复杂网络视角下的城市人流空间概念模型与研究框架

罗桑扎西, 甄峰, 张姗琪

A conceptual model and methodological framework for examining urban people flow space based on complex network perspective

LUO Sangzhaxi, ZHEN Feng, ZHANG Shanqi

表1 城市人流感知数据源

Tab. 1 Data sources and types for studying urban people flow space

数据来源 数据描述 数据特征 常见类型 城市智能基础设施采集 数据源于居民使用特定智能基础设施而产生使用行为记录 数据的样本大、数据维度丰富,但数据的时空精度低,对轨迹的刻画不完整,仅能代表某类活动 公交卡数据、地铁卡数据、市民卡数据、社保卡数据、交通视频数据、出租车轨迹数据、便携式视频采集器等 LBS产品使用行为轨迹 数据源于居民在日常生活中使用某一类或某几类移动互联网位置服务产品,从而产生富含时空活动信息的个体轨迹 数据来源丰富、获取便利性高,但数据样本的社会经济属性、时空代表性具有一定的偏差 网络地图热力图数据、微博、Twitter、Flickr、快手、抖音、大众点评、美团外卖、共享单车、共享汽车、百度城市出行强度数据等。 移动轨迹追踪采集 此类数据源于设备主动记录或上报的所处时空信息 数据时空信息较为完整,能够准确的映射设备携带者的活动轨迹,具备较高的时空精度 GPS活动调查数据、手机信令、交通出行调查等 社会调查、统计类 此类数据源于特定的社会调查、或政府职能部门常规的统计汇总。 数据属性维度较高、包含信息丰富,时空信息较少,数据时空分辨率低 交通出行调查、统计年鉴、流动人口调查、长时相夜间影像数据等等