程起指导作用,在此过程中,空间化格网尺度效应影响着模型的精度。为探究人口空间化的尺度适宜性问题,本文以四川省为研究区域,基于全球地表覆盖数据(Globle Land 30,GL30)及其派生的网格数据,对四川省2010年人口普查统计数据进行了人口空间化模型的尺度效应探究。通过基于人口密度、地表覆盖类型实现了研究区域的二次分区,实现了模型精度的提高。在此基础上,探究了县级尺度上在30 m、240 m、450 m、660 m、870 m、1 080 m 6个网格尺度上人口空间化的精度,得出县级尺度上在450 m网格尺度下,人口空间化精度最优。 相似文献
8.
《测绘与空间地理信息》2017,(12)
针对人口数据格网化分析不足的问题,可借助夜间灯光信息、地形信息、土地利用信息进行特征分区,在不同分区范围采用不同的方式构建人口空间格网化模型,反映人口在格网上的分布状态,提供了良好的小尺度统计人口方法。本文以四川省县区作为研究区域,对其进行特征分区,分为中心区(强灯光区)、一般灯光区和弱灯光区,分别采用圈层距离法、改进的夜间灯光建模法与土地利用建模法分析,并利用小一级的单位进行精度分析,研究表明:在灯光强度差距较大的一般灯光区,采用夜间灯光数据可以较好地模拟人口格网化数据,结果精度较高;在灯光强度差距较小的弱灯光区,土地利用模型可以有效地模拟人口空间分布;但灯光强度几乎饱和的中心区,采用圈层距离法,存在较大误差。 相似文献
9.
基于神经网络和GIS的广西都安县人口数据空间化研究 总被引：1，自引：0，他引：1
人口数据的空间化是进行小尺度地理分析的基础,本文在分析土地利用与人口分布关系的基础上,发现耕地、居民点以及水域是影响人口分布的主要因素,在GIS中对人口及其土地利用等数据进行分析,同时,利用BP神经网络非线性模型,对广西都安县人口数据进行空间化研究.通过神经网络的模拟和数据的调整,最终生成的栅格人口分布与实际的分布保持大体一致. 相似文献
10.
城市是人口和资源在时空上的聚集,昼夜人群空间集聚是其中最基本、最主要、最频繁的人口时空变化模式,是理解城市复杂演变的基础微观机制。由于缺乏先进的技术手段,往往无法真实地记录和量测城市人口的个体流动与整体趋势,人们对城市昼夜人口空间集聚的了解仍然十分有限。本文基于城市人群时间地理特征,从城市大数据中挖掘并模拟城市人群的社会时空行为,在此基础上计算并分析城市昼夜人口集聚时空分布。对武汉市主城区的昼夜人口集聚分析表明：(1)人口密度与分布面积具有幂律关系,符合Clark模型;(2)傅里叶变换可有效地揭示人口分布空间变化的主方向和延伸程度;(3)中心城区夜间人口较白天人口分布更为集聚,研究区昼夜间人口流动主要以城区内部流动为主。归纳出城市昼夜人口集聚差异具有5种模式：交通线、三明治、光晕、椒盐和单体模式,这些模式与城市演化及空间格局有密切关系,其中交通线模式是研究区人口昼夜差异最大的一种模式。 相似文献
11.
已有的多智能体人口模型没有考虑劳动力供需关系对人口空间分布的影响,在快速工业化地区模拟中具有局限性。提出了基于劳动力市场均衡的人口空间分布模型(SPM-ELM),建立了经济发展的劳动力需求与人口劳动力供给之间的关系,利用多智能体方法对劳动力市场均衡条件下的人口区位选择行为进行了建模,实现人口规模估算与空间分布模拟。并选取东莞市作为试验区验证了SPM-ELM模型的有效性。 相似文献
12.
人口抽样调查是通过人口样本估算区域人口总体的一种手段。由于人口分布通常具有空间差异性,传统的抽样调查理论难以满足日益增长的空间抽样需求,合理高效的人口空间抽样调查方法对于人口统计、研究人类活动、解决城市问题等有重要意义。本文提出一种基于多源信息与深度学习特征提取的人口空间抽样方法。在不透水面信息的辅助下,利用四叉树分割进行分层抽样,初步选择出可能存在人口分布的调查样本,并通过深度学习的常用模型——卷积神经网络估算样本建筑物密度,以辅助最终调查样本的选择与调查方案的制定。研究结果证明,该方法能够有效地筛选与人口分布密切相关的抽样区域,排除大量的无用样本,提高了人口调查的效率,节约了大量调查成本。 相似文献
13.
14.
澜沧江流域(云南段)人口密度空间自相关分析 总被引：1，自引：0，他引：1
本文介绍了空间自相关的理论方法,利用澜沧江流域(云南段)人口分布数据计算了MoranI和Local Moran I.详细论述了自相关分析的技术路线,对人口分布的空间特征进行研究探讨,把GIS技术的空间拓扑关系及可视化制图功能等很好地融合于地理现象的空间模式中,分析了研究区域人口分布的时空特征,反映了该区域人口地理分布的... 相似文献
15.
Capturing spatial population distribution can offer useful information for urban planning to promote reasonable population distribution and allocate urban resource. Agent-based model (ABM) based on the modeling idea of “bottom-up” can offer the ability to simulate the complex individual behaviors that generate spatial population distribution. Previous ABMs were unable to be extended for simulation of spatial population distribution at a fine scale due to the shortage of fine characterization of the urban environment and the calibration of agents' behavior. This study filled these gaps by proposing a genetic algorithm-ABM (GA–ABM) for fine-scale simulation of spatial population distribution in a manufacturing metropolis. In this model, the employment and residential choice behaviors of agents were defined by the labor economic theory and discrete selection model. Multisource geospatial big data such as enterprise points-of-interest big data and building footprints data were used to finely characterize the labor market and urban environment to reflect the impact of agents' employment choices on their residential decision. Furthermore, the grid-scale population investigation big data were combined with the GA to calibrate the agents' residential decision behaviors. The proposed model was used in Dongguan, the typical manufacturing metropolis in China. As a comparison, the expert-experience-based method-ABM (EEBM–ABM) was also conducted by using the same data set. Through the comparison of the results produced by these two models, it was demonstrated that the model coefficient calibrated by GA could effectively reflect the agents' residential decisions. The calibrated GA–ABM is more capable than EEBM–ABM in simulating spatial population distribution in a manufacturing metropolis. Hence, the proposed model can be used to simulate spatial population distribution in a manufacturing metropolis which helps the urban planner to conduct scientific urban planning. 相似文献
16.
熊念 《测绘与空间地理信息》2017,(10):105-107
社会经济数据是研究城市发展的重要因子,而传统的社会经济数据由于与空间坐标不统一,对城市发展的空间变化难以提供有力的支持。本文利用DMSP/OLS灯光数据,基于生态控制线,通过回归运算制定深圳市2010年人口指数模型,得到深圳市2010年1 km~2人口空间化图,有利于对深圳市人口的空间分布特征进行分析,为城市的绿色发展提供依据。 相似文献
17.
基于2010年《山东统计年鉴》和全国第六次人口普查数据,本文以县域为研究单元,通过空间自相关分析人口的空间分布模式,运用因子分析和Pearson相关分析探究人口空间分布模式的影响因素。研究结果表明:山东省人口分布呈现"东北-西南"的空间分布模式,人口空间分布整体上呈现显著的空间集聚,主要集中在青岛市的中心城区;经济增长因素和地形条件是山东省人口空间分布模式形成的主要推动力。 相似文献