共查询到20条相似文献，搜索用时 390 毫秒
1.
微博签到是一种典型的基于位置的社交服务,反映出社交用户与城市公共空间的互动,海量的社交位置签到数据为城市研究提供了全新的视角。本文基于香港、深圳两个城市2014年1月至2015年1月时间段内的新浪微博签到数据,从签到数据空间特性、旅游热点分布和居民活动空间3个方面对城市空间进行了综合分析:空间相关性分析结果表明签到事件在城市空间的分布具有明显的聚集性,并根据空间扫描统计结果依次标识出签到事件高值聚集区;针对旅游类签到数据分析发现两城市旅游关注度的时间变化趋势一致且峰值与我国假期时间分布相吻合,旅游热点主要分布于城市中心地带;以签到事件的规模、强度和集聚程度作为居民活动的表征分析城市活动空间特征,结果表明居民活动的核心圈层受到传统行政区划影响但分布已初步呈现"多心开敞"的空间形态。 相似文献
2.
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
3.
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。 相似文献
4.
基于社交媒体数据的城市人群分类与活动特征分析 总被引：1，自引：0，他引：1
空间信息技术已开始进入全空间信息系统发展阶段,即将空间信息系统的范畴从传统测绘空间扩展到宇宙空间、室内空间、微观空间等可量测空间。位置大数据不仅是全空间信息系统的重要研究对象之一,而且也成为了广域全空间中了解人们生活方式以及城市动态变化的一种有效途径。本文基于社交媒体数据中的位置签到数据,提出一种不同于传统以社会经济属性为依据的城市人群分类方法。首先利用签到数据的时间序列构造矩阵模型;然后,通过分析用户签到活动的时间特征,采用K-means聚类算法和K近邻算法（K-NN）识别出具有不同时空行为特征的城市人群（静态居民、动态居民、通勤者以及访问者）;最后,本文根据得到的人群分类结果,通过分析不同类型人群的时空间行为特征,发现不同类型人群时空间行为的差异性与潜在规律性,从而为表征城市人群的组成结构及特征,研究城市时空结构提供一种新的视角。 相似文献
5.
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
6.
基于浮动车数据的城市道路通行能力时空特征分析 总被引：1，自引：0，他引：1
针对城市道路通行能力定量度量指标,提出基于浮动车数据的道路基本通行能力评估方法;以道路通行能力指标来分析深圳市道路网通行能力的时空分异规律,结论如下：城市道路通行能力具有明显的时变特征和空间分布的不均衡性;各行政区域通行能力在工作日变化平缓,在休息日出现午高峰;通行能力余量无论在工作日和休息日都浮动较大,并在休息日中午显著下降;道路通行能力具有明显区域分类现象,人口密度和发展程度较高区域的道路通行能力整体较低,且一天内的变化较小;道路等级对通行能力和通行能力余量影响显著,较高等级道路一天内变化较大,低等级道路则较平稳。 相似文献
7.
共享单车的爆发式增长给城市规划管理和交通运行带来较大挑战,如何定量解译城市内共享单车的出行时空规律和空置率情况是单车科学调度的迫切需求.基于北斗平台提供的北京市共享单车数据,辅以POI数据,采用空间统计方法提取不同区域内共享单车的时空特征、挖掘单车与城市功能区间的关系,并提出共享单车空置率模型,从而揭示城市中共享单车用户短途出行的时空规律与多区域、多时段单车空置率情况.研究发现:工作日呈现规律性的早晚骑行高峰,出行具有明显的潮汐现象,且热点区域相比休息日更为集中;空置率随用户出行时序变化,以北京市东单区域为例,定量结果显示交通枢纽在早晚出行高峰单车使用率较高空置率较低,从而反映用车需求.本文研究结论可为单车管理调度、辅助城市规划提供参考. 相似文献
8.
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
9.
从精细尺度上研究城市功能区分布与人口活动规律对于政府和相关部门合理调节城市内部资源配置、安排城市设施布局具有重要意义。以沈阳市中心城区为例,根据核密度估计原理,基于兴趣点（POI）数据探索沈阳市中心功能区分布情况,通过解读多时相百度热力图数据,探索工作日和周末城区人口时空分布规律,即从城市人口活动和城市功能设施分布2个角度解读沈阳市中心城区空间结构与组织形式。借助SPSS 20.0分析人口热度和设施分布的相关性关系,建立多元线性回归模型。主要结论如下：① 沈阳市城市活力区呈现多中心分布模式,大多位于商业中心、金融中心或者城市功能复合中心。② 工作日人口高热区空间分布较周末更为分散,面积较大,早晚波动较大。周末人口高热区主要集中在商业中心和城市复合功能区且白天存在较大波动。③ 功能区分布与人口热度显著相关,其中生活服务设施、金融设施、交通设施、住宿设施和景点设施是工作日人口热度的主要影响因子;教育设施、餐饮设施、交通设施、金融设施和公共服务设施是周末人口热度的主要影响因子。 相似文献
10.
基于位置大数据的国庆假期青藏高原人群分布时空变化模式挖掘 总被引：1，自引：0，他引：1
人类活动是引起青藏高原生态环境发生改变的重要因素。很多学者对青藏高原史前人类活动和近几十年的人口分布格局与人口流动开展了大量研究,但有关人群时空分布的精细尺度研究相对缺乏。海量的位置大数据为认识高原人群短期的动态变化提供了新途径。本文利用手机定位数据、人口迁徙数据等高时空分辨率的位置大数据,通过时间序列分解方法和基于统计检验的异常判别方法,分析了2017年国庆期间青海与西藏的人群分布时空变化特征,并探讨了假期旅游行为及人口迁徙与变化特征之间的关系。研究结果显示：① 在省级和城市整体尺度上,定位请求量的假期变化在时间上呈现先降后升的“潮汐”变化模式;② 在精细网格尺度上,西宁和拉萨城市及周边地区的人群分布变化在空间上呈现中心跌、周边涨的“离心化”变化模式。国庆假期人们向城市周边热门景点移动聚集的旅游行为和城市之间的人口迁徙都是导致西宁和拉萨周边地区定位请求量上涨的重要潜在原因,而两座高原城市中心定位请求的下跌不仅与人口迁徙有关,还与假期人类日常行为及定位请求频次的变化等因素有关。通过位置大数据挖掘节庆假期人群分布的时空变化,不仅加深了对高原人口分布格局与流动变化的认识,也为高原城镇化与生态保护的精细化管理与决策提供支撑。 相似文献
11.
导航大数据是大量与导航相关且具有泛在导航、定位、授时特征的数据集合。城市环境的特性影响居民的出行活动,而居民出行活动中产生的导航大数据则蕴含了城市环境的时空信息。热点区域空间分布以及热点区域之间的关联性特征是城市环境时空特性的重要组成部分,由客观的环境现状和主观的人为活动造成。通过挖掘导航大数据可以揭示这些特征。本文提出了利用导航大数据的城市热点区域关联性挖掘方法。首先,通过对居民出行的起点和终点坐标进行空间聚类,挖掘城市中的热点区域,并依据点的分布特点对城市热点区域进行离散化;然后,利用基于谱聚类和蚁群算法的方法分析居民出行特征,揭示城市中热点区域之间存在的关联性。本文提出的方法能够充分利用导航大数据对城市动态的感知能力。以上海市2007年2月20日的出租车轨迹数据为例进行分析,结果表明：利用导航大数据分析城市热点区域之间的关联性,可以得到具有紧密关联性的热点区域的空间分布特征;上海市居民出行活动频繁的热点区域被划分为15个内部紧密关联的子图,形成该分布特征的内在机制以及居民流通规律与上海市的土地资源利用及道路交通建设现状密切相关。分析方法和结果可为合理的城市功能区域规划,智慧城市建设等提供决策支持和参考信息。 相似文献
12.
交通违法行为是引发交通事故的重要原因,然而现有研究主要关注交通违法行为的整体特征,缺少面向交通违法治理需求的分析框架。本文基于时空热点分析方法,提出从热点区域时间分布特征和典型时段热点区域空间分布特征两个角度识别交通违法行为特征的分析框架,分别用于支撑局部交通违法热点以及全局违法模式的原因分析和精准治理。基于该方法对福州市的机动车和非机动车（含行人）违法行为特征进行了识别分析,结果表明：机动车和非机动车违法行为在时间维度均呈现出9:00和16:00一日双峰特征,在空间维度呈现出“一片区、多热点”的聚集分布特征。二者也存在明显差异,具体表现为：① 在时间维度,非机动车违法行为呈现出更大的变化幅度,高峰时段与中午低谷时段、工作日与周末的违法行为数量差异均明显高于机动车;② 在空间维度,机动车违法行为在商业中心、医院等重要场所和交通枢纽呈现出聚集特征,分布范围更广,而非机动车违法行为则主要在人流量大且人车混行严重的城市中心路口区域呈现聚集特征;③ 不同违法热点地区产生的原因存在差异,需要有针对性制定治理措施。上述发现表明了本文方法能够全面快速识别交通违法行为特征,可以帮助指导城市交通违法行为动态监测分析系统建设,为持续优化城市交通现场执法警力动态分配以及交通违法行为精准治理提供决策支持。 相似文献
13.
北京市居民地铁出行出发时间弹性时空分布特征研究 总被引：1，自引：0，他引：1
伴随城市转型进程的加快,交通需求不断膨胀,导致大城市交通拥堵日趋严重,以调节出行者的选择行为为核心要素的交通需求管理理念成为相关政策的重要理论基础,但现有研究也表明,交通需求管理对出行弹性较高的出行具有显著调节作用,而对出行弹性较低的出行调节作用并不明显。因此,加强出行弹性等居民出行行为研究日益迫切,而公交刷卡数据等新的时空数据为居民复杂出行行为的挖掘提供了新的契机。本文利用北京市2014年3月地铁刷卡数据,以出行者出发时刻的可变性来测度出发时间选择的可改变程度,对居民地铁出行出发时间选择弹性进行测度,并结合GIS空间分析技术对其时空分布特征进行分析。研究表明：① 北京市地铁出行的居民出行弹性平均值为0.521,出发时间选择弹性整体上较大,表明北京居民出发时间选择相对较为灵活;② 北京市居民地铁出行弹性存在时空差异,居民个体休息日出行弹性高于工作日,一天中高峰时段出行弹性高于非高峰时段;③ 居民出行弹性存在空间自相关,倾向于在空间上发生集聚,存在明显的冷热点区域;内城居民的出行弹性明显高于城市外围居民。 相似文献
14.
利用社交媒体的位置潜语义特征提取与分析 总被引：1，自引：0，他引：1
社交媒体及时、大量、广泛地记录了城市中居民的观点和情感,尤其是具有位置标记的签到文本,将人们所处的空间和城市设施与其相应的认知态度结合起来,成为以人为核心主导的对空间位置特征的直接表达,是场所语义信息的集中体现。以微博签到数据为研究对象,引入自然语言处理领域的潜语义分析的方法,结合空间分析中因子分析、空间自相关分析和聚类分析的手段,提取并分析其中隐含的位置语义特征。本研究主要侧重于对位置之间语义相关程度的度量,首先提取研究区域隐含的概念主题结构,分析不同主题在空间上的分布特征。然后对特定地块进行潜语义空间上的相似性索引,在此基础上,采用先验的百度百科词条描述对位置间语义相似性进行扩展,通过空间自相关的分析,得到不同功能类型的热点区域。 相似文献
15.
轨迹数据挖掘城市应用研究综述 总被引：1，自引：0，他引：1
轨迹数据作为泛在地理信息环境中社会遥感数据的主要表现形式之一,为从个体的视角研究群体的空间移动规律,提供了新的数据支撑和研究思路。特别是在当前的大数据背景下,通过轨迹数据发掘人类的移动规律和活动模式,进而探求蕴含的深层次知识,是解决城市问题的重要途径,轨迹数据挖掘也由此成为地理信息科学及相关学科的研究热点。本文首先阐述了人类移动规律研究常用的轨迹数据集及在该数据集上开展的相关研究和典型应用;然后从城市空间结构功能单元的识别及城市韵律分析、人类活动模式的发现与空间移动行为预测、智能交通的时间估算与异常探测、城市计算的其他4个方面,综述了轨迹数据挖掘在城市中的应用;最后,指出了轨迹数据挖掘面临的挑战和进一步的发展方向。 相似文献
16.
城市管理事件具有显著的地域特征和周期性特征,挖掘城管事件中隐含的时空规律和潜在影响因子对城市管理具有重要指导意义。然而,目前针对城管事件时空变化及影响因素驱动效应的研究仍较为少见。本文基于贝叶斯时空模型,针对西北某地H市P区的街面秩序类、市容环境类以及宣传广告类城管事件在一周之中的时空演变特征进行建模分析,并探究了影响城管事件案发风险的潜在影响因子。研究发现：① 在空间上,3类城管事件的相对风险分布存在差异,街面秩序类事件集中在城市的居住功能区和商业功能区,而市容环境类集中在城市的居住功能区,宣传广告类主要集中在城市的商业功能区,空间风险后验概率估计表明,以上2个区域是城管事件的热点区域。② 在时间上,每逢周二、周五以及周六,城管事件的相对风险较为突出,但总体上没有明显的单调性。每天的8—10时和14—15时是城管事件高发的时段,其相对风险远高于其他时段。③ 城市建成环境对城管事件的潜在影响存在差异。研究区域内餐饮、交通、生活服务等城市基础设施与城管事件的关联最为紧密,且都表现为正相关。④ 城管事件的案发风险呈现出明显的时空异质性,渐进性的建模过程表明在分析城管事件数据时考虑空间与时间效应的影响是合理且有必要的。研究表明,贝叶斯时空模型的分析结果满足城管部门日常工作中关于城管事件智能分析与重点管控的需求。 相似文献
17.
餐饮业是城市经济发展的重要指标,运用合适的方法来研究城市餐饮业的空间格局特征,对城市规划、商业选址和经济发展等具有重要意义。本文以广州市海珠区为例,基于餐饮店POI（兴趣点）数据,利用核密度估计法分析餐饮店的空间分布特性,采用网络核密度法探究其热点路段的分布情况,并利用网络双变量K函数法,分析餐饮店分布与公交站和居民小区的相关性。结果表明：海珠区餐饮店总体分布呈现“西密东疏”的空间格局,具有多中心的空间分布特征;江南中街道餐饮店分布的热点路段主要集中在江南西路和江南大道中沿线,其密度随着与该沿线的距离增加而衰减;在较小范围内,餐饮店的分布与公交站具有显著的聚集关系,而与居民小区不具有显著的聚集关系。对于沿道路分布的空间地理点对象,利用网络空间点模式分析可得到较好结果。 相似文献
18.
本文收集了重庆市2020年1月21日—2月24日确诊的545例新型冠状病毒肺炎（COVID-19）病例个案信息,结合1500万手机用户在疫情期间的信令轨迹大数据,分析了其疫情的时空演化特征以及人群活动的变化规律,并从复杂网络的角度揭示了疫情分布的异质性,从疫情传播与人群活动之间的关系揭示了异质性的原因。研究发现：① 重庆市疫情在时间上,经历了以输入病例为主、输入和本地病例共存、以本地病例为主3个阶段,病例实时再生数（Rt）初期较高,随着防控措施的实施,逐步减小;空间上,病例分布呈现显著聚集性,病例高聚集区主要分布在以万州区为核心的渝东北地区和以主城区为核心的渝西南地区;② 疫情发生后,重庆市人群移动总量减少为疫情前的53.20%,减少主要集中在主城区以及其他各区县的中心城区,而郊区、农村的人群移动变化不大,甚至有所增加;③ 人群活动与病例发生之间存在不同程度的相关性,具体为：每日人群移动总量与病例实时再生数、一个平均潜伏期（7 d）后的每日新增病例数的相关系数为0.97、0.89,揭示了人群活动与病例增长的时间相关性;各街道（乡镇）人群移动总量与其累计确诊病例数、本地感染病例数之间的相关系数为0.40、0.35,揭示了人群活动与病例空间分布的相关性;病例高聚集区与人群移动网络社区对应,且与网络社区内人群活动较强的区域吻合,揭示了重庆市疫情传播的本地聚集特征。大数据与疫情信息的聚合分析证实,切断人群移动网络社区之间的连接,并遏制疫情高风险社区内部的传播是在城市内部疫情防控的有效措施。 相似文献
19.
城市海量手机用户停留时空分异分析——以深圳市为例 总被引：1，自引：0，他引：1
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。 相似文献
20.
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