英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

基于新浪微博签到数据对城市居民活动空间差异的探讨与分析

关键词：居民活动空间，武汉局部空间自相关。

摘要：基于人人都是传感器的概念，从移动设备派生的空间和定位信息可以客观地反映人口空间活动特征，代表人的活动空间的地理分布。基于从新浪微博采集的86万多个样本，通过实施核密度分析和局部空间自相关Getis-OrdGi统计指标，探索了居民活动空间分布。结果表明，武汉市三区居民活动空间分布存在显著差异。为了调查这些巨大差异的原因，我们将POI分为八类，并分析了各类别登记信息密度的空间聚合，发现：居民活动分布与POI数量无关，但反过来与POI空间分布和区域经济发展密切相关。因此，为了进一步调查它们之间的相关性，我们绘制了2014年GDP数据的散点图和来自三个区的微博签到数据，从而证明它们是正相对的，并通过Pearson系数进行验证。我们的研究表明，微博签到数据最终可以反映居民活动分布情况;此外，这种分布与区域经济发展水平有正相关关系。

1.引言

随着智能手机、笔记本电脑等小型移动设备逐渐普及，3G网络、GPS等无线通信发展迅速，移动信息网络已成为信息化的新趋势[1]。当移动设备及其应用程序使我们的生活更加方便时，它也可以同时记录我们的行为。因此，移动通信基于定位的服务（LBS）是移动通信的热门服务之一，它可以通过移动终端基于多种定位技术获取当前位置信息，然后从无线网络获得某些服务[2]。它通过定位和查询索引技术获取用户的位置信息，并将此信息提供给用户本人、通信系统本身或其他请求用户定位的机构或个人，以实现个性化服务[3]。定位服务生成的信息表示设备用户的地理空间活动特征，能够实时反映用户的位置信息，从而客观地反映用户的空间和时间分布城市人口的活动通过空间使用者的地理分布[4]。因此，基于位置的服务目前已成为大量互联网大数据的主要来源之一。

作为国内主流网站最知名的、利用率最高的新浪微博，新浪微博提供基于LBS的签到服务，并成为最受欢迎的应用之一[5]。基于位置的服务生成的签到数据完全记录信息，包括地理信息（纬度和经度坐标）、时间信息、文本信息以及用户的其他相关内容[6]。微博值机数据具有良好的现实性、丰富的信息、大量的数据等优点。近年来，签到数据受到国内学者的青睐，成为城市地理学的热门话题[7-9]。

研究表明，居民活动在武汉三区的空间分布上存在显著差异。为了调查这些巨大差异的原因，我们将POI分为八类，并分析了各类别签到信息密度的空间聚合，发现：居民活动分布独立于POI数量，但反过来与POI空间分布和区域经济发展密切相关。因此，为了进一步调查它们之间的相关性，我们绘制了2014年GDP数据的散点图和来自三个区的微博签到数据，从而证明它们是正相对的，并通过Pearson系数进行验证.我们的研究表明，微博签到数据最终可以反映居民活动分布情况;此外，这种分布与区域经济发展水平有正相关关系。

2.研究方法

2.1研究领域

本文以湖北省武汉市为研究区。武汉是中国中部地区最大的城市，也是内陆地区最繁荣的城市。它位于湖北省东部的长江和汉江交汇处。位于东经113°41′-115°05′北纬29°58′-31°22′之间。总面积约8549平方公里，其中市区面积约2718平方公里，属13个市辖区。武汉是中西部地区典型的快速发展的大城市。近20年来，在工业化、城镇化进程中，城市建成面积明显增加，人口快速增长，人地关系也有很好改善。

2.2数据收集和处理

城市POI是一个与城市空间的人的生活密切相关的地理实体，如学校、银行、餐馆、加油站、医院、超市等。该研究通过新浪微博提供的官方基于位置的服务，在动态应用程序周围获得了一个位置。获得获得特定时间段前后在POI点特定范围内的点（纬度和经度坐标）签到信息的授权后。经过反复实验，本研究在洪山区、武昌区、东西湖区、江汉区、青山区等13个区设定了约2000米的中央坐标的适当搜索范围，分别保证藏品覆盖整个武汉市。最后，本研究于2014年11月在武汉采集了签到数据，每个数据的内容记录6个属性，包括POI序列号、地名、经度、纬度、POI类别代码、签到编号等。表 1 显示了收集的签到数据的一部分。

表1.已收集的签到数据的一部分。

3.城市居民活动空间研究

3.1基于点密度分析的签到点分布特征研究

由于收集的POI经常在局部地理空间下显示聚类分布特征，因此假定签到次数的分布也会显示聚类特征。用于表示此功能的点密度方法是最常用的可视化工具之一。为了显示武汉市签到活动的分布情况，我们使用ArcGIS中的点密度分析工具对POI中的签到时间字段进行了分析，结果如图1所示。由于不同点的密度有较大差异，为了更全面地表达微博签到密度分布。在图1中，暖色表示签到密度较高的区域，冷色表示签到密度较低的区域。从图中可以看出，签到数的空间分布明显，高密度签到区域是聚类的。

图 1.新浪微博在武汉的签到密度图。 图 2.居民活动热点分布图。

3.2基于局部空间自相关分析的城市居民活动空间研究

为了更直观地展示城市居民活动的空间分布，本研究利用空间自相关来探索热点。由于数据源应在空间自相关分析之前进行聚合，因此在ArcGIS中，研究区域即武汉，分为1公里*1公里网格，共有8471个网格。签到点的属性表按空格连接到相应的网格，我们计算落入网格中的POI点的签到时间总数。空间自相关是指对象属性值的空间关联，相应的索引可用于定量测量全局和局部两种类型的地理空间对象。其中，全局空间自相关只用于以单一值反映全局自相关特征，因此很难在不同区域找到空间关联模型。局部空间自相关可用于分析局部空间系统分布特征的具体特征，包括空间聚合区域、非典型局部区域、异常值等[11]。由于研究领域一直网格化，我们使用局部自相关法来检测签到热点。常见的局部指标包括局部莫兰的I和Getis-OrdGi*局部G系数可以更准确地检测聚合区域，并且局部Moran索引通常可以检测聚合区域的中心，但聚合范围的识别误差较大，实际范围大于标识范围。因此，本研究计算Getis-OrdGi*统计索引，以反映区域高值或低值的数据聚合，然后查找热点。Getis-OrdGi*统计指数计算为Eq.1。

(1)

规范化Eq.2之后的公式：

(2)

在此公式中，Xj是样本，Wij是研究对象i和j之间的空间邻接矩阵，它反映了空间单位的邻域关系;E（Gi*（d））和Var（Gi*（d））为数学期望值和方差Gi*(d)。如果Z（Gi*（d））是正和显著，则表明位置i周围的值相对较高，并且是一个高价值空间聚集，即热点区域。如果Z（Gi*（d））是负和显著，它是相对较低的值，是空间聚集的低值，即冷点.

首先，在Geoda软件中使用Getis-OrdGi*工具，建立权重矩阵，然后以区域网格单元中的统计出勤次数作为计算Getis-OrdGi*指数的研究对象。本文根据正态分布测试假说，选择5%的显著性测试水平，检测结果按居民活动点分为几个类别，主要集中在武汉三环线，其他热点（点区）;小于-1.96表示低值聚合，即冷点区域。如图2所示，热电网共有391个，冷点网格单元总数为5300个，其中热点的空间分布呈现出巨大的空间差异。热点的空间分布也揭示了城市居民活动的空间分布。热点分散在江夏和城堡峰地区，在三环线外。显著性水平。如果Z（Gi*），大于1.96表示高值聚合，即热点区域；小于-1.96表示低值聚合，即冷点区域。如图2所示，热电网共有391个，冷点网格单元总数为5300个，其中热点的空间分布呈现出巨大的空间差异。热点的空间分布也揭示了城市居民活动的空间分布。居民活动的热点主要集中在武汉的三环线，其他热点分散在江夏和城堡峰地区，在三环线外。

4.居民活动空间差异分析

4.1基于 POI 分类的签到活动分析

为了找出居民活动空间分布的差异，本研究计算了不同POI类别下的POI数量和分类下的登记签到次数。由于收集的POI类型太多，不方便分析，所以我们整合和重新分类POI类型，最终POI分为八类，包括商业区（包括商场、商店、餐饮和娱乐）等）、教育区（学校和培训机构）、保健区（医院和医疗保健公司）、公共设施区（公园、银行、法院、港口等）、居民区、交通区（地铁站、火车站、机场和其他交通场所）和旅游区（旅游景点、酒店等）和其他类型（缺少属性和空区）。为了更直观地探讨居民活动空间与POI数量与分布特征的关系，对POI编号和签核号码的散点图进行制作。POI数量与签到数之间的相关性并不明显，这表明POI的数量不是居民活动空间差异的原因。（图3）

我们得到不同POI类型的签到次数的核密度分布。每种POI密度的空间分布有其自身的特点，反映了各行业热点的集中度（注：热点是指此处检查时间较大的区域）。).公共设施热点集中在武昌，这是由于武昌地区集中东湖风景区、洪山体育场、沙湖公园、黄鹤楼长江大桥、长江大桥、白沙洲长江大桥等著名公园、体育场馆等。其中，东湖风景区的签到时间在设施区中名列前茅，表明东湖风景区不仅是武汉市的风景名胜区，也是公众最认可和喜欢的公园外景点。同时，政府、体育场、江夏区政府附近的公园也是公共设施区的热点。相比之下，汉口、汉阳等公共设施区热点较少，反映汉口、汉阳地区应加强绿色公园、体育场馆等公共设施建设，这与加强汉口、汉阳地区多体育场馆建设、新建、扩建等城市规划相一致。从交通区域热点的空间分布可以看出，交通热点分布于三环内。武昌火车站、汉口火车站、汉阳火车站和汽车站等热点都是热点，机场内不在此，也是办理登机手续的热点之一，这是因为当人们在旅游站点等候时，喜欢利用社交媒体分享他们的出行信息。然而，交通热点的热点位于武昌地区，这与汉口报告在2015年武汉交通发展年报中交通拥堵最严重的情况不一致，这是因为交通POI的收集只涉及汽车站、火车站等出行场所，不能反映机动车的出行状况。

图3.散点图POI和注册时间。 图 4.不同地区的注册时间。

与其他POI热点的集中分布不同，保健热点分布较为分散。武汉军区总医院、武汉大学中南医院、湖北省立医院、华中科技大学同济医学院附属同济医院、武汉市医院等一些热门收治医院分布遍及武汉三镇，表明医疗资源均匀分布于武汉三镇，满足群众就医需求。图4通过住宅热点的空间分布，在武汉市三个镇中，汉口热点最多，其次是武昌地区，最后是汉阳地区。这与三镇的经济发展密切相关。汉口优越的地理环境、浓厚的商风和古城的历史景观和独特的滨江景观，吸引了大批房地产商的关注;武昌教育资源丰富，地域辽阔，在武昌定居子女教育的居民人数相当可观;与其他两个城镇相比，经济规模不够，人口基数小，新的经济增长点不多，导致汉阳住宅开发热度不高。旅游热点分布主要集中在武昌、汉阳、东湖风景区、湖北省博物馆、贵源佛教寺院、汉阳艺术园等热门景点，酒店业的热点集中在武昌地区，这一现象也符合汉阳文化旅游的功能和武昌的金融、商业功能。

从图4可以看出，汉口、武昌地区商业热点分布，符合武汉市经济发展水平和商业区分布三镇。武昌商业区，包括街道商业区、南路购物区、门商务区、鲁巷光谷商业区和汉口江汉路购物区、王家敦商业区、武汉市世界购物区，是游客流量大，购物中心集中分布的地方。此外，武昌、汉口也是各工业园区的分布区和企业总部，造成商业热点分布偏颇。教育热点的空间分布是武昌地区独特的趋势，武昌地区的教育资源是武汉

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[238515]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 大陆及全球范围下土地利用变化的一种集成建模方法外文翻译资料
• 泰国登革出血热时空分布格局及其气候驱动因素研究外文翻译资料
• 土地覆盖变化或土地利用集约化：利用全球范围的土地变化模型模拟土地系统变化外文翻译资料
• 基于MODIS数据利用生物光学模型估算伊利湖水域 二类水体的叶绿素a浓度外文翻译资料
• 杭州师范大学仓前校区测绘控制网设计研究外文翻译资料
• 对公共交通用户在持续数周活动序列中模式的推断外文翻译资料
• 基于场景的城市可持续性建模，重点关注快速城市化下的耕地变化：杭州1990-2035年的案例研究外文翻译资料
• 基于多尺度面向对象分类和概率霍夫变换的高分辨率图像建筑物提取外文翻译资料
• 长江流域年径流变化及其与降水和气温的关系外文翻译资料
• 气温的时空分布特征分析外文翻译资料