基于手机信令大数据的京津冀城市群人口时空分布与流动特征分析

利用手机信令数据,以京津冀城市群为研究范围,以250 m×250 m网格为基本单元,识别京津冀城市群人口时空分布与流动特征。结果表明:北京和天津是京津冀城市群的主要人口集聚中心,且人口分布呈现非均匀放射状、沿主要交通干线分布,人口密度由城市中心向周边递减;北京、天津和石家庄是人口流动网络的主要中心,其人口流量远高于其他城市;城市群范围内的县际人口流动增长迅速,各区县的职住空间不平衡也比较突出。

手机信令大数据与人脸身份识别的算法研究

当今时代是一个信息化的时代,大数据时代的到来给以人类社会生活带来了巨大的改变。身份识别一直以来都是社会所关注的,以往的身份识别是基于人体特征进行识别,随着网络技术的不断发展,身份识别对于网络技术的应用也逐渐广泛。当前手机信令大数据与人脸识别技术不断推广,同时二者相结合,适用于身份识别。手机信令大数据与人脸识别相结合的身份识别具体算法仍在不断的研究过程中,本文就身份识别的具体算法进行研究。

基于手机信令大数据的居民夜间出行热点识别研究

城市的综合治理与规划发展对城市居民的日常生活产生了直接的影响;相对的,人们的日常出行同样能够反映城市的发展规模和规划方向。文章基于移动手机信令大数据,通过识别居民夜间出行的热点区域,结合职住空间分布和居民出行 OD 数据,根据热点区域的空间分布特征筛选出主要的居民夜生活热门区域,将居民夜生活热门区域进行分类,发掘其潜在的治安管理问题和城市在发展规划中的不足之处,针对各类所存在的问题,提出相应的解决思路,为城市治理、规划发展的政策制定提供科学合理的数据支撑和应用方法。

基于多源数据的城市内部空间交互特征:以福州市主城区为例

人群在城市内部空间中的流动是社会活力和资源分配的直接体现,是城市交通规划管理的重要依据。融合手机信令大数据和POI(point of interests)数据,对福州市主城区内的交通小区进行功能分区并构建了交通小区之间的空间交互网络,采用复杂网络方法对各类型功能区的中心性地位及出行距离衰减效应进行了分析。结果表明:福州市主城区功能区以居住及公共服务相关功能区为主。鼓楼区和台江区的人流量最为活跃,仓山区及晋安区的内部空间交互格局存在显著的不平衡现象。各功能区的中心性地位存在明显的空间和周期差异,科教文化及商服类型功能区的中心性普遍较高。居住用地与其他功能区之间的距离衰减效应受到时段的影响较大。基于以上结果可对城市公共交通优化提供一定支持。

大数据视角下大学城空间活力特征研究——以南京市仙林大学城为例

随着现代社会的发展,大数据逐步成为空间规划研究不可或缺的分析工具,其具备更新快、样本范围广、处理效率高、可挖掘性强等传统调研方式不具备的优势特征,同时,大数据信息通过量化模型处理后,能直观的揭示事物发展内在逻辑,所推导出来的结论更加科学合理,现已广泛应用于当前的国土空间规划中。但是,针对以高校为主导空间、人口分布存在假期型波动的大学城,通过大数据分析研究在行业内较为少见。因此,本文将以南京市仙林大学城为例,借助大数据分析,深入研究居民出行活动与空间活力之间联系,揭示区域发展特征,判断区域发展阶段,为下一步国土空间规划编制提供理论支撑。

基于手机信令数据的城内迁居活跃度识别方法研究——以武汉市为例

中国城市的快速发展加速了城市内部人口的居住迁移,精细测度居民迁居行为及其空间分异特征,对于从人的行为视角来分析城市居住空间结构演进过程具有现实意义。本文以武汉都市发展区为例,基于手机信令大数据,提出净活跃度指标和总活跃度指标来量化描述迁居活跃度,并依据两个指标的分类及组合,将居民居住地划分为高迁入型活跃区、平稳型活跃区、高迁出型活跃区、高迁入型非活跃区、平稳型非活跃区与高迁出型非活跃区六种空间类型,进而探讨居民迁居的空间分布特征。结果表明:(1)武汉都市发展区内部人口迁移总体呈现出从主城区向近郊区逐步迁移的趋势,且主城区人口总活跃度相较更高。(2)主城区以高迁出型活跃区和高迁入型活跃区为主,近郊区则以平稳型非活跃区为主。(3)不同空间类型内的居住类型存在差异:高迁入型活跃区内以新建小区、高校住区、学区房、城中村为主;平稳型活跃区以农村居住地、园区周边住宅为主;高迁出型活跃区以老旧小区、园区周边住宅、城中村、农村居住地为主;非活跃区则以农村居住地为主。本文提出了一种基于时序手机信令大数据的居民迁居活跃度评价指标体系,并以实证研究证明其对于居民迁居地空间类型划分的有效性,研究结果可为相关规划决策部门掌控城市内部的人口迁移特征提供数据支撑、为城市不同区域针对性的进行公共资源配置提供参考依据。

关于人口统计调查方法体系存在的问题和改革设想

我国现行的人口统计调查方法体系是以经常性的人口抽样调查为主体、以人口普查为基础、重点调查等为补充的多种方法的运用,但随着经济社会的快速发展,以普查为基础、经常性抽样调查为主体的人口统计调查方法体系,与政府、社会对人口信息多层次、精细化、时效性的需求变得不适应,在实践中显露出矛盾和问题。本文将对当前人口普查和人口变动情况抽样调查在人口统计中的作用和存在问题做出分析,在此基础上提出人口统计改革的设想,并提出具体的解决办法,以2020年第七次全国人口普查为契机,建立"人口统计与管理服务数据平台",并结合社区网格化管理进行年度更新,取得年度全国、省级及省级以下的常住人口数据;同时改革人口抽样调查的内容,结合手机信令大数据在人口统计中的应用,完善人口统计调查方法体系。

无机场城市异地候机楼发展策略研究

近年来,国内航空出行量逐年上升,而国内大部分城市没有机场,航空旅客出行依赖异地机场。异地候机楼作为接驳机场的重要设施,现状存在布局不合理,功能单一和接驳依赖公路等问题。本文以中山市异地候机楼为例,探究无机场城市如何合理布局候机楼,升级候机楼功能,构建多式联运体系和创新体制机制,并总结经验,为其他城市类似问题提供借鉴。

基于大数据的生活圈范围与服务设施空间匹配研究——以北京为例

生活圈建设是新时代国土空间规划的关键内容之一,生活圈内服务设施配置是做好生活圈规划的首要基础,居民生活圈与服务设施的空间匹配关系也是地理学“人地关系”在城市社区尺度的重要体现。学术界对生活圈与服务设施的匹配关系已有研究,但主要采用问卷调查数据,该类数据存在样本量少、地域覆盖范围小等不足。论文将采用手机信令数据和POI(point of interest)数据等大数据,以北京为例,测定居民生活圈范围和服务设施可达性,并分析两者间的空间匹配关系及其地域分异特征。结果表明:①居民生活圈呈现多中心结构,其半径由市中心和新城中心至非中心地区递增;服务设施可达性则呈现圈层结构,其水平则由市中心至郊区递减。②设施可达性水平与生活圈半径的匹配关系整体呈现显著的负相关,即综合设施可达性水平越高则居民生活圈半径越小。③空间匹配模式呈现明显地理分异特征,在中心城区、新城中心,服务设施可达性水平与生活圈半径以“高—低”空间匹配关系为主,但中心城区和新城的边缘地区则以“低—低”“低—高”空间匹配关系为主。④不同类型设施之间也存在差异,文体和休闲设施的可达性水平与生活圈范围的空间匹配度显著偏低。研究结论可为完善生活圈理论研究提供新实证案例,并可为生活圈空间规划提供决策参考。

基于个体职住迁移的武汉郊区新城职住动态平衡测度方法

郊区新城往往伴随着职住失衡。从行为视角来看,这主要是长周期建设中个体的职、住的单方面迁入和迁出造成的。然而,相关研究较少从个体职住迁移视角探究新城职住平衡动态过程,缺乏相关的分析方法,也未明晰其特征和规律。本文基于手机信令大数据,跟踪个体就业迁移和居住迁移的空间位置变化,提出了职住动态平衡的概念,以及用于测度和分析职、住迁入和迁出的同步、异步指数和职住动态平衡影响指数,以剖析职住动态平衡过程中的问题、动因、趋势,并以2017—2019年武汉郊区新城为例开展实证。研究发现:①武汉郊区新城以职住异步迁入为主,就业迁移比居住迁移数量更多;②各新城的职住平衡水平均偏低,但职住迁移促进了大多数新城的职住平衡水平;职住迁入大多推动了新城职住平衡,但迁出的影响也不容忽视,推动了部分新城的职住失衡;③武汉东南新城的职住平衡状态更易受到居住迁移影响,而居住迁入是其职住动态平衡的主要动力,应重点完善多元化居住结构。该方法能客观反映区域职住迁移的互动、职住平衡的动态过程和动因,对优化城市职住关系、制定职住空间供给政策有一定现实意义,也为后续理论研究提供了方法基础。

重庆市新型冠状病毒肺炎流行时空特征及其与人群活动性的关系

本文收集了重庆市2020年1月21日—2月24日确诊的545例新型冠状病毒肺炎(COVID-19)病例个案信息,结合1500万手机用户在疫情期间的信令轨迹大数据,分析了其疫情的时空演化特征以及人群活动的变化规律,并从复杂网络的角度揭示了疫情分布的异质性,从疫情传播与人群活动之间的关系揭示了异质性的原因。研究发现:①重庆市疫情在时间上,经历了以输入病例为主、输入和本地病例共存、以本地病例为主3个阶段,病例实时再生数(Rt)初期较高,随着防控措施的实施,逐步减小;空间上,病例分布呈现显著聚集性,病例高聚集区主要分布在以万州区为核心的渝东北地区和以主城区为核心的渝西南地区;②疫情发生后,重庆市人群移动总量减少为疫情前的53.20%,减少主要集中在主城区以及其他各区县的中心城区,而郊区、农村的人群移动变化不大,甚至有所增加;③人群活动与病例发生之间存在不同程度的相关性,具体为:每日人群移动总量与病例实时再生数、一个平均潜伏期(7 d)后的每日新增病例数的相关系数为0.97、0.89,揭示了人群活动与病例增长的时间相关性;各街道(乡镇)人群移动总量与其累计确诊病例数、本地感染病例数之间的相关系数为0.40、0.35,揭示了人群活动与病例空间分布的相关性;病例高聚集区与人群移动网络社区对应,且与网络社区内人群活动较强的区域吻合,揭示了重庆市疫情传播的本地聚集特征。大数据与疫情信息的聚合分析证实,切断人群移动网络社区之间的连接,并遏制疫情高风险社区内部的传播是在城市内部疫情防控的有效措施。