基于互联网位置数据的通勤特征挖掘技术

针对传统通勤特征测算中存在的不足,提出一种基于互联网时空大数据的通勤特征挖掘技术框架。基于互联网定位、地图数据,利用机器学习算法挖掘常驻点、提取通勤OD,基于通勤OD进一步挖掘通勤距离、通勤时间以及通勤方式,并将上述通勤特征数据应用于全国主要城市通勤监测报告和国土空间规划等方面。使用多源时空大数据对通勤监测指标和结果进行校验,结果表明基于互联网位置数据的通勤特征与抽样调查获得的通勤特征具有一致性,且能够以大样本、低成本、高空间精度提供高频更新的通勤监测指标,是对传统方法的有效补充和强化。

基于百度慧眼的中国收缩城市分类研究

收缩城市是快速城市化过程中不可忽视的一类城市,按照城市人口变化格局,开展收缩城市分类研究,是发现城市人口“空洞”及变化特征的重要一环。国际上将收缩城市主要分为穿孔型、圈饼型和边缘型,中国的收缩城市究竟包括哪些类型?尚缺少研究证实。本文以中国实体城市为分析单位,利用百度慧眼2016年11月─2018年11月200 m格网的常住人口数据,发现常住人口减少的实体城市共1506座,占实体城市总量(3022座)的49.8%。选取人口较为密集且在研究时段内出现严重收缩现象的126座收缩城市为研究样本,探讨中国收缩城市分类问题。分析表明:126座收缩城市样本多分布在秦岭淮河一线以北地区,包括穿孔型、全局型、局部型、圈饼型、边缘型等5种类型。其中,穿孔型收缩城市最多,共47座(37.3%),为中国收缩城市的主导类型,主要分布于黑龙江、内蒙古、甘肃;全局型收缩城市有33座(26.2%),主要分布于甘肃、陕西;局部型收缩城市有25座(19.8%),主要分布在黑龙江、内蒙古;圈饼型收缩城市有18座(14.3%),主要分布在内蒙古;边缘型收缩城市有3座。“重速度、轻质量”的前半程城镇化,以“增长”为主导的城市规划执念,资源枯竭或经济转型导致传统工业企业衰落解体,政府主动调整下的产业转移等是产生穿孔型收缩城市的主因。研究为政府精细调整城市发展重心、优化土地利用结构、提高城市宜居性、开展收缩语境下的城市规划与设计,提供了科学依据。