CN115221766B - 一种改进辐射模型的跨境人口流动模拟方法 - Google Patents
一种改进辐射模型的跨境人口流动模拟方法 Download PDFInfo
- Publication number
- CN115221766B CN115221766B CN202210671133.6A CN202210671133A CN115221766B CN 115221766 B CN115221766 B CN 115221766B CN 202210671133 A CN202210671133 A CN 202210671133A CN 115221766 B CN115221766 B CN 115221766B
- Authority
- CN
- China
- Prior art keywords
- population
- grid
- model
- radiation model
- neighborhood
- 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
- 230000005855 radiation Effects 0.000 title claims abstract description 82
- 238000004088 simulation Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000010006 flight Effects 0.000 claims abstract description 21
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims abstract description 9
- 230000005484 gravity Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000002123 temporal effect Effects 0.000 claims description 11
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 description 42
- 230000033001 locomotion Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 238000010521 absorption reaction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 244000179970 Monarda didyma Species 0.000 description 2
- 235000010672 Monarda didyma Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 244000024873 Mentha crispa Species 0.000 description 1
- 235000014749 Mentha crispa Nutrition 0.000 description 1
- 101100403745 Mus musculus Myot gene Proteins 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；通过对引力模型及辐射模型进行耦合，完成引力‑辐射模型的构建；采用引力‑辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与人口流动统计结果进行对比，完成引力‑辐射模型的精度验证。本发明能够有效提升跨境人口流动模拟的精度。
Description
技术领域
本发明涉及地学大数据应用技术领域，尤其涉及一种改进辐射模型的跨境人口流动模拟方法。
背景技术
跨境、大范围的人口流动预测与分析，不仅是评估与研究区域发展水平、资源环境差异、人口空间分布等的重要基础(殷江滨等，2016)，而且与人类生活的诸多方面具有广泛而紧密的关系，例如改善区域规划、提升交通网络建设、加强生态保护等(Verburgetal.,2011；Tenkanenetal.,2015；Ibischetal.,2016)。人口空间流动的空间分布格局也已经被证明与疾病传播(Balcan et al.,2009)、城市扩张(Batty，2008)、交通过程(Cidell andLechtenberg，2016)等研究息息相关。
人口流动量的估算主要分类两类，一类是基于统计数据、交通量数据、位置大数据的数据分析方法，另一类则是模拟人口流动规律的空间交互模型。数据分析法的核心便是获取真实的人口流量数据，进而结合网络的图结构、节点属性等，对网络中的总流量进行合理分配(Makse et al.,1995；Ren et al.,2014)。根据数据来源，人口流动量数据的类型可分为三种：统计数据、交通量数据和位置大数据。数据分析方法所需的原始数据较为精准，且需要构建特定的空间统计模型，但是过于依赖数据的模式导致该方法的可移植性较差。
人类的活动受生物钟规律、经济利益等因素支配，尽管存在个体之间的差异，但是行为模式及总体趋势可通过分析现有流动情况，结合数学、物理等模型来进行模拟与预测(Gonzalez et al.,2008；Song et al.,2010b)。这一类模拟人类活动的模型可被称为空间交互(Spatial Interaction)模型，结合网络分析的空间交互模型也可以更有效的模拟区域间的人口流量。空间交互模型在大区域和大尺度的研究中具有更加显著的意义，特别是在跨国跨境或者全球尺度的研究(Simini et al.,2012)。常用的人口流动量估算模型包括引力模型(Gravity Model)、莱维飞行(Lévy flights)CTRW模型、泊松回归模型等(马开森等,2019；Mao et al.,2015；Balcan et al.,2009)。上述模型均需要先验知识或真实数据来拟合确定具体的模型参数，同时大多为经验模型、缺少理论依据，因此带来的系统误差也较大。而辐射模型(Radiation Model)将物理学中的粒子运动引入到人口流动格局模拟中，其基本思想为粒子在运动过程中，往往被周边区域能量较大的粒子团簇所吸引，因此其仅需人口空间分布等静态数据作为模型输入(Simini et al.,2012)。辐射模型因无参数、无需先验知识、理论性较强等特点，在人口流动模拟研究中得到了广泛的关注(Yan et al.,2017)。虽然辐射模型在人口流动格局上表现出较高的精度，然而其在大区域和跨境研究中仍缺乏对区域间联系和通行成本的直接表征(Xia et al.,2018)。
因此，当前跨境人口流动模拟研究仍有一定技术缺陷：从空间交互模型的角度来看，引力模型等需要大量先验知识或真实数据来确定模型参数，辐射模型缺乏对区域间联系和通行成本的直接表征，且在大区域和跨境研究中仍然较少。
发明内容
针对相关技术中的问题，本发明提出一种改进辐射模型的跨境人口流动模拟方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
一种改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：
基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；
基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；
通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建；
采用引力-辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与统计结果进行对比，完成引力-辐射模型的精度验证。
进一步的，所述基于航班的通行时间信息及道路网的通行时间构建引力模型时，计算基于引力模型的人口流动概率：
其中，mi是出发地i的人口数量，nj是目的地j的人口数量，α、β是调节系数，f(rij)为表征时间、空间距离的阻抗函数。
进一步的，所述通过改进空间邻域，完成辐射模型的构建还包括以下步骤：
计算出发地和目的地之间的通行人口数量；
构建基于时间邻域的格网级辐射模型。
进一步的，所述计算出发地和目的地之间的通行人口数量时，人口数量为mi的出发地i和人口数量为nj的目的地j之间的通行人口数量TPij为：
其中，Sij表示以i为中心，出发地格网i、目的地格网j间距离为半径的邻域内的格网人口总数，且不包含出发地i和目的地j处人口数量，其表示为辐射模型的格网邻域。
进一步的，所述构建基于时间邻域的格网级辐射模型时，以空地联运通行时间作为辐射模型邻域的确定标准，即选取格网i和格网j间最短通行时间tij为时间阈值，获取时间邻近区域Tij以替代辐射模型的格网邻域Sij：
其中，出发地i的人口数量为mi，目的地j的人口数量为nj，Tij为时间邻域的格网人口总数。
进一步的，所述通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建时，将引力模型中的引力值和辐射模型的时间阈值作为双重约束条件，使辐射模型的时间邻域具备双重属性，完成引力-辐射模型的构建。
进一步的，所述通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建还包括以下步骤：
以目的区域主机场APDEST和其它目的区域机场为通行节点，且设定总体通行时间Timeix小于出发-目标格网间最短总体通行时间阈值Timeij的第一格网集合{x}；
对出发格网i和目标格网j的引力值Gravityij进行计算，并将计算结果作为引力值阈值；
对出发格网i与第一格网集合{x}内各格网的引力值Gravityix进行计算，并从第一格网集合{x}内筛选出小于引力值阈值的第二格网集合其中：
mi和nj为出发格网i和目的格网j的格网人口数量；
对以不同机场为中心的离散化时间邻域，即第二格网集合且以目的区域主机场APDEST和出发机场APORIG间的航班数量为基准，同时加入不同路径航班数量与基准航班数量的比值作为权重，进行其它目的区域机场/>时间邻域的人口累加，得到最终的时间邻域人口Tij：
Tij＝Tij γ+∑Tij τ*(ALij τ/ALij γ)
其中，Tij γ和Tij τ分别为以APDEST和为中心的时间邻域所覆盖的人口，ALij γ和ALij τ则为对应的机场间综合航班数量。
进一步的，所述其它目的区域机场设置为除了目的区域主机场APDEST之外，与目的格网最邻近且至多5个机场的集合。
进一步的，所述采用引力-辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与统计结果进行对比，完成引力-辐射模型的精度验证还包括以下步骤：
将格网人口估算结果输入引力-辐射模型，结合格网级的最短总体通行时间，计算得到格网级的人口流动量，并汇总得到区县级、省级与国家级的人口流量；
以某区域前往另一区域的人口流动模拟结果为基础，与热门出发城市、热门到达国家的统计数据以及其他模型结果进行比对；
其中，所述人口流动模拟结果的模拟过程中，出发地行政区a前往目的地行政区b的人口流动量TPab为：
其中，A和B分别为出发地行政区a和目的地行政区b内的居民地格网数量，TPij为从出发格网i前往目的格网j的格网级人口流动量。
进一步的，所述以某区域前往另一区域的人口流动模拟结果为基础，与热门出发城市、热门到达国家的统计数据以及其他模型结果进行比对时，采用定性排序的方式，验证引力-辐射模型的计算结果。
本发明的有益效果为：本发明提出一种以格网为评价单元的引力-辐射模型，实现跨境人口流动的高精度模拟。首先，通过互联网爬虫技术获取跨境航班的基本信息，获取中国与南亚东南亚地区的人口公里格网数据。其次，耦合引力模型与辐射模型，构建基于时间邻域的引力-辐射模型，实现格网级的跨境人口流动模拟。最后，将格网级的人口流动模拟结果汇总至区县级、省级与国家级，与统计结果比对以验证模型的精度。
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获得其他的附图。
图1是根据本发明中辐射模型格网邻域范围示意图；
图2是根据本发明中引力-辐射模型的时间邻域示意图；
图3是根据本发明中区县级人口流动模拟结果与统计人口相关性分析图；
图4是中国前往南亚东南亚各国的跨境人口(模拟结果)占比图；
图5是根据本发明中引力-辐射模型、辐射模型、引力模型的中国城市级跨境人口流动模拟对比图；
图6是根据本发明实施例的一种改进辐射模型的跨境人口流动模拟方法的流程图。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例，提供了一种改进辐射模型的跨境人口流动模拟方法，克服现有空间交互模型无法有效预测跨境人口流动的问题，以格网为评价单元，结合引力模型，提出一种改进辐射模型的跨境人口流动模拟的方法。该方法结合网络爬虫技术、引力模型技术、辐射模型技术、模型弱耦合技术等构建引力-辐射模型，准确高效地实现高精度人口流动的模拟。
现结合附图和具体实施方式对本发明进一步说明，如图6所示，根据本发明实施例的改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：
S1、基于互联网爬虫技术对跨境航班的基本信息进行获取，以中国与南亚东南亚地区为研究区，并对区域内的人口公里格网数据进行获取；
S2、基于航班的通行时间信息及道路网的通行时间构建顾及通行时间的引力模型，且通过改进空间邻域，完成辐射模型的构建；
其中，所述基于航班的通行时间信息及道路网的通行时间构建引力模型时，计算基于引力模型的人口流动概率：
其中，mi是出发地i的人口数量，nj是目的地j的人口数量，α、β是调节系数，f(rij)为表征时间、空间距离的阻抗函数。
引力模型(Gravity model)以地理学第一定律为构建基础，即两个物体的相互影响随着空间距离的增加而衰减。类比牛顿万有引力定律，引力模型将地理实体间的社会经济、人口等属性，作为吸引力强弱的衡量因子来估算地理实体间的相互作用，以此来表征地理实体间的人口流动概率。
由上述公式可看出，人口流动概率与出发地、目的地的人口成正比，与时间、空间阻抗力成反比。引力模型还有很多变种，如huff模型等，尽管引力模型及其变种应用广泛，但是该类模型也存在一些局限与问题(Simini et al.,2012)；
(1)引力模型缺乏严谨的数学公式推导与理论基础，多为经验模型；
(2)需要先验知识来拟合模型中的参数，若缺少实证数据，模型的可靠性会大幅降低；
(3)引力模型预测结果系统误差较大、精度较差，会出现预测的人口流量超过出发地总人口数的不合理情况；
(4)引力模型的输入参数和数据相对稳定，对于人口流动数量变化与路径变化等情况无法做出较好的回应。
为了解决引力模型的上述问题，Simini et al.(2012)基于物理模型和微观物理过程提出了辐射模型(Radiation model)。辐射模型将人口流动类比为粒子流动，其基本思想是粒子在运动过程中，更容易被较大的粒子团簇所吸收。粒子的运动过程可分为发射和吸收两个过程：(1)发射过程，假设粒子X从出发粒子团簇i发射，表示该粒子的吸收阈值，根据物理学定律，从较大粒子团簇发射的粒子具有较大的吸收阈值，而具有较大阈值的粒子往往很难被吸收。(2)吸收过程，粒子有一定概率被运动轨迹周边的粒子团簇所吸收，表示目的粒子团簇j对粒子的吸收能力，根据物理学定律，粒子往往会被位置最近且吸收能力大于其吸收阈值的粒子团簇所吸引。
重复上述微观过程，可将微观的粒子运动实体化为粒子的整体流动格局，即任意两个粒子团簇间的粒子流动概率。假设粒子从粒子总量mi的i处出发，前往粒子总量nj的j处。为表示周边粒子团簇对于粒子运动的影响，定义以i为圆心、i和j之间直线距离rij为半径的圆形区域表示周边范围(邻域)，用Sij代表此邻域内所包含的粒子总量(不包含i和j处的粒子数量)。为保持粒子选取过程的随机性，对发射粒子团簇mi、吸收粒子团簇nj和周边区域粒子团簇Sij均加入随机采样函数q(z)。因此，根据上述过程，单一粒子从i前往j的概率可表示为：
假定i处的总出发粒子数为TPi，那么粒子数为mi的格网i和粒子数为nj的格网j之间的通行粒子数量TPij，可表示为人口流动概率Pij与TPi的乘积：
然而，一般情况下，人口流动数量TPi难以精确获取，尤其是对于精细尺度的研究。而出发地的TPi一般与该地的人口总数mi成正比，忽略该比例系数则可用mi代替TPi：
其中，Sij表示以i为中心，i、j间距离为半径的邻域内的人口总数(不包含i和j处人口数量)。
所述通过改进空间邻域，完成辐射模型的构建还包括以下步骤：
计算出发地和目的地之间的通行人口数量；
构建基于时间邻域的格网级辐射模型。
本发明中通行人口数量相当于上述的通行粒子数量，所述计算出发地和目的地之间的通行人口数量时，人口数量为mi的出发地i和人口数量为nj的目的地j之间的通行人口数量TPij为：
其中，Sij表示以i为中心，出发地格网i、目的地格网j间距离为半径的邻域内的格网人口总数，且不包含出发地i和目的地j处人口数量，其表示为辐射模型的格网邻域。
辐射模型被广泛应用于以区县、乡镇、街道等行政单元为分析单元的人口流动格局模拟，其应用过程也较为简单，将分析单元的人口等指标当作粒子团簇的粒子量即可。本研究以格网为分析单元，设定出发地和目的地格网的人口数量为mi和nj；而作为辐射模型核心参数的格网邻域Sij，以格网i和j的中心点距离rij为阈值，搜索格网中心与i的距离小于rij的格网作为邻域格网集合，统计其总人口并赋值于Sij(如图1中A，图1中A为距离邻域，B为时间邻域)。
原始的辐射模型以空间直线距离来确定出发地i的邻域，因此每个目标格网的邻域形状为标准圆形。在直线距离的基础上，考虑到连接两地的非直线道路网络，选用依托路网的曼哈顿距离来确定真实的距离阈值和空间邻域(Ren et al.,2014)。然而，在交通出行中，各个区域的交通状况不同，通行时间往往比通行距离更受关注；同时，空地联运网络的起点和终点分别位于不同的国家，混合了道路网和航空网，空地联运网络中的航空飞行距离在邻域构建中实际意义较小，不能体现真实的通行成本。
所述构建基于时间邻域的格网级辐射模型时，以空地联运通行时间作为辐射模型邻域的确定标准，即选取格网i和格网j间最短通行时间tij为时间阈值，获取时间邻近区域Tij以替代辐射模型的格网邻域Sij：
其中，出发地i的人口数量为mi，目的地j的人口数量为nj，Tij为时间邻域的格网人口总数。
时间邻域的范围与距离邻域的范围存在很大不同，其形状也由规则圆形变为不规则的多边形，时间邻域在局部区域可能小于距离邻域，也存在超出距离邻域的可能性(如图1中B)。空间邻域的确定仅仅需要空间位置或依托道路网进行路网距离的计算，而时间邻域需要更多的交通网络属性信息来计算通行时间，例如道路等级、路网通行速度等。互联网地图和航班预订平台可根据丰富的属性信息，提供点到点的通行时间，有效解决了通行时间精确估算的问题，为构建时间邻域辐射模型提供了重要基础。
S3、通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建，实现中国与南亚东南亚地区格网级的跨境人口流动模拟；
以互联网航班数据得到的航空网通行时间为主，结合评价格网与机场道路网通行时间确定空地联运(航空网与道路网联合运输)网络中的时间邻域。以中国出发格网i前往南亚东南亚目的格网j为例，最短总体通行时间Timeij可分为三段：troad(CHN)、tflight、troad(SASEA)，经过对应的中国出发机场APCHN和南亚东南亚主机场APSASEA。根据辐射模型的定义，出发格网的时间邻域可分为APCHN和APSASEA的邻域，由于出发格网的目的地明确为目的格网所在国家，即以跨境出行为目标，因此不考虑以APCHN为中心的时间邻域。由于空地联运网络中机场节点的选择多样化，通过所在国家的其他机场也可到达目的格网j，而与目的格网j之间也存在部分格网，与出发格网i的最小总体通行时间小于阈值Timeij，只是该区域所包含的格网一般远少于以APSASEA为中心的时间邻域所包含的格网。同时，不同路径的节点机场/>和/>也可能存在相同的情况(如图2中A)。因此，与单一交通网中连续且唯一的时间邻域不同，空地联运网络中的时间邻域是多个离散的不规则区域，即分别以APSASEA和/>为中心的时间邻域所组成的集合，这也是空地联运网络邻域的独特之处。
在确定最短总体通行时间时，每个格网对应的机场节点是唯一且确定的。因此，对于给定的出发格网i，目的格网最短通行时间对应的机场节点也是唯一的，即这些时间邻域集合是不重叠的；若区域重叠，则说明存在格网与出发格网i可通过两条不同路径达到最短通行时间，显然与最短通行时间的计算过程相矛盾。也正因为邻域的互斥性以及节点的唯一性，对于给定出发格网i，邻域内的格网与出发格网最短通行时间对应的机场节点是一致的，即总体通行时间中troad(CHN)、tflight是相同的。因此，空地联运网络中时间邻域也可转换为以APSASEA和为中心的道路网时间邻域：对于APSASEA的时间邻域，仅需以troad(SASEA)为阈值计算道路网的时间邻域即可；对于/>的时间邻域，得到与出发格网i的最小总体通行时间所确定的/>和/>以/>为阈值分别计算道路网的时间邻域。
在辐射模型中，邻域仅以时间阈值作为确定的标准，不仅会造成邻域范围过大，而且还会包含时间相对较长、人口相对较小的格网区域。这些区域并不能起到影响粒子运动轨迹的作用，同时还会增大邻域的人口总量，减小计算得到的人口流动概率。同时，空地联运网络中的离散化时间邻域也需要统一的指标进行二次筛选，以确保邻域叠加和人口累加的合理性。而引力模型则是考虑到人口、空间阻隔等要素，可通过引力值计算结果去除人口较少且通行时间相对较长的格网，以实现时间邻域内格网的二次筛选。
其中，所述通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建时，将引力模型中的引力值和辐射模型的时间阈值作为双重约束条件，使辐射模型的时间邻域具备双重属性，完成引力-辐射模型的构建，解决辐射模型对两地通行时间考虑不足的问题。
所述通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建还包括以下步骤：
以目的区域主机场APDEST和其它目的区域机场为通行节点，且设定总体通行时间Timeix小于出发-目标格网间最短总体通行时间阈值Timeij的第一格网集合{x}；[以中国与南亚东南亚地区(SASEA)的跨境通行人口模拟为例]
对出发格网i和目标格网j的引力值Gravityij进行计算，并将计算结果作为引力值阈值(阻抗函数为最短通行时间Timeij的平方)；
对出发格网i与第一格网集合{x}内各格网的引力值Gravityix进行计算，并从第一格网集合{x}内筛选出小于引力值阈值的第二格网集合其中：
mi和nj为出发格网i和目的格网j的格网人口数量；
对以不同机场为中心的离散化时间邻域，即第二格网集合且以目的区域主机场APDEST和出发机场APORIG间的航班数量为基准，同时加入不同路径航班数量与基准航班数量的比值作为权重，进行其它目的区域机场/>时间邻域的人口累加，得到最终的时间邻域人口Tij：
Tij＝Tij γ+∑Tij τ*(ALij τ/ALij γ)
其中，Tij γ和Tij τ分别为以APDEST和为中心的时间邻域所覆盖的人口，ALij γ和ALij τ则为对应的机场间综合航班数量。
所述其它目的区域机场设置为除了目的区域主机场APDEST之外，与目的格网最邻近的且至多5个机场的集合。[以中国与南亚东南亚地区(SASEA)的跨境通行人口模拟为例]
S4、采用引力-辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与统计结果进行对比，完成引力-辐射模型的精度验证；
其中，所述采用引力-辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与统计结果进行对比，完成引力-辐射模型的精度验证还包括以下步骤：
将格网人口估算结果输入引力-辐射模型，结合格网级的最短总体通行时间，计算得到格网级的人口流动量，并汇总得到区县级、省级与国家级的人口流量；
以某区域前往另一区域的人口流动模拟结果为基础，与热门出发城市、热门到达国家的统计数据以及其他模型结果进行比对；[以中国与南亚东南亚地区(SASEA)的跨境通行人口模拟为例]
其中，所述人口流动模拟结果的模拟过程中，以居民地公里格网为单元计算人口流动量，可得到中国和南亚东南亚各格网间的人口流动量，即19.2万×18.9万的二维矩阵。为进一步分析与统计，以区县、国家(省)等为行政单元进行汇总，出发地行政区a前往目的地行政区b的人口流动量TPab为：
其中，A和B分别为出发地行政区a和目的地行政区b内的居民地格网数量，TPij为从出发格网i前往目的格网j的格网级人口流动量。
1)中国前往南亚东南亚的人口流动量为各国分开计算(不考虑跨境公路)，因此先汇总18个国家的人口流动量，得到各格网前往整个南亚东南亚的人口流动量；再以中国各区县、省汇总，得到各区县、各省前往南亚东南亚的人口流动量。
2)南亚东南亚前往中国的人口流动量，直接以南亚东南亚的行政区划进行汇总，得到各区县、各国前往中国的人口流动量。
获取研究区的区县级人口数据，并与人口流动量模拟结果比较。研究表明，中国的县级人口与人口流动量的空间格局相似，统计相关度也达到0.72左右[如图3中A，图3中A为中国，B为南亚东南亚，统计人口和人口流动量相关性分析，数值均归一化为(0-1)]，人口流动的热点区域与人口集中区域基本相同，主要集中在各省会等大城市周边、江浙地区和西南地区，相对于人口分布，人口流动的热点区域分布更加集中，城市的集聚效应更加明显。该结论也与中国旅游研究院《“一带一路”-中国出境自由行大数据报告2019》指出的前往东南亚的热点出行区域相同。相对于区县实际人口，东北地区、西北地区、安徽、江苏、湖南、贵州、广西等地的人口流动量估算值，均有不同程度的下降，主要原因是通行时间过长导致模型计算的人口流动概率较低。而南亚东南亚的县级人口与人口流动量差异稍微偏大，区县级相关度仅为0.59(如图3中B)，其中，中南半岛、印尼等地人口较为集中，部分人口较少的区县经过引力-辐射模型计算也获得较高的人口流动概率，因此与中国的跨境人口流动量整体水平较高。南亚地区印度南部、孟加拉国、尼泊尔部分区县人口较多，然而较低的人口流动概率导致跨境人口流动量估算值较低；而印度北部、孟加拉南部等地区则维持较高的跨境人口流动水平。
以国家(省)为单元进行统计，中国前往南亚东南亚跨境人口流动最多的省份为广东省、山东省和河南省，虽然山东、河南与南亚东南亚的人口流动概率不高，然而较高的人口也导致总体人口流动数量较多。东部、南部省份的跨境人口流动数量明显高于西部、北部地区的人口流动数量。而东南亚地区前往中国的人口流动数量明显高于南亚地区，人口流动数量最多的国家为泰国、越南、印尼，其中泰国和越南均与中国具有较短通行时间和较高人口流动概率；而印尼人口稠密，因此跨境人口流动数量也相对较多。其次为菲律宾、印度、马来西亚等人口流动数量较高的国家，以及柬埔寨、新加坡、缅甸、尼泊尔和斯里兰卡等人口流动数量中等的国家；人口流动数量较低和最低等级的国家则主要位于南亚地区。
热门目的国家验证与分析：
人口流动模拟结果的验证与分析依赖于实际统计数据，然而实际人口流动数据难以获取，特别是跨境、跨国的人口流动数据。虽然联合国有移民统计数据，然而移民仅仅能代表部分的人口流动，与真正的人口流动数据相差较大。公开统计数据大多展示的是人口流动的相对大小，因此以出发区域前往目的区域的人口流动模拟结果为基础[以中国与南亚东南亚地区(SASEA)的跨境通行人口模拟为例]，与热门出发城市、热门到达国家的统计数据以及其他模型结果进行比对时，采用定性排序的方式，验证引力-辐射模型的计算结果。根据中国旅游研究院《2017出境旅游大数据报告》和《2018年中国游客出境游大数据报告》(简称“2017年、2018年出境报告”)，2017、2018年中国游客的热门目的国家排名分别为泰国、越南、印尼/新加坡、马来西亚、菲律宾、马尔代夫、斯里兰卡(部分，原始数据为全球国家排名，摘取南亚东南亚国家)。由于报告为中国出行人口的分析，因此本文也以中国前往南亚东南亚的人口流动模拟结果进行比对。根据引力-辐射模型的计算结果，跨境人口流动占比较大的国家为泰国、越南、印尼、印度、菲律宾、马来西亚，国家排序基本与2017/2018年出境报告相同(如图4中A)。印度由于人口较多，即使通行时间、人口流动概率较小，然而跨境人口流动仍较多。而模型对于马尔代夫、斯里兰卡等小国家的跨境人口流动估计明显不足，跨境人口流动总占比仅为2％左右，而报告显示两地均为中国前8的热门目的地。
同时，研究还基于辐射模型、引力模型进行人口流动模拟，其中辐射模型指的是在邻域计算中不加入引力值约束的时间邻域辐射模型，引力模型的阻抗函数设置为通行时间的平方；在计算得到格网级跨境人口流动模拟结果后，同样按照行政区划进行汇总。对比结果表明，辐射模型的结果与引力-辐射模型的模拟结果较为类似，然而对印度的估算结果偏大，而对泰国、印尼、新加坡等国家的人口流动估计不足，主要原因为缺少引力值的双约束，放大了统计人口对结果的影响(如图4中B)。而引力模型的估算结果则与真实排名相差较大，严重高估了孟加拉国、印度、尼泊尔等国与中国的人口流动情况(如图4中C)。同时，中国前往南亚东南亚各国跨境人口流动模拟结果的排序，与南亚东南亚各国前往中国的跨境人口流动排序，也基本相同，侧面验证了结果的可靠性。
热门出行城市验证与分析：
虽然2017年、2018年出境报告包含中国前20城市的出境人口排名，然而面向全球的数据对于南亚东南亚区域的参考意义不大。中国旅游研究院《“一带一路”-中国出境自由行大数据报告2019》(简称“2019年出境报告”)，分析了中国与“一带一路”沿线国家的人口流动情况，针对东南亚7个国家统计了前20的中国客源城市(不包括港澳台地区)。以GADM的市级行政区划数据为基础，汇总中国各城市前往南亚东南亚各国的跨境人口流动结果，并将引力-辐射、辐射、引力模型的计算结果进行柱状图的直观比较，以横坐标表示报告列举的目标国家前20中国客源城市及其排名(不包含港澳台地区)，选取泰国、印度尼西亚和柬埔寨三个国家进行分析(如图5)。从图中可看出，引力-辐射模型对于城市人口流动的排序优于辐射模型和引力模型，其结果中的极端值明显较少。根据城市间的相对关系，辐射模型对佛山、西安等地的跨境人口流动进行了较大的估计，引力模型则对佛山、东莞、昆明、南京等地的跨境人口流动估算偏差较大。同时，引力-辐射模型对于高人口流动城市的估算结果也较好，模拟结果中，中国前往泰国、印度尼西亚、柬埔寨人口流动最多的6大城市，分别为北京、上海、成都、广州、深圳、杭州/重庆，基本与报告中的城市一致(如图5)。
同时，三个模型也将部分其他城市的跨境人口流动数量排进了前20，其他被高估的城市越少，表明模型的精度越高。例如，泰国的模拟结果表明，引力-辐射模型高估了南宁、温州等4个城市；辐射模型高估了曲靖、青岛、红河、温州、汕头等8个城市的跨境人口流动数量；引力模型则高估了福州、厦门、惠州、揭阳等多达12个城市。高估的城市主要位于东南沿海和西部区域，这些地区要么拥有本地机场，要么与通航国际机场的距离较近，因此与南亚东南亚地区具有较低的总体通行时间，可得到较高的人口流动概率与人口流动数量。印度尼西亚和柬埔寨的结果也表明，辐射模型和引力模型的高估城市数量，要明显高于引力-辐射模型，达2-4倍。这也表明联合了时间邻域和引力值双约束的引力-辐射模型，对于人口流动数量的估算具有较好的效果。
本发明的研究区和数据：
研究区为中国和南亚东南亚地区。
(1)行政区划数据
行政区划数据来源于GADM(Global Administrative areas)产品(http://gadm.org/)。GADM产品提供了全球多层级的行政区划数据，并提供了最小到县级的行政区划。考虑到GADM数据的中国行政区划存在一定问题，引入中科院资源环境数据云平台(http://www.resdc.cn)的官方行政区划数据进行修正。
(2)机场节点数据
机场节点数据是进行航班数据获取与航空网通行时间获取的基础。综合考虑机场吞吐量，且确保中国每个省级行政单位至少包含一个机场，选取65个中国机场作为空地联运网中重要节点机场。机场分布于62个城市，其中北京、上海、台北均为双机场。选取2017-2018年与中国有航班的63个南亚东南亚机场，南亚地区13个机场(印度6个，巴基斯坦2个，不丹、孟加拉、尼泊尔、斯里兰卡、马尔代夫1个)，东南亚地区50个机场(泰国13个，印度尼西亚8个，越南7个，马来西亚5个，菲律宾、老挝4个，柬埔寨、缅甸3个，文莱、新加坡、文莱1个)。根据节点机场空间分布，中国机场主要集中于东部沿海地区，东南亚相比于南亚，与中国有着更邻近的地理位置，通航机场相对集中，特别是中南半岛区域。机场的属性、位置坐标、吞吐量等数据来源于Google地图、百度百科、民航统计公报和IATA官网等。
(3)互联网航班数据
相关研究数据显示，在线预订是我国居民旅游、跨境出行的主要订票方式，其中机票预订的占比最高，凸显了航空网的重要性。2018年一季度，携程、去哪儿和阿里旅行的机票预订市场份额占比之和高达75％左右，为国内最大的三个第三方机票预订平台，其航班数据也是相对最完善的。因此，本发明将从这三个订票平台进行航班信息的获取，由于携程与去哪儿公司合并，本文只考虑携程和阿里旅行的航班数据。构建网络爬虫并分别爬取2017年6-8月和2018年6-8月的航班数据，对于2018年8月以后新建的机场和新开辟的航班则不予考虑。解析携程和阿里旅行两个网站的请求与返回内容，获得如下数据请求地址及格式：
①携程：https://flights.ctrip.com/international/search/oneway-[参数1]-[参数2]？depdate＝[参数3]&cabin＝y_s&adult＝1&child＝0&infant＝0
②阿里旅行：https://sijipiao.fliggy.com/ie/flight_search_result.htm？
searchBy＝1278&ttid＝sem.000000736&_input_charset＝utf-8&tripType＝0&depCity
＝[参数1]&arrCity＝[参数2]&depDate＝[参数3]&arrDate＝
其中，[参数1]和[参数2]代表起飞机场IATA三字码，如nkg-bkk代表从南京到曼谷的航程；[参数3]代表航程开始日期，其格式为“年-月-日”。
通过构建网络爬虫进行网页的访问，解析网页返回内容并得到航班信息，包括航线名称、起飞时间、起飞机场及代码、落地时间、落地机场及代码、总耗时、中转/经停机场、中转等待时间、航司信息、机票价格等。并按照航班数量加权的方式，获取不同机场间的平均航班数量、平均飞行时间等信息。
(4)人口格网数据
人口格网数据是人口流动模拟的基础。哥伦比亚大学的CIESIN中心与美国NASA的SADEC共同发布的人口公里格网产品，提供了目前应用最广的人口数据。该数据空间分辨率约为1公里，覆盖了60°S-85°N的陆地范围，其中应用最广泛的产品为Gridded Populationof the World，Version 4(GPWv4)，研究选取CIESIN的2015年人口格网数据。结合VIIRS夜光遥感数据，得到研究区的格网人口空间分布格局。中国地区3万以上的人口高密度格网约为3820个，约40.69％的格网人口少于3000，人口分布密集区域为长三角地区、珠三角地区、华北平原、成渝地区等；南亚东南亚格网人口密度明显大于中国，3万以上的人口高密度格网约为16300个，仅有约23.46％的格网人口小于3000，人口分布密集区域集中于中南半岛、印尼爪哇岛、印度北部和孟加拉湾地区等。
综上所述，本发明提出一种以格网为评价单元的引力-辐射模型，实现跨境人口流动的高精度模拟。首先，通过互联网爬虫技术获取跨境航班的基本信息，获取中国与南亚东南亚地区的人口公里格网数据。其次，耦合引力模型与辐射模型，构建基于时间邻域的引力-辐射模型，实现格网级的跨境人口流动模拟。最后，将格网级的人口流动模拟结果汇总至区县级、省级与国家级，与统计结果比对以验证模型的精度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种改进辐射模型的跨境人口流动模拟方法，其特征在于，该方法包括以下步骤：
基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；
基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；
通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建；
采用引力-辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级和国家级，同时与统计结果进行对比，完成引力-辐射模型的精度验证；
所述通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建时，将引力模型中的引力值和辐射模型的时间阈值作为双重约束条件，使辐射模型的时间邻域具备双重属性，完成引力-辐射模型的构建；所述通过对引力模型及辐射模型进行耦合，完成引力-辐射模型的构建还包括以下步骤：
以目的区域主机场APDEST和其它目的区域机场为通行节点，且设定总体通行时间Timeix小于出发-目标格网间最短总体通行时间阈值Timeij的第一格网集合{x}；
对出发格网i和目标格网j的引力值Gravityij进行计算，并将计算结果作为引力值阈值；
对出发格网i与第一格网集合{x}内各格网的引力值Gravityix进行计算，并从第一格网集合{x}内筛选出小于引力值阈值的第二格网集合其中：
mi和nj为出发格网i和目的格网j的格网人口数量；
对以不同机场为中心的离散化时间邻域，即第二格网集合且以目的区域主机场APDEST和出发机场APORIG间的航班数量为基准，同时加入不同路径航班数量与基准航班数量的比值作为权重，进行其它目的区域机场/>时间邻域的人口累加，得到最终的时间邻域人口Tij：
Tij＝Tij γ+∑Tij τ*(ALij τ/ALij γ)
其中，Tij γ和Tij τ分别为以APDEST和为中心的时间邻域所覆盖的人口，ALij γ和ALij τ则为对应的机场间综合航班数量。
2.根据权利要求1所述的一种改进辐射模型的跨境人口流动模拟方法，其特征在于，所述基于航班的通行时间信息及道路网的通行时间构建引力模型时，计算基于引力模型的人口流动概率：
其中，mi是出发地i的人口数量，nj是目的地j的人口数量，α、β是调节系数，f(rij)为表征时间、空间距离的阻抗函数。
3.根据权利要求1所述的一种改进辐射模型的跨境人口流动模拟方法，其特征在于，所述通过改进空间邻域，完成辐射模型的构建还包括以下步骤：
计算出发地和目的地之间的通行人口数量；
构建基于时间邻域的格网级辐射模型。
4.根据权利要求3所述的一种改进辐射模型的跨境人口流动模拟方法，其特征在于，所述计算出发地和目的地之间的通行人口数量时，人口数量为mi的出发地i和人口数量为nj的目的地j之间的通行人口数量TPij为：
其中，Sij表示以i为中心，出发地格网i、目的地格网j间距离为半径的邻域内的格网人口总数，且不包含出发地i和目的地j处人口数量，即辐射模型的空间邻域。
5.根据权利要求4所述的一种改进辐射模型的跨境人口流动模拟方法，其特征在于，所述构建基于时间邻域的格网级辐射模型时，以空地联运通行时间作为辐射模型邻域的确定标准，即选取格网i和格网j间最短通行时间tij为时间阈值，获取时间邻近区域Tij以替代辐射模型的格网邻域Sij：
其中，出发地i的人口数量为mi，目的地j的人口数量为nj，Tij为时间邻域的格网人口总数。
6.根据权利要求1所述的一种改进辐射模型的跨境人口流动模拟方法，其特征在于，所述其它目的区域机场设置为除了目的区域主机场APDEST之外，与目的格网最邻近且至多5个机场的集合。
7.根据权利要求1所述的一种改进辐射模型的跨境人口流动模拟方法，其特征在于，所述采用引力-辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与统计结果进行对比，完成引力-辐射模型的精度验证还包括以下步骤：
将格网人口估算结果输入引力-辐射模型，结合格网级的最短总体通行时间，计算得到格网级的人口流动量，并汇总得到区县级、省级与国家级的人口流量；
以某区域前往另一区域的人口流动模拟结果为基础，与热门出发城市、热门到达国家的统计数据以及其他模型结果进行比对；
其中，所述人口流动模拟结果的模拟过程中，出发地行政区a前往目的地行政区b的人口流动量TPab为：
其中，A和B分别为出发地行政区a和目的地行政区b内的居民地格网数量，Tpij为从出发格网i前往目的格网j的格网级人口流动量。
8.根据权利要求7所述的一种改进辐射模型的跨境人口流动模拟方法，其特征在于，所述以某区域前往另一区域的人口流动模拟结果为基础，与热门出发城市、热门到达国家的统计数据以及其他模型结果进行比对时，采用定性排序的方式，验证引力-辐射模型的计算结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210671133.6A CN115221766B (zh) | 2022-06-15 | 2022-06-15 | 一种改进辐射模型的跨境人口流动模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210671133.6A CN115221766B (zh) | 2022-06-15 | 2022-06-15 | 一种改进辐射模型的跨境人口流动模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115221766A CN115221766A (zh) | 2022-10-21 |
| CN115221766B true CN115221766B (zh) | 2024-05-07 |
Family
ID=83608504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210671133.6A Active CN115221766B (zh) | 2022-06-15 | 2022-06-15 | 一种改进辐射模型的跨境人口流动模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115221766B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110415508A (zh) * | 2019-09-04 | 2019-11-05 | 广州市交通规划研究院 | 一种基于城市引力的区域客运交通模型构建方法 |
| CN112990613A (zh) * | 2021-05-19 | 2021-06-18 | 北京大学 | 人口流动模拟预测方法、装置、设备及介质 |
| WO2021174876A1 (zh) * | 2020-09-18 | 2021-09-10 | 平安科技（深圳）有限公司 | 基于智能决策的人口流动预测方法、装置及计算机设备 |
| CN113641749A (zh) * | 2021-07-16 | 2021-11-12 | 中国人民解放军国防科技大学 | 一种基于二部图的人口流动网络估计方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040088392A1 (en) * | 2002-03-18 | 2004-05-06 | The Regents Of The University Of California | Population mobility generator and simulator |
-
2022
- 2022-06-15 CN CN202210671133.6A patent/CN115221766B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110415508A (zh) * | 2019-09-04 | 2019-11-05 | 广州市交通规划研究院 | 一种基于城市引力的区域客运交通模型构建方法 |
| WO2021174876A1 (zh) * | 2020-09-18 | 2021-09-10 | 平安科技（深圳）有限公司 | 基于智能决策的人口流动预测方法、装置及计算机设备 |
| CN112990613A (zh) * | 2021-05-19 | 2021-06-18 | 北京大学 | 人口流动模拟预测方法、装置、设备及介质 |
| CN113641749A (zh) * | 2021-07-16 | 2021-11-12 | 中国人民解放军国防科技大学 | 一种基于二部图的人口流动网络估计方法及系统 |
Non-Patent Citations (9)
| Title |
|---|
| Accessibility based on Gravity-Radiation model and Google Maps API: A case study in Australia;Nan Xia;Journal of Transport Geography;20180922;178-190 * |
| Predicting commuter flows in spatial networks using a radiation model based on temporal ranges;Yihui Ren等;Nat. Commun;20141106;1-9 * |
| Transnational Accessibility between Residential Areas Based on Multimodal Transport System;Nan Xia等;International Journal of Geo-Information;20210304;1-19 * |
| 中国国际航空网络对人口流动空间的影响;李会;王加胜;杨昆;;现代计算机(专业版);20170115(第02期);10-15 * |
| 国际铁路开通对跨境物流可达性及经济联系影响研究――以中老铁路为例;杨扬;李欣怡;;重庆理工大学学报(社会科学)(第04期);24-32 * |
| 基于可持续"流空间"理论的珠江三角洲城际人口吸引力研究;王萌;中国博士学位论文全文数据库 社会科学Ⅱ辑;20180115;H125-1 * |
| 基于改进辐射模型的乡镇人口流动网络研究;侯贺平;刘艳芳;李纪伟;孔雪松;;中国人口.资源与环境;20130815(第08期);107-115 * |
| 基于重力模型的枢纽辐射航空网络构建方法及应用;韩烈;张宁;陈阿茹娜;;工业工程;20130415(第02期);122-126 * |
| 长江三角洲人口迁移空间格局、模式及启示;朱杰;;地理科学进展;20090515(第03期);323-361 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115221766A (zh) | 2022-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pan et al. | Spatial pattern of population mobility among cities in China: Case study of the National Day plus Mid-Autumn Festival based on Tencent migration data | |
| Ma | Spatial equity analysis of urban green space based on spatial design network analysis (sDNA): A case study of central Jinan, China | |
| Yang et al. | A universal distribution law of network detour ratios | |
| Wang et al. | Identification and analysis of urban functional area in Hangzhou based on OSM and POI data | |
| Hong et al. | Hierarchical community detection and functional area identification with OSM roads and complex graph theory | |
| Liu et al. | Urban mobility landscape: Real time monitoring of urban mobility patterns | |
| Brainard | Integrating geographical information systems into travel cost analysis and benefit transfer | |
| Kong et al. | RMGen: A tri-layer vehicular trajectory data generation model exploring urban region division and mobility pattern | |
| Li et al. | Explore the recreational service of large urban parks and its influential factors in city clusters–Experiments from 11 cities in the Beijing-Tianjin-Hebei region | |
| CN110781267A (zh) | 一种基于地理国情的多尺度空间分析评价方法及系统 | |
| Schweizer et al. | Map‐matching algorithm applied to bicycle global positioning system traces in Bologna | |
| Sohrabi et al. | Dynamic bike sharing traffic prediction using spatiotemporal pattern detection | |
| CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
| Zagorskas | GIS-based modelling and estimation of land use mix in urban environment | |
| Li et al. | Land suitability assessment for supporting transport planning based on carrying capacity and construction demand | |
| Li et al. | A two-phase clustering approach for urban hotspot detection with spatiotemporal and network constraints | |
| Wu et al. | Urban landscape as a spatial representation of land rent: A quantitative analysis | |
| CN115292507A (zh) | 基于知识图谱的交通出行分析方法、装置、设备及介质 | |
| Dhyani et al. | Performance evaluation of CALINE 4 model in a hilly terrain–a case study of highway corridors in Himachal Pradesh (India) | |
| CN106021499A (zh) | 基于志愿者地理信息的建设用地分类方法和装置 | |
| Wu et al. | A flood-discharge-based spatio-temporal diffusion method for multi-target traffic hotness construction from trajectory data | |
| CN115221766B (zh) | 一种改进辐射模型的跨境人口流动模拟方法 | |
| Molloy | Development of a destination choice model for Ontario | |
| Yongdong et al. | Analysis of road travel behaviour based on big trajectory data | |
| Hu et al. | Dynamic modeling of urban population travel behavior based on data fusion of mobile phone positioning data and FCD |
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 |