共查询到17条相似文献，搜索用时 140 毫秒
1.
人群移动和城市空间结构的关系研究一直是人文地理关注的焦点,它可以帮助理解人群城市空间中移动的潜在动力和影响因素,从而评价城市空间结构的合理性,对城市规划、选址具有重要意义。轨迹大数据为研究城市大规模群体活动、城市空间结构以及二者的关系提供了新视角。本文以人群聚散稳定性为切入点,以深圳市交通小区为分析单元,从社会经济属性、土地利用模式和路网中心性3个方面定量探索城市空间结构特征与人群聚散稳定性的关联性。结果发现：区域的人口数量和密度越大,人群聚散稳定性越低;土地利用混合度越高,均衡性越低,人群聚散稳定性越低;与路网全局中心性比,局部范围内的路网中心性对人群聚散稳定性的影响较大,并且随着距离不同而发生变化。这些知识帮助加深理解人群聚散与城市空间结构特征之间的关系。 相似文献
2.
精细尺度下多时间序列土地利用时空演变分析是当前研究的一个趋势,本研究基于2005、2007、2009、2011、2013年5期土地利用数据采用自组织映射方法分析了北京市乡镇级多时间序列土地利用的时空演变规律,实现了乡镇尺度下多时间序列土地利用数据的时空一体化表达和对比分析。通过构建自组织映射神经网络,利用其聚类和降维可视化功能对5个监测时期的土地利用数据同时进行训练,在其输出面板可以发现不同土地利用类型的分布聚集模式以及相互之间的结构比例关系,并对输出神经元进行二次聚类以及土地利用变化轨迹分析,展示出北京市乡镇级5个监测时相的土地利用时空演变规律。结果揭示出北京市平原区、山区及二者过渡的山前结合带的各自不同的土地利用时空变化轨迹与模式：北京市平原区向高建设用地比例的土地利用结构方向演变,山区向高林地比例的土地利用结构方向演变,而山前结合带的土地利用时空演变较为复杂。 相似文献
3.
伪基站垃圾短信活动存在显著的时空自相关和异质性现象,采用时空分析方法可以精准把握伪基站的移动规律和行为模式,为相关部门综合施策、探索长效管理机制提供科学的依据。然而,精细尺度下垃圾短信数据集中过多零数据导致的零膨胀问题,使当前的时空分析方法并不适用。为此,本文以2017年2月23日至2017年4月26日北京市色情服务类垃圾短信数据为例,构建零膨胀贝叶斯时空模型,不仅可以解决零膨胀问题,而且可以综合分析伪基站的空间、时间、时空效应以及外部影响因素,以识别伪基站活动的相对风险高值区、探究城市建成环境对其的影响。结果发现：在数据集中零值占比高达83.46%的情况下,基于零膨胀泊松分布的贝叶斯时空模型具有更好的拟合精度;色情服务类垃圾短信空间上的高风险区域主要聚集在北京市主城区的东部,风险值最高的区域属于朝阳区;周四、五、六风险趋势会相对增加,且18:00至次日02:00为高发时期;伪基站一般18:00从主城区的西南部开始向东北方向移动,凌晨01:00聚集在朝阳区西北部区域;商务住宅与住宿服务类城市环境与垃圾短信呈正相关,餐饮服务与派出所类城市环境呈负相关。研究表明,零膨胀贝叶斯时空模型为精细尺度的伪基站垃圾短信研究,提供了一个可以有效整合多个时间截面的分析数据、充分考虑伪基站的时空关系和外部影响因素并解决数据中存在零过多现象的方法,为发展和验证伪基站的环境犯罪学理论提供了一种重要的分析方法。 相似文献
4.
基于时间序列聚类方法分析北京出租车出行量的时空特征 总被引：1，自引：0，他引：1
受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提供了数据支撑。本文以道路分割城市得到的地块为研究单元,利用北京市一个月的出租车轨迹数据,对北京居民的出行模式及城市功能格局进行分析。在轨迹数据分析中,本文从轨迹数据中提取每个地块的出行量时间序列信息,然后采用结合时间序列距离度量和时间序列自身相关性的聚类方法,对出行量时间序列数据进行聚类分析,从而研究乘客出行的时空分布特征,最后结合北京市POI数据,探讨了不同区域乘客出行规律和区域功能类型的相互关系。结果表明,出租车出行量时间序列模式在工作日和周末间存在明显差异。此外,工作日的2个出行高峰与通常的通勤早晚高峰不同。由出行量所得的区域聚类结构,除具有重要交通枢纽功能的地块外,总体上以市中心为圆心大致呈同心圆分布,且距离市中心越远出行量越小。研究结果对于分析北京市居民出行行为、辅助城市交通规划具有一定的意义。 相似文献
5.
基于密度的轨迹时空聚类分析 总被引：1，自引：0，他引：1
通过轨迹聚类分析挖掘物体移动模式的空间分布和时间特征,对于认识运动的形成机制,预测运动的未来发展具有重要的意义。目前,轨迹聚类研究主要关注物体的空间位置变化,时空聚类中时间约束一般只是作为辅助信息,并不真正参与聚类。本文提出基于密度的轨迹时空聚类方法,在聚类过程中同时考虑轨迹包含的时空信息,在空间聚类的基础上提出了轨迹线段时间距离的度量方法和阈值确定原则,对时空邻域密度进行聚类分析,挖掘物体的时空移动模式。实验对南海涡旋轨迹进行时空聚类分析,得到了涡旋典型移动模式的空间分布和时间特征,验证了基于密度的轨迹时空聚类方法的有效性。加入时间约束后,移动通道主要发生缩短、分裂和消失的变化。和空间聚类相比,轨迹时空聚类可有效地划分发生在同一位置不同时间的轨迹,得到的聚类结果更加细化,移动模式更加准确,有利于物体的移动模式做更深入的分析。 相似文献
6.
基于手机信令数据的城市小活动空间人群空间分布特征 总被引：1，自引：0，他引：1
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,构建基家最大距离指标,度量用户以家庭位置为中心的活动空间范围,并据此筛选小活动空间人群;其次根据用户与家庭位置间的距离信息构建“时间-距离”框架下的用户轨迹,在此基础上构建基于面积的轨迹相似性方法;然后利用逐级合并的层次聚类算法,根据用户轨迹的相似性对其进行聚类,挖掘小活动空间人群中典型活动模式;最后根据用户的家庭位置,进一步分析不同活动模式人群的时空分布特征。本文以上海市手机信令数据为例对该方法进行了测试,结果表明：① “时间-距离”框架下构建的基于面积的轨迹相似性方法,可反映用户基于家庭位置进行活动的时空特征,而逐级合并的层次聚类算法对典型活动模式挖掘的效率有明显提高,有助于研究城市居民的移动模式;② 上海市小活动空间人群分布呈现出圈层结构,主要分布在中心城区,郊区的工厂和大学城以及各区的商业中心附近,在郊区过渡区相对较少。本文提出的方法能够用于分析城市小活动空间人群的时空分布特征,可以为目前各大城市提出建设社区生活圈的决策提供方法支撑。 相似文献
7.
现有OD流向聚类多将O点和D点相分离或者将OD流向看作4维空间的数据点进行聚类处理,忽视了流向长度、方向、时间对流向聚类的影响。本文以流向作为研究对象,提出一种基于流向间相似性度的逐级合并OD流向时空联合聚类算法。首先在充分研究OD流向的空间信息和时间信息的基础上,构建合理的OD流向间时空相似性度量方法,对OD流向间的时空相似性进行量化;然后提出逐级合并OD流向聚类策略,优化类簇合并的顺序,以减少层次聚类的时间开销,实现OD流向的时空联合聚类。以成都市的滴滴出行OD数据和纽约市出租车数据为例对本文方法进行了验证,结果表明：① 本算法聚类获得的流向类簇不仅带有空间特征还具备时间特征;② 在不同参数下本方法可以得到不同时空尺度的聚类结果;③ 与现有较高水平的流向聚类算法相对比,本文方法的聚类效果更好。这体现在流向类簇内部的流向之间有着充分的相似性,以及本文方法不仅可以提取出显著的流向类簇,还可以提取出非热点区域之间的流向类簇。本算法顾及空间因素和时间因素,可以通过调整时空相似性度量方法中的时间参数和空间参数以实现不同时空尺度的流向聚类,这使得从不同时空角度研究城市居民出行模式成为可能。本文提出的OD流向时空联合聚类算法从联合时间信息和空间信息的角度获得对运动数据的新见解,有助于合理全面地研究居民的移动模式、区域之间的空间联系、已知出行结构的确定以及出行目的的探索,是后续一系列分析工作的基础。 相似文献
8.
基于出租车用户出行的功能区识别 总被引：1，自引：0，他引：1
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。 相似文献
9.
10.
准实时监测城市发展、掌握城市土地利用类型是日趋科学化、合理化进行城市规划的基本要求。随着信息通信技术、移动互联网技术、位置服务等的发展,海量的手机数据、浮动车数据、公交卡数据、社交网络数据等在内的人类时空活动信息为从“人”的角度动态实时感知城市土地利用、空间结构提供了可能。本文以深圳市为例,基于百万名QQ用户2013年的电子足迹数据,提出了不同类型的人类时空活动指数,以建立人类活动与城市地物间的对应关系;借鉴遥感影像不同波段记录各类地物在特定波谱区间辐射值的思想,生成各类人类时空活动指数波段图;并利用最大似然法对该“类高光谱影像”进行城市土地监督分类,获取城市的土地利用图。通过与深圳市规划图的对比验证,全体分类精度为72%。相较于传统基于“物”的遥感探测手段,基于“人”的城市感知更能反映城市内部相同地类的发展差异性。 相似文献
11.
《中国地理科学(英文版)》2020,(4)
The increasing availability of data in the urban context(e.g., mobile phone, smart card and social media data) allows us to study urban dynamics at much finer temporal resolutions(e.g., diurnal urban dynamics). Mobile phone data, for instance, are found to be a useful data source for extracting diurnal human mobility patterns and for understanding urban dynamics. While previous studies often use call detail record(CDR) data, this study deploys aggregated network-driven mobile phone data that may reveal human mobility patterns more comprehensively and can mitigate some of the privacy concerns raised by mobile phone data usage. We first propose an analytical framework for characterizing and classifying urban areas based on their temporal activity patterns extracted from mobile phone data. Specifically, urban areas' diurnal spatiotemporal signatures of human mobility patterns are obtained through longitudinal mobile phone data. Urban areas are then classified based on the obtained signatures. The classification provides insights into city planning and development. Using the proposed framework, a case study was implemented in the city of Wuhu, China to understand its urban dynamics. The empirical study suggests that human activities in the city of Wuhu are highly concentrated at the Traffic Analysis Zone(TAZ) level. This large portion of local activities suggests that development and planning strategies that are different from those used by metropolitan Chinese cities should be applied in the city of Wuhu. This article concludes with discussions on several common challenges associated with using network-driven mobile phone data, which should be addressed in future studies. 相似文献
12.
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 总被引：1，自引：0，他引：1
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。 相似文献
13.
不同区域人群流量随时间的变化可以反映城市结构的空间差异。现有对于城市人群空间分布特性的研究大都以人群密度计算为基础,注重时空切片尺度,但是不能有效刻画邻域空间单元间流量变化的时空过程同步特性。本文提出一种基于基站间流量变化过程相似度的城市邻域基站流量变化同步性度量方法,量化分析不同区域的人群进出流量过程的相似程度,研究城市中具有相同人群流量变化过程的同步性区域空间分布规律。以深圳市为例,对城市同步性区域的空间分布与特点进行剖析。实验发现：计算同步性时参数选择需根据城市本身基站分布及流量特点分析,一般研究中,城市基站平均距离可作为邻近区域半径d,描述基站间流量变化相似度的特征阈值λ选取与邻近区域半径有关,半径越小,阈值取值越小。通过基站人群流量同步性得到的城市同步区域的空间分布不同于行政区域划分结果,同步区域面积小,划分更为精细;且规划级别越高的中心区,其范围内基站同步区域数目越多。最后,将同步区域结果与流量密度图对比,发现该方法不仅能够发现流量变化大的同步区域,并且能够发现城市中流量变化小的同步区域。本文提出的方法能量化衡量区域流量变化同步性并发现具有不同流量变化特点的同步性整体区域,对城市人群空间变化特点进行分析,可用于指导和评价城市规划与实际人群活动区域效果,以及城市服务设施布局等。 相似文献
14.
利用终端位置时空转移概率预测通讯基站服务用户规模 总被引：1，自引：0，他引：1
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。 相似文献
15.
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。 相似文献
16.
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。 相似文献
17.
汇水区划分是分布式水文模型计算的基础。针对现有方法使用DEM在平原城市地区划分的汇水区不符合实际地形情况,本文提出了一种面向城市平原地区分级划分汇水区的技术方法。该方法从城市用地分类角度出发将城市分为中心城区和郊区,依据城市排水主干水系进行汇水区一级划分,将影响中心城区和郊区的不同径流因子分别融入DEM中,利用细化的DEM进行二级汇水区划分;在此基础上,根据实际汇流情况,结合Voronoi图,对中心城区进行三级划分,最后通过GIS技术进行修正。该方法既结合了传统DEM生成子流域的算法,又融入了城市区域地物地貌特点,能更好地满足城市地区的需要。选择上海市嘉定区西北部地区为实验样区,利用该方法进行汇水区划分比较表明,其对于城市平原地区具有很好的适用性。 相似文献