城市活力的科学定量评估,能够为城市规划和协调发展提供重要依据,针对城市活力容易忽略居民情感的现状,本文选用百度热力图数据与微博情感分析结果,分别衡量人群集聚强度和情绪强度,并结合TOPSIS方法,提出一种顾及人群集聚和情绪强度的综合活力评估框架。从城市物理环境、经济环境和生态环境3个维度,选择8个关键影响因子,结合地理探测器空间分析方法,探讨影响因子对城市活力空间异质性的影响。结果表明:① 融合人群集聚强度和情绪强度的综合活力评估方法,能够较好反映城市活力空间分异格局;通过对典型样本区域分析,验证了本文提出的城市综合活力评价框架的有效性;② 城市POI密度对城市综合活力的解释力最显著,而植被覆盖度因子对城市综合活力的解释力最弱;但是植被覆盖度因子与其他因子的交互作用,对于城市活力空间异质性的影响力提升最为显著,表明植被覆盖度因子并不是直接作用于城市活力的空间异质性,而是通过耦合空间可达性、POI密度以及建筑密度等影响因子,间接影响城市综合活力的空间分异。
基于多维感知对城市活力进行综合评价并探索其用地特征,是提升城市智慧化水平、实现精准规划和有机更新的重要基础。本研究以厦门岛为例,基于社交媒体签到数据、夜间灯光影像数据、POI数据和LBS大数据,从社会、经济、文化和空间4个维度感知城市活力,使用核密度、数据网格化和最优聚类法,分析城市活力的空间特征,并探讨不同活力区域的土地利用结构、功能多样性和开发强度等用地特征。研究发现:① 基于多源数据的城市活力多维感知方法可精准、有效评估城市空间特征和发展动态;② 厦门岛社会、经济、文化和空间维度城市活力的空间分布存在一定差异,4类活力区域呈现出西部连绵成带、东部围绕商务区和大型设施集中的特征;③ 各类活力区域的用地特征存在较大差异。第一类区域的公共管理与公共服务用地占比和第二类区域的商业服务业用地占比最高,均接近20%。集聚可显著提升城市活力,建设用地周边1000 m范围内的功能混合度更为重要。居住和商业服务业设施用地的活力水平随着开发强度的降低而降低,高值区容积率均在2.0以上。
人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点(Point of Interest, POI)作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤 波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4~2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。
流动人口的职住情绪能够反映其工作与生活状态。本研究首先基于2017年北京市微博大数据,利用jieba分词结合人工筛选得到流动人口发布的微博文本;其次,对Roberta-wwm-ext-large模型进行迁移学习识别北京全人群与流动人口的微博情绪;然后,结合POI数据与微博发布时间得到流动人口的职住分布;最后,基于微博情绪与职住分布得到流动人口的职住情绪,利用Getis-Ord Gi*挖掘职住情绪的空间聚集模式,采用地理探测器分析影响职住情绪热点分布的因素。实验表明,北京流动人口情绪均值(0.56)稍低于北京全人群(0.57)(P<0.01),但整体表现为积极;从空间分布来看,流动人口在东、西城区情绪均衡,西北部科技创新区情绪相对于流动人口情绪均值较为低落,而东南部中心商务区、文化交流区及国际化社区情绪较高涨;从情绪与职住的关系来看,流动人口的工作情绪与从事的工作类型有关(q=0.03,P<0.05),高新技术产业园、工业园、物流产业园的流动人口从业人员的工作情绪相对于流动人口工作情绪均值较为消极,健康产业园、文化创意产业园、农业园的流动人口从业人员的工作情绪较积极;流动人口的居住情绪与居住环境有关(q=0.06,P<0.1),居住在远郊区的流动人口情绪相对于流动人口居住情绪均值较为消极,居住在近郊高密度的流动人口情绪较为积极。因此,相关部门应重点关注从事高新技术产业、工业、物流产业的流动人口以及居住在远郊区的流动人口。
世界是一个相互关联的网络。物质、信息、能量等的移动或交换嵌入地理空间形成的地理多元流网络,为从地理和网络角度研究全球性问题提供了新的视角。如何构建多主题、时变的地理多元流网络,识别其网络结构、时变规律和关联模式,并为解决全球性的人口移动、航空交通、国际关系、国际贸易等问题提供支持,是迫切需要解决的问题。本文提出了全球尺度地理多元流网络化挖掘及关联分析的研究框架,包括:多源数据收集与整理、地理多元流网络构建与结构识别、地理多元流网络演化分析、地理多元流网络关联分析。然后,分别对国际关系流网络、国际贸易流网络、全球航班流网络、全球人口移动流网络的相关研究进行综述分析,并结合示例介绍了其研究思路。此外,进一步综述分析了地理多元流关联分析的相关研究并提出了研究思路。本文为全球尺度地理多元流网络研究提供了一套研究框架和思路,并为国际关系、国际贸易、航空交通、人口移动等全球性问题研究提供参考,有望为发展基于“流”的时空分析方法做出基础性贡献。
道路等级不仅反映在路网结构的静态骨架信息上,也蕴含在轨迹数据呈现的动态语义信息上。为解决(OpenStreetMap)OSM路网部分路段及路网生成产品等级缺失问题,本文提出一种顾及路网与轨迹多模特征的道路等级分类方法。首先通过轨迹数据的清洗、地图匹配和基于路名的路网合并实现轨迹点与命名道路的联结;然后以命名道路为分析单元,综合考虑路网及轨迹数据,在系统分析路网结构的道路几何特征、道路分布特征、道路拓扑特征及道路单双向信息基础上,进一步挖掘与融合轨迹数据蕴含的道路宽度、道路车流量、道路速度等静动态特征,形成关于道路等级的描述特征集,作为识别道路等级的基础与依据;最后以随机森林(RF)为基本分类器进行特征选择及模型训练实现道路等级识别。为验证本文方法,选取武汉市汉正街区域及二环区域,基于OSM路网数据及众源轨迹数据开展试验。该方法取得了较好的分类结果,小范围汉正街区域的验证集准确率为91.2%,大范围二环区域的验证集准确率达到80.8%。与单类特征相比,集成路网与轨迹特征极大提高了道路等级分类准确率;与原始路段形式进行道路等级分类相比,以路名重构道路形式进行道路等级分类效果更好。
新冠疫情爆发以来,居民城际出行受到显著影响,其时空波动规律反映了居民城际出行恢复力和恢复模式。文章基于百度迁徙数据,着眼于疫情防控常态化阶段,分析城际出行恢复力的分异格局,归纳总结时序波动规律与模式,并构建计量模型探究影响城际出行恢复力的因素。研究构建了波动比率、恢复比率、恢复弹性和恢复指数4个指标,用以衡量城际出行恢复力大小;将2021年中国新冠疫情划分为4个波次,各轮疫情持续时长不一,涉及地区范围各异。研究发现:① 居民城际出行恢复力表现出一定的空间差异,东部地区最好,西部地区和中部地区其次,东北地区最差;② 居民城际出行恢复模式时序与传统韧性三角形模式相似,根据疫情传播特征和性质具体可归纳为相对独立型、中间波动型、起点关联型、终点关联型、双向受制型等5种模式,表现出各异的曲线形态和特征;③ 对于居民城际出行恢复力的影响因素,机场、高铁等交通因素具有正向相关关系,而与GDP、产业结构等经济因素的影响表现为U型关系。疫情防控背景下,城际出行恢复模式和恢复力是城市韧性的重要方面,为制定相关城市政策提供了科学依据。
针对犯罪人空间出行距离测量及影响因素考虑上存在的不足,本文利用X市2015—2017年入室盗窃案件数据,基于百度地图计算了犯罪人居住地到作案地之间的步行、骑行和驾车等3种交通出行距离,作为实际空间出行距离的近似拟合,随后利用最优尺度回归模型分析了居住地和作案地所在区域的空间环境特征、作案时间特征和主体特征对犯罪人空间出行可能产生的影响。实证分析表明:① 计算得到的3种距离的频次分布均表现为距离衰减效应,超过50%的案件中犯罪人作案地到其居住地的交通距离均不超过10 km;② 在影响因素方面,犯罪人的空间出行距离分布主要受其作案地所在区域的空间环境特征影响,具体表现为目标较为集中、交通通达性较好的区域对邻近空间内的犯罪人具有较强的吸引性,而发案量较高的区域对距离较远的犯罪人具有较强的吸引性;③ 在主体特征上,团伙犯罪人较独狼式犯罪人有更长的空间出行距离,反映出团伙犯罪人在空间认知上有着更好的优势。本文有助于进一步深化对犯罪出行现象的理解,对犯罪预测具有一定的实践指导意义。
多源大数据融合背景下的城市功能区识别是复杂非线性系统的模式识别问题,如何有效地从大规模的轨迹数据中提取出多粒度连续性时变和多尺度空间相互作用的信息是进行城市区域功能识别的关键。本研究设计实现了一种基于时序动态图嵌入的深度学习模型,在融合滴滴出行及兴趣点数据(Point of Interest, POI)基础上,提取城市区域存在的时间和空间上的隐式特征,结合聚类分析实现城市用地功能的语义识别。结果表明,成都市中心的用地功能趋向复合多样化的发展,且用地属性随时间发生作用范围和用地类型的变化,呈现出功能随着城市群体活动而变化的时空规律。与相关文献的对比实验表明,本文提出方法在更细粒度的时间段下进行功能区识别,得到的同一类功能区域内集聚度更高,能够更好的捕获复合型区域在不同时间模式下呈现出的用地功能变化。本研究为城市用地功能识别研究提供了新的技术方法,为城市规划研究人员全面理解城区结构属性提供了有效手段,对推动城市空间得到更合理高效的利用具有一定的价值。
研究城市功能子区域的动态演变特征可以帮助人们理解城市发展规律和进行城市规划,然而对这种动态性进行分析的手段一直以来较为匮乏。城市出行大数据的出现虽然提供了刻画和分析功能子区及其动态的工具,但是在方法层面仍缺乏克服长时期出行数据内在时空随机性的方案。本研究尝试从长时间段人口稳定流动的层面来分析城市内部是否存在具有完备功能的子区域。将具有完备功能的子区域定义为城市结构中内部流量显著高于外部连通流量且相对稳定的子区域的集合,并利用多年份的出租车轨迹数据来构建城市居民出行网络,进而利用网络分析中的社团发现算法来探测城市的完备功能子区域及其随时间的动态变化。为了实现这一目标,本研究提出了一种针对时序轨迹数据的时空耦合网络模型,尝试克服多年份出租车出行数据中潜在的时空随机性(如:时空突变),并在此模型的基础上提出了一种基于多层网络社团发现算法的城市完备功能子区动态探测手段,实现对城市完备功能子区域时空演变的追踪分析。最后,以北京市2012—2017年的出租车轨迹数据为例,使用该方法实现了北京市城区完备功能子区的动态探测,进而揭示了4类不同完备功能子区域的特征与发展态势。
探究高密度城市公园绿地资源空间配置的有效性和供需平衡问题对城市规划和居民生活具有重要意义。已有研究较少从多尺度、多交通出行模式以及结合地图大数据算法的角度对公园绿地可达性进行探究。本文以广州市越秀区为例,利用百度地图多交通出行数据,提出一种结合多类型公园绿地多级可达时间阈值的改进型引力模型,对越秀区公园绿地的空间可达性及其供需平衡特征进行研究。结果表明:① 越秀区各尺度和各类型公园绿地可达性差异显著,城区尺度可达性大体上呈现由北向南逐层递减趋势,街道尺度可达性则表现出明显的“极化”现象,大型公园绿地可达性远高于社区公园和街头游园且在城市整体可达性中占主体地位;② 从空间集聚情况来看,城区尺度公园绿地可达性值呈现明显的空间集聚分布特征,由北向南表现为高值聚类、不显著、低值聚类,街道尺度相比城区尺度高值聚类减少,低值聚类和无统计意义的区域增多;③ 基于供需平衡视角的空间可达性结果显示,公园绿地供给与居民需求在城区尺度和街道尺度分别呈现出整体平衡和局部失衡的现象,局部失衡主要集中在公园绿地资源相对匮乏的街道。
用户生成内容(User Generated Content,UGC)作为感知旅游地物质空间的新型地理大数据,以使用者的视角描绘了旅游地的客观环境,是探索旅游目的地感知的重要途径。然而,传统的旅游研究对旅行摄影照片处理能力有限,深度学习图像语义分割技术的发展,为挖掘旅游者视觉行为模式,探索旅游地环境感知提供了有力支持。本研究提出了整合在线旅行照片大数据与问卷调查小数据的旅游者视觉行为模式与感知评估框架,并将其应用于鼓浪屿案例。首先将744条旅游轨迹,聚类为6类视觉行为模式,并可视化与时空分析;其次基于全卷积网络算法,量化22 507张旅行照片语义,探索不同视觉模式的旅游者关注要素的空间分异;最后通过照片语义与场景感知问卷调查的相关性分析和多重线性回归模型,评估旅游地整体视觉感知满意度,并提出相应的空间优化建议。研究表明:① 鼓浪屿旅游者视觉行为模式聚类为单点游、海岛风光游、环岛游、街巷空间游、遗产建筑游和全岛游6类;② 不同视觉行为模式的旅游者视觉兴趣区存在空间集聚现象,视觉空间转移遵循地理邻近效应;③ 相关性分析与模型结果表明,旅游者偏好空间开敞度较高的区域,感知满意度越低的区域摄影行为越少,是环境提升的重点;④ 出行时间和成本效率最大化、建成环境、心理环境与社会环境是影响旅游者视觉感知的主要因素。本研究延伸了人工智能技术在旅游者视觉感知研究中的应用,为旅游地空间优化提供参考。
研究旅游景点语义交互及交互作用模式,对根据游客需求优化旅游格局有重要意义。现有语义交互挖掘方法忽略了文本中包含人感知信息的上下文词汇;此外,缺少以景点交互为单位分析交互作用模式的研究。为此,本文提出了一个景点间细粒度语义交互作用挖掘和模式分析框架。首先抽取文本中景点交互的语境;然后利用TF-IDF关键词抽取和语义网络分析方法,从讨论焦点和语义结构角度挖掘景点间细粒度的语义交互作用;最后结合Spearman秩相关系数、Graph Kernel图相似度度量方法和网络分析方法,分析语义交互作用模式。以云南省2018年游记数据进行实例分析,结果表明:① 利用本文提出的框架可以挖掘和分析各个景点间细粒度的语义交互作用,辅助有关部门结合游客意见提升旅游体验;可以分析语义交互作用模式,发现优化旅游格局的关键路线片段;② 苍山-洱海应着重提升自然风光体验;而大理古城-洱海应考虑改善游客对品牌旅游资源关注不足的问题;③ 云南省单核心集聚型、单核心辐射型、多区域合作型景点语义交互模式共存,呈现出点轴渐进扩散特征。可利用中介中心性较高且跨区域的景点交互,推动其他2种模式向多区域合作型转化,推进全域旅游战略实施。本文研究可为旅游路线推荐以及平衡旅游格局提供参考。
针对旅游线路推荐过程中的数据稀疏与冷启动问题,本文提出了一种融合用户特征与群体智慧的多目标旅游线路推荐方法。首先,通过携程网、望路行程、百度指数等网站获取景点信息与对应的群体智慧数据,包括景点的位置、票价,用户评论、评分、浏览数据等;其次,结合用户特征与群体智慧数据构建景点对不同特征用户的综合吸引力并计算旅游线路吸引力指数;最后,定义旅游线路推荐多目标优化函数并利用多目标遗传算法NSGA2生成线路推荐列表。相较于传统旅游线路推荐方法,本文所提出的方法充分考虑了用户实际需求(消费侧)与景点吸引力(供给侧),使得用户能够以较少的时间开销,尽可能多地游览热门景点。同时,推荐过程中根据用户的性别、年龄、出行方式、出行时间对用户群体进行划分,使得推荐准确性更高。实验结果表明,该方法考虑的因子可以有效提高用户在路线规划过程中的满意度,所推荐的旅游线路不仅具有更高的综合吸引力指数,还能够有效减少路程时间。此外,推荐结果也更加具有多样性,有助于推动智能化旅游线路推荐的发展。
理解城市环境对人类感知的影响,对城市合理规划及布局具有重要的人文参考价值。城市环境是一个动态变化的复杂系统,具有空间异质性的特点。由于研究方法的限制,在复杂的城市环境中,以往基于街景图像的城市感知研究难以全面精细地分析环境关键要素对人类感知的影响。本研究以武汉市中心为研究区,首先利用全卷积神经网络将街景图像分割为城市地物类型,耦合感知打分数据和随机森林算法建立6类城市感知模型;然后基于沙普利值方法分解在随机森林模型中各类城市地物对人类感知的影响,并识别城市环境关键要素;最后结合分解结果,探究在非线性模型中沙普利值方法的适用性和优势。结果表明:沙普利值方法能够有效考虑环境异质性,精确地定量表示在不同场景中各类地物对人类感知的影响;城市高楼、天空、绿地空间是对人类感知影响最大的3类地物,且地物的体积和分布与其对人类感知的影响有关,图像占比大、分布连续的地物对人类感知的影响比图像占比小、分布离散的地物对人类感知的影响大;受城市环境空间异质性的影响,主要地物类型对各类感知的影响程度和形式有显著不同;高楼与人类感知为非线性关系,且具有明显的单调递增或递减的形式;绿地空间与积极感知呈非线性关系,与消极感知呈线性递减的关系。基于可解释性方法,本研究主要分析城市环境关键要素对人类感知的影响特点,探究了城市感知模型中的可解释性问题,能够为城市感知相关研究提供方法参考和理论依据,同时也可为城市规划和景观设计提供参考。
极端气温事件发生频率的增加对人群的健康带来了很大的影响,深入理解人群对气温变化的感知特征有助于提高应对极端气温事件的预警、适应和管理水平。针对传统调查数据在样本量和覆盖度等方面的不足,本文使用基于微博的社交媒体数据来研究人群对气温感知的定量特征。研究通过建立气温关注度、敏感性和耐受性等指标,调查了中国2017年31个城市的人群对气温感知的空间格局变化与局部变异性,分析了不同季节和不同群体对气温感知的差异性与影响因素。分析结 果表明:人群对气温的感知表现出显著的纬度梯度规律性,纬度每下降1°,人群平均的热耐受性增强0.42 oC,冷耐受性降低0.31 oC,冷敏感性增强0.51;人群对气温的感知在不同季节、不同群体之间也表现出显著的差异性,反季的异常气温更易引起人群对于气温变化的关注,青少年与女性群体对冷更为敏感;气温感知特征的区域差异性与气候分区紧密相关,温带地区的人群比热带显示出更强的热耐受性,而热带地区的人群具有更显著的气温敏感性。本文研究结果可以为理解大尺度上人群对气温变化感知的基本特征和分异规律提供新的规律发现与证据支持。