基于普查和手机定位数据的乡镇尺度人口空间化方法研究
发布时间：2021-11-16 01:14
人口在空间上的实际分布是人口地理学研究的基础和热点问题。目前全球不同尺度的人口空间化数据产品因生产方法、数据源等有较大差异,空间化产品的一致性存在较大差异,尤其是共性需求集中的1 km数据产品。本文以京津冀地区为研究区,基于2000年乡镇尺度的人口普查数据和可开放获得的手机定位数据,利用光影投射法计算人口分布权重,结合面积权重法和指数平滑法得到京津冀地区1 km分辨率的人口空间化结果PJ2000。该产品较好地反映了京津冀人口实际分布细节特征。经精度评定,PJ2000人口空间化的总体精度为90%,人口空间化相对误差小于0.5的乡镇（街道）数约占87%,PJ2000与2000年乡镇街道人口统计数据pop2000的相关系数r高达0.95。结果证明,结合乡镇尺度人口统计数据和手机定位数据等多源数据所构建的人口空间化模型,所获1 km分辨率人口密度数据集精度得到显著提高。
【文章来源】：地球信息科学学报. 2020,22(05)北大核心CSCD
【文章页数】：11 页
【部分图文】：
WorldPop误差
随着移动通讯设备的发展，腾讯位置服务在微信、QQ、京东和滴滴出行等软件中得到深度应用，本文主要利用腾讯位置大数据来例证手机定位数据在人口空间化方向的应用。基于Python软件，采用网络爬虫的手段获取京津冀地区的定位数据。由于历史同期腾讯定位点数据无法获取，本文选用2019年的定位数据开展实验。腾讯位置数据时间为2019年8月19日至8月25日夜间19:00—22:00，共7 d的数据，该时段人口大多位于常住地，在一定程度上可以避免人口大量流动对腾讯定位数据的影响。由于手机定位数据与人口统计数据的年份相隔较大，为了验证该实验数据能否反应对应的人口分布趋势，选用客观的夜间灯光数据作为参考，按照乡镇界限分别统计每个乡镇街道的腾讯定位次数总值和夜间灯光总值，将2000年乡镇尺度的人口统计数据分别与2019年腾讯定位次数总值以及2000年夜间灯光总值进行线性拟合，计算得到拟合优度R2分别为0.683、0.462。考虑到夜间灯光分辨率与乡镇边界尺度差异明显、灯光溢出效应的影响和未进行城乡分区建模等相关处理，原始腾讯定位数据显示了其在乡镇尺度上拟合精度较高的优势。因此，从数据可用性角度认为可以采用腾讯定位数据参与人口空间化模拟。2.2.2 数据处理
指数平滑法是时间序列模型中重要方法之一，分为一次指数平滑、二次指数平滑以及三次指数平滑[26]，本文采用二次指数平滑法，其中t代表距离。它的理论算法如式（2)-(3）。式中：p(1)代表一次指数平滑后的值；p(2)代表二次指数平滑之后的值；pt(2)代表与初始值相邻t个单元的数据平均值；p代表数据初始值；a代表平滑系数，值域为（0,1);N代表源数据总值。
【参考文献】：
期刊论文
[1]基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例[J]. 吴中元,许捍卫,胡钟敏. 地理与地理信息科学. 2019(06)
[2]重庆市GDP值的趋势预测分析——基于指数平滑法[J]. 张秋悦. 价值工程. 2019(27)
[3]基于卫星遥感和POI数据的人口空间化研究——以广州市为例[J]. 赵鑫,宋英强,刘轶伦,陈飞香,胡月明. 热带地理. 2020(01)
[4]基于夜间灯光与土地利用数据的山东省乡镇级人口数据空间化[J]. 王明明,王卷乐. 地球信息科学学报. 2019(05)
[5]基于多源数据的福建省人口数据空间化研究[J]. 杨晓荣,陈楠. 贵州大学学报(自然科学版). 2019(02)
[6]基于夜间灯光数据的人口空间分布研究综述[J]. 肖东升,杨松. 国土资源遥感. 2019(03)
[7]基于人口/GDP数据空间化的雷电灾害风险评价[J]. 吴安坤,田鹏举,黄天福,刘波. 气象科技. 2018(05)
[8]社会经济数据空间化现状与发展趋势[J]. 吴吉东,王旭,王菜林,何鑫,叶梦琪. 地球信息科学学报. 2018(09)
[9]基于POI数据的人口分布格网化方法研究[J]. 淳锦,张新长,黄健锋,张鹏程. 地理与地理信息科学. 2018(04)
[10]基于手机大数据的动态人口感知[J]. 杨皓斐,曹仲,李付琛. 计算机系统应用. 2018(05)
硕士论文
[1]基于随机森林算法和多源数据的人口空间分布模型研究[D]. 邓顺强.华东师范大学 2018
[2]基于夜间灯光遥感影像和社会感知数据的人口空间化研究[D]. 黄益修.华东师范大学 2016
[3]基于定位数据的人口分布特征研究[D]. 洪东升.中国地质大学(北京) 2015
[4]人口统计数据空间化不同方案及其误差评价[D]. 杨旭.河南大学 2015
本文编号：3497886
【文章来源】：地球信息科学学报. 2020,22(05)北大核心CSCD
【文章页数】：11 页
【部分图文】：
WorldPop误差
随着移动通讯设备的发展，腾讯位置服务在微信、QQ、京东和滴滴出行等软件中得到深度应用，本文主要利用腾讯位置大数据来例证手机定位数据在人口空间化方向的应用。基于Python软件，采用网络爬虫的手段获取京津冀地区的定位数据。由于历史同期腾讯定位点数据无法获取，本文选用2019年的定位数据开展实验。腾讯位置数据时间为2019年8月19日至8月25日夜间19:00—22:00，共7 d的数据，该时段人口大多位于常住地，在一定程度上可以避免人口大量流动对腾讯定位数据的影响。由于手机定位数据与人口统计数据的年份相隔较大，为了验证该实验数据能否反应对应的人口分布趋势，选用客观的夜间灯光数据作为参考，按照乡镇界限分别统计每个乡镇街道的腾讯定位次数总值和夜间灯光总值，将2000年乡镇尺度的人口统计数据分别与2019年腾讯定位次数总值以及2000年夜间灯光总值进行线性拟合，计算得到拟合优度R2分别为0.683、0.462。考虑到夜间灯光分辨率与乡镇边界尺度差异明显、灯光溢出效应的影响和未进行城乡分区建模等相关处理，原始腾讯定位数据显示了其在乡镇尺度上拟合精度较高的优势。因此，从数据可用性角度认为可以采用腾讯定位数据参与人口空间化模拟。2.2.2 数据处理
指数平滑法是时间序列模型中重要方法之一，分为一次指数平滑、二次指数平滑以及三次指数平滑[26]，本文采用二次指数平滑法，其中t代表距离。它的理论算法如式（2)-(3）。式中：p(1)代表一次指数平滑后的值；p(2)代表二次指数平滑之后的值；pt(2)代表与初始值相邻t个单元的数据平均值；p代表数据初始值；a代表平滑系数，值域为（0,1);N代表源数据总值。
【参考文献】：
期刊论文
[1]基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例[J]. 吴中元,许捍卫,胡钟敏. 地理与地理信息科学. 2019(06)
[2]重庆市GDP值的趋势预测分析——基于指数平滑法[J]. 张秋悦. 价值工程. 2019(27)
[3]基于卫星遥感和POI数据的人口空间化研究——以广州市为例[J]. 赵鑫,宋英强,刘轶伦,陈飞香,胡月明. 热带地理. 2020(01)
[4]基于夜间灯光与土地利用数据的山东省乡镇级人口数据空间化[J]. 王明明,王卷乐. 地球信息科学学报. 2019(05)
[5]基于多源数据的福建省人口数据空间化研究[J]. 杨晓荣,陈楠. 贵州大学学报(自然科学版). 2019(02)
[6]基于夜间灯光数据的人口空间分布研究综述[J]. 肖东升,杨松. 国土资源遥感. 2019(03)
[7]基于人口/GDP数据空间化的雷电灾害风险评价[J]. 吴安坤,田鹏举,黄天福,刘波. 气象科技. 2018(05)
[8]社会经济数据空间化现状与发展趋势[J]. 吴吉东,王旭,王菜林,何鑫,叶梦琪. 地球信息科学学报. 2018(09)
[9]基于POI数据的人口分布格网化方法研究[J]. 淳锦,张新长,黄健锋,张鹏程. 地理与地理信息科学. 2018(04)
[10]基于手机大数据的动态人口感知[J]. 杨皓斐,曹仲,李付琛. 计算机系统应用. 2018(05)
硕士论文
[1]基于随机森林算法和多源数据的人口空间分布模型研究[D]. 邓顺强.华东师范大学 2018
[2]基于夜间灯光遥感影像和社会感知数据的人口空间化研究[D]. 黄益修.华东师范大学 2016
[3]基于定位数据的人口分布特征研究[D]. 洪东升.中国地质大学(北京) 2015
[4]人口统计数据空间化不同方案及其误差评价[D]. 杨旭.河南大学 2015
本文编号：3497886
本文链接：https://www.wllwen.com/shekelunwen/renkou/3497886.html
最近更新
教材专著
