基于城市微博签到数据的人群活动时空特征分析

发布时间：2021-07-28 09:35

　　城市是社会经济发展的核心区域,城市的人类活动与土地利用、空间结构有重要内在关系。掌握人类的活动信息并进一步挖掘其活动规律有利于城市的科学规划和精细化管理。基于城市微博签到数据采用核密度分析、热点分析等不同统计分析方法分别从时间和空间角度对人群活动特征进行分析。研究发现:在传统作息规律决定签到活动的基础上,夜间活动的时间逐渐增加;人群活动空间分布不均匀,主要集中在景区附近,符合典型旅游城市人群分布特征;工作日与休息日人群空间分布高密度区近乎相同,但工作日人群空间分布相对分散在四面八方,而休息日相对集中于景区附近;将签到数量较为突出的时间点与具体空间分布情况结合,可以监测热点事件的发生。 

【文章来源】：地理信息世界. 2020,27(02)

【文章页数】：6 页

【部分图文】：

每月不同时间段人群签到数量图

将每个月划分工作日与休息日进行签到数量统计,如图2所示,发现人群签到时间分布规律既在整体上具有相似性,又具有一定的差异性。从整体分布来看,0∶00～1∶00签到数量处于相对高的水平,随后逐渐开始下降,进入睡眠阶段;3∶00～7∶00为低峰期,签到数量最少,说明此时绝大多数人已处于熟睡阶段;7∶00～19∶00签到数量有波动情况,但总体趋于平稳状态,此时处于一天中工作学习时间,所在地点相对稳定,导致签到数量没有太大起伏;19∶00之后签到数量持续上升,说明人群的休闲娱乐活动主要集中在此时间段。相比工作日和休息日,因为工作日有上下班高峰期时间,在8∶00～10∶00以及18∶00～20∶00之间签到数量会有所上升,休息日分布在8∶00～20∶00内的签到数据则相对平稳,没有太大起伏;而且由于休息日的时间相对宽松,在时间轴上人群活动节奏相比工作日会往后有所偏移。2.2 人群活动空间特征分析

图3为人群签到位置数据分布图,为更好地对人群空间分布进行分析,将整个研究区域进行格网化并与签到数据点进行空间连接后采用核密度分析法及热点分析法对人群空间分布进行研究分析。采用Kernel核密度分析法来计算人群签到地点在其周围邻域中的密度,如图4所示,发现人群分布第一显著的高密度点位于大理市的西南方向,第二高密度点位于南面,其他稍高密度点分布较为均匀且紧邻洱海周边。

【参考文献】：
期刊论文
[1]基于签到数据的杭州市城市时空动态变化分析[J]. 张德朋,潘广磊,张辉,邹佳楠.  科技经济导刊. 2019(14)
[2]基于社交媒体数据的城市人群分类与活动特征分析[J]. 周艳,李妍羲,黄悦莹,耿二辉.  地球信息科学学报. 2017(09)
[3]基于社交媒体的突发事件应急信息挖掘与分析[J]. 王艳东,李昊,王腾,朱建奇.  武汉大学学报(信息科学版). 2016(03)
[4]基于签到数据的城市活动时空间动态变化及区划研究[J]. 王波,甄峰,张浩.  地理科学. 2015(02)
[5]南京市区活动空间总体特征研究——基于大数据的实证分析[J]. 王波,甄峰,魏宗财.  人文地理. 2014(03)
[6]从时空GIS视野来定量分析人类行为的思考[J]. 萧世伦,方志祥.  武汉大学学报(信息科学版). 2014(06)
[7]基于签到数据的城市间交互网络研究[J]. 隋正伟,邬伦,刘瑜.  地理与地理信息科学. 2013(06)
[8]基于微博用户关系的网络信息地理研究——以新浪微博为例[J]. 王波,甄峰,席广亮,钱前,吴乘月,张浩.  地理研究. 2013(02)

硕士论文
[1]基于大数据的城市人群活动的时空动态分析[D]. 雷程程.陕西师范大学 2016



本文编号：3307670