CN110377679B - 一种基于轨迹定位数据的公共空间活力测度方法及系统 - Google Patents

一种基于轨迹定位数据的公共空间活力测度方法及系统 Download PDF

Info

Publication number
CN110377679B
CN110377679B CN201910620533.2A CN201910620533A CN110377679B CN 110377679 B CN110377679 B CN 110377679B CN 201910620533 A CN201910620533 A CN 201910620533A CN 110377679 B CN110377679 B CN 110377679B
Authority
CN
China
Prior art keywords
activity
public space
space
public
strolling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910620533.2A
Other languages
English (en)
Other versions
CN110377679A (zh
Inventor
罗桑扎西
甄峰
张姗琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University
Original Assignee
Nanjing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University filed Critical Nanjing University
Priority to CN201910620533.2A priority Critical patent/CN110377679B/zh
Publication of CN110377679A publication Critical patent/CN110377679A/zh
Application granted granted Critical
Publication of CN110377679B publication Critical patent/CN110377679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于轨迹定位数据的公共空间活力测度方法及系统，采用空间统计和复杂网络分析相结合的方法，通过对海量的人群轨迹定位数据的清洗、聚合，自动提取构建空间游逛数据集，然后采用重访率、活动混合度、网络中心性的综合作为公共空间活力的测度指标，弥补了已有评价系统存在的不足，避免直接用规模密度测度活力带来偏差，同时能够实时测度。

Description

一种基于轨迹定位数据的公共空间活力测度方法及系统
技术领域
本发明涉及一种空间活力测度技术，尤其涉及一种基于海量的微观个体轨迹数据测度公共空间活力(游客重访、活动类型、空间联系)的测度方法及系统。
背景技术
目前用于测度公共空间活力的方法，主要为以下几种：
(1)基于物理空间环境品质的测度：采用定性描述与定量分析相结合的方法，对公共空间宏观尺度的区位特征、交通可达性、功能多样性；微观尺度的空间设施运维、环境清洁度、视觉设计审美(如：景观小品、滨水等)评价开展活力测度。忽视了空间活力主体---人群活动的时空动态、忽略了人群活动特征与物理环境的内在联系。
(2)基于活动规模密度的测度：采用空间统计的方法，基于调查采集数据或海量的移动定位数据开展空间规模密度的测算。以公共空间内的人群活动密度或密度的时空间动态特征开展活力测度。此方法忽视了公共空间中人群活动的多样性，仅仅聚焦于活动的规模，测度结果对活力内涵表征存在过于单一的问题，测度结果会有较大的偏差。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于轨迹定位数据的公共空间活力测度方法及系统，本发明采用空间统计和复杂网络分析相结合的方法，通过对海量的人群轨迹定位数据的清洗、聚合，自动提取构建空间游逛数据集，然后通过自动化计算机程序实现批量和实时的公共空间活力测度计算。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于轨迹定位数据的公共空间活力测度方法，包括以下步骤：
步骤1、公共空间游逛轨迹数据库构建：收集待测度区域的公共空间地理边界数据，构建公共空间地理边界数据库；收集待测度区域的用户活动轨迹，构建活动轨迹数据库；基于活动轨迹数据库与公共空间地理边界数据库，采用空间叠加分析的方法，提取在公共空间内的轨迹点数据，并进一步通过设置停留时长阈值，选取有效游逛轨迹样本，从而建立公共空间游逛轨迹数据库；
步骤2、活力测度指标计算，基于公共空间游逛轨迹数据库构建计算活力测度指标；
步骤21、在考察时间单元窗口内分别统计公共空间游逛轨迹数据库中用户到访不同公共空间的频次，根据用户到访不同公共空间的频次测度不同公共空间的重访率；
Figure BDA0002125328300000011
Figure BDA0002125328300000021
式中：Fij为居民i对公共空间j的重访率；Vij为用户i在一定周期内到访公共空间j的次数；N为统计时间单元窗口；Fj为公共空间j的重访率；n为到访公共空间j的用户总量；
步骤22、根据步骤1建立的公共空间游逛轨迹数据库获取用户的活动时长，按照在公共空间内整体的活动时长分布划定活动类型，构建基于活动时长的活动类型集；按照公共空间内的不同活动类型的数量及参与用户数量，测算该空间的活动混合度；
Figure BDA0002125328300000022
式中：mj为公共空间j的活动混合度指数；ql为l种活动类型参与人数占公共空间j总的活动人数比；k为公共空间j内总的活动类型数；
步骤23、根据步骤1建立的公共空间游逛轨迹数据库，基于用户轨迹构建以公共空间为节点、相互之间游逛的用户数量为边权重的空间联系交互网络，计算此空间联系交互网络的中心度，将此空间联系交互网络的中心度作为该公共空间在整体交互网络的网络中心性；
Figure BDA0002125328300000023
Figure BDA0002125328300000024
式中，CD(Nj)表示节点j的中心度，C′D(Nj)为节点j标准化后的中心度；g为网络的总节点数；
Figure BDA0002125328300000025
用于计算节点j与其他g-1个节点之间的联系数量；
步骤24、依次对步骤21得到的重访率、步骤22得到的活动混合度、步骤23得到的网络中心性进行数据标准化，再将标准化后的重访率、活动混合度、网络中心性通过线性求和获得每个公共空间的综合活力值。
进一步地：根据步骤2得到的重访率、活动混合度、网络中心性以及每个公共空间的综合活力值，通过空间可视化平台实现的空间可视化展示。
优选的：步骤1中构建公共空间游逛轨迹数据库的方法：
步骤11、构建公共空间地理边界数据库和活动轨迹数据库：采用GIS平台对待测度区域数字化获取公共空间地理边界，并建立公共空间识别码字典，得到公共空间地理边界数据库；根据待测度区域的用户活动轨迹，构建活动轨迹数据库；
步骤12、根据步骤11得到的公共空间地理边界数据库和活动轨迹数据库，通过对轨迹数据与公共空间地理边界的空间叠置分析，实现游逛轨迹点数据的提取，通过设置停留时长阈值，选取有效游逛轨迹样本；
步骤13、根据步骤12得到的有效游逛轨迹样本和公共空间地理边界数据库进行数据清洗、聚合步骤，构建公共空间游逛轨迹数据库，公共空间游逛轨迹数据库的数据包括：游逛公共空间识别码、用户代码、进入时间、离开时间以及停留时长。
优选的：步骤1中构建公共空间游逛轨迹数据库时检验每个用户的游逛公共空间的时间序列。
优选的：步骤1中构建公共空间游逛轨迹数据库时利用在相同公共空间内停留的阈值剔除公共空间内的工作用户。
优选的：步骤21中考察时间单元窗口为周或月。
优选的：步骤22中活动混合度指数取值区间在0～1之间。
优选的：标准化后的中心度取值为范围为0～1，0表示节点为孤立点，不与其他任何节点发生联系，即不共享居民。
一种基于轨迹定位数据的公共空间活力测度系统，用于运行基于轨迹定位数据的公共空间活力测度方法，包括公共空间游逛轨迹数据库构建模块和活力测度指标计算模块，其中：
所述空间游逛轨迹数据库构建模块，用于根据收集到的待测度区域的公共空间地理边界数据和用户活动轨迹构建空间游逛轨迹数据库；
所述活力测度指标计算模块用于根据构建的空间游逛轨迹数据库计算重访率、活动混合度、网络中心性以及每个公共空间的综合活力值。
进一步地：还包括空间可视化展示模块，所述空间可视化展示模块用于通过空间可视化平台将重访率、活动混合度、网络中心性以及每个公共空间的综合活力值实现空间可视化展示。
本发明相比现有技术，具有以下有益效果：
(1)采用重访率、活动混合度、网络中心性以及每个公共空间的综合活力值作为公共空间活力的测度指标，弥补了已有评价系统存在的不足，避免直接用规模密度测度活力带来偏差。
(2)测算方法程序流程简短，可基于实时的轨迹分析平台实现对城市公共空间活力的快速实时测度。
(3)此方法可在城市管理中应用于对空间资源调整后的变化反馈量化评测，进一步指导资源优化，提升城市的运营管理效率。
附图说明
图1为本发明的流程图
图2为公共空间边界与轨迹点叠加图
图3为公共空间重访率位序分布示意图
图4为公共空间重访率空间分布示意图
图5为公共空间活动混合度位序分布示意图
图6为公共空间活动混合度空间分布示意图
图7为公共空间交互网络中心度位序分布示意图
图8为公共空间交互网络中心度网络结构示意图
图9为公共空间综合活力统计分布示意图
图10为公共空间综合活力空间分布示意图
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术用户对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种基于轨迹定位数据的公共空间活力测度方法，如图1所示，包括以下步骤：
步骤1、公共空间游逛轨迹数据库构建：收集待测度区域的公共空间地理边界数据，构建公共空间地理边界数据库；收集待测度区域的用户活动轨迹，构建活动轨迹数据库；基于活动轨迹数据库与公共空间地理边界数据库，采用空间叠加分析的方法(如图2)，筛选在公共空间内的轨迹点数据，并进一步通过设置停留时长阈值，选取有效游逛轨迹样本，从而建立公共空间游逛轨迹数据库；
具体步骤为：
步骤11、构建公共空间地理边界数据库和活动轨迹数据库：采用GIS平台对待测度区域数字化获取公共空间地理边界，并建立公共空间识别码字典，得到公共空间地理边界数据库；根据待测度区域的用户活动轨迹，构建活动轨迹数据库；具体将公共空间地理边界数据及空间轨迹数据(常见为shapefile格式)导入Arcgis软件，或用python的geopandaspackage读取，构建公共空间地理边界数据库和活动轨迹数据库。
步骤12、根据步骤11得到的公共空间地理边界数据库和活动轨迹数据库，通过对轨迹数据与公共空间地理边界的空间叠置分析，提取落入公共空间边界内的轨迹数据即游逛轨迹数据，并计算在同一公共空间内的连续停留时长，实现游逛轨迹点数据的提取，按照设置的时长阈值提取有效的公共空间游逛轨迹数据，选取有效游逛轨迹样本；
表1-公共空间游逛轨迹数据样例
Figure BDA0002125328300000051
步骤13、根据步骤12得到的有效游逛轨迹样本和公共空间地理边界数据库进行数据清洗、聚合步骤，构建公共空间游逛轨迹数据库，公共空间游逛轨迹数据库的数据包括：游逛公共空间识别码(唯一识别码)、用户代码、进入时间、离开时间以及停留时长。
步骤14、检验每个用户的游逛公共空间的时间序列。
步骤15、利用在相同公共空间内停留的阈值剔除公共空间内的工作用户。
步骤2、活力测度指标计算，基于上述步骤建立公共空间轨迹数据库，分别测算反映公共空间活力的重访率、活动混合度、交互网络中心度三项指标。并通过位序分析、空间专题图等方法实现对不同指标分布的可视化分析。步骤如下：
步骤21、以周或月为考察时间单元窗口，在考察时间单元窗口内分别统计公共空间游逛轨迹数据库中用户到访不同公共空间的频次，根据用户到访不同公共空间的频次测度不同公共空间的重访率；
Figure BDA0002125328300000052
Figure BDA0002125328300000053
式中：Fij为居民i对公共空间j的重访率；Vij为用户i在一定周期内到访公共空间j的次数；N为统计时间单元窗口；Fj为公共空间j的重访率；n为到访公共空间j的用户总量；
步骤22、根据步骤1建立的公共空间游逛轨迹数据库获取用户的活动时长(停留时长)，按照在公共空间内整体的活动时长分布(概率累计统计分布)划定活动类型，构建基于活动时长的活动类型集；借鉴城市研究中常用的土地利用混合度测算思路，综合考虑活动类型数量及不同类型活动的参与人数，构建测度活动混合性的特征指标。按照公共空间内的不同活动类型的数量及参与用户数量，测算该空间的活动混合度；
Figure BDA0002125328300000054
式中：mj为公共空间j的活动混合度指数；ql为l种活动类型参与人数占公共空间j总的活动人数比；k为公共空间j内总的活动类型数；根据公式(3)计算的活动类型混合度指数取值区间在0～1之间，取值越大表示空间内各类活动分配越均衡，活动混合度越高，取值越小表示活动类型分配越单一，混合度越低。
步骤23、将因不同活动选择产生的空间联系抽象为一个复杂有权无向网络，以公共空间作为网络节点，同一用户在两个及以上公共空间开展过活动则视为节点间的存在联系，节点间共享的居民数量作为边的权重，从而构建基于用户活动的公共空间交互联系网络。以网络的节点中心度作为测度公共空间活力的表征，构建公共空间交互中心度。计算此空间联系交互网络的中心度(公共空间交互中心度)，将此空间联系交互网络的中心度作为该公共空间在整体交互网络的网络中心性；
Figure BDA0002125328300000061
Figure BDA0002125328300000062
式中，CD(Nj)表示节点j的中心度，C′D(Nj)为节点j标准化后的中心度；g为网络的总节点数；
Figure BDA0002125328300000063
用于计算节点j与其他g-1个节点之间的联系数量；如此测量的节点度中心性，会受到网络规模变化的影响，为消除规模影响进一步采用标准化的度中心测量公式(5)，其取值为范围为0～1。0表示节点为孤立点，不与其他任何节点发生联系，即不共享居民，值越大则表明与该节点发生联系的节点数量越多，表明公共空间的活力越高。
步骤24、依次对步骤21得到的重访率、步骤22得到的活动混合度、步骤23得到的网络中心性进行数据标准化，再将标准化后的重访率、活动混合度、网络中心性通过线性求和获得每个公共空间的综合活力值。
线性求和时采用不同分项指标赋权重的方法(熵权法、专家打分法、等权重法等等)，综合测度公共空间活力。通过对综合值分统计分布及空间分布分析，完成基于活动的公共空间活力测度。
步骤3：根据步骤2得到的重访率、活动混合度、网络中心性以及每个公共空间的综合活力值，通过空间可视化平台实现的空间可视化展示，通过统计位序分析、空间专题图的方式开展可视化分析，如图3-10，从而实现对活力不同维度的可视化分析展示。
一种基于轨迹定位数据的公共空间活力测度系统，用于运行基于轨迹定位数据的公共空间活力测度方法，包括公共空间游逛轨迹数据库构建模块、活力测度指标计算模块和空间可视化展示模块，其中：
所述空间游逛轨迹数据库构建模块，用于根据收集到的待测度区域的公共空间地理边界数据和用户活动轨迹构建空间游逛轨迹数据库；
所述活力测度指标计算模块用于根据构建的空间游逛轨迹数据库计算重访率、活动混合度、网络中心性以及每个公共空间的综合活力值。
所述空间可视化展示模块用于通过空间可视化平台将重访率、活动混合度、网络中心性以及每个公共空间的综合活力值实现空间可视化展示。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术用户来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于轨迹定位数据的公共空间活力测度方法，其特征在于，包括以下步骤：
步骤1、公共空间游逛轨迹数据库构建：收集待测度区域的公共空间地理边界数据，构建公共空间地理边界数据库；收集待测度区域的用户活动轨迹，构建活动轨迹数据库；基于活动轨迹数据库与公共空间地理边界数据库，采用空间叠加分析的方法，提取在公共空间内的轨迹点数据，并进一步通过设置停留时长阈值，选取有效游逛轨迹样本，从而建立公共空间游逛轨迹数据库；
步骤2、活力测度指标计算，基于公共空间游逛轨迹数据库构建计算活力测度指标；
步骤21、在考察时间单元窗口内分别统计公共空间游逛轨迹数据库中用户到访不同公共空间的频次，根据用户到访不同公共空间的频次测度不同公共空间的重访率；
Figure FDA0002125328290000011
Figure FDA0002125328290000012
式中：Fij为居民i对公共空间j的重访率；Vij为用户i在一定周期内到访公共空间j的次数；N为统计时间单元窗口；Fj为公共空间j的重访率；n为到访公共空间j的用户总量；
步骤22、根据步骤1建立的公共空间游逛轨迹数据库获取用户的活动时长，按照在公共空间内整体的活动时长分布划定活动类型，构建基于活动时长的活动类型集；按照公共空间内的不同活动类型的数量及参与用户数量，测算该空间的活动混合度；
Figure FDA0002125328290000013
式中：mj为公共空间j的活动混合度指数；ql为l种活动类型参与人数占公共空间j总的活动人数比；k为公共空间j内总的活动类型数；
步骤23、根据步骤1建立的公共空间游逛轨迹数据库，基于用户轨迹构建以公共空间为节点、相互之间游逛的用户数量为边权重的空间联系交互网络，计算此空间联系交互网络的中心度，将此空间联系交互网络的中心度作为该公共空间在整体交互网络的网络中心性；
Figure FDA0002125328290000014
Figure FDA0002125328290000015
式中，CD(Nj)表示节点j的中心度，C'D(Nj)为节点j标准化后的中心度；g为网络的总节点数；
Figure FDA0002125328290000016
用于计算节点j与其他g-1个节点之间的联系数量；
步骤24、依次对步骤21得到的重访率、步骤22得到的活动混合度、步骤23得到的网络中心性进行数据标准化，再将标准化后的重访率、活动混合度、网络中心性通过线性求和获得每个公共空间的综合活力值。
2.根据权利要求1所述基于轨迹定位数据的公共空间活力测度方法，其特征在于：根据步骤2得到的重访率、活动混合度、网络中心性以及每个公共空间的综合活力值，通过空间可视化平台实现的空间可视化展示。
3.根据权利要求2所述基于轨迹定位数据的公共空间活力测度方法，其特征在于：步骤1中构建公共空间游逛轨迹数据库的方法：
步骤11、构建公共空间地理边界数据库和活动轨迹数据库：采用GIS平台对待测度区域数字化获取公共空间地理边界，并建立公共空间识别码字典，得到公共空间地理边界数据库；根据待测度区域的用户活动轨迹，构建活动轨迹数据库；
步骤12、根据步骤11得到的公共空间地理边界数据库和活动轨迹数据库，通过对轨迹数据与公共空间地理边界的空间叠置分析，实现游逛轨迹点数据的提取，通过设置停留时长阈值，选取有效游逛轨迹样本；
步骤13、根据步骤12得到的有效游逛轨迹样本和公共空间地理边界数据库进行数据清洗、聚合步骤，构建公共空间游逛轨迹数据库，公共空间游逛轨迹数据库的数据包括：游逛公共空间识别码、用户代码、进入时间、离开时间以及停留时长。
4.根据权利要求3所述基于轨迹定位数据的公共空间活力测度方法，其特征在于：步骤1中构建公共空间游逛轨迹数据库时检验每个用户的游逛公共空间的时间序列。
5.根据权利要求4所述基于轨迹定位数据的公共空间活力测度方法，其特征在于：步骤1中构建公共空间游逛轨迹数据库时利用在相同公共空间内停留的阈值剔除公共空间内的工作用户。
6.根据权利要求5所述基于轨迹定位数据的公共空间活力测度方法，其特征在于：步骤21中考察时间单元窗口为周或月。
7.根据权利要求6所述基于轨迹定位数据的公共空间活力测度方法，其特征在于：步骤22中活动混合度指数取值区间在0～1之间。
8.根据权利要求7所述基于轨迹定位数据的公共空间活力测度方法，其特征在于：标准化后的中心度取值为范围为0～1，0表示节点为孤立点，不与其他任何节点发生联系，即不共享居民。
9.一种用于运行权利要求1至8任一所述的基于轨迹定位数据的公共空间活力测度方法的测度系统，其特征在于：包括公共空间游逛轨迹数据库构建模块和活力测度指标计算模块，其中：
所述空间游逛轨迹数据库构建模块，用于根据收集到的待测度区域的公共空间地理边界数据和用户活动轨迹构建空间游逛轨迹数据库；
所述活力测度指标计算模块用于根据构建的空间游逛轨迹数据库计算重访率、活动混合度、网络中心性以及每个公共空间的综合活力值。
10.根据权利要求9所述测度系统，其特征在于：还包括空间可视化展示模块，所述空间可视化展示模块用于通过空间可视化平台将重访率、活动混合度、网络中心性以及每个公共空间的综合活力值实现空间可视化展示。
CN201910620533.2A 2019-07-10 2019-07-10 一种基于轨迹定位数据的公共空间活力测度方法及系统 Active CN110377679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910620533.2A CN110377679B (zh) 2019-07-10 2019-07-10 一种基于轨迹定位数据的公共空间活力测度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910620533.2A CN110377679B (zh) 2019-07-10 2019-07-10 一种基于轨迹定位数据的公共空间活力测度方法及系统

Publications (2)

Publication Number Publication Date
CN110377679A CN110377679A (zh) 2019-10-25
CN110377679B true CN110377679B (zh) 2021-03-26

Family

ID=68252649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910620533.2A Active CN110377679B (zh) 2019-07-10 2019-07-10 一种基于轨迹定位数据的公共空间活力测度方法及系统

Country Status (1)

Country Link
CN (1) CN110377679B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325647B (zh) * 2020-02-12 2023-03-28 同济大学 一种基于社会网络分析的社区公共空间更新设计方法
CN112434262A (zh) * 2020-11-22 2021-03-02 同济大学 一种滨水公共空间活力影响因素识别方法及终端
CN116052088B (zh) * 2023-03-06 2023-06-16 合肥工业大学 基于点云的活力空间测度方法、系统及计算机设备
CN116340652B (zh) * 2023-03-29 2024-07-23 苏州科技大学 一种基于ppgis的景观规划方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944614A (zh) * 2017-11-20 2018-04-20 章文洁 一种分析城市综合体活力的方法
CN106096631B (zh) * 2016-06-02 2019-03-19 上海世脉信息科技有限公司 一种基于手机大数据的流动人口分类识别分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160098664A1 (en) * 2014-10-06 2016-04-07 Adp, Llc Workforce Management System

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106096631B (zh) * 2016-06-02 2019-03-19 上海世脉信息科技有限公司 一种基于手机大数据的流动人口分类识别分析方法
CN107944614A (zh) * 2017-11-20 2018-04-20 章文洁 一种分析城市综合体活力的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Urban public spaces and vitality: A socio-spatial analysis in the streets of Cypriot towns;Jalaladdini S等;《Social and Behavioral Sciences》;20121231;第52-57页 *
城市街道活力的定量评估与塑造策略;姜蕾;《万方数据》;20131231;第1-70页 *
街道活力的量化评价及影响因素分析:以成都为例;龙瀛等;《新建筑》;20161231;第664-674页 *

Also Published As

Publication number Publication date
CN110377679A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN110377679B (zh) 一种基于轨迹定位数据的公共空间活力测度方法及系统
Grinberger et al. Typologies of tourists’ time–space consumption: a new approach using GPS data and GIS tools
Corcoran et al. Spatio-temporal patterns of a Public Bicycle Sharing Program: the effect of weather and calendar events
CN110264709A (zh) 基于图卷积网络的道路的交通流量的预测方法
CN104239556B (zh) 基于密度聚类的自适应轨迹预测方法
Zhang et al. Green travel mobility of dockless bike-sharing based on trip data in big cities: A spatial network analysis
Jeong et al. Integrating buildings into a rural landscape using a multi-criteria spatial decision analysis in GIS-enabled web environment
CN111554408B (zh) 城市内部登革热时空预测方法、系统及电子设备
CN108717676B (zh) 基于多数据融合的不同尺度下的职住空间评价方法及系统
Jin et al. Understanding residential location choices: An application of the UrbanSim residential location model on Suwon, Korea
Hu et al. An adaptive hawkes process formulation for estimating time-of-day zonal trip arrivals with location-based social networking check-in data
Jiang et al. Social distance integrated gravity model for evacuation destination choice
Hu et al. Using Wi-Fi probe and location data to analyze the human distribution characteristics of green spaces: A case study of the Yanfu Greenland Park, China
CN108495254A (zh) 一种基于信令数据的交通小区人口特征估计方法
CN111080501A (zh) 基于手机信令数据的真实人群密度时空分布估算方法
Natera Orozco et al. Quantifying life quality as walkability on urban networks: The case of Budapest
Fekih et al. Potential of cellular signaling data for time-of-day estimation and spatial classification of travel demand: a large-scale comparative study with travel survey and land use data
Zhang et al. The characteristics of leisure activities and the built environment influences in large-scale social housing communities in China: The case study of Shanghai and Nanjing
CN116542708A (zh) 一种智能优质商业门店规模推荐及其分级评分方法
Tanton Spatial microsimulation: developments and potential future directions
Li et al. How important are the park size and shape to a park system’s performance? An exploration with big data in Tucson, Arizona, USA
McArdle et al. City-scale traffic simulation from digital footprints
CN116680586A (zh) 一种基于访问概率的城市居民活动空间访问模式分析方法
CN115146990B (zh) 一种集成多源地理大数据的城市活力定量评价方法
CN111581318B (zh) 一种共享单车骑行目的推断方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant