CN111275597B - 社区生活圈空间识别方法、系统、计算机设备及存储介质 - Google Patents

社区生活圈空间识别方法、系统、计算机设备及存储介质 Download PDF

Info

Publication number
CN111275597B
CN111275597B CN202010045193.8A CN202010045193A CN111275597B CN 111275597 B CN111275597 B CN 111275597B CN 202010045193 A CN202010045193 A CN 202010045193A CN 111275597 B CN111275597 B CN 111275597B
Authority
CN
China
Prior art keywords
community
construction land
graph
data
life circle
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
CN202010045193.8A
Other languages
English (en)
Other versions
CN111275597A (zh
Inventor
赵渺希
陈佩谦
陈奋填
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010045193.8A priority Critical patent/CN111275597B/zh
Publication of CN111275597A publication Critical patent/CN111275597A/zh
Priority to PCT/CN2020/103790 priority patent/WO2021143090A1/zh
Priority to GB2210513.4A priority patent/GB2606114A/en
Application granted granted Critical
Publication of CN111275597B publication Critical patent/CN111275597B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种社区生活圈空间识别方法、系统、计算机设备及存储介质，所述方法包括：提取手机信令数据和建设用地数据；将建设用地数据整理为各社区的建设用地数据；计算各社区的到达人口密度；获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵；寻找到达人口密度最高的社区，作为当前中心社区；识别当前中心社区的生活圈；在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈。本发明根据手机信令数据和各社区的建设用地数据来实现社区生活圈的空间划分，从居民的日常生活出行出发来识别生活圈，能够更贴近生活圈的概念。

Description

社区生活圈空间识别方法、系统、计算机设备及存储介质
技术领域
本发明涉及一种社区生活圈空间识别方法、系统、设备及介质，属于社区生活圈的量化测度领域。
背景技术
“生活圈”的概念最早源于1970年代日本国土综合发展规划中的基本居民点，是特定地理、社会村落范围内日常生产、生活等活动在地理上的分布。更为一般地，生活圈是居民以家为中心，开展购物、休闲、通勤(学)、社会交往和医疗等各种出行所形成的空间范围或行为空间(Aitken，1988；Algers，2005；Tian，2018)。相较于一般性地域网络的经济联系，生活圈从居民生活的角度出发，反映了居民生活空间单元与居民实际生活的互动关系，以及设施供给与居民需求的动态关系。就规划实践而言，社区生活圈空间识别的意义在于优化公共服务设施配置(张能、武廷海、林文琪，2011；耿虹,许金华,张艺，2013)提升公共服务配给的效率和人民的公共生活水平，真正实现公共服务的供需匹配。目前由于缺乏科学有效的生活圈划分方法，生活圈规划难以直接参与到城乡规划的实践中去，更像是成为了规划后评价的一种方式。
社区生活圈的识别，是从人群联系的角度出发对城乡空间结构的研究，是基于居民出行和时空分布特征，将特征相似的地区划为同一规划单元，从而确保相同规划单元内的人群具有相似的公服设施使用习惯，有效提高公共服务设施的使用效率。虽然新版的《城市居住区规划设计标准(GB50180-2018)》不强调空间边界划分，但依旧以不同出行时间距离的生活圈居住区替代原有的层级模式、给出供参考的人口、套数标准；上海、广州等地目前也在推行城市生活圈居住区规划，并据此进行社区生活品质提升探索(李萌，2017；程蓉，2018；于一凡，2019)；成都还针对规划需求开展多类型的社区生活圈的定性划分。
目前，生活圈的划分原则上通常是自下而上依据居民意愿进行的空间组织方式。因此，大部分研究中的划分方法都是从需求侧的角度，根据生活圈的划分原则，采取居民意愿调查的方式，随机发放问卷对城乡居民为了获取公共服务设施所愿意付出的时间进行调查，确定各级生活圈的半径。孙德芳(2012)等人以江苏省邳州市为例，通过意愿调查方式，得到居民为获取教育、医疗及文化娱乐等公共服务所愿意付出的时间成本，以此来确定最佳时距和构建县域生活圈体系。部分研究基于人群的特征结构进行生活圈划分。例如，朱查松(2010)等人以仙桃市域为例，依据居民出行距离、出行方式、需求频率和服务半径对生活圈进行不同层次及类型的划分；柴彦威(2015) 等人详细介绍了不同区域空间尺度的生活圈规划，并基于GPS出行轨迹，运用时空间行为分析方法探索城市社区生活圈的范围界定。而在生活圈的识别技术方面，江明 (2015)基于地形地貌、水文地质、资源条件、经济发展水平，以村民获取公共服务设施的最佳距离为半径对县域生活圈层次进行了划分；王少博(2015)、周鑫鑫、王培震、杨帆等人(2016)、Tian(2018)也采用GIS技术开展生活圈的空间划分探索；但上述生活圈识别划分的方法更多的是依靠城市规划人员本身的学科素质，在对各种信息综合考虑的基础上进行经验推敲式的识别和判断，不具备相当程度的可操作性，且难以如定量分析一般具有可复制性。
从居民的行为活动出发研究城市空间结构，传统技术或是基于少量样本调查，或是基于人口普查等统计数据。2018年中国手机用户已达到14.2亿，庞大的手机用户群为各类数据的采集提供了大量的数据源。手机信令数据是手机用户在移动通信网中活动时手机与基站之间交换信息的记录。由于手机信令数据记录了每一个用户的日常行为、对城市空间的使用方式，综合所有用户活动行为的时空规律，就能用于研究城市空间结构和规划实践。另外，手机信令数据采集技术还具有成本低、覆盖范围广等优点。因此，手机数据可作为现有的规划数据采集技术的重要补充，其为居民出行时空分布特征的提取提供了很好的数据支持。
近年各类新数据的涌现，为城乡规划编制技术带来了新的机会，采用手机信令数据等新技术逐渐在规划领域受到重视。例如钮心毅(2019)等人利用手机信令数据对上海市公共服务消费行为开展研究，刘嫱(2018)则以手机信令对城市生活圈进行空间分析；龚咏喜(2018)、杨俊宴(2019)等人基于定位数据研发了生活圈划分的专利技术。由于手机信令数据具有便捷、低成本获取的优势，且能生成不同时间段、不同空间尺度的聚合数据，依据基站数据开展非通勤联系的OD建模实现社区生活圈空间划分，不但能支撑城市居住区和村庄的布点规划，还能实现公共服务的针对性配置，但缺乏对居民日常生活出行的考量，且其技术很难应用到实际的规划编制当中。
发明内容
有鉴于此，本发明提供了一种社区生活圈空间识别方法、系统、计算机设备及存储介质，其根据手机信令数据和各社区的建设用地数据来实现社区生活圈的空间划分，从居民的日常生活出行出发来识别生活圈，能够更贴近生活圈的概念。
本发明的第一个目的在于提供一种社区生活圈空间识别方法
本发明的第二个目的在于提供一种社区生活圈空间识别系统。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种社区生活圈空间识别方法，所述方法包括：
提取手机信令数据和建设用地数据；
将建设用地数据整理为各社区的建设用地数据；
根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度；
根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵；
根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为当前中心社区；
根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈；
在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈。
进一步的，所述将建设用地数据整理为各社区的建设用地数据，具体包括：
加载建设用地CAD图形，根据建设用地CAD图形，生成建设用地线图形；
采用线转面工具，将建设用地线图形生成建设用地面图形；
采用融合工具，将建设用地面图形中零散的建设用地要素合成一个要素，生成建设用地融合图形；
采用相交工具，将建设用地融合图形与行政社区区划图形相交，将建设用地按社区划分，并赋予建设用地社区字段，生成各社区的建设用地图形；
根据各社区的建设用地图形，计算各社区的建设用地面积。
进一步的，所述根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度，具体包括：
根据手机信令数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格；
将各社区的到达人口数量表格连接到各社区的建设用地图形，得到各社区的到达人口密度图形；
根据各社区的到达人口密度图形，将OD人数除以建设用地面积，求得各社区的到达人口密度。
进一步的，所述根据手机信令数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格，具体包括：
根据手机信令数据，生成基站图形；
采用相交工具，将基站图形与行政社区区划图形相交，将基站按社区划分，赋予基站社区字段，生成带有社区标签的各社区基站图形；
将基站之间的人群OD数据转换成社区之间的人群OD数据；
根据社区之间的人群OD数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格。
进一步的，所述根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵，具体包括：
采用面转点工具，将各社区的建设用地图形生成各社区的建设用地质心图形；
根据各社区的建设用地质心图形，计算质心两两之间的距离；
利用数据透视表，以起点为行、终点为列、距离平均值为值，生成质心间距离矩阵，作为社区距离矩阵。
进一步的，所述方法还包括：
根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵；
根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈，完成生活圈的二次识别。
本发明的第二个目的可以通过采取如下技术方案达到：
一种社区生活圈空间识别系统，所述系统包括：
提取模块，用于提取手机信令数据和建设用地数据；
整理模块，用于将建设用地数据整理为各社区的建设用地数据；
计算模块，用于根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度；
第一生成模块，用于根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵；
寻找模块，用于根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为当前中心社区；
第一识别模块，用于根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈；
第二识别模块，用于在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈。
进一步的，所述系统还包括：
第二生成模块，用于根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵；
第三识别模块，用于根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈。
本发明的第三个目的可以通过采取如下技术方案达到：
一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现上述的社区生活圈空间识别方法。
本发明的第四个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的社区生活圈空间识别方法。
本发明相对于现有技术具有如下的有益效果：
本发明基于手机信令数据信息处理技术，在技术层面通过移动手机信令产生的人群轨迹数据，开展社区的活力中心识别，按照可达性范围和实达性特征识别社区生活圈，适合城市规划人员使用；与现有技术相比，本发明更强调居民日常生活的实达性，因而采用最大指向的非通勤联系划分生活圈社区的空间范围。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的社区生活圈空间识别方法流程图。
图2为本发明实施例1的寻找中心社区的示意图。
图3为本发明实施例1的社区生活圈第一次识别的示意图。
图4为本发明实施例1的社区生活圈第二次识别的示意图。
图5为本发明实施例3的社区生活圈空间识别系统的结构框图。
图6为本发明实施例3的整理模块的结构框图。
图7为本发明实施例3的计算模块的结构框图。
图8为本发明实施例3的获取模块的结构框图。
图9为本发明实施例4的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
本实施例提供了一种社区生活圈空间识别方法，该方法以所研究区域的行政社区边界图和建设用地图作为工作底图，在Arcgis软件中进行社区间距离计算后，以中国移动公司的手机信令数据作为主要的数据来源，利用Excel对数据进行清理，并在Excel 软件中对所研究的地区通过社区距离矩阵和非通勤OD联系矩阵的两次叠加分析完成社区生活圈的空间识别，如图1所示，该方法包括以下步骤：
S1、提取手机信令数据和建设用地数据。
本实施例在提取手机信令数据和建设用地数据之前，可以先确定研究城市及研究范围，即限定在某个城区、镇区等区域内，原则上不跨区域识别生活圈，针对每个区域，确定该区域的基本单元边界，如基站覆盖边界、社区边界、村边界等，本实施例将各社区作为基本单元。
本实施例所提取的手机信令数据为中国移动公司提供的手机信令数据，建设用地数据为建设用地CAD图形。
S2、将建设用地数据整理为各社区的建设用地数据。
本实施例将行政社区区划和建设用地数据作为主要数据来源，在Arcgis中将两者整合，形成按社区分类的建设用地数据，即各社区的建设用地数据，为后续步骤的分析作数据准备。
进一步地，该步骤S2具体包括：
S21、加载建设用地CAD图形，根据建设用地CAD图形，生成建设用地线图形。
具体地，将“建设用地CAD.dwg”中的polyline加载到Arcgis中，生成建设用地线图形，保存shapefile文件为“建设用地_线.shp”。
S22、采用线转面工具，将建设用地线图形生成建设用地面图形。
具体地，采用Arcgis中的线转面工具，将“建设用地_线.shp”生成“建设用地_面.shp”，其图形为建设用地面图形。
S23、采用融合工具，将建设用地面图形中零散的建设用地要素合成一个要素，生成建设用地融合图形。
具体地，采用Arcgis中的融合工具，将“建设用地_面.shp”中零散的建设用地要素合成一个要素，生成“建设用地_融合.shp”，其图形为建设用地融合图形。
S24、采用相交工具，将建设用地融合图形与行政社区区划图形相交，将建设用地按社区划分，并赋予建设用地社区字段，生成各社区的建设用地图形。
具体地，采用Arcgis中的相交工具，将“建设用地_融合.shp”与“行政社区区划.shp”相交，将建设用地划按社区划分，并赋予建设用地“社区”字段，生成“各社区建设用地.shp”文件，其图形为各社区的建设用地图形。
S25、根据各社区的建设用地图形，计算各社区的建设用地面积。
具体地，打开“各社区建设用地.shp”属性表，新建“面积”字段，使用“计算几何”，计算出各社区建设用地面积。
S3、根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度。
进一步地，该步骤S3具体包括：
S31、根据手机信令数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格。
1)根据手机信令数据，生成基站图形。
通过手机信令数据可以在Excel中整理得到基站表格sheet，在Arcgis中导入基站表格sheet，右击图层显示xy数据，导出“基站.shp”文件，其图形为基站图形。
2)采用相交工具，将基站图形与行政社区区划图形相交，将基站按社区划分，赋予基站社区字段，生成带有社区标签的各社区基站图形。
具体地，采用Arcgis中的相交工具，将“基站.shp”和“行政社区区划.shp”相交，将基站按社区划分，赋予基站“社区”字段，生成带有社区标签的“各社区基站.shp”文件，带有社区标签的各社区基站图形，并导出Excel表格“社区-基站对照表.xlsx”，用于将基站之间的人群OD数据转换成社区之间的人群OD数据。
3)将基站之间的人群OD数据转换成社区之间的人群OD数据。
具体地，在Excel导入基站之间的人群OD数据，得到“基站间OD联系.xlsx”；打开“社区-基站对照表.xlsx”，使用vlookup函数，将基站之间的人群OD数据转换成社区之间的人群OD数据，保存为“社区间OD联系.xlsx”。
4)根据社区之间的人群OD数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格。
具体地，根据社区之间的人群OD数据，利用数据透视表，以“目的地社区”为行，“OD人数”为值，统计各社区的到达人口数量，得到各社区的到达人口数量表格，并另存为“各社区到达人口数量.xlsx”。
S32、将各社区的到达人口数量表格连接到各社区的建设用地图形，得到各社区的到达人口密度图形。
具体地，在Arcgis中导入“各社区到达人口数量.xlsx”，基于“社区”字段连接到“各社区建设用地.shp”，导出“各社区到达人口密度.shp”，其图形为各社区的到达人口密度图形。
S33、根据各社区的到达人口密度图形，将OD人数除以建设用地面积，求得各社区的到达人口密度。
具体地，在“各社区到达人口密度.shp”属性表中，添加新字段“到达人口密度”，使用“字段计算器”，输入“＝[OD人数]/[建设用地面积]”，求得各到达人口密度，导出“各社区到达人口密度.xlsx”，转置表格，使字段名称成为行，如表1所示。
表1各社区到达人口密度
序号 A B C D E ……
1 社区 陈村 张村 刘村 李村
2 到达人口密度 B2 C2 D2 E2
S4、根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵。
本实施例通过Arcgis创建各个社区建设用地的质心，并借助邻近分析工具，计算质心之间距离，使用Excel数据清理重复和无意义的数据，最后通过数据透视表，生成社区间距离矩阵表。
进一步地，该步骤S4具体包括：
S41、采用面转点工具，将各社区的建设用地图形生成各社区的建设用地质心图形。
具体地，采用Arcgis中的面转点工具，将“各社区建设用地.shp”生成“各社区建设用地质心.shp”，其图形为各社区的建设用地质心图形。
S42、根据各社区的建设用地质心图形，计算质心两两之间的距离。
具体地，采用Arcgis中的“Analysis Tools-邻域分析-近邻分析”工具，输入要素、邻近要素均设置为“各社区建设用地质心.shp”，计算质心两两之间距离，生成“各社区建设用地质心距离.shp”文件。
S43、利用数据透视表，以起点为行、终点为列、距离平均值为值，生成质心间距离矩阵，作为社区距离矩阵。
在Excel中插入“数据透视表”，起点为行，终点为列，距离平均值为值，生成质心间距离矩阵，以此作为社区距离矩阵，如表2所示。
表2社区距离矩阵
Figure RE-GDA0002434661760000091
S5、对社区生活圈进行第一次识别。
S51、根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为第一个中心社区。
具体地，利用各社区的到达人口密度表，寻找到达人口密度最高的社区，标记为第一个中心社区；其中，使用LARGE、IF函数，寻找到达人口密度最大的社区，为第一个中心社区，具体函数为：B3＝IF(B2＝LARGE(B2:E2,1),B2,0)，当B2等于第二行最大值时，B3＝B2，否则，B3＝0，结果是：第3行只有第一个中心社区显示真实的到达人口密度，其余社区显示到达人口密度为0，如表3所示。
表3寻找第一个中心社区
Figure RE-GDA0002434661760000092
Figure RE-GDA0002434661760000101
S52、根据社区距离矩阵，选择服务半径，识别第一个中心社区的生活圈。
识别该中心社区服务的其他社区，将它们划为一个生活圈，该生活圈即为第一个中心社区的生活圈，具体如下：
1)计算中心社区与其它社区的距离
当中心社区个数较少时，可以直接从社区距离矩阵表进行复制。.
当有一定数量时，采取以下方法：①结合第4行结果，识别数值为1的那一列的第1行的社区；②结合表2社区距离矩阵，利用①中识别的社区名称，对表2的A列进行筛选，定位到相应的行n；③表4的B5＝表2的Bn，表4的C5＝表2的Cn，以此类推……
当数量较多时，可考虑使用vb编程的手段。
2)识别第一个中心社区在服务半径R1内的社区
根据中心社区到达人口密度，选择服务半径R1，将第一个中心社区在服务半径R1内的其它社区视为第一个中心社区的服务范围。
在Excel中使用IF函数，判断第一个中心社区与其它社区距离L与第一个中心社区的服务半径R1的关系，提取距离小于服务半径R1的社区，即为属于第一个中心社区的生活圈的社区，如表4所示。
表4识别第一个中心社区在服务半径内的社区
Figure RE-GDA0002434661760000102
S53、剔除掉已经识别的社区，在区域内其他社区重复步骤S51～S52，直到所有社区都归入相应的生活圈。
在第一个中心社区的服务半径R1之外，寻找第二个中心社区，如表5所示；
表5寻找第二个中心社区
Figure RE-GDA0002434661760000111
根据社区距离矩阵，选择服务半径R2，识别第二个中心社区的生活圈；
在第二个中心社区的服务半径R2之外，寻找第三个中心社区；
根据社区距离矩阵，选择服务半径R3，识别第三个中心社区的生活圈；
……
在第n-1个中心社区的服务半径Rn-1之外，寻找第n个中心社区；
根据社区距离矩阵，选择服务半径Rn，识别第n个中心社区的生活圈。
通过上述寻找的中心社区的示意图如图2所示。
至此完成社区生活圈的第一次识别，其示意图如图3所示，识别结果如表6所示，A01第一个中心社区：结合第4行结果，识别数值为1的那一列的第1行的社区，B01-E01 判断第一个中心社区服务覆盖的社区……B0n-E0n判断第n个中心社区服务覆盖的社区。
表6第一次生活圈识别结果
Figure RE-GDA0002434661760000112
Figure RE-GDA0002434661760000121
S6、对社区生活圈进行第二次识别。
一次识别生活圈会出现以下2类问题，1)有相当比例的社区同时被两个及两个以上的生活圈所包含；2)个别社区因为距离过远，无法归入邻近的任何生活圈。所以还需要进行二次生活圈的识别工作，本部分主要借助社区间人群联系矩阵，将同时被两个及两个以上的生活圈所包含的社区划入往来人群联系更紧密的生活圈。此外，距离确实过远的则依据就近原则划入就近的生活圈。
进一步地，该步骤S6具体包括：
S61、根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵。
社区间非通勤OD联系是指各社区间人群非通勤状态下的生活出行估计和人数，中国移动提供的手机信令数据，记录了用户在社区之间往来的时空轨迹和OD联系，对社区间非通勤OD联系的研究，有助于发现人群活动的时空规律，将人群联系紧密的社区归入同一生活圈，提高生活圈规划的科学性。
筛选出起点和终点都在一个镇域内的出行数据，制作“社区间OD联系.xlsx”。使用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，形成“社区间非通勤OD联系矩阵”，如表7所示。
表7社区间非通勤OD联系矩阵
Figure RE-GDA0002434661760000131
S62、根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈，完成生活圈的二次识别。
按照步骤S5的方法，部分社区可能被多个中心社区腹地所覆盖，因此借助该社区与不同中心的OD联系，来判断其唯一归属，如表8所示。
表8第二次生活圈识别
Figure RE-GDA0002434661760000132
具体操作如下：
1)A001第一个中心社区：等于A01。
2)B001-E001计算第一个中心社区与其它社区的非通勤OD联系：
当距离小于中心社区服务范围时，显示正常OD联系数值，数值计算采取以下方法：①结合第4行结果，识别数值为1的那一列的第1行的社区；②结合表2社区OD 联系矩阵，利用①中识别的社区名称，对表2的A列进行筛选，定位到相应的行n；③表8的B001＝表2的Bn，表8的C001＝表2的Cn，以此类推……
当距离大于中心社区服务范围时，OD联系显示为0。
……
3)B00n-E00n计算第n个中心社区与其它社区的非通勤OD联系。
比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈，社区生活圈的第二次识别，其示意图如图4所示。
应当注意，尽管以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
本实施例为具体的应用实例，以广东省中山市古镇镇作为研究对象，基于上述实施例1的社区生活圈空间识别方法实现，采用手机信令大数据的方式从人群移动OD 关系的角度提出新的生活圈识别方法，与传统的问卷访谈调查形成互补关系，也完善了城市规划调查体系。
1)整理古镇镇社区生活圈基础数据
1.1)整理古镇镇各社区建设用地数据
将“古镇镇建设用地CAD.dwg”中的polyline加载到Arcgis中，保存为shapefile文件“古镇镇建设用地_线.shp”。
对“古镇镇建设用地_线.shp”使用线转面工具，生成“古镇镇建设用地_面.shp”。
对“古镇镇建设用地_面.shp”使用融合工具，将零散的建设用地要素合成一个要素，生成“古镇镇建设用地_融合.shp”。
使用相交工具，将“古镇镇建设用地_融合.shp”与“古镇镇行政社区区划.shp”相交，将建设用地划按社区划分，并赋予建设用地“社区”字段，生成“古镇镇各社区建设用地.shp”文件。
打开“古镇镇各社区建设用地.shp”属性表，新建“面积”字段，使用“计算几何”，计算出古镇镇各社区建设用地面积。
1.2)整理古镇镇各社区手机信令数据
在Arcgis中导入古镇镇基站表格sheet，右击图层显示xy数据，导出“古镇镇基站.shp”文件。
使用相交工具，将“古镇镇基站.shp”和“古镇镇行政社区区划.shp”相交，将基站按社区划分，赋予基站“社区”字段，生成带有社区标签的“古镇镇各社区基站.shp”文件，并导出Excel表格“古镇镇社区-基站对照表.xlsx”，用于将基站之间人群OD数据转换成社区之间人群OD数据。
在Excel导入古镇镇内的各基站之间的人群OD数据，得到“古镇镇基站间OD联系.xlsx”；打开“古镇镇社区-基站对照表.xlsx”，使用vlookup函数，将基站之间的人群OD数据转换成社区之间的人群OD数据，保存为“古镇镇社区间OD联系.xlsx”。
使用数据透视表，以“目的地社区”为行，“OD人数”为值，统计各社区到达人口数量，并保存为“古镇镇各社区到达人口数量.xlsx”。
1.3)整理古镇镇各社区到达人口密度
在Arcgis中导入“古镇镇各社区到达人口数量.xlsx”，基于“社区”字段连接到“古镇镇各社区建设用地.shp”，导出“古镇镇各社区到达人口密度.shp”。
在“古镇镇各社区到达人口密度.shp”属性表中，添加新字段“到达人口密度”，使用“字段计算器”，输入“＝[OD人数]/[建设用地面积]”，求得各到达人口密度，如表9所示。
表9古镇镇各社区到达人口密度
Figure RE-GDA0002434661760000151
导出“古镇镇各社区到达人口密度.xlsx”，转置表格，使字段名称成为行，如表10所示。
表10古镇镇各村(社区)到达人口密度
Figure RE-GDA0002434661760000152
1.4)创建古镇镇各社区间距离矩阵
在Arcgis中使用面转点工具，利用“古镇镇各社区建设用地.shp”生成“古镇镇各社区建设用地质心.shp”
使用“Analysis Tools-邻域分析-近邻分析”工具，输入要素、邻近要素均设置为“古镇镇各社区建设用地质心.shp”，计算质心两两之间距离，生成“古镇镇各社区建设用地质心距离.shp”文件。
在Excel中插入“数据透视表”，起点为行，终点为列，距离平均值为值，生成质心间距离矩阵，以此作为社区距离矩阵，如表11所示。
表11古镇镇社区距离矩阵
Figure RE-GDA0002434661760000161
Figure RE-GDA0002434661760000171
1.5)创建古镇镇各社区间非通勤OD联系矩阵
打开“古镇镇社区间OD联系.xlsx”，使用数据透视表，以起点社区为行、终点社区为列、OD人数求和为值，形成“古镇镇社区非通勤OD联系矩阵”，如表12所示。
表12古镇镇社区非通勤OD联系矩阵
Figure RE-GDA0002434661760000172
2)第一次生活圈识别
2.1)首先寻找到达人口密度最大的社区为中心社区“六坊村2”，即第一个中心社区(镇中心)，然后依据“六坊村2”29918人/平方千米的密度，选择表13的2km作为服务半径，划分冈东村、冈南村、古二村、古三村、古四村、古一村、六坊村2为该中心社区所覆盖的其他社区。
2.2)六坊村2距离2.0km以外的剩余社区寻找到第二个中心社区“曹一村”，依据其146958人/平方千米的密度，选择表13的2km作为服务半径，划分曹二村、曹一村、古一村为其服务覆盖的一般社区。
2.3)在曹一村距离2.0km以外的剩余社区寻找到第三个中心社区“曹三村”，依据其7052人/平方千米的密度，选择表13的3km作为服务半径，划分曹二村、曹三村、曹一村、冈东村、古一村、七坊村为其服务覆盖的一般社区。
2.4)在曹三村距离3.0km以外的剩余社区寻找到第四个中心社区“海洲村”，依据其3813人/平方千米的密度，选择表13的4km作为服务半径，划分曹二村、曹三村、曹一村、冈东村、冈南村、古二村、古三村、古四村、古一村、六坊村2、七坊村为其服务覆盖的一般社区，至此完成社区生活圈的第一次识别，表14展现的是寻找中心社区的实际操作过程，表15是第一次生活圈的识别结果。
表13生活圈服务半径的取值标准
Figure RE-GDA0002434661760000181
表14寻找古镇第一个中心社区社区
Figure RE-GDA0002434661760000182
Figure RE-GDA0002434661760000191
表15古镇镇第一次生活圈的识别结果
Figure RE-GDA0002434661760000192
3)第二次生活圈识别
根据表12的古镇镇社区非通勤OD联系矩阵，制作第二次生活圈识别的判断表格，如表16所示。
表16古镇镇第二次生活圈的识别
Figure RE-GDA0002434661760000193
Figure RE-GDA0002434661760000201
筛选出被多个生活圈所覆盖的社区，根据各社区与不同中心社区的往来非通勤人数的多寡，选择联系最大的中心社区作为各社区的中心社区，并将联系最大的中心社区归入各社区的生活圈，至此完成生活圈的第二次识别，如表17所示。
表17古镇镇第二次生活圈的识别结果
生活圈 中心社区 社区名
六坊生活圈 六坊村 六坊村
六坊生活圈 六坊村 冈东村
六坊生活圈 六坊村 冈南村
六坊生活圈 六坊村 古二村
六坊生活圈 六坊村 古三村
六坊生活圈 六坊村 古四村
六坊生活圈 六坊村 古一村
曹一生活圈 曹一村 曹一村
曹一生活圈 曹一村 曹二村
曹三生活圈 曹三村 曹三村
曹三生活圈 曹三村 七坊村
海洲生活圈 海洲村 海洲村
本实施例中，通过利用手机信令数据进行分析，掌握各社区间人口出行情况，结合传统生活圈分析理论，依据生活圈人口聚集程度寻找中心社区，并设置服务半径，进而将古镇镇划分成四大生活圈。相较于传统生活圈分析，大大提高了分析效率，并且从另一个角度提供了生活圈划定依据，丰富了生活圈研究方法。
实施例3：
如图5所示，本实施例提供了一种社区生活圈空间识别系统，该系统包括提取模块501、整理模块502、计算模块503、获取模块504、寻找模块505、第一识别模块506和第二识别模块507，各个模块的具体功能如下：
所述提取模块501，用于提取手机信令数据和建设用地数据。
所述整理模块502，用于将建设用地数据整理为各社区的建设用地数据。
所述计算模块503，用于根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度。
所述第一生成模块504，用于根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵。
所述寻找模块505，用于根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为当前中心社区。
所述第一识别模块506，用于根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈。
所述第二识别模块507，用于在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈。
进一步地，本实施例的社区生活圈空间识别系统还可包括：
第二生成模块508，用于根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵。
第三识别模块509，用于根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈。
进一步地，所述整理模块502如图6所示，具体包括：
第一生成单元5021，用于加载建设用地CAD图形，根据建设用地CAD图形，生成建设用地线图形。
第二生成单元5022，用于采用线转面工具，将建设用地线图形生成建设用地面图形。
第三生成单元5023，用于采用融合工具，将建设用地面图形中零散的建设用地要素合成一个要素，生成建设用地融合图形；
第四生成单元5024，用于采用相交工具，将建设用地融合图形与行政社区区划图形相交，将建设用地按社区划分，并赋予建设用地社区字段，生成各社区的建设用地图形。
第一计算单元5025，用于根据各社区的建设用地图形，计算各社区的建设用地面积。
进一步地，所述计算模块503如图7所示，具体包括：
统计单元5031，用于根据手机信令数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格。
输入单元5032，用于将各社区的到达人口数量表格连接到各社区的建设用地图形，得到各社区的到达人口密度图形。
第二计算单元5033，用于根据各社区的到达人口密度图形，将OD人数除以建设用地面积，求得各社区的到达人口密度
进一步地，所述获取模块504如图8所示，具体包括：
第五生成单元5041，用于采用面转点工具，将各社区的建设用地图形生成各社区的建设用地质心图形。
第三计算单元5042，用于根据各社区的建设用地质心图形，计算质心两两之间的距离。
第六生成单元5043，用于利用数据透视表，以起点为行、终点为列、距离平均值为值，生成质心间距离矩阵，作为社区距离矩阵。
需要说明的是，本实施例提供的系统仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
可以理解，上述装置所使用的术语“第一”、“第二”等可用于描述各种模块，但这些模块不受这些术语限制。这些术语仅用于将第一个模块与另一个模块区分。举例来说，在不脱离本发明的范围的情况下，可以将第一识别模块称为第二识别模块，且类似地，可将第二识别模块称为第一识别模块，第一识别模块和第二识别模块两者都是识别模块，但不是同一识别模块。
实施例4：
本实施例提供了一种计算机设备，该计算机设备可以是计算机，如图9所示，其包括通过系统总线901连接的处理器902、存储器、输入装置903、显示器904和网络接口905，该处理器用于提供计算和控制能力，该存储器包括非易失性存储介质906 和内存储器907，该非易失性存储介质906存储有操作系统、计算机程序和数据库，该内存储器907为非易失性存储介质中的操作系统和计算机程序的运行提供环境，处理器902执行存储器存储的计算机程序时，实现上述实施例1的社区生活圈空间识别方法，如下：
提取手机信令数据和建设用地数据；
将建设用地数据整理为各社区的建设用地数据；
根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度；
根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵；
根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为当前中心社区；
根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈；
在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈。
进一步地，所述方法还可包括：
根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵；
根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈，完成生活圈的二次识别。
实施例5：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时，实现上述实施例1的社区生活圈空间识别方法，如下：
提取手机信令数据和建设用地数据；
将建设用地数据整理为各社区的建设用地数据；
根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度；
根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵；
根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为当前中心社区；
根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈；
在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈。
进一步地，所述方法还可包括：
根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵；
根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈，完成生活圈的二次识别。
本实施例中的存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、U盘、移动硬盘等介质。
综上所述，本发明基于手机信令数据信息处理技术，在技术层面通过移动手机信令产生的人群轨迹数据，开展社区的活力中心识别，按照可达性范围和实达性特征识别社区生活圈，适合城市规划人员使用；与现有技术相比，本发明更强调居民日常生活的实达性，因而采用最大指向的非通勤联系划分生活圈社区的空间范围。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (8)

1.一种社区生活圈空间识别方法，其特征在于，所述方法包括：
提取手机信令数据和建设用地数据；
将建设用地数据整理为各社区的建设用地数据；
根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度；
根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵；
根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为当前中心社区；
根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈；
在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈；
所述将建设用地数据整理为各社区的建设用地数据，具体包括：
加载建设用地CAD图形，根据建设用地CAD图形，生成建设用地线图形；
采用线转面工具，将建设用地线图形生成建设用地面图形；
采用融合工具，将建设用地面图形中零散的建设用地要素合成一个要素，生成建设用地融合图形；
采用相交工具，将建设用地融合图形与行政社区区划图形相交，将建设用地按社区划分，并赋予建设用地社区字段，生成各社区的建设用地图形；
根据各社区的建设用地图形，计算各社区的建设用地面积；
所述根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵，具体包括：
采用面转点工具，将各社区的建设用地图形生成各社区的建设用地质心图形；
根据各社区的建设用地质心图形，计算质心两两之间的距离；
利用数据透视表，以起点为行、终点为列、距离平均值为值，生成质心间距离矩阵，作为社区距离矩阵。
2.根据权利要求1所述的社区生活圈空间识别方法，其特征在于，所述根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度，具体包括：
根据手机信令数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格；
将各社区的到达人口数量表格连接到各社区的建设用地图形，得到各社区的到达人口密度图形；
根据各社区的到达人口密度图形，将OD人数除以建设用地面积，求得各社区的到达人口密度。
3.根据权利要求2所述的社区生活圈空间识别方法，其特征在于，所述根据手机信令数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格，具体包括：
根据手机信令数据，生成基站图形；
采用相交工具，将基站图形与行政社区区划图形相交，将基站按社区划分，赋予基站社区字段，生成带有社区标签的各社区基站图形；
将基站之间的人群OD数据转换成社区之间的人群OD数据；
根据社区之间的人群OD数据，统计各社区的到达人口数量，得到各社区的到达人口数量表格。
4.根据权利要求1-3任一项所述的社区生活圈空间识别方法，其特征在于，所述方法还包括：
根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵；
根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈，完成生活圈的二次识别。
5.一种社区生活圈空间识别系统，其特征在于，所述系统包括：
提取模块，用于提取手机信令数据和建设用地数据；
整理模块，用于将建设用地数据整理为各社区的建设用地数据；
计算模块，用于根据手机信令数据和各社区的建设用地数据，计算各社区的到达人口密度；
第一生成模块，用于根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵；
寻找模块，用于根据各社区的到达人口密度，寻找到达人口密度最高的社区，作为当前中心社区；
第一识别模块，用于根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈；
第二识别模块，用于在当前中心社区的服务半径之外，寻找新的中心社区，将新的中心社区作为当前中心社区，返回根据社区距离矩阵，选择服务半径，识别当前中心社区的生活圈，直到所有社区都归入相应的生活圈；
所述将建设用地数据整理为各社区的建设用地数据，具体包括：
加载建设用地CAD图形，根据建设用地CAD图形，生成建设用地线图形；
采用线转面工具，将建设用地线图形生成建设用地面图形；
采用融合工具，将建设用地面图形中零散的建设用地要素合成一个要素，生成建设用地融合图形；
采用相交工具，将建设用地融合图形与行政社区区划图形相交，将建设用地按社区划分，并赋予建设用地社区字段，生成各社区的建设用地图形；
根据各社区的建设用地图形，计算各社区的建设用地面积；
所述根据各社区的建设用地数据，获取各社区的建设用地质心，生成质心间距离矩阵，作为社区距离矩阵，具体包括：
采用面转点工具，将各社区的建设用地图形生成各社区的建设用地质心图形；
根据各社区的建设用地质心图形，计算质心两两之间的距离；
利用数据透视表，以起点为行、终点为列、距离平均值为值，生成质心间距离矩阵，作为社区距离矩阵。
6.根据权利要求5所述的社区生活圈空间识别系统，其特征在于，所述系统还包括：
第二生成模块，用于根据手机信令数据，利用数据透视表，以起点社区为行、终点社区为列、往来的人数求和为值，生成社区间非通勤OD联系矩阵；
第三识别模块，用于根据社区间非通勤OD联系矩阵，比较各社区与不同的中心社区的非通勤OD联系的人数数量，选择非通勤OD联系强度最大的中心社区作为各社区的中心社区，并将各社区的中心社区归入各社区的生活圈。
7.一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-4任一项所述的社区生活圈空间识别方法。
8.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-4任一项所述的社区生活圈空间识别方法。
CN202010045193.8A 2020-01-16 2020-01-16 社区生活圈空间识别方法、系统、计算机设备及存储介质 Active CN111275597B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010045193.8A CN111275597B (zh) 2020-01-16 2020-01-16 社区生活圈空间识别方法、系统、计算机设备及存储介质
PCT/CN2020/103790 WO2021143090A1 (zh) 2020-01-16 2020-07-23 社区生活圈空间识别方法、系统、计算机设备及存储介质
GB2210513.4A GB2606114A (en) 2020-01-16 2020-07-23 Community life circle space identification method and system, computer device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010045193.8A CN111275597B (zh) 2020-01-16 2020-01-16 社区生活圈空间识别方法、系统、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111275597A CN111275597A (zh) 2020-06-12
CN111275597B true CN111275597B (zh) 2023-02-14

Family

ID=71001072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010045193.8A Active CN111275597B (zh) 2020-01-16 2020-01-16 社区生活圈空间识别方法、系统、计算机设备及存储介质

Country Status (3)

Country Link
CN (1) CN111275597B (zh)
GB (1) GB2606114A (zh)
WO (1) WO2021143090A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275597B (zh) * 2020-01-16 2023-02-14 华南理工大学 社区生活圈空间识别方法、系统、计算机设备及存储介质
CN112087716B (zh) * 2020-08-17 2022-06-07 同济大学 社区生活圈边界测度方法、系统、计算机设备及存储介质
CN113011924A (zh) * 2021-03-24 2021-06-22 华南理工大学 农贸市场物流配送与服务体系识别方法、系统、设备及介质
CN113657688B (zh) * 2021-08-31 2022-04-01 广州市城市规划勘测设计研究院 一种社区生活圈的模拟测度方法
CN114565277B (zh) * 2022-02-28 2023-02-07 中国城市建设研究院有限公司 小区适老设施数据的处理方法、系统、电子设备及介质
CN115687549B (zh) * 2022-09-28 2024-04-02 广州市城市规划设计有限公司 一种快速高效的生活圈划定方法、装置、设备及介质
CN115757986B (zh) * 2022-11-23 2023-10-03 重庆大学 一种乡村生活圈感知画像的方法、装置和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654132A (zh) * 2015-12-30 2016-06-08 南京理工大学 社区检测方法与装置
CN108257036A (zh) * 2018-01-12 2018-07-06 西安电子科技大学 基于种子节点扩展重叠社区的发现方法、网络社区系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8225416B2 (en) * 2008-06-27 2012-07-17 Bank Of America Corporation Dynamic entitlement manager
US9589280B2 (en) * 2013-07-17 2017-03-07 PlaceIQ, Inc. Matching anonymized user identifiers across differently anonymized data sets
US10440509B1 (en) * 2018-04-16 2019-10-08 Walgreen Co. Technology for managing location-based functionalities for electronic devices
CN110533038B (zh) * 2019-09-04 2022-04-12 广州市交通规划研究院 一种基于信息数据的城市活力区和中心城区边界识别的方法
CN111275597B (zh) * 2020-01-16 2023-02-14 华南理工大学 社区生活圈空间识别方法、系统、计算机设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654132A (zh) * 2015-12-30 2016-06-08 南京理工大学 社区检测方法与装置
CN108257036A (zh) * 2018-01-12 2018-07-06 西安电子科技大学 基于种子节点扩展重叠社区的发现方法、网络社区系统

Also Published As

Publication number Publication date
CN111275597A (zh) 2020-06-12
GB2606114A (en) 2022-10-26
WO2021143090A1 (zh) 2021-07-22
GB202210513D0 (en) 2022-08-31

Similar Documents

Publication Publication Date Title
CN111275597B (zh) 社区生活圈空间识别方法、系统、计算机设备及存储介质
Wei et al. Urban land expansion and regional inequality in transitional China
CN107133900B (zh) 城市土地混合利用特征格网计算方法及装置
Zhang et al. Analysis of spatial patterns of public attention on housing prices in Chinese cities: A web search engine approach
Wang et al. Investigating the spatiotemporal pattern of urban vibrancy and its determinants: Spatial big data analyses in Beijing, China
CN112085250B (zh) 一种人口空间分布模拟方法、终端设备及存储介质
CN112508332B (zh) 一种顾及多维特征的渐进式乡村聚落整治分区方法
CN110263109A (zh) 一种融合互联网信息及gis技术的家庭户数估算方法
Senetra et al. The implementation of the Wroclaw taxonomic method for the identification and evaluation of problem areas in the Warmia and Mazury Region in Poland–A case study
Kvamme Spatial autocorrelation and the Classic Maya collapse revisited: Refined techniques and new conclusions
Lobsang et al. Methodological framework for understanding urban people flow from a complex network perspective
CN115796629A (zh) 传统村落活力量化评价方法及系统、电子设备、存储介质
Bao et al. Evaluating the human use efficiency of urban built environment and their coordinated development in a spatially refined manner
CN113343164A (zh) 一种基于公共服务设施配置的农村居民点社会网络建模方法
CN113361899A (zh) 农田规划处理方法、装置、电子设备及可读存储介质
Ershova et al. The concept of socio-spatial development as the basis of economic security of megalopolises
CN114282934A (zh) 一种基于手机信令数据的城市低收入人群分布预测方法、系统及存储介质
Fozouni et al. Spatiotemporal trends in discarded needle reports in San Francisco over a 10-year period, 2010-2019
Kurowska et al. Possibilities use to selected methods of spatial data mining in demographic data analytics
Klimanek et al. The statistical picture of population aging in towns of Wielkopolskie Province: TERYT and DEGURBA perspectives
Li et al. Characterizing urban spatial structure through built form typologies: A new framework using clustering ensembles
Jeang et al. Applying Big Data of Geographic Information to Analyze the Accessibility of Elderly Care Institutions
Xing et al. Inferring Land Use Type in Urban Area with Mobile Big Data
Yang et al. Temporal-Spatial Evolution Characteristics of Urban Land Green Use Efficiency in Urban Agglomerations—A Case Study of the Yangtze River Delta Urban Agglomeration
Li et al. Development of python-based ArcGIS tools for spatially balanced forest sampling design

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