微博签到POI数据有效性衡量方法

自发地理信息具有数据量大,信息丰富,成本低廉,现势性强等优势,使得其蕴含巨大的应用价值,但如何有效控制数据质量问题来提升数据的应用价值值得深入研究。本文以微博签到POI数据为研究对象,首先从大众地理空间认知和签到POI数据空间分布两个方面对影响签到POI数据有效性的因素进行分析,然后建立有效性数学衡量的模型提取实验区有效数据。最后通过实验验证了该模型快速、高效提取自发式地理信息方式采集的POI数据可行性。

基于深度学习的城市热点空间情绪感知评价——以上海市为例

基于新浪微博数据,借助深度学习方法分析上海市情绪空间分布特征,期望构建一套基于社交媒体签到数据的深度学习空间情绪感知评价方法。研究发现:(1)上海市热门签到地点集中分布在城市中心、交通枢纽、地铁沿线等区域。(2)积极情绪占比随着到市中心距离的增加呈下降趋势;人们的情绪与活动空间类型高度相关。(3)高等院校场所与负面情绪相关的物质空间要素多与建筑相关,办公场所的空间使用者最关注通勤问题,交通枢纽空间的管理流程和服务水平诱发了较多负面情绪。研究发现对于城市公共安全、公共卫生和设计管理的决策者有着重要启示。