精华内容
下载资源
问答
  • 手机信令数据
    2020-12-17 16:09:02

    作 者 信 息

    钮心毅,康 宁,王 垚,谢昱梓

    (同济大学 建筑与城市规划学院 高密度人居环境生态与节能教育部重点实验室,上海 200092)

    【摘要】提出了一个应用手机信令数据支持城镇体系规划的技术框架,将其应用于城镇体系规划中的空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围分析。首先依据手机信令数据特征,提出了从手机信令数据中计算跨镇出行的出行链,获得城镇联系度的方法。并结合城镇体系规划的实践案例,分别提出了城镇体系中的空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围等分析的技术框架与应用途径。手机信令数据有效弥补了传统静态数据的不足,能作为城镇体系规划的基础数据之一。

    【关键词】城镇体系规划;手机信令数据;城镇联系度;空间结构

    【中图分类号】TU984.17 【文献标识码】【文章编号】1672-1586(2019)01-0018-07

    引文格式:钮心毅,康 宁,王 垚,等. 手机信令数据支持城镇体系规划的技术框架[J].地理信息世界,2019,26(1):18-24

    正文

    0 引 言

    城镇体系规划是我国城乡规划体系中的法定规划,是城乡规划的重要组成部分。城镇体系规划是在一个特定范围内合理进行城镇布局,优化区域环境,配置区域基础设施,明确不同层次的城镇地位、性质和作用,综合协调相互的关系,实现区域可持续发展。城镇之间联系是城镇体系规划的基础。传统的中心地理论是城镇体系规划的重要理论基础。近年在区域研究中出现的中心流理论,对国内区域规划、城镇体系规划也产生了影响。从中心地、中心流等基础理论出发,城镇之间联系一直是区域研究重要的基础数据。现有的城镇体系规划中,对城镇等级、职能、空间结构乃至区域基础设施协调都需要有城镇之间联系数据支持。

    测度城镇之间联系是对城镇之间某种“流”的测度,以人流、物流、信息流等流向、流量指标分析城市间功能关系。目前实际应用中有采用电话通讯联系方向、铁路或公路发车班次、企业关联网络等数据。随着移动通信普及,从手机信令数据中获取居民的时空活动规律已成为可能,国内外学者已经展开相关的研究。手机信令数据特点是比较连续、被动记录了手机用户空间行为轨迹特征,相比客运交通班次等数据更能反映城镇之间的真实出行联系情况。本文以手机信令数据获取的城镇联系度为基础,提出城镇体系规划中的空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围等分析的技术方法,为城镇体系规划实践提供支持。

    1 城镇联系度计算

    1.1 手机信令数据用于城镇体系规划优势

    手机信令数据是一种时空轨迹大数据,是手机用户在移动通信网中活动留下的时空轨迹。其重要特点是在时间分辨率上较为连续。在手机持续开机状态下,一般以至少1 h的间隔连续记录用户空间位置。目前情况下,在去除位置连续重复的信令后,4G用户人均信令数量约为每日150条。一个400多万用户的大城市,每日信令总数量就有约6亿条,所以手机信令数据是一种典型的大数据。手机信令数据记录空间位置是以通信基站定位。一个基站覆盖的空间范围远小于一般城镇、街道行政区划范围,满足城镇体系规划中空间单元精度要求。

    手机信令数据能反映居民在城镇之间出行流动,与企业关联数据、信息联系数据等类似,都是体现城镇间的功能联系,当前居民跨城镇出行一般都是使用某种公共或私人交通工具进行,存在较明显缺陷。客运班次无法反映交通工具实际载客率,也无法统计城镇之间私人交通方式的出行联系,因此手机信令数据反映的城镇人员流动相当于城镇之间全模式的客运交通联系。如果手机信令数据的时间序列能持续一个月以上,那么就能够很好地反映居民在城镇之间的出行规律。

    1.2 手机信令数据测算城镇联系度

    手机信令数据反映的居民出行时空轨迹,在城镇体系尺度内一般是从常住地所在的城镇出发到目的城镇,出行可能同时多个目的地,也会途径多个城镇,最终回到常住地所在城镇,手机信令数据都会记录下该过程的时空位置信息。本研究采用了两种从手机信令数据中获取的城镇联系度。

    1)按照居民跨城镇的出行链的顺序,组合成一组连续跨城镇的起讫点组合,称作OD出行联系,如图1a所示。这种出行联系体现了途经城镇之间的联系,并未反映出常住地所在城镇和真实目的地之间的直接功能联系。

    2)在上述OD出行联系的基础上,从出行所经过的所有城镇中区分中途停留地、出行目的地城镇,称作跨城镇出行链,如图1b所示。出行链由“常住地——出行目的地——常住地”组成,从常住地(居住地)出发,跨越空间单元出行后,再次返回常住地为一次跨城镇出行链。出行链中常住地是依据连续多日夜间在同一个位置及附近重复长时间停留,该位置视为居民的居住地,居住地所在城镇为常住地城镇。出行链中目的地识别是每一条出行链中每一日最多一个日间目的地、一个夜间目的地。如一日完成的出行链,从用户离开常住地后,在日间多个停留地中选择一个停留时间最长的城镇作为出行目的地。如多日完成的出行链,则每一日将日间停留时间最长的城镇作为日间目的地、夜间停留时间最长的城镇作为夜间目的地,直至返回常住地,出行链结束。

    61feede1f6d2423325649f4fb862ead4.png

    图1 两种城镇联系度测算模式

    Fig.1 Two models for measuring the degree of urban-rural connections

    城镇联系度可以通过OD出行联系、跨城镇出行链两种方式进行测算。两者都可以反映居民跨城镇出行特征,但各自适合场合不同。跨城镇出行链是各个目的地与常住地之间分别计一次城镇联系,得出各个城镇之间联系度,是抽象的城镇之间人流联系,更符合区域研究中的城镇之间联系概念。OD联系是直接由每一次出行起讫点形成的,直接表征出行特征,更符合交通工程上出行的概念。

    2 城镇体系空间结构分析

    2.1 由跨城镇出行链测度城镇体系空间结构

    跨城镇出行链测度城镇体系空间结构,是获得到区域内各个城镇的居民出行的目的地,汇总形成区域城镇间出行关联网络,体现了城镇间直接的功能联系,可以作为城镇体系空间结构中联系轴的分析依据。

    以珠江三角洲城镇体系为例,研究范围是珠三角城市群核心区以及深圳未来经济圈,包括了珠三角城市群核心区广州、深圳、东莞、佛山、珠海、中山和惠州7个城市以及东部的河源、汕尾2个城市。空间单元以市县为基础,按照各自的行政边界进行划分。在连续30日内,上述珠三角“7+2”城市群范围内识别出常住地的居民共产生了25 204 260人次跨越市县空间单元的跨城镇联系。将这些联系表达在地理空间上,如图2所示,就能发现珠三角城市群以广州和深圳为核心,以广州-深圳为联系轴的东岸联系强于以广州-佛山-中山-珠海为联系轴的西岸,分别构成了珠三角空间结构中最重要的主轴和次轴联系,深圳除了与广州的强联系外,与惠州以及较远端的河源、汕尾都有一定的联系。

    1da0280cbcd1f1f845a6253ba74392a4.png

    图2 手机信令数据测度的珠三角城市群的城镇联系

    Fig.2 Uisalization of the urban-rural connections in Pearl River Delta agglomeration measured by mobile phone signaling data

    《广东省城镇体系规划(2010-2020)》提出了珠三角城镇群核心区内部形成“三横三纵”6条城镇发展轴,如图3所示。将手机信令测算的空间结构轴线与《广东省城镇体系规划(2010-2020)》对照,可以发现当前广深城镇发展轴已经形成,广珠城镇发展轴也已经成型;东西向的城镇间出行联系较弱,规划设想中的北部城镇发展轴、江惠城镇发展轴、南部滨海城镇发展轴、大亚湾—惠阳—惠州—博罗城镇发展轴还尚未形成。

    1ad588a30f772b1b09cff4170cb43e50.png

    图3 广东省城镇体系规划(2010-2020)中的城镇空间结构

    Fig.3 The urban spatial structure in the urban system plan of Guangdong province (2010-2020)

    2.2 由跨城镇OD联系测度城镇体系空间结构

    跨城镇OD出行联系测度城镇体系空间结构,是以每一条OD出行联系“起点——终点”位置分别按各个城镇进行汇总,能得到区域内各个城镇之间的实际出行联系流量,也可以作为城镇体系空间结构中联系轴的分析依据。以南宁市域城镇体系为例,研究范围包括南宁市下辖7区5县。采用连续一个月的手机信令数据,识别出全市域常住用户数406.7万人。典型日日均OD出行联系309.6万条,通过与周边城市对外出入口的OD出行联系数据来判断城市对外主要联系方向,确定城市发展轴线。建立“市域内中心城区出发——城市主要出入口”“城市主要出入口——中心城区到达”的联系。这种测算方式包括了由铁路、高速公路、国道、省道进出市域的人数。

    通过计算典型休息日和工作日的出行OD,测算各个方向出入中心城区的人流数量。最终根据出入口OD流量数据判断城市对外主要联系方向。根据图4可以看出,南向是南宁中心城区的主要对外联系方向,出行量占总出行人数的42.3%(南晓镇、苏圩镇出入口),东向是南宁中心城区的第二位对外联系方向,占总出行人数的16.2%(黎塘镇出入口),北向是南宁中心城区最弱的对外联系方向,仅占9.2%(百岁滩出入口)。与更大范围的图5所示的北部湾城镇群的空间结构进行对照可以看出:南宁市域向南联系与北部湾城市群主轴(南钦城镇发展轴线)方向一致,向东联系与桂中-桂北城镇发展轴方向一致;南宁市域的空间结构的联系轴方向与北部湾城镇群的空间结构发展轴线一致。

    7d6a239c1c2a5e533b5956c4e7ec584c.png

    图4 手机信令数据测度的南宁城市对外主要联系方向

    Fig.4 Main directions of the external links of Nanning city measured by mobile phone signaling data

    c8113d4619d0d5ca63043ea6ecd2c3e2.png

    图5 北部湾城市群空间结构

    Fig.5 The spatial structure of Beibu Gulf urban agglomeration

    3 城镇体系等级结构分析

    城镇体系等级结构是城镇体系规划的另一重要内容。传统城镇等级体系结构分析采用“位序—规模”法,用城镇规模作为分析城镇等级的依据,很难考虑各城市之间的相互作用。城镇的中心性是衡量城镇等级高低的重要指标,需要有城镇之间相互作用分析为基础。城镇之间联系度是分析中心性的重要手段。跨城镇出行链比OD出行联系更能反映城镇间直接功能联系,来判断区域内城镇的中心性,可以作为传统“位序—规模”法的重要补充。

    优势流是根据一个城市某种要素的相对较高流向去判断该城市在城镇体系中的地位,具体包括最大优势流、第二大优势流等较高优势流。使用手机信令数据测算得出的城镇之间联系流向,在每一城市的吸引流向中计算汇集优势流的数量,作为中心性指标。首先比较从每一城镇出发至其他城镇联系流,按人次数量确定每一城镇出发最大优势流、第二大优势流的流向。其次,以每一城镇作为目的地,汇总从其他城镇流入优势流数量,按各自吸引的优势流数量确定该城镇的中心性,从而用于城镇等级分析。

    以江西省昌九区域城镇体系为例,研究范围包含南昌市、九江市、抚州市、宜春市4个地级市全部行政辖区以及上饶市的鄱阳县、余干县、万年县。在连续37日内,从手机信令数据中识别出常住地居民共产生了2 296 630人次跨城镇的联系。使用优势流方法,计算上述范围内40个县城以上城市之间的最大优势流、第二大优势流,将各个城市以汇集到优势流数量,采用自然断裂法分为4个等级,如图6所示。

    ec88e3a54112f3ba0c6314f47156d5a4.png

    图6 昌九区域40个城市优势流分析

    Fig.6 The dominant flow analysis of 40 cities in Changjiu region

    本研究所处的昌九地区具有明显的单中心体系。南昌市区是单中心体系中的第一等级城市,但第二级城市很难用简单的城市规模比较的方法确定,九江、抚州两个城市市区人口规模差异不大。以优势流的结果看,南昌市区在区域内网络吸引流向的中心性上具有绝对优势,是等级体系的第一级城市,汇集了23个城市的最大优势流、14个城市的第二大优势流。九江市区汇集6个城市的最大优势流、4个城市的第二大优势流;抚州市区汇集2个城市的最大优势流、8个城市的第二大优势流。九江市区、抚州市区均可以列入第二级城市。其中,抚州市区汇集优势流城市的覆盖范围更广,在区域南部的主导性较为显著,从优势流角度出发,抚州市区在昌九区域城镇体系等级结构中的地位高于九江市区。

    传统的方法依据城镇规模直接测度城镇体系的等级,对于城镇规模差异不大的城镇,难以准确地确定城镇体系等级差异。通过昌九区域的案例可以看出,规模接近城市在区域中的中心性会有显著差异。利用优势流法测算城市中心性是传统方法有效的补充。

    4 中心城市腹地与城市地位比较

    分析城市腹地范围是确定城镇体系空间结构、确定中心城市的区域地位的重要依据之一。城市的腹地范围是反映中心城市与周边地区关系的重要依据。随着技术的发展,获取人流、物流、信息流等“流”数据相对容易,以真实的“流”数据替代模型测度城市腹地,可以更准确地反映城市与周边地区之间的联系情况,因此手机信令数据能用于分析居民出行形成的城市腹地。

    4.1 测算中心城市腹地

    分析城市的腹地时,仍然以手机信令数据建立的“常住地——出行目的地——常住地”跨镇出行链进行测算人流联系,计算出每个城镇与中心城市的出行联系量比例。采用归大法,取比例最高的中心城市作为该城镇隶属的中心城市势力范围。如果某个中心城市的联系量比例高于50%,那么该城镇是该中心城市较明显的势力范围。如果中心城市的联系量比例均低于50%,则该城镇是多个中心城市影响的争夺区,此时该城镇仍划入占比最大的城市势力范围,但是该中心城市的影响并未占绝对主导地位。据此划分研究区域中中心城市的势力圈。

    仍以珠三角城市群为例,计算出每个城镇与9个中心城市的出行联系量比,如图7所示。深圳、广州的腹地势力范围超越了自身的市域行政范围,表明了这两个城市在区域内的核心地位。东莞、惠州、汕尾部分地区成为深圳势力范围;佛山、惠州部分地区成为广州的势力范围。这种从城镇之间吸引流动来分析中心城市腹地的方法是传统数据源难以做到的。

    850b03dc6754b954343361fa1b551efd.png

    图7 珠三角9个城市的腹地划分

    Fig.7 Hinterland division of 9 cities in the Pearl River Delta

    4.2 中心城市腹地用于城市地位比较

    中心城市腹地还可进一步用于城市地位的比较上。如果划入中心城市空间范围不一样,会导致计算得出的腹地、势力范围也会变化。使用此方法,可以确定比较城市的区域地位特征。仍以珠三角范围为例,广州存在中心城区、都会区以及市域3个空间层次,如图8所示,深圳存在中心城区、市域两个空间层次。因此分别以不同层次中心城市范围比较深圳、广州的腹地。

    83fcb8f2daf181ab2760084f2c7aa125.png

    a 广州中心城区与深圳中心城区的比较

    a Comparing the central city of Guangzhou and Shenzhen city

    047366f03dabe726d87cec102e79b785.png

    b 广州都会区与深圳市域的比较

    b Comparing metropolitan area of Guangzhou and Shenzhen city

    fdff64cd5a31e681d11f5d0716a8944e.png

    c 广州市域与深圳市域的比较

    c Comparing Guangzhou and Shenzhen city

    图8 广州与深圳的腹地对比

    Fig.8 Comparison of the hinterlands of Guangzhou and Shenzhen city

    1)分别以广州中心城区、深圳中心城区作为中心城市,划分两者在珠三角范围内腹地。腹地划分后的势力范围中,深圳仅占了32.63%的面积,远小于广州。

    2)以广州都会区为中心城市,深圳中心城市扩大到深圳市域,将原二线关外的宝安区、光明区、龙华等6个区作为中心城市,同样方法划分广州、深圳在珠三角范围内腹地。由此得到的深圳势力范围面积占到了59.22%,明显超过了广州。东莞、汕尾以及惠州、河源大部地区成为深圳市域的腹地。

    3)再将广州中心城市范围扩大到广州市域、深圳仍以市域作为中心城市,划分两者在珠三角范围内腹地。深圳的势力范围面积占比为55.97%,依然超越广州市域,未再有明显的变化。

    这3个层面中心城市腹地的比较,深圳原二线关外的宝安区、光明区、龙华等6个区在深圳与珠三角区域的联系中起到了关键作用。这可能与深圳原二线关外聚集相当规模的制造业有关。这种以人流出行联系范围比较中心城市在区域中地位的方法是传统数据难以实现的。

    5 区域交通基础设施服务范围

    统筹安排区域交通运输等重要交通设施是城镇体系规划中另一项重要内容。高铁站、机场等设施同时服务多个城镇。分析同一区域中相邻的设施各自服务范围、各自服务绩效,就能发现问题,为相应的规划策略制定提供依据。

    手机信令数据用于区域交通基础设施协调,仍使用居民出行的城镇联系度。传统方法一般采用设施用地面积、设施客运量等数据比较区域内各个设施的运行状况,但无法得知使用者的来源地、设施服务范围。在城镇体系规划中,协调机场等重要交通设施,关键就是协调设施的服务范围。

    使用从手机信令数据中获取设施使用者的时空轨迹,以城镇联系度算法为基础,略作变化,能用于重要交通设施服务范围测算。同样应用出行链的概念,建立“居住地——交通设施”联系。对于从交通设施出发的旅客,从其轨迹中测算其出发前夜的夜间最长停留位置作为出发日居住地,建立“出发地——交通设施”出行链。对于通过交通设施到达的旅客,从其轨迹中测算其出发到达当日夜间最长停留位置作为到达日目的地,建立“交通设施——目的地”出行链。由此基础上测算各个交通设施的服务范围。

    以珠江三角洲的广州白云机场、深圳宝安机场为例,广州白云机场、深圳宝安机场是珠三角区域中两大重要机场,也是城市群规划中需要重点关注、协调的重要基础设施。通过2017年4月一个月的手机信令数据识别出宝安机场430 663位到发旅客出发地、目的地,白云机场识别出930 757位到发旅客出发地、目的地。对照机场客流统计数据,同月宝安机场的总客运量3 416 200人次、白云机场总客运量为4 877 400人次。两个机场本身也有客流规模上的差异。

    服务范围计算是使用了手机信令识别出机场出发旅客及其出发居住地、到达旅客及其目的居住地,可以得到每一个到发旅客“居住地——交通设施”出行链。按街道(镇)为空间单元,分别汇总两个机场到发旅客的出发地、居住地,得到了每个机场的实际服务范围。在服务范围计算的基础上,若某街道(镇)的白云机场到发量占到总到发量的50%及以上,将该街道(镇)定义为白云机场的势力范围,反之即为宝安机场的势力范围,如图9所示。

    51bfee30646844b180ee518e8d22f465.png

    图9 白云机场与宝安机场服务范围比较

    Fig.9 Comparison of the service areas between Baiyun airport and Bao'an airport

    在广州、深圳、东莞、佛山、中山、珠海、惠州、河源、汕尾9个地级市的范围内,白云机场与宝安机场各自主导势力范围面积比为59%:41%。白云机场势力范围明显大于宝安机场。通过手机信令数据测算的旅客活动轨迹,得到了两个机场的实际服务范围的差异。两个机场不仅有客运量的差异,更有服务范围的差异。虽然两个机场在珠三角区域内的路上交通条件非常接近,但还是有着明显的服务范围差异。即便在深圳市域周边,宝安机场服务占有率也没有普遍到达70%以上。这是传统依靠机场客运统计数据所无法做到的。

    在城镇体系规划中,对重要交通设施的实际服务范围进行分析也与手机信令数据的定位精度相关。由于基站定位的空间分辨率,占地面积100 hm2以上的设施比较适合于使用手机信令数据评估其服务范围。

    6 技术途径

    基于上述应用方向,针对城镇体系规划内容,使用手机信令数据,通过“OD出行联系”和“跨镇出行链”两种模式测算城镇联系度,构建了如图10所示的手机信令数据支持城镇体系规划的技术框架。

    460b9f40318228ec681a46075c593809.png

    图10 手机信令数据支持城镇体系规划的技术框架

    Fig.10 The technical framework for urban system planning with mobile phone signaling data

    在城镇体系的城镇空间结构规划中,基于“OD出行联系”测算城镇联系度,通过联系强度比较和出入口流量汇总的方法,测度区域城市联系方向与联系强度。在城镇体系的城镇等级结构规划中,基于“常住地——出行目的地——常住地”的跨镇出行链,通过优势流测算城市中心性。在城镇体系的城镇中心腹地划分中,使用“常住地——出行目的地——常住地”的跨镇出行链,通过归大法比较城市吸引力及影响范围。在区域交通设施规划中,基于“出发地——交通设施——目的地”的跨镇出行链来测算城镇联系度,通过主导势力范围测算交通设施的实际服务范围。

    7 结束语

    将手机信令数据用于城镇体系规划,其优势在于手机信令数据记录了居民在城镇之间出行流动的时空轨迹,相当于城镇之间全模式客运交通流,能够用于测算城镇之间的联系度。本文讨论了手机信令数据支持城镇体系规划的适用领域、相应的技术方法,提出一种将大数据融入现有城乡规划体系的途径。手机信令数据中获取的跨城镇出行链、出行OD联系两种城镇联系度方法可以用在城镇体系中空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围4个方面。已有的应用案例表明,通过使用城镇联系度,从城镇之间的“流”出发为上述4个方面提供了新的技术手段,弥补了传统数据的不足。当前的手机信令数据所表示的是城镇之间居民出行联系,不能代替城镇之间信息流、经济流、物流等。如果需要全面认识城镇之间联系,还需要其他能表示信息流、经济流、物流等联系的“流”数据。

    上述手机信令数据适用场合均是对城镇体系现状分析,能量化测算城镇之间的“流”联系,能更好地认识、理解城镇之间的相互作用,发现城镇体系现状特征。在当前城镇体系规划中可以支持现状分析,也可以用于比较规划策略与现状之间的差异,为规划决策提供量化支撑。从当前技术来看,还做不到预测从现状的城镇之间联系预测未来城镇之间联系。如何用于规划预测尚有待于数据分析技术的进步。

    本文针对手机信令数据提出了应用技术框架。这种从居民城镇之间出行轨迹测算出城镇联系进而支持城镇体系分析的途径,也能适用于其他类型的移动定位大数据。如果某种定位数据能较为连续地记录居民出行时空轨迹,定位数据来源又有一定普及型,不集中在某种特定人群,那么也能使用本文的技术途径支持城镇体系规划分析。

    1ae8be321fb4fcdfeade329276e0b3e7.png

    更多相关内容
  • 深圳周末日手机信令数据30.zip
  • 20_WD_240465_手机信令数据在自然资源领域的应用技术指南.pdf
  • 深圳周末日手机信令数据13.zip
  • 深圳周末日手机信令数据28.zip
  • 深圳周末日手机信令数据27.zip
  • 深圳周末日手机信令数据12.zip
  • 工作日手机信令数据深圳16.zip
  • 工作日手机信令数据深圳12.zip
  • 作 者 信 息钮心毅,康 宁,王 垚,谢昱梓(同济大学 建筑与城市规划学院 高密度人居环境生态与节能教育部重点实验室,上海 200092)“【摘要】提出了一个应用手机信令数据支持城镇体系规划的技术框架,将其应用...

    作 者 信 息

    钮心毅,康 宁,王 垚,谢昱梓

    (同济大学 建筑与城市规划学院 高密度人居环境生态与节能教育部重点实验室,上海 200092)

    【摘要】提出了一个应用手机信令数据支持城镇体系规划的技术框架,将其应用于城镇体系规划中的空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围分析。首先依据手机信令数据特征,提出了从手机信令数据中计算跨镇出行的出行链,获得城镇联系度的方法。并结合城镇体系规划的实践案例,分别提出了城镇体系中的空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围等分析的技术框架与应用途径。手机信令数据有效弥补了传统静态数据的不足,能作为城镇体系规划的基础数据之一。

    【关键词】城镇体系规划;手机信令数据;城镇联系度;空间结构

    【中图分类号】TU984.17 【文献标识码】A 【文章编号】1672-1586(2019)01-0018-07

    引文格式:钮心毅,康 宁,王 垚,等. 手机信令数据支持城镇体系规划的技术框架[J].地理信息世界,2019,26(1):18-24

    正文

    0 引 言

    城镇体系规划是我国城乡规划体系中的法定规划,是城乡规划的重要组成部分。城镇体系规划是在一个特定范围内合理进行城镇布局,优化区域环境,配置区域基础设施,明确不同层次的城镇地位、性质和作用,综合协调相互的关系,实现区域可持续发展。城镇之间联系是城镇体系规划的基础。传统的中心地理论是城镇体系规划的重要理论基础。近年在区域研究中出现的中心流理论,对国内区域规划、城镇体系规划也产生了影响。从中心地、中心流等基础理论出发,城镇之间联系一直是区域研究重要的基础数据。现有的城镇体系规划中,对城镇等级、职能、空间结构乃至区域基础设施协调都需要有城镇之间联系数据支持。

    测度城镇之间联系是对城镇之间某种“流”的测度,以人流、物流、信息流等流向、流量指标分析城市间功能关系。目前实际应用中有采用电话通讯联系方向、铁路或公路发车班次、企业关联网络等数据。随着移动通信普及,从手机信令数据中获取居民的时空活动规律已成为可能,国内外学者已经展开相关的研究。手机信令数据特点是比较连续、被动记录了手机用户空间行为轨迹特征,相比客运交通班次等数据更能反映城镇之间的真实出行联系情况。本文以手机信令数据获取的城镇联系度为基础,提出城镇体系规划中的空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围等分析的技术方法,为城镇体系规划实践提供支持。

    1 城镇联系度计算

    1.1 手机信令数据用于城镇体系规划优势

    手机信令数据是一种时空轨迹大数据,是手机用户在移动通信网中活动留下的时空轨迹。其重要特点是在时间分辨率上较为连续。在手机持续开机状态下,一般以至少1 h的间隔连续记录用户空间位置。目前情况下,在去除位置连续重复的信令后,4G用户人均信令数量约为每日150条。一个400多万用户的大城市,每日信令总数量就有约6亿条,所以手机信令数据是一种典型的大数据。手机信令数据记录空间位置是以通信基站定位。一个基站覆盖的空间范围远小于一般城镇、街道行政区划范围,满足城镇体系规划中空间单元精度要求。

    手机信令数据能反映居民在城镇之间出行流动,与企业关联数据、信息联系数据等类似,都是体现城镇间的功能联系,当前居民跨城镇出行一般都是使用某种公共或私人交通工具进行,存在较明显缺陷。客运班次无法反映交通工具实际载客率,也无法统计城镇之间私人交通方式的出行联系,因此手机信令数据反映的城镇人员流动相当于城镇之间全模式的客运交通联系。如果手机信令数据的时间序列能持续一个月以上,那么就能够很好地反映居民在城镇之间的出行规律。

    1.2 手机信令数据测算城镇联系度

    手机信令数据反映的居民出行时空轨迹,在城镇体系尺度内一般是从常住地所在的城镇出发到目的城镇,出行可能同时多个目的地,也会途径多个城镇,最终回到常住地所在城镇,手机信令数据都会记录下该过程的时空位置信息。本研究采用了两种从手机信令数据中获取的城镇联系度。

    1)按照居民跨城镇的出行链的顺序,组合成一组连续跨城镇的起讫点组合,称作OD出行联系,如图1a所示。这种出行联系体现了途经城镇之间的联系,并未反映出常住地所在城镇和真实目的地之间的直接功能联系。

    2)在上述OD出行联系的基础上,从出行所经过的所有城镇中区分中途停留地、出行目的地城镇,称作跨城镇出行链,如图1b所示。出行链由“常住地——出行目的地——常住地”组成,从常住地(居住地)出发,跨越空间单元出行后,再次返回常住地为一次跨城镇出行链。出行链中常住地是依据连续多日夜间在同一个位置及附近重复长时间停留,该位置视为居民的居住地,居住地所在城镇为常住地城镇。出行链中目的地识别是每一条出行链中每一日最多一个日间目的地、一个夜间目的地。如一日完成的出行链,从用户离开常住地后,在日间多个停留地中选择一个停留时间最长的城镇作为出行目的地。如多日完成的出行链,则每一日将日间停留时间最长的城镇作为日间目的地、夜间停留时间最长的城镇作为夜间目的地,直至返回常住地,出行链结束。

    feba645c2a340b2455ff1cedca54c3a1.png

    图1 两种城镇联系度测算模式

    Fig.1 Two models for measuring the degree of urban-rural connections

    城镇联系度可以通过OD出行联系、跨城镇出行链两种方式进行测算。两者都可以反映居民跨城镇出行特征,但各自适合场合不同。跨城镇出行链是各个目的地与常住地之间分别计一次城镇联系,得出各个城镇之间联系度,是抽象的城镇之间人流联系,更符合区域研究中的城镇之间联系概念。OD联系是直接由每一次出行起讫点形成的,直接表征出行特征,更符合交通工程上出行的概念。

    2 城镇体系空间结构分析

    2.1 由跨城镇出行链测度城镇体系空间结构

    跨城镇出行链测度城镇体系空间结构,是获得到区域内各个城镇的居民出行的目的地,汇总形成区域城镇间出行关联网络,体现了城镇间直接的功能联系,可以作为城镇体系空间结构中联系轴的分析依据。

    以珠江三角洲城镇体系为例,研究范围是珠三角城市群核心区以及深圳未来经济圈,包括了珠三角城市群核心区广州、深圳、东莞、佛山、珠海、中山和惠州7个城市以及东部的河源、汕尾2个城市。空间单元以市县为基础,按照各自的行政边界进行划分。在连续30日内,上述珠三角“7+2”城市群范围内识别出常住地的居民共产生了25 204 260人次跨越市县空间单元的跨城镇联系。将这些联系表达在地理空间上,如图2所示,就能发现珠三角城市群以广州和深圳为核心,以广州-深圳为联系轴的东岸联系强于以广州-佛山-中山-珠海为联系轴的西岸,分别构成了珠三角空间结构中最重要的主轴和次轴联系,深圳除了与广州的强联系外,与惠州以及较远端的河源、汕尾都有一定的联系。

    77a6802863930315411871ed0e97337d.png

    图2 手机信令数据测度的珠三角城市群的城镇联系

    Fig.2 Uisalization of the urban-rural connections in Pearl River Delta agglomeration measured by mobile phone signaling data

    《广东省城镇体系规划(2010-2020)》提出了珠三角城镇群核心区内部形成“三横三纵”6条城镇发展轴,如图3所示。将手机信令测算的空间结构轴线与《广东省城镇体系规划(2010-2020)》对照,可以发现当前广深城镇发展轴已经形成,广珠城镇发展轴也已经成型;东西向的城镇间出行联系较弱,规划设想中的北部城镇发展轴、江惠城镇发展轴、南部滨海城镇发展轴、大亚湾—惠阳—惠州—博罗城镇发展轴还尚未形成。

    e6ff89387772184843e3a0ca8b89bd95.png

    图3 广东省城镇体系规划(2010-2020)中的城镇空间结构

    Fig.3 The urban spatial structure in the urban system plan of Guangdong province (2010-2020)

    2.2 由跨城镇OD联系测度城镇体系空间结构

    跨城镇OD出行联系测度城镇体系空间结构,是以每一条OD出行联系“起点——终点”位置分别按各个城镇进行汇总,能得到区域内各个城镇之间的实际出行联系流量,也可以作为城镇体系空间结构中联系轴的分析依据。以南宁市域城镇体系为例,研究范围包括南宁市下辖7区5县。采用连续一个月的手机信令数据,识别出全市域常住用户数406.7万人。典型日日均OD出行联系309.6万条,通过与周边城市对外出入口的OD出行联系数据来判断城市对外主要联系方向,确定城市发展轴线。建立“市域内中心城区出发——城市主要出入口”“城市主要出入口——中心城区到达”的联系。这种测算方式包括了由铁路、高速公路、国道、省道进出市域的人数。

    通过计算典型休息日和工作日的出行OD,测算各个方向出入中心城区的人流数量。最终根据出入口OD流量数据判断城市对外主要联系方向。根据图4可以看出,南向是南宁中心城区的主要对外联系方向,出行量占总出行人数的42.3%(南晓镇、苏圩镇出入口),东向是南宁中心城区的第二位对外联系方向,占总出行人数的16.2%(黎塘镇出入口),北向是南宁中心城区最弱的对外联系方向,仅占9.2%(百岁滩出入口)。与更大范围的图5所示的北部湾城镇群的空间结构进行对照可以看出:南宁市域向南联系与北部湾城市群主轴(南钦城镇发展轴线)方向一致,向东联系与桂中-桂北城镇发展轴方向一致;南宁市域的空间结构的联系轴方向与北部湾城镇群的空间结构发展轴线一致。

    10b9cf44e6b66857ecf0faee72228e32.png

    图4 手机信令数据测度的南宁城市对外主要联系方向

    Fig.4 Main directions of the external links of Nanning city measured by mobile phone signaling data

    647799f652d00ee5cf80694fc1411b38.png

    图5 北部湾城市群空间结构

    Fig.5 The spatial structure of Beibu Gulf urban agglomeration

    3 城镇体系等级结构分析

    城镇体系等级结构是城镇体系规划的另一重要内容。传统城镇等级体系结构分析采用“位序—规模”法,用城镇规模作为分析城镇等级的依据,很难考虑各城市之间的相互作用。城镇的中心性是衡量城镇等级高低的重要指标,需要有城镇之间相互作用分析为基础。城镇之间联系度是分析中心性的重要手段。跨城镇出行链比OD出行联系更能反映城镇间直接功能联系,来判断区域内城镇的中心性,可以作为传统“位序—规模”法的重要补充。

    优势流是根据一个城市某种要素的相对较高流向去判断该城市在城镇体系中的地位,具体包括最大优势流、第二大优势流等较高优势流。使用手机信令数据测算得出的城镇之间联系流向,在每一城市的吸引流向中计算汇集优势流的数量,作为中心性指标。首先比较从每一城镇出发至其他城镇联系流,按人次数量确定每一城镇出发最大优势流、第二大优势流的流向。其次,以每一城镇作为目的地,汇总从其他城镇流入优势流数量,按各自吸引的优势流数量确定该城镇的中心性,从而用于城镇等级分析。

    以江西省昌九区域城镇体系为例,研究范围包含南昌市、九江市、抚州市、宜春市4个地级市全部行政辖区以及上饶市的鄱阳县、余干县、万年县。在连续37日内,从手机信令数据中识别出常住地居民共产生了2 296 630人次跨城镇的联系。使用优势流方法,计算上述范围内40个县城以上城市之间的最大优势流、第二大优势流,将各个城市以汇集到优势流数量,采用自然断裂法分为4个等级,如图6所示。

    05fcc6dc29a2a33961f9e6f05d9f8473.png

    图6 昌九区域40个城市优势流分析

    Fig.6 The dominant flow analysis of 40 cities in Changjiu region

    本研究所处的昌九地区具有明显的单中心体系。南昌市区是单中心体系中的第一等级城市,但第二级城市很难用简单的城市规模比较的方法确定,九江、抚州两个城市市区人口规模差异不大。以优势流的结果看,南昌市区在区域内网络吸引流向的中心性上具有绝对优势,是等级体系的第一级城市,汇集了23个城市的最大优势流、14个城市的第二大优势流。九江市区汇集6个城市的最大优势流、4个城市的第二大优势流;抚州市区汇集2个城市的最大优势流、8个城市的第二大优势流。九江市区、抚州市区均可以列入第二级城市。其中,抚州市区汇集优势流城市的覆盖范围更广,在区域南部的主导性较为显著,从优势流角度出发,抚州市区在昌九区域城镇体系等级结构中的地位高于九江市区。

    传统的方法依据城镇规模直接测度城镇体系的等级,对于城镇规模差异不大的城镇,难以准确地确定城镇体系等级差异。通过昌九区域的案例可以看出,规模接近城市在区域中的中心性会有显著差异。利用优势流法测算城市中心性是传统方法有效的补充。

    4 中心城市腹地与城市地位比较

    分析城市腹地范围是确定城镇体系空间结构、确定中心城市的区域地位的重要依据之一。城市的腹地范围是反映中心城市与周边地区关系的重要依据。随着技术的发展,获取人流、物流、信息流等“流”数据相对容易,以真实的“流”数据替代模型测度城市腹地,可以更准确地反映城市与周边地区之间的联系情况,因此手机信令数据能用于分析居民出行形成的城市腹地。

    4.1 测算中心城市腹地

    分析城市的腹地时,仍然以手机信令数据建立的“常住地——出行目的地——常住地”跨镇出行链进行测算人流联系,计算出每个城镇与中心城市的出行联系量比例。采用归大法,取比例最高的中心城市作为该城镇隶属的中心城市势力范围。如果某个中心城市的联系量比例高于50%,那么该城镇是该中心城市较明显的势力范围。如果中心城市的联系量比例均低于50%,则该城镇是多个中心城市影响的争夺区,此时该城镇仍划入占比最大的城市势力范围,但是该中心城市的影响并未占绝对主导地位。据此划分研究区域中中心城市的势力圈。

    仍以珠三角城市群为例,计算出每个城镇与9个中心城市的出行联系量比,如图7所示。深圳、广州的腹地势力范围超越了自身的市域行政范围,表明了这两个城市在区域内的核心地位。东莞、惠州、汕尾部分地区成为深圳势力范围;佛山、惠州部分地区成为广州的势力范围。这种从城镇之间吸引流动来分析中心城市腹地的方法是传统数据源难以做到的。

    f4cfcfcd0948a7c06145cf360907ac32.png

    图7 珠三角9个城市的腹地划分

    Fig.7 Hinterland division of 9 cities in the Pearl River Delta

    4.2 中心城市腹地用于城市地位比较

    中心城市腹地还可进一步用于城市地位的比较上。如果划入中心城市空间范围不一样,会导致计算得出的腹地、势力范围也会变化。使用此方法,可以确定比较城市的区域地位特征。仍以珠三角范围为例,广州存在中心城区、都会区以及市域3个空间层次,如图8所示,深圳存在中心城区、市域两个空间层次。因此分别以不同层次中心城市范围比较深圳、广州的腹地。

    610188e1341427edd43754be189956fb.png

    a 广州中心城区与深圳中心城区的比较

    a Comparing the central city of Guangzhou and Shenzhen city

    19a00821b35443b25aadbea2e4715579.png

    b 广州都会区与深圳市域的比较

    b Comparing metropolitan area of Guangzhou and Shenzhen city

    e202d0a6cb3a66ef8a0a40c1d4b8ed02.png

    c 广州市域与深圳市域的比较

    c Comparing Guangzhou and Shenzhen city

    图8 广州与深圳的腹地对比

    Fig.8 Comparison of the hinterlands of Guangzhou and Shenzhen city

    1)分别以广州中心城区、深圳中心城区作为中心城市,划分两者在珠三角范围内腹地。腹地划分后的势力范围中,深圳仅占了32.63%的面积,远小于广州。

    2)以广州都会区为中心城市,深圳中心城市扩大到深圳市域,将原二线关外的宝安区、光明区、龙华等6个区作为中心城市,同样方法划分广州、深圳在珠三角范围内腹地。由此得到的深圳势力范围面积占到了59.22%,明显超过了广州。东莞、汕尾以及惠州、河源大部地区成为深圳市域的腹地。

    3)再将广州中心城市范围扩大到广州市域、深圳仍以市域作为中心城市,划分两者在珠三角范围内腹地。深圳的势力范围面积占比为55.97%,依然超越广州市域,未再有明显的变化。

    这3个层面中心城市腹地的比较,深圳原二线关外的宝安区、光明区、龙华等6个区在深圳与珠三角区域的联系中起到了关键作用。这可能与深圳原二线关外聚集相当规模的制造业有关。这种以人流出行联系范围比较中心城市在区域中地位的方法是传统数据难以实现的。

    5 区域交通基础设施服务范围

    统筹安排区域交通运输等重要交通设施是城镇体系规划中另一项重要内容。高铁站、机场等设施同时服务多个城镇。分析同一区域中相邻的设施各自服务范围、各自服务绩效,就能发现问题,为相应的规划策略制定提供依据。

    手机信令数据用于区域交通基础设施协调,仍使用居民出行的城镇联系度。传统方法一般采用设施用地面积、设施客运量等数据比较区域内各个设施的运行状况,但无法得知使用者的来源地、设施服务范围。在城镇体系规划中,协调机场等重要交通设施,关键就是协调设施的服务范围。

    使用从手机信令数据中获取设施使用者的时空轨迹,以城镇联系度算法为基础,略作变化,能用于重要交通设施服务范围测算。同样应用出行链的概念,建立“居住地——交通设施”联系。对于从交通设施出发的旅客,从其轨迹中测算其出发前夜的夜间最长停留位置作为出发日居住地,建立“出发地——交通设施”出行链。对于通过交通设施到达的旅客,从其轨迹中测算其出发到达当日夜间最长停留位置作为到达日目的地,建立“交通设施——目的地”出行链。由此基础上测算各个交通设施的服务范围。

    以珠江三角洲的广州白云机场、深圳宝安机场为例,广州白云机场、深圳宝安机场是珠三角区域中两大重要机场,也是城市群规划中需要重点关注、协调的重要基础设施。通过2017年4月一个月的手机信令数据识别出宝安机场430 663位到发旅客出发地、目的地,白云机场识别出930 757位到发旅客出发地、目的地。对照机场客流统计数据,同月宝安机场的总客运量3 416 200人次、白云机场总客运量为4 877 400人次。两个机场本身也有客流规模上的差异。

    服务范围计算是使用了手机信令识别出机场出发旅客及其出发居住地、到达旅客及其目的居住地,可以得到每一个到发旅客“居住地——交通设施”出行链。按街道(镇)为空间单元,分别汇总两个机场到发旅客的出发地、居住地,得到了每个机场的实际服务范围。在服务范围计算的基础上,若某街道(镇)的白云机场到发量占到总到发量的50%及以上,将该街道(镇)定义为白云机场的势力范围,反之即为宝安机场的势力范围,如图9所示。

    e4de9b3f7ac04d26a9c81e25ea91158c.png

    图9 白云机场与宝安机场服务范围比较

    Fig.9 Comparison of the service areas between Baiyun airport and Bao'an airport

    在广州、深圳、东莞、佛山、中山、珠海、惠州、河源、汕尾9个地级市的范围内,白云机场与宝安机场各自主导势力范围面积比为59%:41%。白云机场势力范围明显大于宝安机场。通过手机信令数据测算的旅客活动轨迹,得到了两个机场的实际服务范围的差异。两个机场不仅有客运量的差异,更有服务范围的差异。虽然两个机场在珠三角区域内的路上交通条件非常接近,但还是有着明显的服务范围差异。即便在深圳市域周边,宝安机场服务占有率也没有普遍到达70%以上。这是传统依靠机场客运统计数据所无法做到的。

    在城镇体系规划中,对重要交通设施的实际服务范围进行分析也与手机信令数据的定位精度相关。由于基站定位的空间分辨率,占地面积100 hm2以上的设施比较适合于使用手机信令数据评估其服务范围。

    6 技术途径

    基于上述应用方向,针对城镇体系规划内容,使用手机信令数据,通过“OD出行联系”和“跨镇出行链”两种模式测算城镇联系度,构建了如图10所示的手机信令数据支持城镇体系规划的技术框架。

    535c71fad585efc59833d8f55bf5fd72.png

    图10 手机信令数据支持城镇体系规划的技术框架

    Fig.10 The technical framework for urban system planning with mobile phone signaling data

    在城镇体系的城镇空间结构规划中,基于“OD出行联系”测算城镇联系度,通过联系强度比较和出入口流量汇总的方法,测度区域城市联系方向与联系强度。在城镇体系的城镇等级结构规划中,基于“常住地——出行目的地——常住地”的跨镇出行链,通过优势流测算城市中心性。在城镇体系的城镇中心腹地划分中,使用“常住地——出行目的地——常住地”的跨镇出行链,通过归大法比较城市吸引力及影响范围。在区域交通设施规划中,基于“出发地——交通设施——目的地”的跨镇出行链来测算城镇联系度,通过主导势力范围测算交通设施的实际服务范围。

    7 结束语

    将手机信令数据用于城镇体系规划,其优势在于手机信令数据记录了居民在城镇之间出行流动的时空轨迹,相当于城镇之间全模式客运交通流,能够用于测算城镇之间的联系度。本文讨论了手机信令数据支持城镇体系规划的适用领域、相应的技术方法,提出一种将大数据融入现有城乡规划体系的途径。手机信令数据中获取的跨城镇出行链、出行OD联系两种城镇联系度方法可以用在城镇体系中空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围4个方面。已有的应用案例表明,通过使用城镇联系度,从城镇之间的“流”出发为上述4个方面提供了新的技术手段,弥补了传统数据的不足。当前的手机信令数据所表示的是城镇之间居民出行联系,不能代替城镇之间信息流、经济流、物流等。如果需要全面认识城镇之间联系,还需要其他能表示信息流、经济流、物流等联系的“流”数据。

    上述手机信令数据适用场合均是对城镇体系现状分析,能量化测算城镇之间的“流”联系,能更好地认识、理解城镇之间的相互作用,发现城镇体系现状特征。在当前城镇体系规划中可以支持现状分析,也可以用于比较规划策略与现状之间的差异,为规划决策提供量化支撑。从当前技术来看,还做不到预测从现状的城镇之间联系预测未来城镇之间联系。如何用于规划预测尚有待于数据分析技术的进步。

    本文针对手机信令数据提出了应用技术框架。这种从居民城镇之间出行轨迹测算出城镇联系进而支持城镇体系分析的途径,也能适用于其他类型的移动定位大数据。如果某种定位数据能较为连续地记录居民出行时空轨迹,定位数据来源又有一定普及型,不集中在某种特定人群,那么也能使用本文的技术途径支持城镇体系规划分析。

    db2494f2a71e77abfea8410ee6805097.png

    本期回顾

    285c907850e0cfdece8b3ef2a4bc74fe.png

    专家论坛

    ·地理空间大数据服务自然资源调查监测的方向分析

    城乡规划大数据应用

    ·大数据在城市规划中的应用研究综述

    ·多源空间大数据的获取及在城市规划中的应用

    邮箱变更声明

    ·《地理信息世界》邮箱变更声明

    网站开通公告

    ·关于开通《地理信息世界》网站的公告

    诚聘特约审稿专家

    ·诚聘|《地理信息世界》诚聘特约审稿专家

    专题组稿

    ·“大数据在城乡规划中的应用研究”专题征稿启事

    ·约稿函|《地理信息世界》关于开辟“博士综述论坛” 专栏的约稿函

    b924df6173d187b4c8db882f14ad5a8b.png

    851d465d3b2e785a56b77c4549d9647e.png

    a414d0e3760ed2e18e0d4742ea90c0a4.png

    4a1b6e79d24aeb50df21192e845307f4.png

    dc05cc975d8482683ec262b078d68600.png

    展开全文
  • 工作日手机信令数据深圳30.zip
  • 工作日手机信令数据深圳18.zip
  • 工作日手机信令数据深圳15.zip
  • 深圳周末日手机信令数据24.zip
  • 深圳周末日手机信令数据18.zip
  • 239-112-手机信令数据在青岛市城市规划的应用-word资料.pdf
  • 深圳周末日手机信令数据03.zip
  • 工作日手机信令数据深圳19.zip
  • 184-基于手机信令数据的无锡市出行时空特性研究-word资料.pdf
  • 一 大数据在都市区规划中的运用1、什么是手机信令数据手机数据一般可以分为两种类型:一种是手机通话数据(Mobile CDR Data),即通过手机用户之间的通话频率和时长来反映城市之间的信息联系强度;另一种则是手机信令...

    一 大数据在都市区规划中的运用

    1、什么是手机信令数据

    手机数据一般可以分为两种类型:一种是手机通话数据(Mobile CDR Data),即通过手机用户之间的通话频率和时长来反映城市之间的信息联系强度;另一种则是手机信令数据(Mobile Signal Data),即通过手机用户在基站之间的信息交换来确定用户的空间位置,能相对准确的记录人流的时空轨迹。相比而言后者对于规划研究的意义更大。

    2、手机信令数据的特点与优势

    手机用户只要发生开关机、通话、短信、位置更新和切换基站行为都会记录下信令数据。手机信令数据具有以下特点:一是大样本、覆盖范围广、用户持有率高,能更好反映人流行为的时空规律;二是匿名数据,安全性好,没有任何个人属性信息,不涉及个人隐私;三是非自愿数据,用户被动提供信息无法干预调查结果;四是具有动态实时性和连续性,能准确反映在连续时间区段内,不同时间点手机用户所在的空间位置,为定量描述区域内人群流动轨迹提供了可能。

    3、手机数据研究进展

    近年来,手机数据在城市规划领域的研究主要在区域和中心城区两个层面。在区域层面,Krings等(2007)利用比利时移动电话运营商提供的2 500万个用户的通信信息,通过手机账单地址对应的邮政编码表征通话地理位置,再通过两地用户通话信息量构建通话强度模型,模拟区域城市间的网络关联强度。Becker等(2011)依据手机数据,分析了对纽约、洛杉矶、旧金山三大都市区通勤范围。

    在中心城区层面,钮心毅等(2014)利用中国移动2G用户的手机信令数据,通过夜间居住地和日间工作地的识别,开展了对上海市通勤圈、公共中心体系和功能区的识别研究。王德等(2015)利用中国移动2G用户的手机信令数据, 以上海市南京东路、五角场和鞍山路三个不同等级的商业中心为例研究不同等级商业中心的消费者空间分布特征。

    二 南昌大都市区研究背景与技术路线

    1、南昌大都市区研究背景和研究范围

    2012年江西省提出围绕打造“省会核心增长极”战略,以省会南昌为中心依托一小时交通圈构建大都市区,引领江西发展。2015年《长江中游城市群发展规划》也明确提出“强化武汉、长沙、南昌的中心城市地位,进一步增强要素集聚”。《南昌大都市区规划》正是有效落实上位规划,指引区域统筹发展的重要规划。

    本研究在南昌大都市区范围基础上,将规划研究范围进一步扩大至南昌、九江、宜春和抚州4个地级市全域及上饶市的余干、鄱阳、万年3个县,总面积约7.15万km²,现状总人口约2 257万人,所属的县级空间单元(市辖区、县和县级市)共计40个,乡镇级单元678个,总面积约7.15万km²,人口约2 257万人。

    2、数据来源

    本研究由中国联通提供数据支持,使用中国联通2015年10月到11月连续37天(其中工作日26天,休息日11天)的匿名手机信令数据展开研究。数据主要包括用户匿名ID、信令发生时手机连接的基站坐标、信令发生时间和信令类型等内容。平均每日记录到约156万用户信令记录,其中活跃用户有139万个(37天中出现23天及以上),每个用户每天产生约60条记录。

    以乡镇为基本单元,将昌九地区分为678个空间单元(其中市辖区以区为单元,不再细分)。通过用户夜间经常所在的乡镇判断,识别到约112万个用户的常住地所在乡镇。以最远出行乡镇作为出行目的地,识别到37天内共有1 423万人次用户的跨乡镇出行。考虑到联通手机用户在各城市占比有一定差异,为反映实际人流联系量,依据镇常住人口数量对人流联系量进行校正。

    57c2e337aea6b13a47efa5d99b2548bb.png

    图1 以过境人流活动识别的区域廊道

    500794377d84099a5b93d171f79be194.png

    图2 以常住居民跨镇流动识别的区域廊道

    3、技术路线

    8253c1a30a7457776148de07255f3671.png

    三 手机信令数据在都市区层面的研究

    1、对城镇体系格局的评估

    (1)基于跨县人流轨迹的城镇等级体系

    按照40个县级空间单元的行政区划赋予研究范围内4.5万个基站城市单元属性。基于跨县手机用户流动轨迹,构建了城市单元间的联系方向和联系强度矩阵,可以直接表达为城市之间的网络联系强度。大多数城市与其他城市的联系强度主要集中在前5位城市中,之后的联系强度大幅递减。因此本研究选择联系强度前5的城市作为被联系城市的主要联系方向。以主要联系城市数量来评估城市在都市区内的城镇等级。即作为出行目的地,被主要联系越多的城市是更高等级的城市,将区域内城市划分为4档。

    第一档城市为南昌市辖区,其作为区域城市网络的核心地位突出,是区域内36个城市的主要联系方向。第二档城市6个,两个地级市抚州和九江的市辖区分别是区域内12个、9个城市的主要联系方向,与其地级市应有的城市等级一致。南昌县依托邻近南昌市辖区的区位优势获得了10个城市的主要联系。

    此外,永修县、丰城市、高安市也属于第二档。第三档城市14个,分别是宜春市辖区、进贤县、瑞昌市等,是4至7个城市主要联系方向。这些城市空间布局主要位于京九、沪昆和向莆三大交通廊道上。作为地级市市区的宜春市辖区,在省域城镇体系规划中划为地区中心,但是,由于在城市网络联系中地位有限,是按城市联系网络划分,进入了第三档城市。第四档城市19个,分别是永修县、靖安县、安义县等,是1至3个城市主要联系方向,网络联系度较弱。这些城市主要分布于鄱阳湖东岸传统农区、九岭山区和赣闽边山区。

    (2)城镇等级体系结构评估

    对比省域城镇体系规划涉及本次研究范围内的城市等级。省域中心南昌实现了规划目标,南昌市辖区基于跨县人流轨迹的城镇等级位于第一档,联系城市个数是第二位城市的3倍,与南昌市辖区有紧密联系的南昌县也进入了第二档。

    省域副中心九江也基本实现了规划目标,九江市辖区和九江县分别隶属第二档和第三档,联系城市总和达到了16个。瑞昌市规划定位略高,基于跨县人流轨迹的城镇等级仅位列第四档,在《南昌大都市区规划》中需要依据其规模、发展潜力重新对其等级进行定位。

    地区性中心抚州也基本实现了规划目标。作为地级市的宜春市辖区,仅位列第三档,低于省域城镇体系规划的定位,这可能与其位于昌九地区西部边缘、在上述城市网络联系中的地位有限有一定关系。

    此外,地区副中心中丰城市进入第二档,超过规划定位。其余三个城市樟树市、共青城市、鄱阳县均位于第三档,尚未达到地区副中心的等级。县城(市中心)中的永修县、高安市位于第二档,超过规划定位。《南昌大都市区规划》需要重新考虑其等级定位。

    2、对区域发展廊道的识别

    (1)区域发展廊道识别

    区域发展廊道可以通过识别区域内人流轨迹的主要路径来模拟,即区域廊道通过人流量叠加法。该方法以乡镇为空间单元,汇总37天中每个镇通过的人流人次,统计累加各乡镇单元通过的用户数量。通过跨乡镇人次和连绵度识别区域发展廊道。

    进一步依据重复出现率区分区域内的本地手机用户和过境手机用户,将发展廊道分为本地和过境两种类型。区域内本地和过境人流线路相对趋同,与区域人口分布差异较大,说明南昌大都市区及其周边地区发展的空间异质性较高,城镇沿主要交通廊道带状发展的格局比较显著。

    (2)区域发展廊道评估

    与省域城镇体系规划比较,现状区域发展廊道主要集中在省域城镇体系规划确定的沪昆、京九和向莆三条发展廊道上,“大”字形的廊道分布特征较为明显。三条发展廊道的发育水平存在一定差异,其中,京九廊道上人流强度和连绵度均为高,发育程度较好,是南昌大都市区未来应着力依托发展的重点廊道;沪昆廊道上人流强度和连绵度次于京九廊道,以南昌市辖区为界,东段强度和连绵度相对较高,而西段在南昌市辖区与高安之间、万载与上高之间有一定洼地;向莆廊道虽然在省域体系规划中地位不高,但通过人流量叠加法分析其人流强度和连绵度与沪昆廊道处于同一等级,同时,该廊道也是中部地区出海的便捷通道,联动长江中游城市群和21世纪海上丝绸之路核心区。因此,在南昌大都市区规划中应对向莆廊道的发展潜力予以高度重视。另一方面,省域城镇体系规划所确定九景发展轴从手机信令数据分析来看尚未发育,反倒是鄱阳至余干至南昌廊道具有一定强度,可见,景德镇的主要联系方向不是九江而是南昌,南昌大都市区规划应顺应该发展需求,增加景德镇和南昌的发展廊道。

    表1 城镇等级体系评估

    a337010e25defbdd547e04ce8ce4b686.png

    表2 主要风景区

    a5aeffd843056aacb035381e4fc1a2f4.png

    3、对区域游憩空间的识别

    筛选昌九地区主要风景区,统计37天中来风景区旅游的游客数据。庐山风景名胜区的游客总量最多,远高于其他景区,其次是梅岭国家森林公园、明月山风景名胜区,庐山西海国家级风景名胜区和修河国家湿地公园也有较多的游客量。上述景区中庐山风景名胜区和明月山风景名胜区的游客以外地游客为主,其余都以本地游客为主。特别在南昌大都市区范围内的景区,客源基本来自于昌九地区。

    庐山风景名胜区的本地游客主要来自于九江市和南昌市。明月山风景名胜区的游客主要来自于宜春市和南昌市辖区、九江市辖区。庐山西海国家级风景名胜区(云居山)、庐山西海国家级风景名胜区(柘林湖)的游客主要来自于景区周边地区及南昌市辖区和九江市辖区。

    bb677a94bd5fcc7886aedef0d5918020.png

    图3 游客总量

    01391a752f1cdf5efba2ae0f738c6b2a.png

    图4 本地外地游客数量比值

    815c37b3356e0c5d1468d29dc0cd5606.png

    图5 庐山风景名胜区游客来源地

    4b48bbfaf3b424564f0a1830751166c2.png

    图6 明月山风景名胜区游客来源地

    8f445c12a3746533312d325639e3b545.png

    图7 庐山西海国家级风景名胜区(云居山)游客来源地

    d946c71ac57515df0c7567b2861eb8e6.png

    图8 庐山西海国家级风景名胜区(柘林湖)游客来源地

    四 手机信令数据在中心城区层面的研究

    1、中心城区职住关系研究

    从连续10个工作日的信令数据识别出32.8万用户的日间驻留地和夜间驻留地,排除通勤距离0m、未发短信的用户,得到24万用户的就业地和居住地,通过通勤OD,进行通勤比例分析:南昌县城、新建县城、向塘镇、昌北机场就业者居住地在本城区、中心城、其他地区的比例;南昌县城、新建县城、向塘镇、昌北机场就业者居住地在本城区、中心城、其他地区的比例。

    南昌县城和新建县城受中心城较强烈的就业吸引,约90%的就业者在本城区内居住,不到10%的就业者在中心城居住;约80%的居住者在本城区内就业,超过10%的居住者在中心城就业。

    昌北机场与中心城联系紧密,仅55%左右的就业者在本城区内居住,超过30%的就业者在中心城居住;不到50%的居住者在本城区内就业,超过40%的居住者在中心城就业。

    向塘镇发展相对独立,对周边地区有较大的就业吸引力,约85%的就业者在本城区内居住,超过10%的就业者在其他地区居住,约95%的居住者在本城区内就业,到中心城或其他地区就业的比例仅为5%左右。

    南昌县城、新建县城可考虑撤县设区、纳入中心城发展框架;昌北机场应增加就业岗位、提高居住服务设施配套水平,满足就业者的生活需求、为居住者提供更多就业机会;向塘镇仍应考虑相对独立发展,成为中心城南的就业节点,为南部远郊地区提供就业岗位。

    c97a4315e26cc7a65ae620ce7091f992.png

    图9 中心城区研究范围

    44b3cfabddf5781aa38d3f5d74ac3f94.png

    图10 就业者居住地通勤比例

    1de3f3fe765a3ffe05c8ebdc5888cf07.png

    图11 居住者就业地通勤比例

    ccb3bfbb1e6c474d673e65de47a001ee.png

    图12 居住者就业地分布比例

    c3bec10e2b3b82869dd315bf76c1b5fc.png

    图13 就业者居住地分布比例

    2、跨江交通分析

    (1)老城新城联系紧密,老城依然是活动最大集聚区。约50%的人口集中在老城(江南)活动,一天内没有跨江行为;约25%左右的人每天会进行跨江活动;约25%的人集中在新城(江北)新城活动,一天没有跨江行为;休息日比平日的跨江活动人口比例增高。

    (2)八一广场的辐射范围主要在老城区,而红谷滩的辐射范围在新城老城都有影响。

    表3 老城与新城跨江交通人流联系数量

    e0cb699bc1ce68919439c89d2bb53e2d.png

    表4 老城与新城跨江交通人流联系比例

    80abc7ebef39b249bf9383068db2e1f5.png

    五 结论与讨论

    手机信令数据为体系规划提供了新的研究方法数据支持。在城镇体系规划中,将手机信令数据用于城镇等级体系、区域发展廊道、区域游憩地客源三个方面的分析;在中心城区层面,应用于中心城区职住关系研究和跨江交通分析。手机数据为城镇体系规划提供了新的技术方法,但仍然存在一些客观存在的问题,如样本量的大小,时间段的选取,以及所在地基站的数量,移动、电信、联通用户在总人口中的占比均会对结果产生影响,手机信令数据在规划中更加科学有效的应用,有待于继续深入探索。

    作者信息

    姚 凯 上海同济城市规划设计研究院有限公司 规划三所 副所长

    张博钰 上海同济城市规划设计研究院有限公司 城乡统筹规划研究中心 副研究员

    展开全文
  • 文章通过分析手机信令数据特性和通勤出行特征,利用手机信令数据挖掘的相关技术,建立通勤出 行特征提取模型并进行实例研究,与传统的居民出行调查分析进行对比,验证利用手机信令数据进行通勤出行特征 研究的可行性...
  • 工作日手机信令数据深圳01.zip
  • 作 者 信 息 詹庆明1,杨苏舒1,肖 琨2,高思航1,严淑琴1(1. 武汉大学 城市设计学院,湖北 武汉 430072;...联通智慧足迹通过收集2019年1—6月的手机信令数据,分析得出带有家乡地标签的武汉市常...

    作 者 信 息

    詹庆明1,杨苏舒1,肖 琨2,高思航1,严淑琴1

    (1. 武汉大学 城市设计学院,湖北 武汉 430072;2. 武汉市测绘研究院,湖北 武汉 430022)

    【摘要】随着城市化的进程不断推进,中国人口迁移和流动速度明显加快。物联网和大数据的兴起使对于人口迁移的探索有了可尝试的新数据源。联通智慧足迹通过收集2019年1—6月的手机信令数据,分析得出带有家乡地标签的武汉市常住人口数据,以此为因变量,以2018年中国城市统计年鉴数据中选取的部分字段为自变量,通过GIS分析工具建立线性回归模型和地理加权回归模型,对武汉市外来人口来源以及迁入成因进行分析。研究表明:①在选取的多个影响因素中,在岗职工平均收入、人均义务教育专任教师数和地方一般公共预算支出与人口迁移的相关关系较为显著。②在全国范围内这些因素对各地级市的影响存在明显的空间异质性。③影响范围集中于中部地区,包括省域范围内的孝感、黄冈、荆州等地区,以及省域范围以外的信阳、六安等地区。

    【关键词】手机信令数据;人口迁移;空间异质性;武汉市

    【中图分类号】TU984.191 【文献标识码】A 【文章编号】1672-1586(2020)03-0014-06

    引文格式:詹庆明,杨苏舒,肖 琨,等. 基于手机信令数据的武汉市人口迁入成因研究[J].地理信息世界,2020,27(3):14-19.

    正文

    0 引 言

    在我国整体城镇化率达到60%的时代背景下,人口迁移和流动的速度明显加快。国外学者在早年间已经对人口流动和迁移的特征及成因进行了大量研究。英国地理学家Ernest Ravenstein在19世纪80年代就对人口迁移的机制和特征进行了分析总结,他认为人口流动的实质是人们对物质生活改善的追求。M.Zinyama指出人口迁移是由经济因素推动的,是各区域之间调节及平衡经济发展水平的方式。D.Karemara等认为距离、人口、收入、公共服务水平等因素是影响人口迁移的主要原因。Daniela Bunea则通过主观因素及客观因素的分类,全面列举了迁移个体以及迁入地和迁出地的特征对人口迁移的影响因素,主观因素即年龄、教育程度等个人或家庭特征,客观因素则是公共服务水平、环境质量、距离、城市化发展水平等。

    国内近年来对于人口迁移和流动也展开了大量研究。首先从数据源上讲,关于人口迁移的传统研究大部分是基于全国及各级行政单位的统计年鉴数据、人口普查统计数据或1%人口抽样调查数据以及国家卫计委统计的流动人口动态监测调查数据。但这类数据源由于本身时间跨度长、数据更新较慢、缺少特定的人口标签等限制,得到的结论较为滞后且往往会失去一些关键信息,无法实时明确地反映人口迁移的驱动力成因。在这个信息化的时代,由于许多个体携带手机等便携智能终端,使对于人口流动中时空行为的收集和分析成为了可能。而采用大数据得到的城市人口流动和迁移数据的实时性和动态性可以更深入地探究一个城市吸引人口迁移的内在机制,位置大数据、手机信令数据等近年来已经被逐渐应用到人口迁移的研究中。其次,从研究范围来看,一部分对于人口流动的研究集中在市域、省域和城市群的范围内,只能在小范围内反映人口迁移的情况,全局性有所欠缺,难以得到与研究核心有一定距离的地域与其之间的关联情况,可能会遗漏某些特殊的地理空间的交互关系。另一部分研究基本覆盖到了全国范围,但其中省际间的人口迁移及人口流动研究较多,近年来的研究有逐渐转移到以地级行政单元的趋势。在各个层次的统计单元中,如果采用平行关系对影响因素进行分析,则可能会忽视其空间异质性。因此,如果能利用地理加权回归模型,就能够识别出高相关性区域,同时对于识别研究核心的人口腹地也有所帮助。另外,现有的研究大部分是基于单类影响因素与人口迁移情况之间的相关性,如环境质量、房价水平、公共服务水平等因素。难以反映不同因素影响人口迁移情况的差异性,缺乏对于影响因素的合理筛选和横向对比,使一些与城市人口迁移情况相关性较弱的要素参与回归分析,不能得出显著结果从而造成了误导。

    根据全国各省会及副省级城市公开发布的统计公报数据,2018年武汉市的人口净流入量(常住人口数-户籍人口数)位居全国第9位,处于中部城市的领先水平,有大量的外来人口正在向武汉市迁移。目前人口流动和迁移的研究经验表明,一个城市对于外来人口的吸引,很大程度上受到城市经济、教育、医疗、市政投入、生态环境等方面的影响。据此,本文将基于由手机信令数据分析所得的武汉市常住人口家乡地标签数据和全国各地级市相关统计年鉴数据,比较各个要素与来自各地级市迁入人口数的相关性,筛选出其中影响显著的要素。针对相关性较强的指标进行地理加权回归,探寻各影响因素对于人口迁入量贡献程度的空间异质性。

    1 数据来源与研究方法

    1.1 研究数据

    研究的数据来源主要分为两个部分:①手机信令数据,本研究采用的手机信令数据由联通智慧足迹提供。每当手机用户进行语音通话、位置更新、开关机、上网等行为时,手机信令数据会在通信网络中的各个节点之间进行传输,此时则会连接基站。因此,在开机状态下,每个用户一天内均能产生大量的信令记录。依据这部分信令记录结合运营商的基站信息就能够定位到每个基站位置对应的经纬度坐标。作为采用被动方式记录的数据,有样本大、覆盖面广、精度高、采集成本低等优点。联通智慧足迹基于2019年1月1日至6月30日之间的常住地识别,收集并统计了常住地位于武汉市内的用户数量,得到常住人口的原始设备数。再通过这部分常住用户与其他运营商用户之间的联系活动对结果进行误差修正。常住人口的家乡地标签是由用户归属地、籍贯、通话记录以及小长假该用户的最长驻留地等多个维度进行综合判断的结果。数据包括武汉市内所有包含家乡地标签的常住人口。本研究中将来自对应地级市在武汉市的常住人口数认定为该地级市迁入武汉市的人口数。②社会经济数据,本研究涉及的城市均为地级及以上城市。2018年《中国城市统计年鉴》中地级市以上城市数量为362个,剔除部分统计信息数据不完整的城市,最终样本为全国地级市及以上城市共251个。根据已有文献梳理,提取医疗、经济、教育、环境、财政等方面所对应的数据。包括平均人口(人)、执业(助理)医师数(人)、地区生产总值(万元)、义务教育专任教师数(人)、高等教育专任教师数(人)、在岗职工平均工资(元)、绿地面积(公顷)、地方一般公共预算支出(万元)。

    在研究过程中将从2018年《中国城市统计年鉴》中所提取出来平均人口和在岗职工平均工资外的6个指标全部转化为人均值,以加强各统计单元之间的可比性。人口迁移的动力是人们对于改善生活条件的追求,迁出地与迁入地的指标都同样作用于人口的迁移过程。因此采用其他地级市与武汉市之间的差值进行Z值标准化后的结果作为自变量。同样,作为因变量的人口家乡地数据也需要Z值标准化。

    1.2 研究方法

    1.2.1 数据预处理

    首先采用Z值标准化对于源数据进行预处理。Z值标准化是基于原始数据的均值与标准差所进行的数据标准化,即将数据按比例缩放,使之落入一个特定的区间,得到个体的观测值。计算方法为:

    3d26e1bbd119a4730d7ab3aa1d9c53be.png

    式中,v' 为观测值,vi为原始值,a3d17d683ed56087d99a1e5dad4a1bbd.png为原始数据平均值,σA 为标准差。

    在地级市数据样本并不完整的情况下,对各要素原始值进行Z值标准化能够保证每一类要素内的数值基本成正态分布,排除最大值或者最小值缺失所造成的影响。又由于各个变量之间的单位和数量级的不统一,Z值标准化同时能够排除这部分影响,从而使各要素之间的横向对比成为可能。而对于通过收集手机信令数据分析所得的武汉市常住人口家乡地标签数据来说,由于此处的常住人口数并不是武汉市实际的常住人口数,因此使用Z值标准化得到的相对值进行分析比较合适。

    1.2.2多元线性回归

    多元线性回归模型指的是含多个变量的线性回归模型,公式表达如下:

    1af8a4d368be06f7765d857d932677a2.png

    式中,y为因变量;ε为残差或随机误差,用于确定模型的拟合程度,且满足以下假设:ε是一个随机变量,E(ε)=0,对于解释变量x1,x2,…,xn的所有值,ε的方差σ²都相同,ε服从正态分布,且相互独立,即ε~N(0,σ²);xn为第n个解释变量或自变量;β0为回归常数,是解释变量为0时因变量的预测值;βn为解释变量xn的回归系数。

    普通最小二乘法(Ordinary Least Square,OLS)是多元线性回归模型中最常用的参数估计方法,其基本原理是利用观测或收集到的因变量和解释变量的一组数据建立一个因变量关于自变量的线性函数模型,使得这个模型的理论值与观测值之间的离差平方和尽可能的小,即残差平方和最小。但简单的线性回归未考虑到影响因素的空间异质性,此方法仅用于初步筛选指标。

    1.2.3 地理加权回归模型(GWR)

    利用普通线性回归传统模型难以体现自变量与因变量之间回归参数的局部变化,而在传统模型基础上改进的地理加权回归模型(Geographical Weighted Regression,GWR)能在描述两者之间的关系基础上,同时对变量之间的空间变化特征有所考量,从而有效地对空间异质性的研究提供支持。其模型为:

    ff65ec6ff0f0884815fb3da8c15bf359.png

    式中,yi为i市的因变量解释值,即i市迁入武汉市人口;β0(μi,vi)为i市坐标处的回归常数;(μi,vi)为i市坐标;p为独立变量的个数;βk(μi,vi)为i市坐标处的第k个回归参数;xik为i市的自变量解释值,即在岗职工平均工资、人均地区生产总值、人均绿地面积等;εi是随机误差项。选用高斯函数法作为权重函数,公式如下:

    c032393979e933d9e9018e00a25333a8.png

    式中,Wij为i市与j市之间的权重影响;dij为i市与j市之间的距离;b为带宽。带宽越大,则权重影响随距离的增加衰减的越慢,反之则越快。本文采用AIC准则对带宽进行选择优化。AIC准则是衡量统计模型拟合优良性的一种标准,也常称为最小信息准则,公式如下:

    1e9ec385c82787ce738c3a8f8653efce.png

    式中,AIC表示模型的赤池信息值;n表示样本城市的数量;σ表示误差项估计的标准离差;tr(S)表示GWR的S矩阵的迹,是带宽的函数。根据AIC准则,AIC最小的值对应的带宽即模型中的最优带宽。

    2 回归结果及分析

    2.1 基于一般线性回归模型分析结果

    通过ArcGIS中的OLS回归分析工具对预处理后的研究数据进行分析,生成的结果统计报表中包含以下对于模型进行统计检验后的评估信息:系数、标准差、t统计量、P值、方差膨胀因子(Variance Inflation Factors,VIF)。其中,系数表示每个自变量对因变量的贡献度大小以及关系类型;标准差是模型中随机扰动项(误差项)的标准差的估计值,标准差越小,表示模型预测越准确;t检验是用与评估某个解释变量是否具有统计显著性,t统计值是假设检验的重要枢轴量,一般来说,t统计值越大,表示越显著;P值此处选用了概率的健壮度,当P值小于0.05时,表示模型具有统计学上的显著异方差性;VIF则用于检验模型的多重共线性。其计算方法为:

    a55758db9cbc152a151003ca0c79a136.png

    式中,98d978394086d48986513cc0734da850.png为以xj为因变量时,对其他自变量回归的复测定系数。一般来说,VIF值越大说明各个解释变量之间存在较高的多重共线性。当VIF高于7.5时,就表示该变量可能为冗余变量。

    线性回归模型涉及的自变量包括医疗、教育、经济、环境等方面。通过全局回归计算各自变量与各地级市迁入武汉市人口数之间相关性,对比其统计结果筛选出其中影响显著的要素。多元线性回归分析结果如表1所示,其中在岗职工平均工资、人均地方一般公共预算支出、人均义务教育专任教师数3个自变量的P值均低于0.05,说明上述3个指标具有统计显著性,对于人口迁入量的影响较为显著,可进一步进行地理加权回归分析。

    表1 多元线性回归分析结果

    Tab.1 Results of multiple linear regression analysis

    eb2759481693c90da699de7c0ced9270.png

    2.2 地理加权回归分析结果

    在最小二乘法进行全局回归的分析基础上,再通过运用地理加权回归模型对以上筛选出的3个要素与迁入人口数进行空间异质性的探究。通过ArcGIS中地理加权回归模型分析得到的结果包含模型中的残差平方和(Residual Squares)、残差的估计标准差(Sigma)、AICc统计值、多重可决系数(R²)和校正可决系数(R²Adjusted)。AICc是模型性能的一种度量,具有较低AICc值的模型将更好地拟合观测数据。多重可决系数(Multiple R-Squared)和校正可决系数(Adjusted R-Squared)都能够反映实际情况能在多大程度上被该回归模型解释,其中校正可决系数是根据模型中因变量的个数而对多重可决系数进行修正所得,能够更好地反映模型的拟合度并反映模型的复杂性。这两个系数值的范围为0到1,且校正可决系数值通常比多重可决系数值稍小一些。结果如表2所示,最佳带宽为31。

    表2 地理加权回归与多元线性回归结果对照表

    Tab.2 Comparison of results of OLS and GWR model

    505991f2bb2a0ffa85d3cdf93e8cc6ea.png

    通过对比地理加权回归及多元线性回归的结果,地理加权回归后AICc值明显降低,说明地理加权回归模型能够更好地拟合观测数据。拟合优度R²及校正后的R²,相较于多元线性回归也有了显著提升。上述各项指标的表现均体现出地理回归模型更高的拟合程度。因此将空间距离等因素纳入考虑范围后,在岗职工平均工资、人均义务教育专任教师数、人均地方一般公共预算支出3个要素对于迁入人口数的综合解释力较强,说明空间层面的相关性及异质性对于研究人口迁移有重大的影响。

    综合251个地级市与3个要素地理加权回归的R²值空间分布如图1所示,各地级市的R²分布在0.01~0.88之间,差异较大。相关性最明显的除武汉市周边外,还有广东省沿海、北京及上海周边城市等国内经济发展水平较高且人口较聚集的地区,地理加权回归模型在这些区域可解释性更强。

    3210d8147f072c6fa8a27171b4ae69cd.png

    图1 地理加权回归模型R²空间分布

    Fig.1 Spatial distribution of R2 values of GWR model

    通过对比地理加权回归及多元线性回归的结果,地理加权回归后AICc值明显降低,说明地理加权回归模型能够更好地拟合观测数据。拟合优度R²及校正后的R²,相较于多元线性回归也有了显著提升。上述各项指标的表现均体现出地理回归模型更高的拟合程度。因此将空间距离等因素纳入考虑范围后,在岗职工平均工资、人均义务教育专任教师数、人均地方一般公共预算支出3个要素对于迁入人口数的综合解释力较强,说明空间层面的相关性及异质性对于研究人口迁移有重大的影响。综合251个地级市与3个要素地理加权回归的R2值空间分布如图1所示,各地级市的R2分布在0.01~0.88之间,差异较大。相关性最明显的除武汉市周边外,还有广东省沿海、北京及上海周边城市等国内经济发展水平较高且人口较聚集的地区,地理加权回归模型在这些区域可解释性更强。在地理加权回归模型的运算结果中,每个指标对于各城市迁入武汉市的人口量都有对应的回归系数。如果各个城市间的回归系数差别较大,说明各个指标对于因变量的影响能力和影响效应有所不同,进一步证明了影响因素的空间异质性。下面分别对在岗职工平均工资、人均义务教育专任教师数、人均地方一般公共预算支出的回归系数进行空间可视化,结果如图2所示。其中3个影响因素的最高影响力范围基本都集中在武汉市周边,但高值所分布的范围有一些差异。在岗职工平均工资的差值对于人口迁移量的影响程度出现明显的圈层关系,回归系数最高值在2.8左右,受影响程度最强的是武汉的东北方向,包括湖北省内的黄冈、孝感和随州,河南省的信阳等,这些城市均和武汉市有着便利的区位交通和较强的经济联系。人均地方一般公共预算对于湖北省外的信阳、驻马店和六安的影响能力最强,回归系数最高值在3.8左右,影响力范围相较于在岗人员平均工资稍小。荆门和孝感作为人口迁入武汉的数量位于前5名内的地级市,回归系数呈现为负值的原因可能是财政方面对其影响力远小于其他本次研究未考虑到的影响因素的影响力。人均义务教育专任教师数的回归系数高值的分布仍集中在武汉市周边地区,最高值在3.6左右,高影响力范围相较在岗职工平均工资水平略大一些,覆盖到了除湖北省外的安徽省、江西省、湖南省等,对四川省达州市也产生了较强影响,但低值和负值分布较为散乱。

    bd75dcfe0dffa42b185b89fbc7d6e078.png

    图2 地理加权回归模型回归系数空间分布

    Fig.2 Spatial distribution of the regression coeffiffifficients of GWR model

    3个影响因素的回归系数在武汉市东北方向及南部出现较高值,其他高值集中在武汉市周边,说明武汉市对于人口的吸引和影响力的作用范围集中在中部地区。在省域内,黄冈、荆州、孝感等不仅人口迁入量排名靠前,影响因素对其影响幅度在全国范围内也处在领先地位。得益于《武汉城市圈区域发展规划(2013—2020)》《长江中游城市群发展规划》等规划对于武汉“1+8”城市圈内交通格局的不断完善,城市圈内在2016—2020年间新建城际铁路2条,高铁3条,使“1+8”城市圈内各地市与武汉之间的联系更加紧密,提高了武汉市的交通可达性,从而使这部分城市相对于其他地级市成为受影响幅度更大的地区。除了省域内的地级市,武汉市对于信阳、驻马店、六安等其他省份的地级市也有着较强的人口吸引力。这是由于相较于国内其他城市,武汉市在空间距离和交通上具有更明显的优势。

    3 结束语

    本次研究使用基于手机信令数据分析所得的带有家乡地标签的武汉市常住人口数据结合传统统计年鉴数据,利用地理加权回归模型对其他地级市人口迁入武汉市的成因进行回归分析。考察了各类影响因素在空间上的影响幅度,通过这部分研究对武汉市的人口腹地进行了一定探索。研究表明,在影响因素的选取上,在对多个影响因素进行回归分析的基础上,筛选出相关性较强的部分影响因素,降低了部分弱相关因变量对于结果精确性的影响。在岗职工平均工资、人均义务教育专任教师数、人均地方一般公共预算支出三方面因素对武汉市的人口吸引力有着明显的正向作用,分别代表了外来人口对于迁入武汉的工资期望、武汉的教育水平和财政投入,且在不同地级市具有不同的贡献程度。在未来的城市建设中,武汉市可在这三方面充分发挥自身优势,有针对性地提高人口吸引力。在统计单元上,对人口迁入武汉市的成因分析下沉到了全国地级市层级,使武汉市对外吸引力的作用单元精确到地级市。同时在模型的选取上,运用地理加权回归模型强调了空间异质性的影响,能够有效识别武汉市的高相关区域,如省内的黄冈、孝感、荆州等,省外的信阳、驻马店、六安等,这对于武汉市的人口腹地研究有一定的参考意义。但在研究的过程中仍存在一些不足:由于数据获取的限制,对于影响因素的选取范围还不够全面,难以筛选出更精确和更高相关性的影响因子;基于6个月的手机信令数据获取家乡地标签及分析扩样方法仍存在优化的可能。未来的工作内容将聚焦于数据的全面收集和处理。收集更加全面的自变量,如环境质量、医疗水平等。在统计单元上,研究中现有的251个地级市数据可通过其他统计年鉴进行扩充,样本的扩大能够对回归结果有更强有力的支持。

    df0b3613f7df8f53c71088e843e3d9d9.png

    本期回顾

    7022b961b5daf76846a1f2270e7ab081.png

    时空大数据与新型城镇化研究

    · 时空大数据驱动的新型智慧城市交通规划决策支持框架

    · 基于移动智能设备数据的深圳市商业零售中心网络的演变特征

    邮箱变更声

    ·《地理信息世界》邮箱变更声明

    网站开通公告

    ·关于开通《地理信息世界》网站的公告

    诚聘特约审稿专家

    ·诚聘|《地理信息世界》诚聘特约审稿专家

    专题组稿

    ·约稿函|《地理信息世界》关于开辟“博士综述论坛”专栏的约稿函

    ea23655897a3a4e509423a113062f4d6.png

    b545b686d2f36ac212692912b9898c22.png

    c52a44601af10d047d60de0b5ef2d303.png

    59ac9bd10f8a0f7972a1ff652c30bff2.png

    c4c98442474928c254a6404239bf6c18.png

    展开全文
  • 20_DI_240465_手机信令数据在自然资源领域的应用技术指南.pdf
  • 基于对张江科学城及周边区域的手机信令数据的分析,发现张江科学城的职住问题较为突出,尤其是科学城北部轨道交通2号线沿线等区域,每日有超过40%的人员需跨区域通勤出行,极大加剧了周边部分道路的常发性拥堵。...
  • 深圳周末日手机信令数据04.zip
  • 数据下载地址https://www.cs.rutgers.edu/~dz220/data.html这个课题组对外分享的数据非常的良心...其中Urban DataRelease V2这个7GB的数据集包含五种数据:中国深圳市的手机CDR数据,智能卡数据,出租车GPS数据,公...
  • 一大数据在都市区规划中的运用1什么是手机信令数据手机数据一般可以分为两种类型:一种是手机通话数据(Mobile CDR Data),即通过手机用户之间的通话频率和时长来反映城市之间的信息联系强度;另一种则是手机信令数据...
  • #资源达人分享计划#
  • 人工智能-数据挖掘-基于手机信令数据挖掘的废旧手机回收网络研究.pdf

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 7,681
精华内容 3,072
关键字:

手机信令数据

友情链接: modbusRtu设置_820.zip