基于定位数据的人口分布特征研究

发布时间：2020-07-14 19:27

【摘要】：智能手机、全球定位系统与移动互联网的发展共同促进了一项新型的服务——基于位置的服务。不同于传统的互联网服务,基于位置服务立足于智能手机的定位功能,提供与用户地理位置高度相关的信息服务。智能手机普及率持续升高,移动互联应用形式多样化,移动定位技术起到了基础的作用。移动定位技术不仅为用户的生活提供了便利,为移动应用提供了基础服务,并且其服务过程中产生的大量用户实时定位数据。大规模用户的位置信息,可以作为对城市运行状态的一种检测手段。由于智能手机的普及,大规模的定位数据是对人口空间分布的一种采样。利用Hadoop平台的大数据处理分析能力,对百度移动定位服务系统运行日志进行整合,获取定位密度影像数据。基于对定位数据的分析,结合与夜间灯光数据、微博签到数据的对比,揭示了人口的空间分布特征,并有以下的结论:1.用户定位数量在时间上呈现周期性的变化;2.人口的分布在空间上呈现幂律分布特征;3.定位数据能够很好的刻画人口的空间分布及其时间变化。基于人口空间分布特征,定位密度可以理解为人口分布的一种抽样调查,尝试以定位数据进行了人口密度制图。对定位密度数据的时空变化进行了分析,验证了定位密度数据包含有大量地理空间相关信息,以此为依据,进行两个方面的应用研究:1.人类的各种活动与城市空间密不可分,基于随机森林算法,训练了城市建成区的分类模型,进行了全国城市建成区制图。2.定位密度的时空变化与城市用地类型有很强的相关性,采用梯度迭代决策树算法,训练了城市用地类型分类模型,并验证模型的有效性。通过对人口时空分布特征的研究,以及对人口时空分布变化中隐藏的大量信息的挖掘,本文实践了以人为传感器的思想,验证了用户生成位置数据在地理研究中的巨大潜力。
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：C922;P208
【图文】：

数据分布,数据,定位数据,南海诸岛

中国地质大学（北京）硕士学位论文13图2-3 定位量数据由于用户群体分布，图2-3中台湾和南海诸岛并没有定位数据，中国版图无关。由图2-3中可以明显的看到黑河-腾冲线左右的对比，以及京津冀鲁豫区域、长三角、珠三角、山西、成都的高定位量分布。定位数据清晰的勾勒出了中国城市的分布，由于数据分布清晰，故并没有加特别注记。

每小时

睡眠时、工作时定位请求较少，休息时、出行时定位请求较多。定位量随时间变化，是人在不同时间进行不同类型活动的体现。图3-1 每小时定位量图3-1为2014年12月百度定位服务每小时为全国提供的定位请求数量，其中蓝色为工作日定位量，红色为周末定位量，绿色为12月31日定位量（由于元旦假期以及各地的跨年活动影响，当天虽然不是假期，但与正常工作日有明显不同，故以不同颜色显示，以示区分）。图3-1中显示定位数量在时间上的变化，有明显的特征：1) 定位量在所有的日期都服从一个整体的分布：定位量在凌晨四点左右达

波形,哈尔滨,成都,北京

较少的区域定位量变化浮动较大，故以哈尔滨、北京、成都为例，分别统计其定位量，研究时差对定位量的影响。图3-2 哈尔滨、北京、成都定位量对比北京（116.40, 39.91）、哈尔滨（126.63, 45.77）、成都（104.07, 30.66）三者之间经度相差10度左右，时差约为40分钟（经度相差15度时差为一小时）。如图3-2所示，从定位数量一些基本特征点的后移可以发现，时差（纬度差异）造成了定位量的波形的整体后移，如最明显的假期定位请求量与工作日定位请求量在凌晨5点左右的延时增长起点的后移。但是由于三个城市使用的都是北京时间，故定位量的变化趋势基本相同，定位量的推移时间并没有达到三个城市的时差（40分钟）的长度。不同城市定位数量的时间变化虽然有着相似的波形，代表着定位数量在各

【参考文献】