CN115082250B - 个体移动与生态空间的网络关系分析方法、装置及终端 - Google Patents
个体移动与生态空间的网络关系分析方法、装置及终端 Download PDFInfo
- Publication number
- CN115082250B CN115082250B CN202210538944.9A CN202210538944A CN115082250B CN 115082250 B CN115082250 B CN 115082250B CN 202210538944 A CN202210538944 A CN 202210538944A CN 115082250 B CN115082250 B CN 115082250B
- Authority
- CN
- China
- Prior art keywords
- ecological
- network
- individual
- data
- nodes
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000033001 locomotion Effects 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims abstract description 122
- 230000003993 interaction Effects 0.000 claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 230000011664 signaling Effects 0.000 claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 13
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 7
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract description 4
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- VMDFASMUILANOL-WXXKFALUSA-N bisoprolol fumarate Chemical compound [H+].[H+].[O-]C(=O)\C=C\C([O-])=O.CC(C)NCC(O)COC1=CC=C(COCCOC(C)C)C=C1.CC(C)NCC(O)COC1=CC=C(COCCOC(C)C)C=C1 VMDFASMUILANOL-WXXKFALUSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010152 pollination Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
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
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种个体移动与生态空间的网络关系分析方法、装置及终端，所述方法包括：根据手机信令数据建立个体行为网络；根据生态数据构建生态网络；获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数；基于所述拟合系数，建立所述个体行为网络的节点和所述生态网络的节点之间的关联，获得个体和生态交互网络；提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果。与现有技术相比，基于构建的反映社会‑生态系统结构的交互网络，可以分析生态系统动态变化，以用于推动生态系统适应性治理。
Description
技术领域
本发明涉及地理信息技术技术领域，尤其涉及的是一种个体移动与生态空间的网络关系分析方法、装置、终端及存储介质。
背景技术
生态网络已成为景观生态学、城市规划与设计等多个领域的研究热点。随着各学科对生态网络的认识不断深化和融合，逐渐认识到生态网络具有生态、休闲、美学和景观等多种功能。对城市经济发展来说，城市生态网络起到了重要的调节作用。
随着城市化水平不断提高，城市人口快速增加，城市面积扩张，人类对自然环境的负面影响加剧，城市自然生态环境退化，影响了城市生态网络的健康。人类活动和生态环境之间的矛盾成为城市发展面临的重要问题之一。
目前刻画人类活动与生态网络的关系时，多局限于利用静态的网格数据的地理位置，获得的是有限的半径范围内的影响程度，难以表达个体行为和生态网络的交互信息。因此迫切需要一种分析城市个体与生态环境之间关系的方法，可以用来反映社会-生态系统结构、分析生态系统动态变化、推动生态系统适应性治理。
发明内容
本发明的主要目的在于提供一种个体移动与生态空间的网络关系分析方法、装置、终端及存储介质，旨在解决现有技术中不能分析个体行为和生态网络之间的交互信息，不能正确反映社会-生态系统结构和动态分析生态系统变化的问题。
为了实现上述目的，本发明第一方面提供一种个体移动与生态空间的网络关系分析方法，所述方法包括：
获取记录个体行为的手机信令数据；
获取反映目标区域生态环境的生态数据，所述生态数据包括：土地利用数据、海拔数据和植被覆盖指数；
基于手机信令数据，根据图论构建个体行为网络；
基于生态数据，根据图论构建生态网络；
获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数；
基于所述拟合系数，建立所述个体行为网络的节点和所述生态网络的节点之间的关联，获得个体和生态交互网络；
提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果。
可选的，所述基于手机信令数据，根据图论构建个体行为网络，包括：
基于所述手机信令数据，获得流量矩阵；
基于所述流量矩阵，根据迭代相关收敛聚类方法对人群或社区进行聚类，获得网络节点集；
计算所述网络节点集中每个网络节点的流入数据和流出数据，获得网络连边信息；
根据所述网络节点集和所述网络连边信息，构建所述个体行为网络。
可选的，所述基于生态数据，根据图论构建生态网络，包括：
基于所述土地利用数据和所述植被覆盖指数，获得生态源地信息；
基于所述土地利用数据和所述海拔数据，获得生态廊道信息；
基于所述生态原地信息和所述生态廊道信息，构建所述生态网络。
可选的，所述基于所述土地利用数据和所述植被覆盖指数，获得生态源地信息，包括：
基于所述土地利用数据，获得斑块集并计算斑块集中每个斑块的面积和形状指数；
基于所述植被覆盖指数，计算平均植被覆盖度；
根据熵值法分别计算所述斑块面积、所述平均植被覆盖度、所述形状指数的权重；
对每个斑块的所述面积、所述平均植被覆盖度、所述形状指数进行加权统计，根据最优阈值函数对所述斑块进行筛选，获得所述生态源地信息。
可选的，基于所述土地利用数据和所述海拔数据，获得生态廊道信息，包括：
获得所述土地利用数据和所述海拔数据的阻力系数，将所述阻力系数叠加获得总阻力面；
基于所述阻力面，根据最小累积阻力模型获得所述目标区域中各像元之间的成本回溯链接；
基于所述成本回溯链接，计算各像元之间的最小成本路径，所有的所述最小成本路径构成所述生态廊道信息。
可选的，所述获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数，包括：
获得所述个体行为网络的连边的权重和所述生态网络的节点的权重；
根据时空地理加权回归方法，获得所述个体行为网络的连边与所述生态网络的节点之间的关联关系；
基于所述关联关系，获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数。
可选的，所述提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果，包括：
基于多层指数随机图模型，根据所述个体行为网络的节点和所述生态网络的节点之间的关联，建立网络特征分析模型；
根据最大似然估计法获得所述分析结果。
本发明第二方面提供一种个体移动与生态空间的网络关系分析装置，其中，上述装置包括：
数据获取模块，用于获取记录个体行为的手机信令数据以及获取反映目标区域生态环境的生态数据，所述生态数据包括：土地利用数据、海拔数据和植被覆盖指数；
个体行为网络构建模块，用于基于手机信令数据，根据图论构建个体行为网络；
生态网络构建模块，用于基于生态数据，根据图论构建生态网络；
个体和生态交互网络构建模块，用于获得所述个体行为网络节点和所述生态网络节点的拟合系数，建立所述个体行为网络节点和所述生态网络节点之间的关联，构建个体和生态交互网络；
特征分析模块，用于提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果。
本发明第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的个体移动与生态空间的网络关系分析程序，上述个体移动与生态空间的网络关系分析程序被上述处理器执行时实现任意一项上述个体移动与生态空间的网络关系分析方法的步骤。
本发明第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有个体移动与生态空间的网络关系分析程序，上述个体移动与生态空间的网络关系分析程序被处理器执行时实现任意一项上述个体移动与生态空间的网络关系分析方法的步骤。
由上可见，与现有技术相比，本发明通过手机信令数据构建个体行为网络，通过生态数据构建生态网络，然后建立个体行为网络与生态网络之间的关联，获得个体和生态交互网络，再通过提取分析个体和生态交互网络的特征，从而获得个体行为与目标区域生态环境之间交互关系的分析结果。因此，本发明基于构建的反映社会-生态系统结构的交互网络，可以分析生态系统动态变化，以用于推动生态系统适应性治理。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的个体移动与生态空间的网络关系分析方法具体流程示意图；
图2是图1实施例的步骤S400具体流程示意图；
图3是图1实施例的步骤S300具体流程示意图；
图4是图1实施例的阻力系数参考值示意图；
图5是图1实施例的步骤S500具体流程示意图；
图6是本发明实施例提供的个体移动与生态空间的网络关系分析装置的结构示意图；
图7是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
随着城市密度越来越大，人与自然的接触不断增加，其交互作用在逐渐加强，交互模式也发生了新的变化。而现有的研究在刻画人类活动与生态网络的关系时，多局限于利用静态的网格数据的地理位置，难以表达人群动态信息，也不能体现网络化的关系。也就是说，不能正确反映社会-生态系统结构，不能达到通过分析生态系统动态变化以推动生态系统适应性治理的目的。
本发明分析手机信令数据和生态数据，分别构建个体行为网络和生态网络，再建立个体行为网络和生态网络之间的关联，从而获得反映人类活动-生态系统结构的个体和生态交互网络。通过构建基于个体行为的人类活动和生态网络的空间拓扑结构，分析人类活动-生态系统的动态变化特征，从而分析生态系统动态变化，对于城市自然环境稳定以及智慧城市建设以及新城市科学发展均具有重要意义。
示例性方法
本发明实施例提供一种个体移动与生态空间的网络关系分析方法，用来分析新城市环境下人类活动对生态网络的交互影响。如图1所示，具体包括如下步骤：
步骤S100：获取记录个体行为的手机信令数据；
其中，手机信令数据(Mobile Signal Data)记录了个体的位置和轨迹信息，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。手机信令数据具有以下特点：一、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、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、非自愿数据，用户被动提供信息无法干预调查结果；四、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。
具体的，本实施例中的手机信令数据从中国移动大数据中心购买。例如2020年，中国移动手机用户数为15.94亿户，普及率为113.9部/百人，其规模在移动运营商中占比最高。因此，中国移动手机信令数据能很好地表征个体行为信息。
步骤S200：获取反映目标区域生态环境的生态数据，所述生态数据包括：土地利用数据、海拔数据和植被覆盖指数；
其中，土地利用数据来源于中国科学院地理科学与资源研究所资源环境科学数据中心，该数据包括详细的林地、耕地、草地和水体等生态类型；海拔数据来源于ALOS(Advanced Land Observing Satellite)卫星相控阵型L波段合成孔径雷达监测的数据；植被覆盖指数(NDVI)可以根据哨兵二号卫星的光谱波段二和光谱波段四的数据计算获得。具体可以如本实施例对下载到的卫星数据在ArcGIS中先进行重采样，再进行波段组合，然后进行裁剪处理，选取不同地物的ROI(感兴趣区域)进行监督分类，使用掩膜工具对监督分类结果中的每个地类进行NDVI统计，分别统计出每个地类的NDVI的最大值和最小值，再依据植被覆盖度公式获得NDVI数据。NDVI数据是遥感估算植被覆盖度中最常用的植被指数，便于脆弱生态环境监测，指示生态系统变化的重要指标。
步骤S300：基于手机信令数据，根据图论构建个体行为网络；
具体的，本发明中的个体行为网络和生态网络基于图论构建，也可称为图，一个图G＝(V，E)是一种包含节点集合V与连边集合E的数学结构，其中E的元素是不同节点的无序组合{u，v}，u，v∈V。
本实施例中研究的目标区域是城市，将参与资源使用或治理的社会行为人及其之间的联系进行概念化形成个体行为网络。个体行为网络中的节点为社会节点，即居民、企业员工、游客和资源管理者等行为人，个体行为网络中的连边则为社会联系，即各种社会节点之间的信息共享、知识交换和协作等行为。
借助于个体行为网络，可以针对社交网络中的一个参与者基于其个人需求，社会影响和社交网络技术综合分析衡量所采用的服务和所有相关的行为。简单来说，社交网络的个体行为是指分析一个人的行为。
通过分析手机信令数据，对行为人进行聚类分析，聚类后的结果作为个体行为网络中的节点，再根据手机信令数据中的流量信息，分析人的社会联系，形成个体行为网络中的连边，根据节点和连边就可以构建出个体行为网络。
步骤S400：基于生态数据，根据图论构建生态网络；
具体的，生态网络以城市绿地、公园和景点为节点，生态网络的连边为生态关联，即针对生物或非生物组分的生态系统服务，如昆虫的传粉、害虫的入侵和水流路径，昆虫通过花粉竞争减少过敏原；而水流路径则很大程度上与绿地的网络结构与连通性等有关联。
本发明借鉴景观分析方法，从生态数据中分别提取生态源地信息和生态廊道信息，将生态源地作为生态网络的节点，生态廊道作为生态网络的连边，从而根据生态源地信息和生态廊道信息就可以构建生态网络。
其中，生态源地一般是指物种栖息地(水域、绿地和风景区等)，是生态安全格局中的核心区域，也是各种生态流的源头。生态廊道是指以绿化为特征，沿着河滨、溪谷、山脊、风景道路等自然和人工廊道建设的线形绿色开敞空间，通常连接公园、自然保护区、风景名胜区、历史古迹和城乡居住区等场所，由绿廊系统、慢行系统、服务设施系统、标识系统和交通衔接系统构成。
如图2所示，本实施例中，构建生态网络具体包括如下步骤：
步骤S410：基于土地利用数据和植被覆盖指数，获得生态源地信息；
具体的，分析土地利用数据，确定各个斑块获得斑块集并计算各个斑块的面积和形状指数，然后根据植被覆盖指数计算平均植被覆盖度，再根据熵值法分别计算斑块的面积、平均植被覆盖度、斑块的形状指数的权重，对每个斑块的面积、平均植被覆盖度、斑块的形状指数进行加权统计后，根据最优阈值函数获得生态源地信息。本实施例中利用ArcGIS的空间分析功能，提取林地、绿地和水体的斑块，计算各个斑块的面积，并设置生态源地核心斑块面积最小为1平方公里；通过ArcGIS的局域计算获得平均植被覆盖度；根据斑块面积计算斑块形状指数，具体计算公式为：式中，Sshape为斑块形状指数；P为斑块周长；A为斑块面积；再采用ArcGIS中的熵值法分别计算斑块面积、平均植被覆盖度、斑块形状指数的权重，对斑块面积、平均植被覆盖度、斑块形状指数进行加权统计，根据ArcGIS中的最优阈值函数获得生态源地信息。还可以通过SPSSAU(自动化统计产品和服务软件)智能分析上述三个指标，从而获得三个指标各自的权重，根据获得的各个指标权重，对获得的三个指标数据进行加权计算，获得每个斑块的加权数据以反映每个斑块的重要性程度，再根据最优阈值函数进行筛选就可以获得生态源地信息。
步骤S420：基于土地利用数据和海拔数据，获得生态廊道信息；
具体的，根据土地利用数据和海拔数据，确定生态结构的阻力系数，其中，阻力系数是流体力学中的无因次量，用来表示物体在流体(例如水或是空气)中的阻力；将所述阻力系数叠加获得总阻力面；基于最小累积阻力模型，获得目标区域中各像元之间的成本回溯链接，其中，成本回溯链接，用于从某像元开始沿最小累积成本路径标识下一个邻近像元(接续像元)，以达到最小成本源；根据成本回溯链接，计算像元之间的最小成本路径，将该最小成本路径作为生态廊道，获得生态廊道信息。
本实施例参考图3中的阻力因子，根据土地利用数据中的植被覆盖类型、海拔数据分别确定使用的阻力系数。然后运用ArcGIS中的成本距离模型，通过等权叠加，获得总阻力面。通过ArcGIS中的成本距离工具确定各像元距最近源位置的最短加权距离(或者说是累积行程成本)，该成本距离为以成本单位表示的距离，而不是以地理单位表示的距离。其中，最小累积阻力模型表达式为：式中，VMCR为最小累积阻力值；fm为非已知变量关系，这个关系代表最小累积阻力与扩散过程负相关；n为源类型的数目；m为景观类型的数目；Dij为从生态源地到土地单元的空间距离；Ri为景观类型对物种运动的阻力。
步骤S430：基于生态源地信息和生态廊道信息，构建生态网络。
具体的，将生态源地信息作为生态网络的节点，生态廊道信息作为生态网络的连边，就可以构建出生态网络。
步骤S500：获得个体行为网络的节点和生态网络的节点之间的拟合系数；
步骤S600：基于拟合系数，建立个体行为网络的节点和生态网络的节点之间的关联，获得个体和生态交互网络。
具体的，城市个体行为与生态空间的交互主要通过个体的位置移动与生态要素的接触过程来实现，如游客与公园，游客与景点的接触关系；居民与公园，居民与绿道；管理者与绿地的接触关系等。基于个体行为网络与生态网络的流动关系，确定个体行为网络的节点与生态网络的节点之间的连边的拟合系数，在个体行为网络和生态网络间建立链接，就可以获得个体和生态交互网络。
本实施例中，对于一片可视为生态源地的公园，通过构建生态网络，计算其生态网络的重要性。再结合个体行为轨迹数据，确定访问公园的个体行为的节点，并计算个体在时间t范围内的访问公园的频次，根据该频次建立个体行为网络与生态网络之间的链接，从而获得个体和生态交互网络。
步骤S700：提取个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果。
具体的，基于多层指数随机图模型，建立考虑各个网络的节点和联结的属性、结构特征以及网络间的相互依赖关系的网络特征分析模型，根据最大似然估计法实现真实网络与随机网络参数的对比，以此评估个体与生态交互网络结构的基本特征，获得用以表征人类活动与生态空间的网络关系的分析结果。并可以基于网络节点和连边，实现个体与生态交互网络的可视化。
其中，多层指数随机图模型的具体表达式为：
式中，P(A＝a,X＝x,B＝b)为因变量，表示实际网络结构特征参数出现的概率；zQ(a)为统计量，其中a指生态网络；b为个体行为网络；x为个体与生态交互网络；(,x)为从生态层面出发的与个体行为的联结结构；(,x)为从个体行为层面出发的与生态层面的联结结构；(a,,)为整个个体行为-生态的所有联结结构；θQ为待估计参数。
由上所述，本实施例基于城市个体行为轨迹数据，借鉴图数据结构的理论，通过构建两者的交互网络数据结构，来定量刻画城市个体行为与生态空间的网络关系，使得两者的关系中不再为固定的居民影响确定范围的生态环境，而是根据个体的行为轨迹，追踪与其有接触关系的生态环境；不再是一个有限的半径范围，而是一个动态的可移动的范围。并通过分析城市个体和生态交互网络结构的基本特征，获得表征人类活动与生态空间的网络关系，能够分析生态系统动态变化，是解决新城市环境下人类活动对生态网络的交互影响的有效手段之一。
如图4所示，在一些实施例中，上述步骤S300具体包括如下步骤：
步骤S310：基于手机信令数据，获得流量矩阵；
具体的，首先对手机信令数据进行清洗，筛选出活跃用户，修复基站抖动，然后提取用户出行链，统计行为个体之间的访问频次，获得流量矩阵。流量矩阵的表达式为：
式中，1,2，……，n/m表示轨迹节点位置；rmn表示个体从m到n点的访问频次。
例如：在一个区域或者集体A内，有N个体，经历T小时的信息交流后，产生了S条轨迹信息。用一个单元矩阵来表征区域内的个体行为网络的初始状态。CONCOR聚类方法以区域中的每个个体均可能从任意位置流出，而流入任意其他位置为前提，计算每个空间位置获得的个体访问频次，得到一个新的流量矩阵，对该矩阵进行重复，获得无数次个体访问频次叠加后的流量矩阵。
步骤S320：基于流量矩阵，根据迭代相关收敛聚类方法对人群或社区进行聚类，获得网络节点集；
具体的，设置多个阈值节点，将访问频次的区间划分为多个访问频次分段，根据这些访问频次分段，根据迭代相关收敛聚类方法对行为个体进行聚类，即获得聚类后的人群或社区，将聚类获得的结果集作为网络节点集。
步骤S330：计算网络节点集中每个网络节点的流入数据和流出数据，获得网络连边信息；
步骤S340：根据所述网络节点集和所述网络连边信息，构建个体行为网络。
具体的，对每个构成网络节点的个体，在流量矩阵中对该个体的流入和流出数据进行汇总求和，即统计任意节点间的访问频次，该访问频次用以表征个体间的信息共享、业务往来和隶属关系等，如具体的工作、休闲等引起的位置移动等，统计完毕后获得的各个节点之间的访问频次即为网络连边信息。
依次根据网络节点集中的每个网络节点，在网络连边信息中查找到对应的网络连边，即可获得个体行为网络。
由上所述，通过统计手机信令数据中的行为个体和访问频次，从而构建出个体行为网络，能够很好地定量描述人群之间的流动轨迹。
如图5所示，在一些实施例中，上述步骤S500具体包括如下步骤：
步骤S510：获得个体行为网络的连边的权重和生态网络的节点的权重；
步骤S520：根据时空地理加权回归模型，获得所述个体行为网络的连边与所述生态网络的节点之间的关联关系；
步骤S530：基于关联关系，获得个体行为网络的节点和生态网络的节点之间的拟合系数。
具体的，个体行为网络的节点和生态网络的节点之间的拟合系数用于表示个体行为网络的节点和生态网络的节点之间的关联关系，根据权函数分别计算个体行为网络的连边的权重和生态网络的节点的权重。其中，权函数为一个连续单调的递减函数，表示权重w和距离d之间关系，常用的有高斯权函数。采用时空地理加权回归方法，利用时空地理加权回归方法对模拟值和实测值进行回归拟合，建立个体行为和生态源地的函数关系，从而获得个体行为网络的节点和生态网络的节点之间的拟合系数。
其中，时空地理加权回归模型(GTWR)将时空特性嵌入到原有的模型之中，全面的反映地理位置特性的同时又充分的考虑了模型因时间产生的影响。
时空地理加权回归模型的具体表达式为：
式中，yi为被解释变量；β0为截距；ui,vi,ti分别为经度，纬度和时间；βk为第k个解释变量在第i个观测点的拟合系数；xik为第k个解释变量在第i个观测点的取值；εi为随机误差。
示例性设备
如图6所示，对应于上述个体移动与生态空间的网络关系分析方法，本发明实施例还提供一种个体移动与生态空间的网络关系分析装置，上述个体移动与生态空间的网络关系分析装置包括：
数据获取模块600，用于获取记录个体行为的手机信令数据以及获取反映目标区域生态环境的生态数据，所述生态数据包括：土地利用数据、海拔数据和植被覆盖数据；
个体行为网络构建模块610，用于基于手机信令数据，根据图论构建个体行为网络；
生态网络构建模块620，用于基于生态数据，根据图论构建生态网络；
个体和生态交互网络构建模块630，用于获得所述个体行为网络节点和所述生态网络节点的拟合系数，建立所述个体行为网络节点和所述生态网络节点之间的关联，构建个体和生态交互网络；
特征分析模块640，用于提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果。
具体的，本实施例中，上述个体移动与生态空间的网络关系分析装置的各模块的具体功能可以参照上述个体移动与生态空间的网络关系分析方法中的对应描述，在此不再赘述。
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图7所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和个体移动与生态空间的网络关系分析程序。该内存储器为非易失性存储介质中的操作系统和个体移动与生态空间的网络关系分析程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该个体移动与生态空间的网络关系分析程序被处理器执行时实现上述任意一种个体移动与生态空间的网络关系分析方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解，图7中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的个体移动与生态空间的网络关系分析程序，上述个体移动与生态空间的网络关系分析程序被上述处理器执行时进行以下操作指令：
获取记录个体行为的手机信令数据；
获取反映目标区域生态环境的生态数据，所述生态数据包括：土地利用数据、海拔数据和植被覆盖指数；
基于手机信令数据，根据图论构建个体行为网络；
基于生态数据，根据图论构建生态网络；
获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数；
基于所述拟合系数，建立所述个体行为网络的节点和所述生态网络的节点之间的关联，获得个体和生态交互网络；
提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果。
可选的，所述基于手机信令数据，根据图论构建个体行为网络，包括：
基于所述手机信令数据，获得流量矩阵；
基于所述流量矩阵，根据迭代相关收敛聚类方法对人群或社区进行聚类，获得网络节点集；
计算所述网络节点集中每个网络节点的流入数据和流出数据，获得网络连边信息；
根据所述网络节点集和所述网络连边信息，构建所述个体行为网络。
可选的，所述基于生态数据，根据图论构建生态网络，包括：
基于所述土地利用数据和所述植被覆盖指数，获得生态源地信息；
基于所述土地利用数据和所述海拔数据，获得生态廊道信息；
基于所述生态原地信息和所述生态廊道信息，构建所述生态网络。
可选的，所述基于所述土地利用数据和所述植被覆盖指数，获得生态源地信息，包括：
基于所述土地利用数据，获得斑块集并计算斑块集中每个斑块的面积和形状指数；
基于所述植被覆盖指数，计算平均植被覆盖度；
根据熵值法分别计算所述斑块面积、所述平均植被覆盖度、所述形状指数的权重；
对每个斑块的所述面积、所述平均植被覆盖度、所述形状指数进行加权统计，根据最优阈值函数对所述斑块进行筛选，获得所述生态源地信息。
可选的，基于所述土地利用数据和所述海拔数据，获得生态廊道信息，包括：
获得所述土地利用数据和所述海拔数据的阻力系数，将所述阻力系数叠加获得总阻力面；
基于所述阻力面，根据最小累积阻力模型获得所述目标区域中各像元之间的成本回溯链接；
基于所述成本回溯链接，计算各像元之间的最小成本路径，所有的所述最小成本路径构成所述生态廊道信息。
可选的，所述获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数，包括：
获得所述个体行为网络的连边的权重和所述生态网络的节点的权重；
根据时空地理加权回归方法，获得所述个体行为网络的连边与所述生态网络的节点之间的关联关系；
基于所述关联关系，获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数。
可选的，所述提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果，包括：
基于多层指数随机图模型，根据所述个体行为网络的节点和所述生态网络的节点之间的关联，建立网络特征分析模型；
根据最大似然估计法获得所述分析结果。
本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有个体移动与生态空间的网络关系分析程序，上述个体移动与生态空间的网络关系分析程序被处理器执行时实现本发明实施例提供的任意一种个体移动与生态空间的网络关系分析方法的步骤。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，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单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、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，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (7)
1.个体移动与生态空间的网络关系分析方法，其特征在于，所述方法包括：
获取记录个体行为的手机信令数据；
获取反映目标区域生态环境的生态数据，所述生态数据包括：土地利用数据、海拔数据和植被覆盖指数；
基于手机信令数据，根据图论构建个体行为网络；
基于生态数据，根据图论构建生态网络；
获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数；
基于所述拟合系数，建立所述个体行为网络的节点和所述生态网络的节点之间的关联，获得个体和生态交互网络；
提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果；
所述基于手机信令数据，根据图论构建个体行为网络，包括：
基于所述手机信令数据，获得流量矩阵；
基于所述流量矩阵，根据迭代相关收敛聚类方法对人群或社区进行聚类，获得网络节点集；
计算所述网络节点集中每个网络节点的流入数据和流出数据，获得网络连边信息；
根据所述网络节点集和所述网络连边信息，构建所述个体行为网络；
所述基于生态数据，根据图论构建生态网络，包括：
基于所述土地利用数据和所述植被覆盖指数，获得生态源地信息；
基于所述土地利用数据和所述海拔数据，获得生态廊道信息；
基于所述生态源地信息和所述生态廊道信息，构建所述生态网络；
所述获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数，包括：
获得所述个体行为网络的连边的权重和所述生态网络的节点的权重；
根据时空地理加权回归方法，获得所述个体行为网络的连边与所述生态网络的节点之间的关联关系；
基于所述关联关系，获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数。
2.如权利要求1所述的个体移动与生态空间的网络关系分析方法，其特征在于，所述基于所述土地利用数据和所述植被覆盖指数，获得生态源地信息，包括：
基于所述土地利用数据，获得斑块集并计算斑块集中每个斑块的面积和形状指数；
基于所述植被覆盖指数，计算平均植被覆盖度；
根据熵值法分别计算所述斑块面积、所述平均植被覆盖度、所述形状指数的权重；
对每个斑块的所述面积、所述平均植被覆盖度、所述形状指数进行加权统计，根据最优阈值函数对所述斑块进行筛选，获得所述生态源地信息。
3.如权利要求1所述的个体移动与生态空间的网络关系分析方法，其特征在于，基于所述土地利用数据和所述海拔数据，获得生态廊道信息，包括：
获得所述土地利用数据和所述海拔数据的阻力系数，将所述阻力系数叠加获得总阻力面；
基于所述阻力面，根据最小累积阻力模型获得所述目标区域中各像元之间的成本回溯链接；
基于所述成本回溯链接，计算各像元之间的最小成本路径，所有的所述最小成本路径构成所述生态廊道信息。
4.如权利要求1所述的个体移动与生态空间的网络关系分析方法，其特征在于，所述提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果，包括：
基于多层指数随机图模型，根据所述个体行为网络的节点和所述生态网络的节点之间的关联，建立网络特征分析模型；
根据最大似然估计法获得所述分析结果。
5.个体移动与生态空间的网络关系分析装置，其特征在于，所述装置包括：
数据获取模块，用于获取记录个体行为的手机信令数据以及获取反映目标区域生态环境的生态数据，所述生态数据包括：土地利用数据、海拔数据和植被覆盖指数；
个体行为网络构建模块，用于基于手机信令数据，根据图论构建个体行为网络；
生态网络构建模块，用于基于生态数据，根据图论构建生态网络；
个体和生态交互网络构建模块，用于获得所述个体行为网络节点和所述生态网络节点的拟合系数，建立所述个体行为网络节点和所述生态网络节点之间的关联，构建个体和生态交互网络；
特征分析模块，用于提取所述个体和生态交互网络的特征，获得个体行为与目标区域生态环境之间交互关系的分析结果；
所述基于手机信令数据，根据图论构建个体行为网络，包括：
基于所述手机信令数据，获得流量矩阵；
基于所述流量矩阵，根据迭代相关收敛聚类方法对人群或社区进行聚类，获得网络节点集；
计算所述网络节点集中每个网络节点的流入数据和流出数据，获得网络连边信息；
根据所述网络节点集和所述网络连边信息，构建所述个体行为网络；
所述基于生态数据，根据图论构建生态网络，包括：
基于所述土地利用数据和所述植被覆盖指数，获得生态源地信息；
基于所述土地利用数据和所述海拔数据，获得生态廊道信息；
基于所述生态源地信息和所述生态廊道信息，构建所述生态网络；
所述获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数，包括：
获得所述个体行为网络的连边的权重和所述生态网络的节点的权重；
根据时空地理加权回归方法，获得所述个体行为网络的连边与所述生态网络的节点之间的关联关系；
基于所述关联关系，获得所述个体行为网络的节点和所述生态网络的节点之间的拟合系数。
6.智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的个体移动与生态空间的网络关系分析程序，所述个体移动与生态空间的网络关系分析程序被所述处理器执行时实现如权利要求1-4任意一项所述个体移动与生态空间的网络关系分析方法的步骤。
7.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有个体移动与生态空间的网络关系分析程序，所述个体移动与生态空间的网络关系分析程序被处理器执行时实现如权利要求1-4任意一项所述个体移动与生态空间的网络关系分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210538944.9A CN115082250B (zh) | 2022-05-18 | 2022-05-18 | 个体移动与生态空间的网络关系分析方法、装置及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210538944.9A CN115082250B (zh) | 2022-05-18 | 2022-05-18 | 个体移动与生态空间的网络关系分析方法、装置及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115082250A CN115082250A (zh) | 2022-09-20 |
| CN115082250B true CN115082250B (zh) | 2024-02-09 |
Family
ID=83249144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210538944.9A Active CN115082250B (zh) | 2022-05-18 | 2022-05-18 | 个体移动与生态空间的网络关系分析方法、装置及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115082250B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN116934015B (zh) * | 2023-07-11 | 2024-07-26 | 广东省科学院广州地理研究所 | 城镇化与水生态功能的时空动态分析方法、装置及设备 |
| CN117596551B (zh) * | 2024-01-19 | 2024-04-09 | 浙江大学建筑设计研究院有限公司 | 一种基于手机信令数据的绿道网用户行为还原方法及装置 |
| CN118037514B (zh) * | 2024-04-11 | 2024-08-02 | 深圳大学 | 一种基于模拟网络的区域发展差异分析方法、系统及终端 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108280588A (zh) * | 2018-02-08 | 2018-07-13 | 广州地理研究所 | 一种基于机器学习的生态安全格局构建方法 |
| CN109002961A (zh) * | 2018-06-13 | 2018-12-14 | 北京大学 | 一种基于网络数据的跨区域文化景观间功能结构规划方法 |
| KR102090442B1 (ko) * | 2020-01-03 | 2020-03-17 | 김맹기 | 빅데이터 기반 생태환경 조사 시스템 |
| 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 |
| CN112990654A (zh) * | 2021-02-03 | 2021-06-18 | 北京大学 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
-
2022
- 2022-05-18 CN CN202210538944.9A patent/CN115082250B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108280588A (zh) * | 2018-02-08 | 2018-07-13 | 广州地理研究所 | 一种基于机器学习的生态安全格局构建方法 |
| CN109002961A (zh) * | 2018-06-13 | 2018-12-14 | 北京大学 | 一种基于网络数据的跨区域文化景观间功能结构规划方法 |
| KR102090442B1 (ko) * | 2020-01-03 | 2020-03-17 | 김맹기 | 빅데이터 기반 생태환경 조사 시스템 |
| 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 |
| CN112990654A (zh) * | 2021-02-03 | 2021-06-18 | 北京大学 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115082250A (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115082250B (zh) | 个体移动与生态空间的网络关系分析方法、装置及终端 | |
| CN109743683B (zh) | 一种采用深度学习融合网络模型确定手机用户位置的方法 | |
| Kang et al. | Air quality prediction: Big data and machine learning approaches | |
| O’Connor et al. | Geo-temporal tracking and analysis of tourist movement | |
| Vieira et al. | Characterizing dense urban areas from mobile phone-call data: Discovery and social dynamics | |
| Chang et al. | Planning for green infrastructure and mapping synergies and trade-offs: A case study in the Yanshuei River Basin, Taiwan | |
| Guo et al. | Detecting spatial community structure in movements | |
| Van Patten et al. | A microspatial analysis of robbery: Prospective hot spotting in a small city | |
| CN113505510B (zh) | 融合景观指数和随机游走模型的生态安全格局识别方法 | |
| Li et al. | Supreme: Fine-grained radio map reconstruction via spatial-temporal fusion network | |
| 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 | |
| Timothée et al. | A network based kernel density estimator applied to Barcelona economic activities | |
| Andersson et al. | Combining street-level and aerial images for dengue incidence rate estimation | |
| Vega-Oliveros et al. | From spatio-temporal data to chronological networks: An application to wildfire analysis | |
| CN117522652B (zh) | 人居环境脆弱性评价方法、系统、智能终端及存储介质 | |
| Lint | Northwest Forest Plan, the First 10 Years (1994-2003): Status and Trends of Northern Spotted Owl Populations and Habitat | |
| Nejad et al. | A statistical approach to small area synthetic population generation as a basis for carless evacuation planning | |
| CN112738715A (zh) | 一种基于GloVe模型的移动信令轨迹相关性表示方法 | |
| Pastor-Escuredo et al. | Flow descriptors of human mobility networks | |
| 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 | |
| CN113947123B (zh) | 人员轨迹识别方法、系统、存储介质和设备 | |
| KR101900570B1 (ko) | 기상변수와 지표특성을 이용한 모기 활동성 지수 산출 방법 및 시스템 | |
| Yadlowsky et al. | Link density inference from cellular infrastructure | |
| Labiosa et al. | The South Florida ecosystem portfolio model: a web-enabled multicriteria land use planning decision support system | |
| Chen | Developing police patrol strategies based on the urban street network |
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 |