京津冀城市间人口流动网络研究——基于腾讯位置大数据分析

基于腾讯位置大数据,运用GIS和复杂网络分析等方法,构建京津冀区域城市间的人口流动网络模型,从网络结构和空间格局两个方面测度京津冀区域城市间人口流动的复杂网络特征。结果表明:(1)京津冀城市间人口流动网络符合"小世界"网络特征,具有较高的连通性和运行效率,并且所有城市节点的人口流入和人口流出均呈显著正相关,说明目前京津冀人口可以跨越行政界限自由流动,且保持相对平衡,京津冀协同战略发展已经取得了实质性效果。(2)京津冀城市间人口流动网络具有明显层次性,呈现"北疏南密"流动分布态势和"一大三小"多中心网络空间格局,并非传统认知上"京津双核心"空间格局。研究结果对于引导人口合理流动,促进京津冀区域人口、资源与经济社会的协调发展具有参考价值。

中国人口流动网络特征及影响因素研究——基于腾讯位置大数据的分析

文章基于2016年和2018年的腾讯位置大数据,采用社会网络分析法和QAP回归模型系统探究了中国人口流动网络的空间结构特征以及影响因素。研究结果表明:人口流动网络关联性增强,整体结构日趋稳健,但依然存在“东南密集,西北稀疏”的态势;经济发达、行政地位高的节点城市在人口流动网络中具有更强的吸引力和辐射力;人口流动网络的凝聚子群特征明显,人口流动仍以子群内流动为主,子群间联系较少;区域差异是人口流动的源动力,就业机会、工资收入以及迁移成本仍是影响人口流动的主要因素,随着生活水平的提高,舒适性需求对于人口流动的影响日渐凸显。

基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例

精细尺度的人口空间化研究成为当前GIS领域研究的热点。已有的人口空间化方法大多针对区域或城市尺度进行研究,少有对街道、社区甚至住宅小区的亚城市单元人口的研究。该文以南京市江宁区秣陵街道为例,基于腾讯位置大数据,结合人口统计数据、建筑物空间属性数据和住宅小区边界数据,提出了基于腾讯位置大数据的人口空间化方法和住宅小区级别的精细尺度人口估算方法。研究结果表明,该方法在住宅小区空间尺度下的估算结果与实际人口的线性拟合R^2达到0.9494,结果可信度较高,可为今后精细尺度人口空间化研究提供参考。

利用腾讯位置大数据进行多尺度人口空间化估算

社会感知数据的多样性,为人口估算方法的研究引入了新数据和视角。本文利用腾讯位置大数据进行多尺度人口空间化估算研究,以建设用地和住宅小区体积数据作为相关因子,将5 km格网精细化到1 km及住宅小区级尺度,通过广西壮族自治区、桂林市、临桂区3个不同尺度分析腾讯位置大数据与人口统计数据的相关关系,利用多项式回归模型分析得到3种尺度的人口空间化模型,并对模型的正确性进行验证。结果表明,省级尺度的人口估算模型验证精度R^(2)达0.984 5,市级尺度的模型验证精度R^(2)达0.977 0;小区精细尺度的模型验证精度R^(2)达0.979 9,估算结果可信度高。

基于腾讯位置大数据的人口流动网络特征研究——以山东省为例

基于腾讯位置大数据,利用复杂网络分析和社会网络分析方法,以山东省为例,从规模分布和空间格局出发探讨其人口流动网络特征。结果表明:(1)从规模分布来看,山东省人口集散能力呈金字塔结构,城市数量随着集散层级的增大而减少,济南、青岛的人口集散能力明显强于其他地市;人口流动呈位次型规模分布,人口流动规模总体上在各城市之间相对分散、平衡。(2)从空间格局来看,省际人口流动网络空间分布不均衡,呈“东密西疏,北强南弱”的空间格局和双纵一横的带状模式,具有向“邻”性和向“优”性的显著特征;省内人口流动网络呈以“济南、淄博、潍坊、青岛和临沂”为核心的空间均衡联系模式,以“济南青岛临沂,淄博滨州德州聊城,东营潍坊烟台威海,济宁菏泽枣庄泰安日照”为子群的组团分异特征。

基于腾讯位置大数据平台的成都中心城区人口空间分布格局分析

长期以来,人口空间分布数据在选址分析、可达性分析、城市扩张和传染病传播预测等多个方面都起到了非常重要的作用。但传统的人口空间分布数据其数据空间尺度较大,难以表达精细化到小区或街道的人口数据;而且其数据更新速度也较慢,不能及时反映人口数据的现状。所以本文利用Python从腾讯位置大数据平台爬取了成都中心城区连续3日的晚上20:00—22:00的定位数据共计6660215条,根据这些数据通过线性回归方程建立了成都中心城区的人口模型,并通过标准差椭圆法、核密度分析、最近邻指数对其人口分布的空间特征进行了分析,为成都市政建设起到很好的辅助作用。

基于位置大数据的中国5A级景区活力强度空间分异特征与成因

利用网络爬虫技术获取中国304处5A级景区兴趣面边界,将兴趣点、兴趣面数据和位置大数据相结合,逐级合成不同空间尺度的旅游活力指数,对5A级景区活力强度进行测算;从省(区)、市(直辖市、地级市)2个尺度揭示中国高等级景区资源与活力强度的空间分布特征及两者的匹配状况;使用地理探测器方法对中国5A级景区活力强度空间分异的影响因素进行了识别。将兴趣点、兴趣面数据和位置大数据相结合,逐级合成不同空间尺度旅游活力指数的有效方法。研究表明:(1)中国5A级景区及活力强度在省(区)和市2个尺度存在空间分异和空间不匹配现象;(2)因子探测结果显示,中国5A级景区活力受多因素影响,省(区)尺度和市尺度的影响因素不同,省(区)尺度更多受交通条件和经济发展水平影响;而市尺度受市场规模影响更大,资源禀赋结合其他因素对景区活力产生决定性影响。

地理位置大数据支持下的武汉人群活动模式识别与分析

探究城市人群活动模式有助于理解人群与城市空间的交互作用及影响机制。本文以武汉都市发展区为例,基于腾讯位置大数据,利用Tucker张量分解法和K-means聚类挖掘城市人群活动模式特征。结果表明:①用张量分解法处理地理位置大数据从多维度揭示城市人群活动时空模式是有效的;武汉都市发展区人群活动可分解为三种每日时间段模式、两种日常周期模式和五种地理空间模式,反映出武汉城市人群活动在时间段、周期和空间上存在显著差异。②得到四个层次空间结构,呈现为城市中心依次向外的圈层结构,各个聚类中以生活服务、购物服务、公司企业三种兴趣点功能为主。本研究可为优化城市管理和空间规划决策支持提供参考。

ESDA与大数据支持下的城市化发展时空格局研究——以江苏省为例

基于江苏省地级市区、县(市)1999、2007及2016年的城市化率数据,结合腾讯点位大数据,运用探索性空间数据分析(ESDA)方法,对江苏省各县市城市化发展水平空间格局变化及其与人口空间分布之间的关系进行分析。结果显示:1999~2016年间,江苏省南北城市化差距逐渐增大,大致遵循南高北低逐级递减的分布格局;江苏省县市城市化发展水平的空间格局由分散变为集聚,高—高集聚主要为苏南地区,低—低集聚主要为苏北地区;江苏省城市化水平与人口热度呈正相关关系。

基于多源地理大数据的我国GDP空间建模研究

国内生产总值(GDP)是衡量一个国家经济状况和发展水平的重要指标,精确核算年度GDP对于一个国家制定发展策略非常重要。然而不同研究用于GDP估算的地理数据均有所差别,且哪种地理数据更有利于核算GDP是尚未明确的问题。文章以我国2848个区县为研究区,采用多元线性回归(OLS)方法及地理加权回归(GWR)方法,结合夜间灯光遥感数据、兴趣点POI数据、腾讯位置大数据和城镇建设用地面积等多源地理数据模拟2020年区县GDP规模,并探讨不同变量的模拟效果。研究发现:①综合运用多源地理数据并结合空间加权回归方法可在区县级和地级市级分别实现74%和87%GDP空间模拟精度;②对比不同地理因子,发现POI数据最能有效反映区县级别GDP总量,效果优于其他地理因子;③相比于POI因子,腾讯位置大数据能较好地反映西部地区GDP总量。因此,结合腾讯位置及兴趣点POI数据,可提高全国GDP建模精度。文章为快速、准确模拟我国GDP空间分布提供了重要数据和方法参考。

人口流视角下京津冀城市网络时空特征研究——基于雄安新区成立前后的对比

基于人口流视角,利用腾讯位置大数据,运用GIS和复杂网络分析等方法,构建京津冀城市网络测度模型,从时间和空间两个角度对比分析雄安新区成立前后京津冀城市网络的复杂特征。结果表明:京津冀城市网络中城市地位变化呈现上升、下降、持平三种趋势,网络整体在雄安新区成立前后呈现无标度和层级化特点,表明城市网络联系呈现非均衡性和异质性。从城市网络结构来看,平均联系强度和网络密度正向指标均呈现高水平状态下的下降趋势,而平均聚类系数持续降低;从网络空间分布来看,城市网络呈现"北疏南密"分布态势和"一大三小"多中心空间格局,网络重心有南移趋势。总体来看,雄安新区成立后,京津冀城市网络日趋成熟,向多中心均衡化演进。

在线街景地图在高中地理教学中的应用

本文通过在线街景地图的介绍与对比,重点分析了百度街景地图在高中低路课堂合作学习中的应用案例和腾讯位置大数据地图在高中地理课后问题研究中的应用案例,通过课堂案例的呈现,为老师们进行信息技术与学科教学融合提供参考.

中国市域间日常人口流动特征及影响因素

基于腾讯位置大数据,分析了2015—2018年中国368个城市间人口流动的空间格局,并基于指数随机图模型(ERGM)识别了与人口流入、流出相关的影响因素。研究发现:(1)人口流动的空间分布格局相对稳定,形成了以京、深、沪、穗、蓉、莞为“中枢”的菱形空间结构。(2)通过社区划分得到的城市子群结构表明,社区间呈现明显的地理临近和省际分异特征,既形成了以省会城市为核心、受省界制约明显的中心–腹地结构的小型城市子群,也形成了跨越省界的多中心结构的大型城市子群,但大部分城市以省界为主要流动圈层,省域内人口流动更为密切。(3)ERGM模型确定的人口流入、流出网络影响因素与新古典经济学理论相一致,人口规模、城市化水平、时间成本、经济成本等市场因素和经济因素在人口流动中仍然具有主导性作用。(4)城市对外来人口的吸引力更大程度上取决于自身的属性特征,而城市人口外流更依赖于外部网络关联要素,一定程度上验证了推拉理论中城市“拉力”的主导力量,以及各类距离因素的综合作用。

城市间非节假日人口流动网络特征分析

文章基于腾讯位置大数据,运用复杂网络分析方法,从多个尺度出发开展中国城市间非节假日人口流动网络特征研究。结果表明:在非节假日期间,中国城市人口集散能力呈"金字塔"结构分布,人口流动中介作用最强的城市为北京;在中国四大经济区中,高层级人口集散中心主要分布在东部地区,中部地区核心城市的中介作用最强,东北地区最弱;中国高层级的人口集散中心城市呈现以"四大体系"和"五小中心"为主的空间分布格局。

城市群人口流动空间网络及影响因素

选取2015—2018年11个城市群的人口流动频次数据,运用复杂网络分析和QAP(Quadratic Assignment Procedure,二次指派程序)分析方法,研究不同发展阶段城市群间以及城市群内部人口流动空间网络格局及演变,进一步分析影响因素。主要结论有:①城市群间人口流动空间网络呈现明显的“钻石”结构,而城市群内部表现为不同丰度的“金字塔”结构,优化提升阶段城市群是人口流动的主体区域,其城市群内部与城市群之间人口流动空间网络结构相较于其他两个阶段更复杂。②人口流动空间网络格局相对稳定,以“胡焕庸线”为人口流动总量的分界线,在优化提升阶段的城市群作用之下,东部城市群的人口流动总频次远大于中西部,呈现出稳定的“东密西疏”结构。③城市群内部人口流动空间网络均呈现小世界特性,形成明显的以相邻城市为主体的“凝聚子群”。④城市群人口流动空间网络影响因素存在差异,舒适度水平逐渐成为人口流动的重要驱动因子。人均绿地面积、失业保险参保人数占总人口比重、人均道路面积、人均专利授权量和年均气温等在多个城市群的人口流动空间网络形成中均发挥了显著作用,而在岗职工平均工资对不同城市群的人口流动产生异质性影响。

人口流动视角下京津冀城市群经济联系研究

人口作为区域经济联系中最活跃的要素资源,对加强区域城市经济联系,形成合理的城市群空间结构具有重要意义。基于腾讯位置大数据,运用城市间人口流动数据改进引力模型,并结合城市中心职能强度模型和GIS技术,对京津冀城市群13个地级以上城市进行中心性研究和经济联系分析。研究结果表明:京津冀城市群人口流动方向与区域经济联系方向基本一致,体现出经济性与地缘性的特点;各城市经济联系强度存在明显差距并呈现等级特征,城市间中心性水平也存在同样特征;城市群经济联系初步形成“双核三轴多节点”的点轴格局。基于以上分析,建议从支持中小城市发展、加强节点城市建设、提高城市群整体通达度三方面加强未来京津冀城市群建设与发展。

大数据城市人口时空流动特征分析与模拟

针对精细化城市人口时空动态分析在智慧城市发展与建设中的发展需求问题,提出了一种基于多元大数据的城市人口精细时空流动特征分析与模拟方法。以腾讯位置大数据为基础,融合交通路网和POI数据,构建了城市内部30min时间分辨率的人口时间流动强度指数和1km空间分辨率的人口空间流动引力指数,用以从时间和空间两个角度量化分析城市人口的流动特征,并基于元胞自动机技术,建立了城市人群流动路径预测模型。基于成都市的实验结果表明:构建的城市内部人口时间流动强度指数和人口空间流动引力指数能够有效地量化分析城市人口在时间和空间上的流动特征,且基于元胞自动机的城市人群流动路径预测模型所预测的流动路径定位人口涵盖比重达75%以上,有效地模拟了成都市内部人群的日流动格局,体现了其在城市人口精细时空流动特征把握方面的应用潜质。

基于多源数据的县域主导功能类型划分及其空间结构模式识别

研究县域主导功能类型并分析空间结构模式对区域全面、协调、可持续发展的引导和规划调控具有重要意义。本文以广东省为例,利用K-means聚类分析对其124个县域单位主导功能区类型进行划分;基于腾讯位置大数据,利用位序—规模法则构建空间结构指数,并结合遥感数据对不同主导功能县域的空间结构模式进行识别和分析。研究表明:(1)利用统计、遥感、社交媒体以及夜间灯光等多源数据和K-means聚类方法进行县域主导功能区分类,分类结果能客观反映区域特征,广东省县域主导功能可分为生态主导型、农业主导型、工业主导型、中心服务型和均衡发展型5类;(2)基于腾讯位置大数据的位序—规模法则方法能够突破城市尺度,结合遥感数据定量分析,可用于中观县域尺度的空间结构模式识别研究;(3)农业主导型和生态主导型县域空间结构指数均值都大于1,呈单中心空间结构特征趋势;工业主导型县域空间结构指数均值小于1,呈多中心空间结构特征趋势;均衡发展型县域空间结构指数均值接近1,不同地区均衡发展型县域所呈现的空间结构特征存在差异;(4)不同主导功能县域之间的空间结构模式差异明显,生态主导型县域多呈单中心极核式,农业主导型县域多呈单中心极核+散点式,均衡发展型县域多种模式并存特征明显,而工业主导型县域呈多中心网络分布模式。

基于多源数据的广东省自然保护区人为干扰强度评价

人为干扰威胁自然保护区的珍稀及濒危野生动植物。测度人为干扰强度对自然保护区的保护工作意义重大。本文基于高分遥感影像识别2015和2019年广东省省级以上自然保护区人为干扰景观,构建人为干扰强度指数,定量评价保护区人为干扰景观的时空变化特征,并采用腾讯用户密度数据进行对比验证。结果表明:(1)广东省省级以上自然保护区人为干扰强度总体不大,空间分布不均,呈东北较强、西南较弱的分布态势;(2)研究期内广东省省级以上自然保护区人为干扰强度下降明显,下降幅度高达81.8%。地形和交通等区位条件较好区域,人为干扰强度相对较强,且基本农田和人口占比越高的自然保护区,强度越大;(3)人为干扰强度评价结果与腾讯用户密度值具有一致性,强度越大,用户密度值越高,且位于城区或进行旅游开发的保护区具有更高的活跃度。

经济密度与企业风险决策——密度风险选择效应的理论与实证分析

本文基于Melitz和Ottaviano(2008)的效率异质性模型,构建了企业两阶段风险决策模型,内化经济密度对于风险的选择效应,以揭示经济密度影响企业风险决策行为的机制和过程。理论模型显示如下结果。(1)当经济密度过低时,增加密度将降低风险;当经济密度过高时,增加密度会增加风险;经济空间内存在风险最小化的最优密度。(2)在经济密度之外,租金、企业数量、产品多样性等因素也对企业经营风险产生影响。本文以北京市五环内生活性服务业为例,基于腾讯位置大数据、城市生活性服务业POI及倒闭率、商铺和住宅租金等微观数据,进行实证检验后发现以下三点结论。(1)北京市高密度地区,密度对风险的影响为正;低密度地区反之。北京市二环是影响逆转的分界线。(2)北京市消费密度和就业密度,通过租金、企业数量和产品多样性三个中介变量影响企业倒闭风险。其中,最显著的影响路径是:消费密度影响产品多样性,进而影响企业倒闭风险。可见,集聚经济降低风险的关键不在于企业数量,而在于差异化集聚。(3)北京市三环是集聚力和竞争力对比逆转的分界线:三环外集聚力超过竞争力,有利于企业风险降低,三环内反之。