CN113537785A - 一种基于大数据的城市群综合城市流测度方法及系统 - Google Patents

一种基于大数据的城市群综合城市流测度方法及系统 Download PDF

Info

Publication number
CN113537785A
CN113537785A CN202110817439.3A CN202110817439A CN113537785A CN 113537785 A CN113537785 A CN 113537785A CN 202110817439 A CN202110817439 A CN 202110817439A CN 113537785 A CN113537785 A CN 113537785A
Authority
CN
China
Prior art keywords
city
urban
data
flow
stream
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.)
Pending
Application number
CN202110817439.3A
Other languages
English (en)
Inventor
赵亚博
黄柳倩
马世发
张曦文
谢涤湘
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110817439.3A priority Critical patent/CN113537785A/zh
Publication of CN113537785A publication Critical patent/CN113537785A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的城市群综合城市流测度方法及系统，测度方法包括以下步骤：首先，以大数据技术为基础，通过网络爬虫等手段，获取城市流数据；其次，采用归一化方法，对城市流数据处理，得到无量纲数据；然后，运用熵技术支持下的层次分析法，确定各类城市流的权重；最后，测度城市群地区综合城市流的强度指数。通过本发明，能够从网络大数据中快速提取用于测度城市群地区城市流的基础数据，进而确定各自的权重、测算综合城市流强度，解决了相关技术在城市群地区空间联系强度测度中需要耗费大量成本获取基础数据、且所获取的基础数据存在时效性滞后的问题，实现了对城市群地区空间联系强度的动态测度，并提高了时效、降低了成本。

Description

一种基于大数据的城市群综合城市流测度方法及系统
技术领域
本发明涉及一种城市流测算方法，具体涉及一种基于大数据的城市群综合城市流测度方法及系统。
背景技术
当前，随着城市群地区城镇化水平的逐步提升和基础设施的不断完善，城市间的交流日益密切，城市群不再只是空间上集聚的一群城市，城市群内各城市通过人流、物流、经济流、信息流等方式进行人员交往、物质交换、经济交互、信息交流，逐步形成动态合作的复杂城市体系，在此背景下，基于动态关联的城市联系逐渐成为城市群研究的热点方向。国内学术界对城市联系也已开展了广泛研究，研究内容主要有城市联系变化对区域空间结构的影响、城市联系的方向与强弱变化、基于时空大数据的城市联系研究等，且大数据正成为新的趋势；研究方法主要涉及社会网络分析、引力模型法、城市流强度模型等，并以定量研究为主；研究尺度涵盖国家、地区、省域、城市群以及核心城市等，且以地区尺度为多；研究视角包括区域内和区域间、城市群内和城市群间等。
但是，现有的研究具有局限性，存在以下问题：
1、现有的研究针对全国、省域等宏观尺度，缺少对城市群的研究。
2、现有研究以单个城市为中心，分析其与周边城市的经济联系，属于一对多的关系，缺少对城市间的互相联系即多对多的关系的研究。
3、现有研究主要针对城市间某一方面的研究，例如对物流的研究，维度单一，研究结论存在片面性。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于大数据的城市群综合城市流测度方法，该测度方法能够获取城市群地区多个城市之间的城市流信息。
本发明的另一个目的在于提供一种能够实现上述城市流测度方法的城市群综合城市流测度系统。
本发明解决上述技术问题的技术方案是：
一种基于大数据的城市群综合城市流测度方法，包括以下步骤：
(1)收集城市群地区城市流的基础数据，通过城市流数据计算模块计算出城市流数据，具体是通过城市人流强度计算模块计算出城市群地区的人流数据；通过城市物流强度计算模块计算出城市群地区的物流数据；通过城市信息流强度计算模块计算出城市群地区的信息流数据；通过城市资金流强度计算模块计算出城市群地区的资金流数据；
(2)对城市流数据进行处理，具体是通过归一化处理模块对城市流数据进行处理；
(3)利用权重计算模块计算各类城市流的权重；
(4)利用城市流强度测度模块测度出城市群地区综合城市流的强度。
优选地，在步骤(1)中，包括以下步骤：
S1-1、城市人流强度计算模块以人口流动数据来表征，通过车次数据计算获取，收集得到城市群地区的人流数据；
S1-2、城市物流强度计算模块以快递件数数据来表征，通过网络爬虫技术获取，收集得到城市群地区的物流数据；
S1-3、城市信息流强度计算模块以网络信息指数来表征，通过互联网检索获取，收集得到城市群地区的信息流数据；
S1-4、城市资金流强度计算模块以银行网点来表征，通过网络爬虫技术获取。
优选地，在S1-1中，人流数据基于客运车次数据计算，借助高铁、动车、普通列车、大巴及航班的载人信息，其中，高铁和动车以载荷600人为标准，普通列车以载荷1200人为标准，大巴车以载荷50人为标准，航班按照280人为标准，采用以下公式对人流数据进行计算：
Pij＝600Aij+600Bij+1200Cij+50Dij+280Eij
Rij＝(Pij+Pji)/2
式中，Pij为城市i向城市j的人口流动数量；Rij为城市i与城市j之间的人口流动量；Aij、Bij、Cij、Dij和Eij分别是城市i和城市j的高铁班次、动车班次、普通列车班次、大巴车班次和航班班次，据此，可构建出城市群地区城市间的人流矩阵。
优选地，在S1-2中，物流数据基于快递件数数据计算，通过爬虫技术，获取多家快递企业的快递件数，采用以下公式计算：
Wij，a＝Xia×Xja
Figure BDA0003168738080000031
式中，a为物流企业类型，a＝1，2，3...12，Wij，a为城市i和城市j之间a类快递总数，Wij为城市i和城市j之间的物流总量，据此，可构建出城市群地区城市间的物流矩阵。
优选地，在S1-3中，信息流数据基于网络信息指数来计算，采用以下公式计算：
Xij＝Xa×Xb
式中，Xa是城市a对城市b的网络搜索量，Xb是城市b对城市a的网络搜索量；Xij是城市i和城市j之间的信息流联系强度，据此，可构建出城市群地区城市间的信息流矩阵。
优选地，在S1-4中，资金流数据基于银行网点数据计算，通过爬虫技术，获取多家银行的网点数据，采用以下公式计算：
Zij，a＝Via×Vja
Figure BDA0003168738080000041
式中，Via是城市i中银行网点a的分值，Zij，a是银行网点a在i和j两个城市之间的连接度。Zij为城市i和城市j之间的资金流强度，据此，可构建出城市群地区城市间的资金流矩阵。
本发明的一个优选方案，在步骤(2)中，归一化处理模块的计算公式如下：
X＝(x-Min)/(Max-Min)
式中，x为原始数据，Min为矩阵数据的最小值，Max为矩阵数据的最大值，X为归一化后的数据；标准化后X处于0～1的范围之内，1表示两个城市之间的城市流最强、0表示两个城市之间的城市最疏。
本发明的一个优选方案，在步骤(3)中，利用权重计算模块计算各类城市的权重首先采用层次分析法计算，然后采用熵权法进行修正，修正公式为：
Figure BDA0003168738080000042
式中，n为城市流类型数目，Wj为城市流j的最终权重，Waj为利用层次分析法计算得到的城市流j的权重，Wej为城市流j的的熵权。
本发明的一个优选方案，在步骤(4)中，城市流强度测度模块测度计算城市群地区综合城市流强度的计算公式如下：
Figure BDA0003168738080000043
式中，Li表示城市i的综合城市流强度，Lij为城市i和城市j之间的单类型城市流强度，λ为该类型城市流的权重。
一种城市群综合城市流测度系统，包括用于收集计算城市群地区城市流基础数据的城市流数据计算模块、用于处理城市流基础数据以判断城市之间城市流强度的归一化处理模块、用于计算城市群地区各类城市流的权重的权重计算模块以及用于测度出城市群地区综合城市流的强度的城市流强度测度模块；其中，所述城市流数据计算模块包括用于计算出城市群地区的人流数据的城市人流强度计算模块、用于计算出城市群地区的物流数据的城市物流强度计算模块、用于计算出城市群地区的信息流数据的城市信息流强度计算模块以及用于计算出城市群地区的资金流数据的城市资金流强度计算模块。
本发明与现有技术相比具有以下的有益效果：
1、本发明的基于大数据的城市群综合城市流测度方法针对的是城市群地区之间的城市，解决了以往仅仅针对全国、省域等宏观尺度城市流的测度范围存在局限的问题。
2、本发明的基于大数据的城市群综合城市流测度方法，通过对城市群内多个城市之前的互相之间的联系，得出多个城市对多个城市之间的城市流计算方法，解决了以往一个城市对多个城市之间的城市流计算存在局限的问题。
3、本发明的基于大数据的城市群综合城市流测度方法，城市流的测度包括对人流、物流、信息流以及资金流的测度，测算方式维度更多，研究结论更为全面，解决了传统的测度方法中城市流测度数据获取成本高、测度维度单一、研究结论存在片面性的问题。
附图说明
图1为本发明的基于大数据的城市群综合城市流测度方法的流程图。
图2为通过本发明的城市群综合城市流强度测度方法，输出的粤港澳大湾区城市群城市流强度示意图。
图3为本发明的城市群综合城市流测度系统的示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
参见图1，本发明的一种基于大数据的城市群综合城市流测度方法，包括以下步骤：
(1)收集城市群地区城市流的基础数据，通过城市流数据计算模块计算出城市流数据，具体是通过城市人流强度计算模块计算出城市群地区的人流数据；通过城市物流强度计算模块计算出城市群地区的物流数据；通过城市信息流强度计算模块计算出城市群地区的信息流数据；通过城市资金流强度计算模块计算出城市群地区的资金流数据；
(2)对城市流数据进行处理，具体是通过归一化处理模块对城市流数据进行处理；
(3)利用权重计算模块计算各类城市流的权重；
(4)利用城市流强度测度模块测度出城市群地区综合城市流的强度。
本实施例的步骤(1)中，包括以下步骤：
S1-1、城市人流强度计算模块以人口流动数据来表征，通过车次数据计算获取，收集得到城市群地区的人流数据；
S1-2、城市物流强度计算模块以快递件数数据来表征，通过网络爬虫技术获取，收集得到城市群地区的物流数据；
S1-3、城市信息流强度计算模块以网络信息指数来表征，通过互联网检索获取，收集得到城市群地区的信息流数据；
S1-4、城市资金流强度计算模块以银行网点来表征，通过网络爬虫技术获取。
本实施例的S1-1中，人流数据基于客运车次数据计算，借助高铁、动车、普通列车、大巴及航班的载人信息，计算过程中，鉴于不同交通运输方式运载力的差别，高铁和动车按一等座3节、二等座5节来测算，最终荷载600人为标准；普通列车以软卧1节、硬卧8节、硬座车厢8节为标准，最终荷载1200人为标准；大巴车按荷载50人为标准；航班按荷载280人为标准；采用以下公式对人流数据进行计算：
Pij＝600Aij+600Bij+1200Cij+50Dij+280Eij ①
Rij＝(Pij+Pji)/2 ②
式中，Pij为城市i向城市j的人口流动数量；Rij为城市i与城市j之间的人口流动量；Aij、Bij、Cij、Dij和Eij分别是城市i和城市j的高铁班次、动车班次、普通列车班次、大巴车班次和航班班次，据此，可构建出城市群地区城市间的人流矩阵：
Figure BDA0003168738080000071
本实施例的S1-2中，物流数据基于快递件数数据计算，通过爬虫技术，获取多家快递企业的快递件数，包括顺丰、中通、申通、国通、韵达、德邦、邮政、天天、快捷、龙邦、新邦以及联邦12家快递企业，采用以下公式计算：
Wij，a＝Xia×Xja ③
Figure BDA0003168738080000081
式中，a为物流企业类型，a＝1，2，3...12，Wij，a为城市i和城市j之间a类快递总数，Wij为城市i和城市j之间的物流总量，据此，可构建出城市群地区城市间的物流矩阵：
Figure BDA0003168738080000082
本实施例的S1-3中，信息流数据基于网络信息指数来计算，例如通过百度信息指数来表征，采用以下公式计算：
Wij，a＝Xia×Xja ⑤
式中，Xa是城市a对城市b的网络搜索量，Xb是城市b对城市a的网络搜索量；Xij是城市i和城市j之间的信息流联系强度，据此，可构建出城市群地区城市间的信息流矩阵：
Figure BDA0003168738080000083
本实施例的S1-4中，资金流数据基于银行网点数据计算，通过爬虫技术，获取多家银行的网点数据，包括中国工商银行、中国建设银行、中国农业银行、中国交通银行、中国银行、中国邮政储蓄银行等主要商业银行的网点数据，采用以下公式计算：
Zij，a＝Via×Vja ⑥
Figure BDA0003168738080000091
式中，Via是城市i中银行网点a的分值，Zij，a是银行网点a在i和j两个城市之间的连接度。Zij为城市i和城市j之间的资金流强度，据此，可构建出城市群地区城市间的资金流矩阵：
Figure BDA0003168738080000092
本实施例的步骤(2)中，归一化处理模块的计算公式如下：
X＝(x-Min)/(Max-Min) ⑧
式中，x为原始数据，Min为矩阵数据的最小值，Max为矩阵数据的最大值，X为归一化后的数据；标准化后X处于0～1的范围之内，1表示两个城市之间的城市流最强、0表示两个城市之间的城市最疏。
本实施例的步骤(3)中，利用权重计算模块计算各类城市的权重首先采用层次分析法计算，然后采用熵权法进行修正，修正公式为：
Figure BDA0003168738080000093
式中，n为城市流类型数目，Wj为城市流j的最终权重，Waj为利用层次分析法计算得到的城市流j的权重，Wej为城市流j的的熵权。
本实施例的步骤(4)中，城市流强度测度模块测度计算城市群地区综合城市流强度的计算公式如下：
Figure BDA0003168738080000094
式中，Li表示城市i的综合城市流强度，Lij为城市i和城市j之间的单类型城市流强度，λ为该类型城市流的权重。
参见图1-图2，以测度粤港澳大湾区城市群综合城市流为例，对本发明的方法作进一步的说明，具体步骤如下：
S1、根据城市群地区综合城市流的组成，按照各个城市流的表征数据，运用大数据手段收集2021年度4月粤港澳大湾区相应城市流的数据，并按照公式①～公式⑦计算各类城市流；
S2、数据处理，对获取的各类城市流数据进行归一化处理，按照公式⑧进行；
S3、权重计算，采用熵技术支持下的层次分析法计算4类城市流的权重，步骤为：首先计算4类城市流的权重，要求4类城市流的权重之和为1；然后分别计算每类城市流所属的子流的权重，要求每类城市流下属各子类城市流的权重之和为1；本实施例中，利用熵技术支持下的层次分析法得到的权重结果如下表所示：
Figure BDA0003168738080000101
熵技术支持下的层次分析法对每个指标的重要程度以定量的形式加以反映，通过两两比较的方式确定每个指标的相对重要程度，并用可量化的数据表示，进而建立起判断矩阵。然后利用数学方法计算判断矩阵中各指标的相对重要性权数，及权重；熵技术支持下的层次分析法是一种已经成熟的指标权重计算方法，因此，本发明采用熵技术支持下的层次分析法计算4类城市流及其各子类城市流的权重；
S4、计算各个城市流的权重，按照公式⑨，分别计算2020年度粤港澳大湾区城市群各个城市流的权重；
S5、计算综合城市流强度，按照公式⑩，计算得出粤港澳大湾区城市群综合城市流的强度。
参见图3，一种城市群综合城市流测度系统，包括用于收集计算城市群地区城市流基础数据的城市流数据计算模块、用于处理城市流基础数据以判断城市之间城市流强度的归一化处理模块、用于计算城市群地区各类城市流的权重的权重计算模块以及用于测度出城市群地区综合城市流的强度的城市流强度测度模块；其中，所述城市流数据计算模块包括用于计算出城市群地区的人流数据的城市人流强度计算模块、用于计算出城市群地区的物流数据的城市物流强度计算模块、用于计算出城市群地区的信息流数据的城市信息流强度计算模块以及用于计算出城市群地区的资金流数据的城市资金流强度计算模块。
上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的城市群综合城市流测度方法，其特征在于，包括以下步骤：
(1)收集城市群地区城市流的基础数据，通过城市流数据计算模块计算出城市流数据，具体是通过城市人流强度计算模块计算出城市群地区的人流数据；通过城市物流强度计算模块计算出城市群地区的物流数据；通过城市信息流强度计算模块计算出城市群地区的信息流数据；通过城市资金流强度计算模块计算出城市群地区的资金流数据；
(2)对城市流数据进行处理，具体是通过归一化处理模块对城市流数据进行处理；
(3)利用权重计算模块计算各类城市流的权重；
(4)利用城市流强度测度模块测度出城市群地区综合城市流的强度。
2.根据权利要求1所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在步骤(1)中，包括以下步骤：
S1-1、城市人流强度计算模块以人口流动数据来表征，通过车次数据计算获取，收集得到城市群地区的人流数据；
S1-2、城市物流强度计算模块以快递件数数据来表征，通过网络爬虫技术获取，收集得到城市群地区的物流数据；
S1-3、城市信息流强度计算模块以网络信息指数来表征，通过互联网检索获取，收集得到城市群地区的信息流数据；
S1-4、城市资金流强度计算模块以银行网点来表征，通过网络爬虫技术获取。
3.根据权利要求2所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在S1-1中，人流数据基于客运车次数据计算，借助高铁、动车、普通列车、大巴及航班的载人信息，其中，高铁和动车以载荷600人为标准，普通列车以载荷1200人为标准，大巴车以载荷50人为标准，航班按照280人为标准，采用以下公式对人流数据进行计算：
Pij＝600Aij+600Bij+1200Cij+50Dij+280Eij
Rij＝(Pij+Pji)/2
式中，Pij为城市i向城市j的人口流动数量；Rij为城市i与城市j之间的人口流动量；Aij、Bij、Cij、Dij和Eij分别是城市i和城市j的高铁班次、动车班次、普通列车班次、大巴车班次和航班班次，据此，可构建出城市群地区城市间的人流矩阵。
4.根据权利要求3所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在S1-2中，物流数据基于快递件数数据计算，通过爬虫技术，获取多家快递企业的快递件数，采用以下公式计算：
Wij，a＝Xia×Xja
Figure FDA0003168738070000021
式中，a为物流企业类型，a＝1，2，3...12，Wij，a为城市i和城市j之间a类快递总数，Wij为城市i和城市j之间的物流总量，据此，可构建出城市群地区城市间的物流矩阵。
5.根据权利要求1所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在S1-3中，信息流数据基于网络信息指数来计算，采用以下公式计算：
Xij＝Xa×Xb
式中，Xa是城市a对城市b的网络搜索量，Xb是城市b对城市a的网络搜索量；Xij是城市i和城市j之间的信息流联系强度，据此，可构建出城市群地区城市间的信息流矩阵。
6.根据权利要求5所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在S1-4中，资金流数据基于银行网点数据计算，通过爬虫技术，获取多家银行的网点数据，采用以下公式计算：
Zij，a＝Via×Vja
Figure FDA0003168738070000031
式中，Via是城市i中银行网点a的分值，Zij，a是银行网点a在i和j两个城市之间的连接度。Zij为城市i和城市j之间的资金流强度，据此，可构建出城市群地区城市间的资金流矩阵。
7.根据权利要求6所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在步骤(2)中，归一化处理模块的计算公式如下：
X＝(x-Min)/(Max-Min)
式中，x为原始数据，Min为矩阵数据的最小值，Max为矩阵数据的最大值，X为归一化后的数据；标准化后X处于0～1的范围之内，1表示两个城市之间的城市流最强、0表示两个城市之间的城市最疏。
8.根据权利要求7所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在步骤(3)中，利用权重计算模块计算各类城市的权重首先采用层次分析法计算，然后采用熵权法进行修正，修正公式为：
Figure FDA0003168738070000032
式中，n为城市流类型数目，Wj为城市流j的最终权重，Waj为利用层次分析法计算得到的城市流j的权重，Wej为城市流j的的熵权。
9.根据权利要求8所述的一种基于大数据的城市群综合城市流测度方法，其特征在于，在步骤(4)中，城市流强度测度模块测度计算城市群地区综合城市流强度的计算公式如下：
Figure FDA0003168738070000041
式中，Li表示城市i的综合城市流强度，Lij为城市i和城市j之间的单类型城市流强度，λ为该类型城市流的权重。
10.一种城市群综合城市流测度系统，该系统用于实现权利要求1-9中任一项所述的城市群综合城市流测度方法，其特征在于，包括用于收集计算城市群地区城市流基础数据的城市流数据计算模块、用于处理城市流基础数据以判断城市之间城市流强度的归一化处理模块、用于计算城市群地区各类城市流的权重的权重计算模块以及用于测度出城市群地区综合城市流的强度的城市流强度测度模块；其中，所述城市流数据计算模块包括用于计算出城市群地区的人流数据的城市人流强度计算模块、用于计算出城市群地区的物流数据的城市物流强度计算模块、用于计算出城市群地区的信息流数据的城市信息流强度计算模块以及用于计算出城市群地区的资金流数据的城市资金流强度计算模块。
CN202110817439.3A 2021-07-19 2021-07-19 一种基于大数据的城市群综合城市流测度方法及系统 Pending CN113537785A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110817439.3A CN113537785A (zh) 2021-07-19 2021-07-19 一种基于大数据的城市群综合城市流测度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110817439.3A CN113537785A (zh) 2021-07-19 2021-07-19 一种基于大数据的城市群综合城市流测度方法及系统

Publications (1)

Publication Number Publication Date
CN113537785A true CN113537785A (zh) 2021-10-22

Family

ID=78128911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110817439.3A Pending CN113537785A (zh) 2021-07-19 2021-07-19 一种基于大数据的城市群综合城市流测度方法及系统

Country Status (1)

Country Link
CN (1) CN113537785A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630852A (zh) * 2022-11-16 2023-01-20 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) 一种基于城市联系流的城市群城市化水平测度方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103824244A (zh) * 2014-02-26 2014-05-28 中国科学院地理科学与资源研究所 一种创新型城市建设的综合评估方法
CN107527293A (zh) * 2017-08-10 2017-12-29 中国科学院地理科学与资源研究所 基于统计模型的城市群空间联系强度分析系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103824244A (zh) * 2014-02-26 2014-05-28 中国科学院地理科学与资源研究所 一种创新型城市建设的综合评估方法
CN107527293A (zh) * 2017-08-10 2017-12-29 中国科学院地理科学与资源研究所 基于统计模型的城市群空间联系强度分析系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王少剑 等: "基于流空间视角的城市群空间结构研究——以珠三角城市群为例", 地理研究, vol. 38, no. 8, 31 August 2019 (2019-08-31), pages 1849 - 1861 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630852A (zh) * 2022-11-16 2023-01-20 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) 一种基于城市联系流的城市群城市化水平测度方法及系统

Similar Documents

Publication Publication Date Title
WO2017166370A1 (zh) 一种基于区域城际流强度测算模型的划定大都市圈的方法
CN104809112B (zh) 一种基于多源数据的城市公交发展水平综合评价方法
CN107527293A (zh) 基于统计模型的城市群空间联系强度分析系统
Lu et al. Evaluation system for the sustainable development of urban transportation and ecological environment based on SVM
CN113988484B (zh) 一种应用于国土空间总体规划的交通可达性指标优化方法
CN110176143A (zh) 一种基于深度学习算法的高速公路交通拥堵检测方法
CN113537785A (zh) 一种基于大数据的城市群综合城市流测度方法及系统
CN116502781A (zh) 基于gps数据的公交线路规划与影响因素可视分析方法
Li et al. Efficiency evaluation of bus transport operations given exogenous environmental factors
Gui et al. Research on spatial planning evaluation of Beijing Shanghai high speed railway station based on node-place model
CN113393104A (zh) 一种轨道交通运行状态对周边公共自行车影响的评价方法
Hou et al. Evaluation of urban public transport sustainability in China based on the driving force-pressure-state-impact-response (DPSIR) framework——A case study of 36 major cities
CN113256964A (zh) 一种基于节点-场所模型的城市交换中心容量设计方法
Liu et al. Spatial impact analysis of trans-Yangtze highway fixed links: A case study of the Yangtze River Delta, China
Jiang et al. Industrial carbon emission distribution and regional joint emission reduction: a case study of cities in the pearl river Basin, China
Sun et al. An AHP-Fuzzy comprehensive evaluation model for parking lots in urban CBD area
CN106203887A (zh) 一种基于交叉分类法的公路网特性分析方法及装置
Zhang et al. Why and how tourism affects green development: evidence for China
Yang et al. Spatio-temporal evolution of tourism development quality under the new development pattern of “Double Circulation”
CN114612800A (zh) 一种核算城市群建筑物质存量及时空变化的方法、系统
Zhuang et al. Spatial spillover effects and driving factors of regional green innovation efficiency in china from a network perspective
Gao et al. Spatial connection characteristics and driving mechanism of regional logistics in guangdong-Hong Kong-Macao greater bay area
Huang et al. Analysis of the Spatio‐Temporal Evolution and Factors Influencing the Freight Network in the Middle Reaches of the Yangtze River
CN117669971B (zh) 一种基于数据驱动的电动公交车充电站选址方法
Fu et al. Study on the distribution density of commercial facilities in the main urban area of shenyang based on POI data

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