多源数据挖掘的北京“Z世代”职住空间特征及影响因素研究

利用2021年9月至12月的手机信令数据、POI及网络数据等多源数据,以前人对北京城市职住空间研究的结论为参照系,对空间错位指数进行测度与比较,并利用地理探测器方法,分析挖掘居住和工作在北京中心城区出生于1995—2010年的“Z世代”群体居住—就业空间的职住特征及其影响因素。结果表明：1)北京“Z世代”的居住空间和就业空间总体呈现多集聚小组团的特点,且与北京城市居住—就业中心的总格局基本一致,但空间错位指数要高于全年龄段;2)所在地区的生活设施配置、交通条件是影响“Z世代”对居住地和工作地选择的主要因素,房价也是影响居住地选择的重要因素;3)“Z世代”的职住空间选择影响因子均存在交互作用,表现为双因子增强和非线性增强,说明居住地和工作地选择受到多个条件的协同作用。     

基于百度热力图的职住平衡度量研究?

为探究重庆都市区的职住关系,采用了数据挖掘技术和GIS技术,构建了基于百度热力图数据的职住关系指数的度量方法,以北京作为对比,来分析重庆都市区的职住关系和空间特征.研究表明,与北京严重职住分离现象不同,重庆都市区的职住关系总体较好,多数组团处于平衡区间,只有部分地区产生了明显的就业或者居住集中.     

城市轨道交通及BRT周边地区职住平衡与建成环境的关系研究：以合肥市为例

轨道交通可重塑城市职住空间格局,其在承担长距离通勤出行的同时也使得职住空间进一步分离﹒为了交通基础设施与城市空间的协调发展,本研究采用宜出行热力数据分析了合肥市中心城区的职住空间分布,并基于职住比将站域划分为职住平衡、就业型和居住型3种职住空间类型,运用多元logistic回归模型探究其建成环境与职住平衡类型之间的关系﹒结果表明：合肥市中心城区已形成以老城区、政务区和滨湖新区为核心的多中心城市空间结构;站域的就业密度及其土地利用混合度与密度对职住平衡有显著影响;轨道交通站点有助于就业中心的形成,但对居住型的职住空间影响不大;BRT(bus rapid transit)对职住空间类型的影响并不显著﹒该研究结果可为依托轨道交通重塑城市职住格局、改善职住平衡提供支撑﹒     

“职住平衡指数”的构建与空间差异性研究:以北京市为例

"职住分离"已日渐成为北京等大城市交通拥堵的主要原因之一。对于城市规划者而言,把握城市职住空间关系的形成机制和影响因素,并了解其在空间上存在差异性的原因,无疑比仅是追求城市中各个区域的就业机会数量和居住机会数量简单相等更具科学性。该文利用北京市人口普查、经济普查以及交通出行大样本调查等数据,对北京市各个街道职住平衡的情况进行测度,重在构建反映居住与就业实质性匹配的"职住平衡指数",并揭示形成其空间差异性的影响因素和作用机制。     

职住平衡概念与测度方法研究进展

以职住平衡的概念与测度方法为研究对象,通过文献回顾法,系统梳理和归纳了职住平衡的概念,分析评价各种职住平衡的测度方法优势、劣势及适用条件.认为地域视角下的职住平衡概念与测度方法是以规划师的思维模式出发审视区域内部的结构布局,旨在为城市建设提供直接的指导建议;个体视角下的职住平衡本质则是对就业者来说合理的通勤距离和通勤时间,与居民的生活质量息息相关.     

北京市职住平衡的空间特征研究

"职住平衡"倡导通过实现区域尺度上就业与居住数量上的平衡,旨在从源头上治理大城市交通拥堵、长距离通勤等城市病。基于2010年第六次人口普查、2008年第二次全国经济普查、2015年人口1%抽样调查、2013年第三次全国经济普查数据,以及2014年11月中国移动用户的手机信令数据,借助GIS空间分析技术,对北京市分街道乡镇的职住比进行定量测度与可视化分析,并从名义职住比和实际职住比两方面对北京市职住平衡的空间特征进行分析。研究发现北京市存在显著的职住不平衡问题,就业岗位向心集聚而人口向外围分布,集中体现在市中心就业主导的职住不平衡和外围居住主导的职住不平衡;同时六环内外绝大部分区域在街道乡镇尺度上的实际职住比普遍较低,表现出非常明显的职住不匹配。     

手机信令数据支撑下的广州市职住联系结构研究

为了进一步掌握城市通勤联系的特点,构建便捷有序的职住联系格局,利用广州市联通用户的手机信令大数据,运用社会网络分析方法识别广州市的城市职住联系结构及其与城市空间结构之间的关系,分析了城市通勤联系格局及其基本特征. 研究结果表明:(1)广州市中心城区形成了8个具有“社区内节点之间联系紧密,而不同社区的节点之间联系相对稀疏”基本特征的职住联系分区,分区之间的空间邻近性特征明显,并大体呈同心圆和扇形分布格局. (2)广州市中心城区的主要通勤流方向为核心区向白云区南部的“南北向”和核心区向天河区中部的“东西向”,主要通勤流方向与地铁线高度重叠,圈层内近距离通勤比重高.     

基于浮动单元的职住平衡尺度分析方法

以职住比作为测度指标,基于地理信息系统(GIS)软件生成的浮动单元进行空间范围-平衡度分析,进而通过累积统计指标变化曲线和数值分布的可视化,得到超大城市的就业中心、居住区和一般建设区的职住平衡空间尺度.采用上海岗位、人口、路网等基础数据,以80%、85%、95%等不同收敛值的路网距离阈值筛选结果,研究表明,就业中心的职住平衡空间尺度最大,按85%的收敛值,其浦西部分为15～25 km,浦东部分为20～28 km;就业次中心为4～10 km.其他区域的平衡尺度由就业中心决定,随着与中心的距离增大而扩大、由3 km向外扩展到8～17 km,邻近就业次中心的区域平衡尺度因叠加效应而缩小.该方法亦能用于职住空间结构和就业、居住可达性等分析,通过与岗位、居民通勤距离进行对比,有助于解释职住空间错位与长距离通勤交通现象的关联和内在原因.     

大型城市职住分布与通勤出行相关关系的网络动力学模型

居住与就业分布不平衡是大型城市快速发展过程中一个非常突出的问题,会引发交通需求失衡以及严重拥堵。为探讨城市发展过程中职住分布与出行需求的交互关系,依据城市发展宏观数据作为影响变量,建立职住分布与通勤出行的网络动力学模型,并构建以参数关系为基础的小波神经网络作为求解算法。使用北京市宏观经济发展数据和9个典型居住区的职住出行数据进行模型标定和验证,结果显示,该网络动力学模型能够较好地描述大型城市职住分布结构对通勤出行特征的影响关系,并对通勤出行特征变化趋势做出预测。     

基于位置服务数据的社区生活圈测度方法及影响因素分析

生活圈的边界划定是社区生活圈研究的重点也是难点。现有的划定方法有基于行政边界或控规单元、依据设施服务半径及可达性、居民日常活动行为三种方式,其中基于居民日常活动是最接近社区生活圈本意的测度方法。但目前这一方法的应用主要依靠全球定位系统(GPS)数据,成本高且样本有限,难以描述社区大多数居民的活动规律,更缺乏对大范围不同类型社区生活圈的全貌认识。以成都市为例,基于大样本的手机位置服务数据(LBS),采用复杂网络分析技术(Infomap)对中心城区(549 km²)的社区生活圈进行测度,通过识别其规模和边界特征,进一步探讨空间要素对社区生活圈边界的影响及作用机制。结果表明:通过选取恰当的单元精度和距离约束d值,可以获得较好的网络聚类结果(接近15 min生活圈的实际规模);基于LBS数据划分的社区生活圈面积规模差异较大,但大多数的规模处于1～5 km²之间;三类代表性空间要素中,路网密度与社区生活圈面积规模存在中等程度相关,区位和商业兴趣点(POI)密度与社区生活圈规模并不存在显著的相关性;但社区生活圈的人口密度与三类空间要素存在强相关。基于手机...     

城中村对深圳市职住空间融合的影响——基于手机信令数据的研究

以深圳为例,基于手机信令数据识别居民通勤距离,通过多元线性回归和空间滞后模型,以交通分析小区(TAZ)为分析单元,从中观层面分析城中村对居民通勤距离的影响机制。结果表明:城中村的存在有利于促进大城市职住空间融合,这与城中村规模大、分布散和租期灵活等因素有关;土地利用混合度高、建成环境多样和可达性高等建成环境因素会在不同程度上降低小区居民平均通勤距离;居住地社会经济环境好会提升居民平均通勤距离。     

基于移动Agent的位置服务应用平台关键技术

现有位置服务（LBS）应用平台都采用基于中间件或组件对象的分布式计算模式，要求LBS用户必须与系统特续稳定连接，而在带宽有限的移动网络环境中，无法确保用户在使用过程中能够达到持续稳定的网络连接。为此，提出利用移动Agent来构建LBS应用平台，以便能够实时有效地为LBS移动用户提供各种信息服务。平台采用两层业务结构为基础来设计基于知识库管理的移动Agent；利用启发式动态路径串行迁移策略来实现Agent的移动；采用基于Home Agent的消息特发方式来实现Agent之间的相互通信；采用XML和GML来实现LBS各种数据的集成；并结合Applet采实现LBS信息的SVG或XML数据客户端显示。系统原型的实现验证了该方案的可行性。     

基于移动Agent的位置服务应用平台关键技术

摘!要#现有位置服务（LBS）应用平台都采用基于中间件或组件对象的分布式计算模式，要求LBS用户必须与系 统持续稳定连接，而在带宽有限的移动网络环境中，无法确保用户在使用过程中能够达到持续稳定的网络连接。 为此，提出利用移动Agent来构建LBS应用平台，以便能够实时有效地为LBS移动用户提供各种信息服务。平台 采用两层业务结构为基础来设计基于知识库管理的移动Agent；利用启发式动态路径串行迁移策略来实现Agent 的移动%采用基于Home Agent的消息转发方式来实现Agent之间的相互通信；采用X     

位置服务大数据下广州市土地利用类型模拟探讨

位置服务(LBS)产生的时空行为大数据为地理环境模拟提供了重要机遇,也为土地利用类型的模拟识别提供了创新思路。位置服务大数据下的居民活动强度的周期性变化与土地利用有显著相关性,带有较强的土地利用指示性,在土地利用类型模拟识别上具有较大的应用价值。以广州为案例,本文利用百度地图平台APP联盟用户的位置服务大数据,以150*150m格网为精度单元,应用监督分类方法中的随机森林分析法模拟识别土地利用类型,模拟总准确率达72.40%,其中,村镇建设用地、工业用地、公园绿地、居住用地和商业金融用地的预测准确率分别为50.39%、82.65%、49.53%、82.66%和49.56%。研究结果表明随机森林方法在应用高密度时空行为大数据进行土地利用类型模拟的有效性及位置服务大数据在城市土地利用类型模拟上的潜在价值,也反映了居民活动强度空间形态与土地利用之间的显著相关性。当然,这需要利用不同的技术手段在不同城市和城市的不同区域上更多的案例实证。     

位置服务隐私保护

隐私的泄露问题不仅包含用户提交的位置和查询数据,更是包含了其中隐藏的用户身份、兴趣爱好、社会习惯、行为模式等。对位置服务隐私保护的技术进行综述,介绍了位置服务的应用场景、位置隐私的攻击方法。对现有的隐私保护体系结构和保护技术进行整理归纳。对未来的研究进行了展望,并提出一种基于缓存的时空扰动方法和LBS隐私保护度量假设方案。     

城市过剩通勤与职住平衡模型

从过剩通勤入手探讨通勤交通与职住平衡的关系,进而提出了基于理论最小通勤的最优增长分布模型.以绵阳市为例,量化评估了职住平衡程度与通勤交通效率,在对比国内外城市后发现绵阳职住平衡与通勤效率较好.利用最优增长分布模型计算得到,在新增劳动力(岗位)增加77 500个(占总劳动力(总岗位)的14%)的情况下可以达到最优职住平衡状态.根据计算结果提出了未来绵阳新增劳动力和岗位的分布建议.     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.     

LBS在景区游客管理中的应用研究

LBS在数字景区中的应用越来越广泛,文章从景区游客管理相关方面存在的问题入手,详细介绍了LBS在景区游客管理中的主要应用范围,包括景区导览服务、位置跟踪服务和搜救服务三个方面,接着探讨了应用中的关键技术及实现方案.此应用研究已经成功实现于杭州西溪国家湿地公园西区.实例证明,该研究成果具有较大的可行性及推广性.     

基于TD-SCDMA系统的LBS测试方案

作为一种重要的移动增值服务,许多与 LBS 相关的技术已经被提出.功能和性能测试是一项新技术商业化的关键一步,在这里,关注基于 TD-SCDMA 系统的 LBS 测试方案,并设计了LBS测试环境和测试流程,其对于验证LBS处理过程和优化网络性能是非常有用的.

Abstract：

As an important value-added mobile service, many LBS related technologies have been proposed recently. Function and performance test is a crucial step for commercializing a new technology. Here we focus on the test scheme of LBS in the TD-SCDMA system. The LBS test environment and test flow is designed. It is useful for validating the LBS processing and optimizing network performance.