CN117858040A - 一种基于手机信令数据的城镇空间单元社群划分方法 - Google Patents
一种基于手机信令数据的城镇空间单元社群划分方法 Download PDFInfo
- Publication number
- CN117858040A CN117858040A CN202311747353.3A CN202311747353A CN117858040A CN 117858040 A CN117858040 A CN 117858040A CN 202311747353 A CN202311747353 A CN 202311747353A CN 117858040 A CN117858040 A CN 117858040A
- Authority
- CN
- China
- Prior art keywords
- town
- town space
- space unit
- edge
- network
- 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
Links
- 230000011664 signaling Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000011160 research Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims 2
- 238000012216 screening Methods 0.000 description 5
- 238000003012 network analysis Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于手机信令数据的城镇空间单元社群划分方法，包括，基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标；对联系度指标进行标准化处理；根据城镇空间单元社群构建城镇空间单元联系网络，根据所述城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对所述城镇空间单元联系网络进行预处理；基于预处理后的城镇空间单元联系网络，使用louvain算法进行城镇空间单元社群的划分。通过本发明提出的方法，可以基于手机信令数据分析人群在城镇空间中流动情况，以此反映城镇空间单元间的联系强度，并最终将城镇空间单元划分为不同的社群。
Description
技术领域
本发明属于数据处理领域。
背景技术
手机信令数据具有丰富的城市活动信息，可以实时反映城市间的人口流动特征，能够用于高精度的城市空间分析。人口在城镇空间中的流动，可以反映城镇内各个区域之间的空间关系和组织形式，是城镇空间格局的具体体现。
城镇空间是一定范围内的连续空间，而城镇空间单元则是对城镇空间的细分。城镇空间单元的划分方式，可以使用次级的行政区划边界进行划分，例如市域空间可以细分为乡镇、街道单元；也可以使用网格划分，将完整的城镇空间机械的划分为若干网格单元。
社群是网络分析中的概念，它表示的是一组高强度联系的节点，社群内部节点之间彼此连接的强度要显著高于不同社群之间的节点的联系。在城镇空间单元的联系网络中划分社群，能够揭示城镇空间单元间联系的不均匀性，可以识别城镇空间内部的集聚模式、功能结构和组织特征，在国土空间规划与治理、行政区划优化调整等领域具有重要的应用意义。
已有的技术方案主要基于手机信令数据分析城镇中人口的居住地和工作地，以在某城镇单元内居住、在另一个城镇单元内工作的人口数量作为两个城镇单元间的联系强度，最后使用Fast unfolding算法、louvain算法等网络分析算法实现城镇单元社群划分。
现有的技术方案主要存在三个缺点：
1、反映人口流动的指标单一。现有技术方案大多只使用了人口居住地和工作地的联系来作为城镇空间单元间的联系度，只能体现城镇空间在职住功能方面的结构特征，难以综合评判城镇空间单元间的联系紧密程度。
2、未对城镇空间单元联系数据进行标准化处理。现有技术方案大多直接使用城镇空间单元间的人流量作为联系度，但人流量的大小会受到城镇空间单元内居住人口数量的影响，而城镇人口在各个空间单元内的分布是严重不均的，这就导致城镇空间单元间的联系关系受到人口数量差异的干扰而无法被准确识别。
3、未对城镇单元联系网络进行预处理。现有技术方案大多直接将基于手机信令数据提取到的城镇空间单元联系度矩阵输入Fast unfolding算法、louvain算法等网络分析算法，未进行网络结构层面的其它处理，完全依赖网络分析算法自身的泛化能力来实现城镇空间单元社群划分。但这类算法本身并不完全可靠，例如可能出现分离群合并的倾向，导致输出的结果不符合对城镇空间单元组织结构研究的预期。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的目的在于提出一种基于手机信令数据的城镇空间单元社群划分方法，用于城镇空间单元划分为不同的社群。
为达上述目的，本发明第一方面实施例提出了一种基于手机信令数据的城镇空间单元社群划分方法，包括：
基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标；
对所述联系度指标进行标准化处理；
根据所述城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对所述城镇空间单元联系网络进行预处理；
基于预处理后的城镇空间单元联系网络，使用louvain算法进行所述城镇空间单元社群的划分。
另外，根据本发明上述实施例的一种基于手机信令数据的城镇空间单元社群划分方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标，包括：
基于手机信令数据分析研究区域内的居住人口，并识别其居住地，得到第一识别结果；
基于手机信令数据分析研究区域内的工作人口，并识别其工作地，得到第二识别结果；
基于手机信令数据分析研究区域内的活动人口，得到第三识别结果；
根据所述第一识别结果和所述第二识别结果分析研究区域内各城镇空间单元间的居住地-工作地联系度；
根据所述第一识别结果和所述第三识别结果分析研究区域内各城镇空间单元间的居住地-非工作地联系度；
根据所述第一识别结果、所述第二识别结果和所述第三识别结果分析研究区域内各城镇空间单元间的非居住地-非工作地联系度。
进一步地，在本发明的一个实施例中，所述对所述联系度指标进行标准化处理，包括：
对居住地-工作地联系度做标准化处理：
式中，aij为在城镇空间单元i中居住、在单元j中工作的人口数量，ri为城镇空间单元i中识别到的总居住人口数量，Aij为城镇空间单元i与j之间的居住地-工作地联系度；
对居住地-非工作地联系度做标准化处理：
式中，bij为在城镇空间单元i中居住、非工作日在单元j中驻留的人口数量，ri为城镇空间单元i中识别到的总居住人口数量，Bij为城镇空间单元i与j之间的居住地-非工作地联系度；
对非居住地-非工作地联系度做标准化处理：
式中，cijd为d日同时在城镇空间单元i和j中驻留、驻留时长超过2小时且居住地和工作地不在城镇空间单元i和j中的人口数量，sid为城镇空间单元i在d日识别到的驻留时长超过2小时的人口数量，numd为研究时段的总天数，Cij为城镇空间单元i与j之间的非居住地-非工作地联系度。
进一步地，在本发明的一个实施例中，在对所述联系度指标进行标准化处理之后，还包括：
对三项联系度指标做极差标准化处理：
式中，Aij为城镇空间单元i与j之间的居住地-工作地联系度,max(Aij)为计算所得单元i与j之间的居住地-工作地联系度中的最大值，min(Aij)为计算所得单元i与j之间的居住地-工作地联系度中的最小值，A′ij为经过极差标准化后的城镇空间单元i与j之间的居住地-工作地联系度。其他两项指标B′ij、C′ij的计算方法相同；
将三项联系度指标等权重合并，得到城镇空间单元综合联系度：
式中，A′ij、B′ij、C′ij为经过极差标准化后的城镇空间单元i与j之间的居住地-工作地联系度、居住地-非工作地联系度、非居住地-非工作地联系度，Lij为城镇空间单元i与j之间的综合联系度。
进一步地，在本发明的一个实施例中，所述根据所述城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对所述城镇空间单元联系网络进行预处理，包括：
将城镇空间单元间的联系关系视为网络，所述城镇空间单元为网络中的节点，所述城镇空间单元间的联系为网络中的边，联系度值即为边的权重值，借鉴最小生成树的方法，从城镇空间单元综合联系度网络中提取出包含所有城镇空间单元、且联系度值最大的网络结构。
进一步地，在本发明的一个实施例中，还包括：
S301:提取城镇空间单元联系网络中的边数据，根据节点间联系度值由大到小排序；读取边数据中的第一组值，将边上连接的两个节点记入集合S中的子集合S0，并将该边记入新网络；
S302:按顺序依次查找剩余的边数据，并分情况处理：
如果边上的两个节点均未被计入集合S的各个子集合中，则将边上连接的节点记入子集合Sn，并将该边记入新网络，其中n为子集合编号，表示新建的子集合；
如果边上的两个节点均已被记入集合S的同一个子集合中，则跳过该边继续查找剩余的边数据。如果边上连接的两个节点，一个已被记入某个子集合，另一个未被记入集合S，则将未被记入集合的节点记入同一个子集合，并将该边记入新网络。如果边上连接的两个节点，分别被记入集合的两个子集合中，则将两个子集合合并，并将该边记入新网络。
S303:每次完成S303中边数据的查找后，检查集合S:如果集合S中只有1个子集合，且子集合中已包含了全部的城镇空间单元，则结束查找,此时新网络即为包含所有城镇空间单元、且联系度值最大的城镇空间单元联系网络；
S304:使用S301中已根据节点联系度值由大到小排序的边数据，重新按顺序查找原城镇空间单元联系网络中的边:
如果该边已被记入新网络中，则将该边从边数据队列中移除，并继续查找；
如果该边未被记入新网络中，则将该边记入新网络，并将该边从边数据队列中移除；同时将边数据队列中所有含有该边节点的边的联系度值乘以衰减系数并更新；
S305:将更新后的边数据队列，重新按联系度值排序，并继续S304:的处理；当新网络中边的数量达到节点数量的2倍时，停止读取边数据队列，此时的新网络即为经过网络结构预处理后的城镇空间单元联系网络。
为达上述目的，本发明第二方面实施例提出了一种基于手机信令数据的城镇空间单元社群划分装置，包括以下模块：
提取模块，用于基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标；
标准化模块，用于对所述联系度指标进行标准化处理；
预处理模块，用于根据所述城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对所述城镇空间单元联系网络进行预处理；
划分模块，用于基于预处理后的城镇空间单元联系网络，使用louvain算法进行所述城镇空间单元社群的划分。
为达上述目的，本发明第三方面实施例提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的一种基于手机信令数据的城镇空间单元社群划分方法。
为达上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的一种基于手机信令数据的城镇空间单元社群划分方法。
本发明实施例提出的基于手机信令数据的城镇空间单元社群划分方法，基于手机信令数据分析人群在城镇空间中流动情况，以此反映城镇空间单元间的联系强度，并最终将城镇空间单元划分为不同的社群。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例所提供的一种基于手机信令数据的城镇空间单元社群划分方法的流程示意图；
图2为本发明实施例所提供的一种基于手机信令数据的城镇空间单元社群划分装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的基于手机信令数据的城镇空间单元社群划分方法。
图1为本发明实施例所提供的一种基于手机信令数据的城镇空间单元社群划分方法的流程示意图。
如图1所示，该基于手机信令数据的城镇空间单元社群划分方法包括以下步骤：
S101：基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标；
进一步地，在本发明的一个实施例中，基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标，包括：
基于手机信令数据分析研究区域内的居住人口，并识别其居住地，得到第一识别结果；
基于手机信令数据分析研究区域内的工作人口，并识别其工作地，得到第二识别结果；
基于手机信令数据分析研究区域内的活动人口，得到第三识别结果；
根据第一识别结果和第二识别结果分析研究区域内各城镇空间单元间的居住地-工作地联系度；
根据第一识别结果和第三识别结果分析研究区域内各城镇空间单元间的居住地-非工作地联系度；
根据第一识别结果、第二识别结果和第三识别结果分析研究区域内各城镇空间单元间的非居住地-非工作地联系度。
具体的，基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标。本发明使用居住地-工作地联系度、居住地-非工作地联系度、非居住地-非工作地联系度三项指标，反映城镇空间单元间的联系度。其中居住地-工作地联系度，反映城镇空间在职住通勤方面的关联。居住地-非工作地联系度，反映城镇空间在提供购物休闲等生活性服务方面的关联。非居住地-非工作地联系度，从人群在不同位置共现的角度，反映职住通勤、生活服务以外更广泛的城镇空间联系。
基于手机信令数据分析研究区域内的居住人口，并识别其居住地，判断规则为：预期用户在家停留的居住时段为晚上9点至第二天早上8点，筛选此时段内的驻留记录，并筛除单次驻留时长小于30分钟的无效记录。同时统计用户在本市停留的天数，居住人口在居住时段，应在本市停留20天以上。取驻留总时长最长的位置，作为用户的居住地，并要求用户在居住地网格上的日均驻留时长不小于3小时。通过以上条件筛选的用户作为识别到的居住人口，并将其停留时长最长的位置作为其居住地。统计城镇空间单元内的居住人口数量ri(i为城镇空间单元编号)。
基于手机信令数据分析研究区域内的工作人口，并识别其工作地，判断规则为：首先根据用户的年龄信息，筛选年龄段在19-60岁的用户，作为潜在的工作人口；预期工作人口在工作地停留的时段为工作日上午9点到下午5点，筛选此时段内的驻留记录，并筛除单次驻留时长小于30分钟的无效记录；同时统计用户在本市停留的天数，工作人口在工作日的工作时段，应在本市停留15天以上。取驻留总时长最长的位置，作为用户的工作地，并要求用户在工作地网格上的日均驻留时长不小于4小时，同时用户的工作地位置不应与其居住地位置相同。考虑到部分就业人口确实存在工作位置和居住位置重合的情况，需要补充识别部分职住同地的就业人口，判断逻辑是职住同地者在工作日的工作时段需要停留在其工作地，而非工作日则可能去其他地方活动，造成工作日的总停留时长显著高于非工作日；对于非工作人群，则不存在工作日与非工作日的明显区别。因此筛选识别到的工作地与居住地位置相同的用户，统计其工作日和非工作日在工作时段的停留时长，若其在工作日的总驻留时长与非工作日的总驻留时长之比大于1.2，则将其识别为职住同地的工作人口，合并入工作人口的识别结果。
基于手机信令数据分析研究区域内的活动人口，判断规则为：按天和所在的城镇空间单元归并用户的停留记录，筛选停留时长超过2小时的用户，统计用户数量，得到城镇空间单元i在d日的活动人口数量sid。
基于手机信令数据分析研究区域内各城镇空间单元间的居住地-工作地联系，判断规则为：筛选居住地在城镇空间单元i、工作地在城镇空间单元j的用户，统计用户数量，作为城镇空间单元i与j的居住地-工作地联系度aij。
基于手机信令数据分析研究区域内各城镇空间单元间的居住地-非工作地联系，判断规则为：筛选非工作日的停留记录并按天归并用户的停留记录，提取居住地在城镇空间单元i、且在城镇空间单元j停留时长超过2小时的用户，统计用户数量，并按月计算平均值，作为城镇空间单元i与j的居住地-非工作地联系度bij。
基于手机信令数据分析研究区域内各城镇空间单元间的非居住地-非工作地联系，判断规则为：按天归并用户的停留记录，提取在城镇空间单元i停留时长超过2小时、在城镇空间单元j停留时长超过2小时，且居住地和工作地均不在城镇空间单元i或j的用户，统计用户数量，作为城镇空间单元i与j在d日的非居住地-非工作地联系度cijd。
S102：对联系度指标进行标准化处理；
进一步地，在本发明的一个实施例中，对联系度指标进行标准化处理，包括：
对居住地-工作地联系度做标准化处理：
式中，aij为在城镇空间单元i中居住、在单元j中工作的人口数量，ri为城镇空间单元i中识别到的总居住人口数量，Aij为城镇空间单元i与j之间的居住地-工作地联系度；
对居住地-非工作地联系度做标准化处理：
式中，bij为在城镇空间单元i中居住、非工作日在单元j中驻留的人口数量，ri为城镇空间单元i中识别到的总居住人口数量，Bij为城镇空间单元i与j之间的居住地-非工作地联系度；
对非居住地-非工作地联系度做标准化处理：
式中，cijd为d日同时在城镇空间单元i和j中驻留、驻留时长超过2小时且居住地和工作地不在城镇空间单元i和j中的人口数量，sid为城镇空间单元i在d日识别到的驻留时长超过2小时的人口数量，numd为研究时段的总天数，Cij为城镇空间单元i与j之间的非居住地-非工作地联系度。
进一步地，在本发明的一个实施例中，在对联系度指标进行标准化处理之后，还包括：
对三项联系度指标做极差标准化处理：
式中，Aij为城镇空间单元i与j之间的居住地-工作地联系度,max(Aij)为计算所得单元i与j之间的居住地-工作地联系度中的最大值，min(Aij)为计算所得单元i与j之间的居住地-工作地联系度中的最小值，A′ij为经过极差标准化后的城镇空间单元i与j之间的居住地-工作地联系度。其他两项指标B′ij、C′ij的计算方法相同；
将三项联系度指标等权重合并，得到城镇空间单元综合联系度：
式中，A′ij、B′ij、C′ij为经过极差标准化后的城镇空间单元i与j之间的居住地-工作地联系度、居住地-非工作地联系度、非居住地-非工作地联系度，Lij为城镇空间单元i与j之间的综合联系度。
进一步地，在本发明的一个实施例中，根据城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对城镇空间单元联系网络进行预处理，包括：
将城镇空间单元间的联系关系视为网络，城镇空间单元为网络中的节点，城镇空间单元间的联系为网络中的边，联系度值即为边的权重值，借鉴最小生成树的方法，从城镇空间单元综合联系度网络中提取出包含所有城镇空间单元、且联系度值最大的网络结构。
S103：根据城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对城镇空间单元联系网络进行预处理；
进一步地，在本发明的一个实施例中，还包括：
S301:提取城镇空间单元联系网络中的边数据，根据节点间联系度值由大到小排序；读取边数据中的第一组值，将边上连接的两个节点记入集合S中的子集合S0，并将该边记入新网络；
S302:按顺序依次查找剩余的边数据，并分情况处理：
如果边上的两个节点均未被计入集合S的各个子集合中，则将边上连接的节点记入子集合Sn，并将该边记入新网络，其中n为子集合编号，表示新建的子集合；
如果边上的两个节点均已被记入集合S的同一个子集合中，则跳过该边继续查找剩余的边数据。如果边上连接的两个节点，一个已被记入某个子集合，另一个未被记入集合S，则将未被记入集合的节点记入同一个子集合，并将该边记入新网络。如果边上连接的两个节点，分别被记入集合的两个子集合中，则将两个子集合合并，并将该边记入新网络。
S303:每次完成S303中边数据的查找后，检查集合S:如果集合S中只有1个子集合，且子集合中已包含了全部的城镇空间单元，则结束查找,此时新网络即为包含所有城镇空间单元、且联系度值最大的城镇空间单元联系网络；
S304:使用S301中已根据节点联系度值由大到小排序的边数据，重新按顺序查找原城镇空间单元联系网络中的边:
如果该边已被记入新网络中，则将该边从边数据队列中移除，并继续查找；
如果该边未被记入新网络中，则将该边记入新网络，并将该边从边数据队列中移除；同时将边数据队列中所有含有该边节点的边的联系度值乘以衰减系数并更新；
S305:将更新后的边数据队列，重新按联系度值排序，并继续S304:的处理；当新网络中边的数量达到节点数量的2倍时，停止读取边数据队列，此时的新网络即为经过网络结构预处理后的城镇空间单元联系网络。
S104：基于预处理后的城镇空间单元联系网络，使用louvain算法进行城镇空间单元社群的划分。
将经过网络结构预处理后的城镇空间单元联系网络输入louvain算法，输出完成社群划分的城镇空间单元列表。
本发明实施例提出的基于手机信令数据的城镇空间单元社群划分方法，基于手机信令数据分析人群在城镇空间中流动情况，以此反映城镇空间单元间的联系强度，并最终将城镇空间单元划分为不同的社群。
与现有技术相比，本发明的优点有：
1、使用多项人口流动指标体现城镇空间单元间的关联度，综合反映城镇空间的功能结构和组织关系。
2、对城镇空间单元联系数据进行标准化处理，排除人口数量等因素的干扰。
3、对城镇空间单元联系网络进行预处理，去除原始联系网络中的大量冗余信息，修剪后的联系网络更有利于louvain等算法识别其结构特征。
4、城镇空间单元社群划分结果的可靠度高。以实施例中的北京市街道乡镇单元社群划分结果为例，本发明的方法有效识别出西二旗——回龙观区域、望京区域、亦庄经济技术开发区区域等典型的城市功能区，与城乡规划领域的广泛认知相符。
为了实现上述实施例，本发明还提出一种基于手机信令数据的城镇空间单元社群划分装置。
图2为本发明实施例提供的一种基于手机信令数据的城镇空间单元社群划分装置的结构示意图。
如图2所示，该基于手机信令数据的城镇空间单元社群划分装置包括：提取模块100，标准化模块200，预处理模块300，划分模块400，其中，
提取模块，用于基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标；
标准化模块，用于对联系度指标进行标准化处理；
预处理模块，用于根据城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对城镇空间单元联系网络进行预处理；
划分模块，用于基于预处理后的城镇空间单元联系网络，使用louvain算法进行城镇空间单元社群的划分。
为达上述目的，本发明第三方面实施例提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的基于手机信令数据的城镇空间单元社群划分方法。
为达上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的基于手机信令数据的城镇空间单元社群划分方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
尽管上面已经示出和描述了本发明的实施例，可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种基于手机信令数据的城镇空间单元社群划分方法，其特征在于，包括以下步骤：
基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标；
对所述联系度指标进行标准化处理；
根据所述城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对所述城镇空间单元联系网络进行预处理；
基于预处理后的城镇空间单元联系网络，使用louvain算法进行所述城镇空间单元社群的划分。
2.根据权利要求1所述的方法，其特征在于，所述基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标，包括：
基于手机信令数据分析研究区域内的居住人口，并识别其居住地，得到第一识别结果；
基于手机信令数据分析研究区域内的工作人口，并识别其工作地，得到第二识别结果；
基于手机信令数据分析研究区域内的活动人口，得到第三识别结果；
根据所述第一识别结果和所述第二识别结果分析研究区域内各城镇空间单元间的居住地-工作地联系度；
根据所述第一识别结果和所述第三识别结果分析研究区域内各城镇空间单元间的居住地-非工作地联系度；
根据所述第一识别结果、所述第二识别结果和所述第三识别结果分析研究区域内各城镇空间单元间的非居住地-非工作地联系度。
3.根据权利要求1所述的方法，其特征在于，所述对所述联系度指标进行标准化处理，包括：
对居住地-工作地联系度做标准化处理：
式中，aij为在城镇空间单元i中居住、在单元j中工作的人口数量，ri为城镇空间单元i中识别到的总居住人口数量，Aij为城镇空间单元i与j之间的居住地-工作地联系度；
对居住地-非工作地联系度做标准化处理：
式中，bij为在城镇空间单元i中居住、非工作日在单元j中驻留的人口数量，ri为城镇空间单元i中识别到的总居住人口数量，Bij为城镇空间单元i与j之间的居住地-非工作地联系度；
对非居住地-非工作地联系度做标准化处理：
式中，cijd为d日同时在城镇空间单元i和j中驻留、驻留时长超过2小时且居住地和工作地不在城镇空间单元i和j中的人口数量，sid为城镇空间单元i在d日识别到的驻留时长超过2小时的人口数量，numd为研究时段的总天数，Cij为城镇空间单元i与j之间的非居住地-非工作地联系度。
4.根据权利要求1或3所述的方法，其特征在于，在对所述联系度指标进行标准化处理之后，还包括：
对三项联系度指标做极差标准化处理：
式中，Aij为城镇空间单元i与j之间的居住地-工作地联系度,max(Aij)为计算所得单元i与j之间的居住地-工作地联系度中的最大值，min(Aij)为计算所得单元i与j之间的居住地-工作地联系度中的最小值，A′ij为经过极差标准化后的城镇空间单元i与j之间的居住地-工作地联系度。其他两项指标B′ij、C′ij的计算方法相同；
将三项联系度指标等权重合并，得到城镇空间单元综合联系度：
式中，A′ij、B′ij、C′ij为经过极差标准化后的城镇空间单元i与j之间的居住地-工作地联系度、居住地-非工作地联系度、非居住地-非工作地联系度，Lij为城镇空间单元i与j之间的综合联系度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对所述城镇空间单元联系网络进行预处理，包括：
将城镇空间单元间的联系关系视为网络，所述城镇空间单元为网络中的节点，所述城镇空间单元间的联系为网络中的边，联系度值即为边的权重值，借鉴最小生成树的方法，从城镇空间单元综合联系度网络中提取出包含所有城镇空间单元、且联系度值最大的网络结构。
6.根据权利要求5所述的方法，其特征在于，还包括：
S301:提取城镇空间单元联系网络中的边数据，根据节点间联系度值由大到小排序；读取边数据中的第一组值，将边上连接的两个节点记入集合S中的子集合S0，并将该边记入新网络；
S302:按顺序依次查找剩余的边数据，并分情况处理：
如果边上的两个节点均未被计入集合S的各个子集合中，则将边上连接的节点记入子集合Sn，并将该边记入新网络，其中n为子集合编号，表示新建的子集合；
如果边上的两个节点均已被记入集合S的同一个子集合中，则跳过该边继续查找剩余的边数据。如果边上连接的两个节点，一个已被记入某个子集合，另一个未被记入集合S，则将未被记入集合的节点记入同一个子集合，并将该边记入新网络。如果边上连接的两个节点，分别被记入集合的两个子集合中，则将两个子集合合并，并将该边记入新网络。
S303:每次完成S303中边数据的查找后，检查集合S:如果集合S中只有1个子集合，且子集合中已包含了全部的城镇空间单元，则结束查找,此时新网络即为包含所有城镇空间单元、且联系度值最大的城镇空间单元联系网络；
S304:使用S301中已根据节点联系度值由大到小排序的边数据，重新按顺序查找原城镇空间单元联系网络中的边:
如果该边已被记入新网络中，则将该边从边数据队列中移除，并继续查找；
如果该边未被记入新网络中，则将该边记入新网络，并将该边从边数据队列中移除；同时将边数据队列中所有含有该边节点的边的联系度值乘以衰减系数并更新；
S305:将更新后的边数据队列，重新按联系度值排序，并继续S304:的处理；当新网络中边的数量达到节点数量的2倍时，停止读取边数据队列，此时的新网络即为经过网络结构预处理后的城镇空间单元联系网络。
7.一种基于手机信令数据的城镇空间单元社群划分装置，其特征在于，包括以下模块：
提取模块，用于基于手机信令数据，提取城镇空间单元社群中城镇空间单元间的联系度指标；
标准化模块，用于对所述联系度指标进行标准化处理；
预处理模块，用于根据所述城镇空间单元社群构建城镇空间单元联系网络，根据标准化后的联系度指标对所述城镇空间单元联系网络进行预处理；
划分模块，用于基于预处理后的城镇空间单元联系网络，使用louvain算法进行所述城镇空间单元社群的划分。
8.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-6中任一所述的基于手机信令数据的城镇空间单元社群划分方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任意一项所述的基于手机信令数据的城镇空间单元社群划分方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311747353.3A CN117858040A (zh) | 2023-12-18 | 2023-12-18 | 一种基于手机信令数据的城镇空间单元社群划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311747353.3A CN117858040A (zh) | 2023-12-18 | 2023-12-18 | 一种基于手机信令数据的城镇空间单元社群划分方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117858040A true CN117858040A (zh) | 2024-04-09 |
Family
ID=90539223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311747353.3A Pending CN117858040A (zh) | 2023-12-18 | 2023-12-18 | 一种基于手机信令数据的城镇空间单元社群划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117858040A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118134111A (zh) * | 2024-05-06 | 2024-06-04 | 清华大学 | 一种基于手机信令数据的社区生活圈规划现状评价方法 |
-
2023
- 2023-12-18 CN CN202311747353.3A patent/CN117858040A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118134111A (zh) * | 2024-05-06 | 2024-06-04 | 清华大学 | 一种基于手机信令数据的社区生活圈规划现状评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117858040A (zh) | 一种基于手机信令数据的城镇空间单元社群划分方法 | |
| CN108495254B (zh) | 一种基于信令数据的交通小区人口特征估计方法 | |
| Lee et al. | A comparison of network clustering algorithms in keyword network analysis: A case study with geography conference presentations | |
| CN111639786A (zh) | 资源配置方法、装置、存储介质及计算机设备 | |
| Yu et al. | How to identify urban centers/subcenters in metropolises? An analytical review | |
| CN112836771A (zh) | 业务服务点的分类方法、装置、电子设备和存储介质 | |
| CN113723782A (zh) | 一种基于能源消耗碳排放的精细尺度确定方法及装置 | |
| Hajduk | The smartness profile of selected European cities in urban management–A comparison analysis | |
| CN107256461B (zh) | 一种充电设施建设地址评价方法及系统 | |
| CN117076744B (zh) | 一种无障碍设施建设选址方法及设备 | |
| CN113158084B (zh) | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 | |
| CN112862283A (zh) | 基于层次分析的城管派遣方法和系统 | |
| CN107679174A (zh) | 知识组织系统的构建方法、装置及服务器 | |
| Khorrami et al. | Measuring Liveability in Iranian Cities Using the Global Liveable City Index (GLCI) | |
| CN115860213A (zh) | 多情景城市应急采样场所选址优化方法、系统、设备及介质 | |
| CN112529311B (zh) | 一种基于图卷积分析的道路流量预测方法和装置 | |
| CN115034839A (zh) | 办公区域状态的检测方法、装置和存储介质及电子设备 | |
| CN110825780A (zh) | 一种基于聚集算法的创新资源评估方法及装置 | |
| CN115203355A (zh) | 一种基于知识图谱技术的目标人员分级方法和系统 | |
| CN118095668B (zh) | 一种智慧多功能杆公益救助模块布局方法、设备及介质 | |
| Annunziata et al. | Smart tourism governance for urban bioregion: an evaluating approach to the relationship between coastal and inland areas of South Sardinia | |
| Safdari Molan et al. | Situation analysis of cities in Ardabil province in terms of health indicators | |
| CN117634706A (zh) | 一种公园使用效率优化方法、介质及设备 | |
| Gu et al. | An integrated approach to multi-criteria-based health care facility location planning | |
| BLĂGEANU | QUANTIFYING POLYCENTRIC PATTERNS: AN EMPIRICAL APPLICATION ON EMPLOYMENT DATA IM MOLDOVA, ROMANIA |
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 |