地球信息科学学报 ›› 2015, Vol. 17 ›› Issue (2): 197-205.doi: 10.3724/SP.J.1047.2015.00197
收稿日期:
2014-05-20
修回日期:
2014-07-26
出版日期:
2015-02-10
发布日期:
2015-02-10
通讯作者:
方志祥
E-mail:xjlms@whu.edu.cn;zxfang@whu.edu.cn
作者简介:
作者简介:徐金垒(1989-),男,硕士生,研究方向为时空数据的模式分析与推理。E-mail:
基金资助:
XU Jinlei1(), FANG Zhixiang1,*(
), XIAO ShiLun1, YIN Ling2
Received:
2014-05-20
Revised:
2014-07-26
Online:
2015-02-10
Published:
2015-02-10
Contact:
FANG Zhixiang
E-mail:xjlms@whu.edu.cn;zxfang@whu.edu.cn
About author:
*The author: SHEN Jingwei, E-mail:
摘要:
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。
徐金垒, 方志祥, 萧世伦, 尹淩. 城市海量手机用户停留时空分异分析——以深圳市为例[J]. 地球信息科学学报, 2015, 17(2): 197-205.DOI:10.3724/SP.J.1047.2015.00197
XU Jinlei,FANG Zhixiang,XIAO ShiLun,YIN Ling. The Spatio-temporal Heterogeneity Analysis of Massive Urban Mobile Phone Users’ Stay Behavior: A Case Study of Shenzhen City[J]. Journal of Geo-information Science, 2015, 17(2): 197-205.DOI:10.3724/SP.J.1047.2015.00197
表2
15种停留模式统计结果"
停留模式 | 手机用户数 | 所占比例(%) |
---|---|---|
SP2_3 | 1 502 666 | 19.06 |
SP1_1 | 1 162 855 | 14.75 |
SP2_4 | 995 836 | 12.63 |
SP1_2 | 808 152 | 10.25 |
SP2_2 | 622 709 | 7.90 |
SP3_4 | 559 477 | 7.10 |
SP1_3 | 444 842 | 5.64 |
SP2_5 | 383 145 | 4.86 |
SP3_3 | 379 625 | 4.81 |
SP3_5 | 332 651 | 4.22 |
SP1_4 | 142 039 | 1.80 |
SP4_4 | 105 119 | 1.33 |
SP4_5 | 104 532 | 1.33 |
SP3_6 | 101 876 | 1.29 |
SP2_6 | 87 971 | 1.12 |
总计 | 7 733 495 | 98.09 |
表4
15种停留模式在不同行政区中的比例"
停留模式 | 不同行政区的比例(%) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
宝安区 | 南山区 | 福田区 | 罗湖区 | 盐田区 | 龙岗区 | 龙华新区 | 光明新区 | 坪山新区 | 大鹏新区 | |
SP2_3 | 24.85 | 12.70 | 18.46 | 8.66 | 1.35 | 14.98 | 3.45 | 12.12 | 2.67 | 0.76 |
SP1_1 | 25.76 | 9.82 | 13.58 | 7.88 | 1.24 | 19.64 | 4.04 | 13.95 | 3.00 | 1.10 |
SP2_4 | 28.97 | 11.30 | 13.29 | 6.21 | 1.27 | 17.37 | 4.27 | 12.85 | 3.51 | 0.95 |
SP1_2 | 27.15 | 10.31 | 13.27 | 7.47 | 1.21 | 18.48 | 4.23 | 13.90 | 3.09 | 0.90 |
SP2_2 | 23.40 | 12.22 | 18.39 | 11.48 | 1.22 | 15.55 | 3.18 | 11.67 | 2.22 | 0.66 |
SP3_4 | 24.12 | 13.68 | 18.83 | 9.02 | 1.25 | 14.56 | 3.17 | 11.65 | 2.85 | 0.86 |
SP1_3 | 28.92 | 10.36 | 12.20 | 6.46 | 1.13 | 18.47 | 4.66 | 13.59 | 3.33 | 0.89 |
SP2_5 | 30.78 | 10.16 | 10.24 | 4.77 | 1.25 | 19.81 | 4.68 | 13.03 | 4.16 | 1.11 |
SP3_3 | 21.37 | 14.12 | 21.56 | 11.65 | 1.16 | 13.63 | 2.71 | 11.01 | 2.12 | 0.68 |
SP3_5 | 27.33 | 12.50 | 14.73 | 6.48 | 1.28 | 16.78 | 3.80 | 12.30 | 3.75 | 1.05 |
SP1_4 | 30.33 | 9.96 | 11.27 | 5.78 | 1.04 | 18.90 | 5.04 | 13.42 | 3.44 | 0.81 |
SP4_4 | 19.74 | 15.43 | 23.40 | 12.02 | 1.14 | 12.83 | 2.40 | 10.25 | 2.11 | 0.69 |
SP4_5 | 22.43 | 15.21 | 20.12 | 9.37 | 1.17 | 13.96 | 2.79 | 11.16 | 2.96 | 0.85 |
SP3_6 | 29.46 | 11.17 | 11.35 | 5.13 | 1.30 | 18.76 | 4.32 | 12.85 | 4.54 | 1.12 |
SP2_6 | 30.95 | 9.62 | 8.49 | 4.24 | 1.24 | 21.91 | 4.49 | 13.19 | 4.75 | 1.12 |
[1] | 刘瑜,肖昱,高松,等.基于位置感知设备的人类移动研究综述[J].地理与地理信息科学,2011,27(4):8-13. |
[2] | Gonzalez M C, Hidalgo C A, Barabasi A L.Understanding individual human mobility patterns[J]. Nature, 2008,453(7196):779-782. |
[3] | Song C, Qu Z, Blumm N, et al.Limits of predictability in human mobility[J]. Science, 2010,327(5968):1018-1021. |
[4] | 徐赞新,王钺,司洪波,等.基于随机矩阵理论的城市人群移动行为分析[J].物理学报,2011,60(4):46-52. |
[5] | Phithakkitnukoon S, Horanont T, Di Lorenzo G, et al.Activity-aware map: Identifying human daily activity pattern using mobile phone data[A]. Salah A A, Gevers T, Sebe N, et al(Eds.), Human Behavior Understanding[C]. Berlin: Springer Berlin Heidelberg, 2010:14-25. |
[6] | Schneider C M, Belik V, Couronné T, et al.Unravelling daily human mobility motifs[J]. Journal of The Royal Society Interface, 2013,10(84):246-253. |
[7] | Järv O, Ahas R, Witlox F.Understanding monthly variability in human activity spaces: A twelve-month study using mobile phone call detail records[J]. Transportation Research Part C: Emerging Technologies, 2014,38:122-135. |
[8] | Hägerstrand T.What about people in regional science?[J]. Papers in regional science, 1970,24(1):7-24. |
[9] | Chen J, Shaw S L, Yu H, et al.Exploratory data analysis of activity diary data: A space-time GIS approach[J]. Journal of Transport Geography, 2011,19(3):394-404. |
[10] | Yu H, Shaw S L.Exploring potential human activities in physical and virtual spaces: A spatio-temporal GIS approach[J]. International Journal of Geographical Information Science, 2008,22(4):409-430. |
[11] | Shaw S L, Yu H.A GIS-based time-geographic approach of studying individual activities and interactions in a hybrid physical-virtual space[J]. Journal of Transport Geography, 2009,17(2):141-149. |
[12] | Jiang B, Yin J, Zhao S.Characterizing human mobility patterns in a large street network[J]. Physical Review E, 2009,80(2):1-11. |
[13] | Iqbal M S, Choudhury C F, Wang P, et al.Development of origin-destination matrices using mobile phone call data[J]. Transportation Research Part C: Emerging Technologies, 2014,40:63-74. |
[14] | Montoliu R, Gatica-Perez D.Discovering human places of interest from multimodal mobile phone data[C]. Proceedings of the 9th International Conference on Mobile and Ubiquitous Multimedia, ACM, 2010:12. |
[15] | Jiang S, Fiore G A, Yang Y, et al.A review of urban computing for mobile phone traces: Current methods, challenges and opportunities[C]. Proceedings of the 2nd ACM SIGKDD International Workshop on Urban Computing, ACM, 2013:2. |
[16] | 2013年深圳统计年鉴. . |
[17] | Lee Rodgers J, Nicewander W A.Thirteen ways to look at the correlation coefficient[J]. The American Statistician, 1988,42(1):59-66. |
[1] | 朱伶俐, 任红艳, 丁凤, 鲁亮, 吴思佳, 崔成. 陕西省HFRS疫情时空分异特征及影响要素研究[J]. 地球信息科学学报, 2020, 22(5): 1142-1152. |
[2] | 方志祥, 倪雅倩, 黄守倩. 顾及上网行为特征的手机用户停留行为预测方法[J]. 地球信息科学学报, 2020, 22(1): 136-144. |
[3] | 戚伟. 青藏高原城镇化格局的时空分异特征及影响因素[J]. 地球信息科学学报, 2019, 21(8): 1198-1206. |
[4] | 韩燕, 张苑. 甘肃省县域经济差异时空分异及影响因子研究[J]. 地球信息科学学报, 2019, 21(11): 1735-1744. |
[5] | 代粮, 刘玉洁, 潘韬. 中国东北三省大豆虚拟水时空分异及其影响因素研究[J]. 地球信息科学学报, 2018, 20(9): 1274-1285. |
[6] | 王钰, 胡宝清. 西江流域生态脆弱性时空分异及其驱动机制研究[J]. 地球信息科学学报, 2018, 20(7): 947-956. |
[7] | 朱菁玮, 方志祥, 杨喜平, 尹凌. 城市邻近基站间人群流动时空变化同步性分析[J]. 地球信息科学学报, 2018, 20(6): 844-853. |
[8] | 陈丽娜, 吴升, 陈洁, 李明晓, 陆锋. 基于手机定位数据的城市人口分布近实时预测[J]. 地球信息科学学报, 2018, 20(4): 523-531. |
[9] | 张英慧, 高星, 王伟, 查欣洁. 中国省域煤矿事故时空分异特征及影响因素研究[J]. 地球信息科学学报, 2018, 20(3): 311-320. |
[10] | 尹凌, 姜仁荣, 赵志远, 宋晓晴, 李晓明. 利用手机通话位置数据估计城市24 h人口分布误差[J]. 地球信息科学学报, 2017, 19(6): 763-771. |
[11] | 方志祥, 倪雅倩, 张韬, 冯明翔, 于冲. 利用终端位置时空转移概率预测通讯基站服务用户规模[J]. 地球信息科学学报, 2017, 19(6): 772-781. |
[12] | 杜国明, 孙晓兵, 刘彦随, 郑惠玉, 马榕徽. 黄土高原生态退耕的时空分异特征[J]. 地球信息科学学报, 2017, 19(3): 355-364. |
[13] | 刘钊, 罗智德, 张耀方, 王园. 基于时空棱柱的人员搜寻范围优化[J]. 地球信息科学学报, 2014, 16(4): 531-536. |
[14] | 刘艳华, 徐勇, 刘毅. 近20年来黄土高原地区的经济增长时空分异特征[J]. 地球信息科学学报, 2012, 14(1): 22-31. |
|