近年來,城市發(fā)展趨向區(qū)域化管理,為了得到貼近城市真實(shí)內(nèi)部結(jié)構(gòu)的區(qū)域劃分方式,輔助城市規(guī)劃決策,需要在以人為本的角度進(jìn)行城市社區(qū)結(jié)構(gòu)挖掘�；�2015年深圳市的微博簽到數(shù)據(jù),對(duì)現(xiàn)有城市社區(qū)結(jié)構(gòu)挖掘研究中社區(qū)發(fā)現(xiàn)最小單元定義不合理、劃分特征因子多為獨(dú)立特征缺乏關(guān)聯(lián)性等不足進(jìn)行改良。經(jīng)過有效數(shù)據(jù)篩選形成用戶軌跡后,將Voronoi劃分得到的泰森多邊形作為社區(qū)發(fā)現(xiàn)的最小單元,保留劃分對(duì)象重要程度的不同,并以此構(gòu)建一張由特征簽到POI點(diǎn)形成的城市內(nèi)部交互網(wǎng)絡(luò)。劃分特征因子除了人群的主觀遷徙外,還增加了空間鄰近約束,通過REDCAP社區(qū)挖掘算法對(duì)構(gòu)成的地理空間網(wǎng)絡(luò)進(jìn)行區(qū)域分割,確保了社區(qū)劃分結(jié)構(gòu)的完整性。最后選取模塊度最大為0.5095時(shí)的劃分結(jié)果,通過實(shí)地比對(duì)和POI類型分析,發(fā)現(xiàn)得到的7個(gè)子社區(qū)功能結(jié)構(gòu)完整、且社區(qū)間差異明顯,對(duì)于城市公共設(shè)施的完善和城市規(guī)劃發(fā)展的區(qū)域劃分方向具有重要參考意義。 

【文章來源】：地理信息世界. 2019,26(04)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

研究區(qū)域劃分的一般方式b路網(wǎng)劃分bRoadnetworkdivisiona格網(wǎng)劃分aGriddivision

點(diǎn)出度和入度的總和，得到的總度數(shù)即能代表每個(gè)節(jié)點(diǎn)的有效訪問次數(shù)，被訪問次數(shù)越多的POI點(diǎn)涉及到的用戶數(shù)量更多，影響力也更大，因此實(shí)驗(yàn)中篩選出軌跡經(jīng)過次數(shù)最多的369個(gè)節(jié)點(diǎn)作為特征POI點(diǎn)。對(duì)篩選出的特征POI點(diǎn)進(jìn)行Voronoi劃分，即可將研究區(qū)域劃分為369個(gè)不規(guī)則泰森多邊形，每個(gè)多邊形中都包含一個(gè)代表該面狀區(qū)域?qū)傩缘墓?jié)點(diǎn)，如圖2所示。在劃分出合適的最小社區(qū)單元后，除了原先單純基于POI點(diǎn)的空間拓?fù)潢P(guān)系外，還能對(duì)面狀對(duì)象增加鄰接關(guān)系的空間約束，構(gòu)建出一個(gè)空間鄰接關(guān)系表，為后續(xù)空間聚類增加約束條件。圖2研究區(qū)域經(jīng)過V圖劃分所得最小研究單元Fig.2ThesmallestresearchunitinthestudyareadividedbytheVmap圖3REDCAP算法流程圖Fig.3REDCAPalgorithmflowchart將每個(gè)最小研究單元中的POI點(diǎn)與包含它們的泰森多邊形連接，將原先節(jié)點(diǎn)與節(jié)點(diǎn)之間的軌跡連接轉(zhuǎn)換為多邊形與多邊形之間的軌跡連接，每?jī)蓚�(gè)相連多邊形之間的關(guān)聯(lián)權(quán)重，由其所包含的相連節(jié)點(diǎn)數(shù)量決定，即連接兩區(qū)域間的軌跡數(shù)量越多，兩區(qū)域聯(lián)系越緊密，并以此構(gòu)建關(guān)聯(lián)權(quán)重矩陣，作為空間聚類的主要約束條件。1.2社區(qū)結(jié)構(gòu)挖掘本文采用郭殿升教授提出的一種動(dòng)態(tài)約束的區(qū)域聚類與分割算法（REDCAP），REDCAP的完整算法流程如圖3所示。與傳統(tǒng)的社區(qū)發(fā)現(xiàn)算法不同，該算法在聚類過程中考慮了網(wǎng)絡(luò)節(jié)點(diǎn)的空間鄰近約束。算法分為兩個(gè)階段，第一個(gè)階段用帶鄰近約束的凝聚式層次聚類算法（Agglomerative Hierarchical Clustering）來獲取區(qū)域聚類層次樹；第二階段通過優(yōu)化函數(shù)切割層次樹得到地理連續(xù)的區(qū)域劃分結(jié)果。為了構(gòu)成區(qū)域?qū)哟螛�，REDCAP算法在單一連接（Single Linkage,SLK）、平均連接（Average Linkage,ALK）和完全連接（Complete Linkage,CL

用。在此基礎(chǔ)上，為檢驗(yàn)結(jié)果的準(zhǔn)確性，結(jié)果的評(píng)估分為兩個(gè)方面進(jìn)行，其一是根據(jù)各個(gè)社區(qū)涵蓋的POI屬性，分析每個(gè)社區(qū)內(nèi)部功能結(jié)構(gòu)的組成關(guān)系；其二是通過將社區(qū)劃分結(jié)果與深圳市行政區(qū)劃相比較，分析實(shí)際人口遷移與傳統(tǒng)區(qū)劃是否契合。參照原始數(shù)據(jù)爬取分類表和《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》[18]，將原始的POI點(diǎn)共分為12類（見表1）。分析每個(gè)社區(qū)的POI功能構(gòu)成，如圖5所示，可以發(fā)現(xiàn)除了社區(qū)三POI數(shù)量普遍較高，剩余6個(gè)社區(qū)POI數(shù)量差距不大，占比較多的均為第4類餐飲類、第8類住宅區(qū)以及第11類著名景點(diǎn)。圖4社區(qū)劃分結(jié)果圖Fig.4Communitydivisionresultmap圖57個(gè)子社區(qū)內(nèi)部POI功能結(jié)構(gòu)Fig.5InternalPOIfunctionalstructureinsevensub-communities表1POI功能分類表Tab.1POIfunctionclassificationtable分類編碼分類名稱代表類型1未知分類不知名店鋪等2交通樞紐公交站；地鐵站；飛機(jī)場(chǎng)；火車站3便民設(shè)施醫(yī)院；酒店；銀行4餐飲餐廳；咖啡廳5娛樂KTV；酒吧；電影院6學(xué)校大學(xué)；中學(xué)；小學(xué)；各類教育機(jī)構(gòu)7商業(yè)商場(chǎng)；專賣店；商業(yè)街8住宅區(qū)小區(qū)；居民樓9工業(yè)區(qū)產(chǎn)業(yè)園區(qū)；工廠10辦公區(qū)辦公樓；知名企業(yè)11景點(diǎn)世界之窗；民俗村12公園戶外公園；運(yùn)動(dòng)場(chǎng)；城市廣場(chǎng)別婉娟，等. 面向微博簽到數(shù)據(jù)的城市社區(qū)結(jié)構(gòu)挖掘

【參考文獻(xiàn)】：
期刊論文
[1]基于簽到數(shù)據(jù)的城市熱點(diǎn)功能區(qū)識(shí)別研究[J]. 寧鵬飛,萬幼,沈怡然,任福.  測(cè)繪地理信息. 2018(02)
[2]利用POI數(shù)據(jù)的武漢城市功能區(qū)劃分與識(shí)別[J]. 康雨豪,王玥瑤,夏竹君,池嬌,焦利民,魏智威.  測(cè)繪地理信息. 2018(01)
[3]網(wǎng)絡(luò)結(jié)構(gòu)空間格局相似度分析——以1938～2014年北京市骨干交通網(wǎng)絡(luò)為例[J]. 楊靜,程昌秀,李曉嵐,陳馳.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(12)
[4]基于POI數(shù)據(jù)的城市生活便利度指數(shù)研究[J]. 崔真真,黃曉春,何蓮娜,周志強(qiáng).  地理信息世界. 2016(03)
[5]基于北京公交刷卡數(shù)據(jù)和興趣點(diǎn)的功能區(qū)識(shí)別[J]. 韓昊英,于翔,龍瀛.  城市規(guī)劃. 2016(06)
[6]對(duì)我國(guó)LBS發(fā)展有關(guān)問題的思考和幾點(diǎn)建議[J]. 賈丹.  地理信息世界. 2012(06)
[7]加權(quán)Voronoi圖在城鎮(zhèn)經(jīng)濟(jì)區(qū)劃分中的應(yīng)用——以十堰市為例[J]. 劉愛華,謝正觀.  地理與地理信息科學(xué). 2011(04)



本文編號(hào)：3434675