多层次空间同位模式自适应挖掘方法

空间同位模式挖掘旨在从空间数据中发现频繁发生在邻近位置的事件集合,对于揭示地理现象间的共生规律具有重要价值。由于地理现象的空间异质特质,空间同位模式也存在区域性分异的特点,在不同空间层次上的分析结果各异。然而,现有方法仅从全局视角挖掘空间同位模式,发现局部空间同位模式依然是一个亟待解决的难题。为此,本文基于由整体到局部的思想,提出了一种多层次空间同位模式自适应挖掘方法。首先,从全局视角提取频繁的空间同位模式,将全局不频繁的空间同位模式作为候选的局部空间同位模式;然后,通过对候选局部同位模式进行自适应聚类自动识别其局部分布区域,并在这些局部区域内度量候选模式的频繁程度;进而,提出了一种叠置推绎的方法,从频繁子模式的局部区域中进一步推绎获得超模式的局部分布区域,最终生成所有频繁的局部空间同位模式集合。通过试验分析与比较发现,本文方法不仅可以发现全局的空间同位模式,还能有效提取具有区域性分布特征的局部空间同位模式,可以从多个空间层次上反映地理事件间的共生规则。     

基于粗糙集的局部同位模式挖掘算法北大核心CSCD

通过空间同位模式挖掘可发现频繁发生在邻近位置的事件集合,为揭示地理现象间的共生规律提供重要的决策支持。由于空间同位模式存在空间异质性问题,已有方法不能很好地探测出空间同位模式分布的相近性区域。为此,本文从地理属性的相近性方向探测同位模式的分布区域,提出了基于粗糙集的局部空间同位模式挖掘方法。首先,从全局视角提取不频繁的空间同位模式作为候选的局部空间同位模式;然后,对候选同位模式的实例位置进行处理,将其分布的热点区域属性作为粗糙数据集,借助粗糙集探测局部空间同位模式自然的分布区域;最后,度量在这些局部区域的频繁程度,生成所有频繁的局部空间同位模式。通过试验与应用发现,该方法不仅可以探测局部空间同位模式分布的相近性区域,还能反映同位模式分布区域的地理属性信息。     

网络约束下局部空间同位模式的扫描统计方法

空间同位模式挖掘旨在发现空间数据库中频繁发生在邻近位置的地理事件。由于空间异质性,地理事件在不同区域邻近出现的频繁程度亦存在差异,进而形成局部同位模式。现有局部同位模式挖掘方法多基于欧氏空间的平面假设,难以客观揭示网络空间（如城市道路）内地理事件间的局部同位规律,因此基于空间扫描统计思想,提出了一种网络约束下的局部同位模式挖掘方法。首先,发展了网络约束下的路径扩展方法,识别可能存在局部网络空间同位模式的候选路径;其次,基于网络约束下的二元泊松分布构建显著性检验的零模型,判别候选路径中局部网络空间同位模式的有效性。通过模拟实验与北京市出租车供需模式分析,发现该方法比现有方法得到的结果更精细、更客观,能够有效地挖掘网络约束下的局部同位模式。     

多尺度空间同位模式挖掘的点过程分解方法

空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则,对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性(如多尺度性)进行有效建模的缺陷,本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程,并引入一个非参统计指标对同位模式进行特征尺度判别;基于此,定义一种条件概率密度分布函数,利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态,并且有效降低了人为设定参数的主观性。     

多尺度空间同位模式挖掘的点过程分解方法

空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则,对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性(如多尺度性)进行有效建模的缺陷,本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程,并引入一个非参统计指标对同位模式进行特征尺度判别;基于此,定义一种条件概率密度分布函数,利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态,并且有效降低了人为设定参数的主观性。     

自然邻域支持下的空间同位模式挖掘方法

空间同位模式指频繁发生在邻近空间位置的事件集合,此类模式对于深入理解不同空间要素间的交互关系具有重要意义。空间同位模式挖掘的一个核心内容是空间要素邻近关系构建,然而现有方法在空间要素分布不均匀时难以准确地描述要素间的邻近关系,容易导致挖掘结果的遗漏或误判。为此,本文提出了一种基于自然邻域的空间同位模式挖掘方法。首先从同位模式的产生机理分析入手,过滤同位模式挖掘中的干扰要素;进而,从距离邻近性、密度变化一致性和关系紧密性的原则出发,自适应地构建空间要素实例的自然邻近关系;最后,以自然邻域为基础,基于图的连通性从整体到局部发现多层次同位模式。试验分析与比较发现,本文方法能够有效发现空间要素分布不均匀情况下的同位模式,而且降低了人为设置邻域参数对挖掘结果的影响。     

显著空间同位模式的多尺度挖掘方法

空间同位模式挖掘对于揭示地理现象间的共生、依赖规律具有重要价值。然而,空间同位模式挖掘中参数阈值缺乏先验知识,若设置不合理,挖掘结果中会遗漏重要的模式或包含冗余的、甚至错误的模式。为此,本文提出了一种基于模式重建的显著空间同位模式多尺度挖掘方法。首先,定义了互邻近距离指标,该指标可用来确定距离阈值的有效取值范围。进而,以模式重建为基础构建零模型,借助统计检验的方法来发现显著的空间同位模式,从而避免了兴趣度阈值的设置。最后,对空间同位模式进行多尺度挖掘,并引入生存期的概念对同位模式多尺度挖掘结果进行有效性评价。试验结果表明:本文方法可有效降低算法参数设置的主观性,从而提升空间同位模式挖掘结果的准确性和稳健性。     

空间层次聚类显著性判别的重排检验方法

同时顾及空间邻近与专题属性相似的空间层次聚类是挖掘空间分布模式的一种有效手段。空间层次聚类方法虽然可以获得多层次的聚集结构,但聚类结果显著性的统计判别依然是一个尚未解决的难题。为此,本文提出了一种空间层次聚类结果显著性的统计判别方法,用于确定空间层次聚类的停止准则,减少聚类过程对参数设置的依赖。通过试验分析与比较发现,该方法能够有效判别空间层次聚类结果的显著性和确定层次聚类合并过程的停止条件,同时具有很好的抗噪性,避免随机结构的干扰。     

流空间邻近关系约束下的流行病分布空间异常探测方法

针对现有流行病空间异常探测方法在全面探测多因素导致的潜在空间异常方面的局限性,本文提出一种流空间邻近约束关系下的流行病分布空间异常探测方法.首先,基于地理探测器识别与传播中心人群流出强度因素具有显著关联关系的疫情专题属性;然后,基于流空间邻近关系度量自适应构建流空间权重矩阵;最后,构造疫情属性空间局部变化梯度变量刻画空间单元疫情态势特征,提出改进的全局和局部莫兰指数(Moran's I)实现流空间疫情分布模式的统计判别与局部空间异常区域探测.新型冠状病毒肺炎(COVID-19)疫情的实例,验证了本文方法相比现有欧氏空间异常探测方法,能够有效识别疫情发展过程中除人群跨区域流动之外的多类潜在因素导致的疫情分布空间异常区域,有助于支持对疫情分阶段的分区分级精准防控.     

利用模糊密度聚类和双向缓冲区自动识别热点区

通过数据挖掘手段获取聚集模式（即热点）等地理空间知识是地理信息智能化服务的基础和前提。点群聚集模式的提取本质上是热点及其边界（热点区）的探测。首先分析了使用空间聚类提取热点并以凸壳表达热点轮廓的不足，进而提出一种利用模糊密度聚类和双向缓冲区的热点区自动识别方法。该方法借鉴模糊集理论，通过计算对象之间的模糊隶属度改进基于密度的聚类算法，用以提取点群的聚集模式；在此基础上，将模糊隶属度作为对象间的影响程度，采用正负缓冲区建立热点边界。以郑州市城区的科研机构点为例进行实验，结果表明，提出的方法既能有效区分空间点的类型（噪声点与非噪声点），又能生成连续平滑的热点边界，总体效果优于对比方法。     

顾及属性特征的城市设施热点识别方法

研究城市设施的热点分布对把握当前城市形态具有重要意义。传统的设施热点识别方法容易忽略设施的特征尺度且多以区域识别为主,缺少精准化提取设施热点的方法体系。针对上述问题,本文提出了一种顾及属性特征的设施热点识别方法,并以北京市住宅设施为例进行了试验分析。首先将设施的属性值作为权重,进行加权核密度估计生成密度值表面,利用极值点探测模型提取极值点;然后采用Getis-Ord G_i^*统计进行空间自相关分析,生成具有显著统计学意义的热点区域,筛选极值点得到热点。结果表明,该方法能够准确有效地识别设施热点并进行合理的等级划分,为城市设施空间布局研究提供多样化视角。     

Evaluating Local Non-Stationarity when Considering the Spatial Variation of Large-scale Autocorrelation

Multi‐scale effects of spatial autocorrelation may be present in datasets. Given the importance of detecting local non‐stationarity in many theoretical as well as applied studies, it is necessary to “remove” the impact of large‐scale autocorrelation before common techniques for local pattern analysis are applied. It is proposed in this paper to employ the regionalized range to define spatially varying sub‐regions within which the impact of large‐scale autocorrelation is minimized and the local patterns can be investigated. A case study is conducted on crime data to detect crime hot spots and cold spots in San Antonio, Texas. The results confirm the necessity of treating the non‐stationarity of large‐scale spatial autocorrelation prior to any action aiming at detecting local autocorrelation.     

利用时空立方体挖掘小微地震时空演变模式

挖掘分析小微地震的时空演变模式，可为地震灾害的分析与预报提供辅助决策参考。本文以四川地区的地震监测数据为基础，利用时空立方体融合地震点的空间、时间与属性数据，基于时空热点统计分析方法挖掘小微地震的时空冷热点分布模式。试验结果表明：在试验数据的时域内，四川地区小微地震的热点模式主要表现为连续热点、逐渐减少热点和振荡热点。冷点模式主要是连续冷点，且冷点覆盖范围比热点覆盖范围广。基于时空立方体的时空热点分析方法能够发挥时空统计学的优势，可有效挖掘分析小微地震的时空演变趋势。     

基于空间分析的徐州市居民点分布模式研究

居民点空间分布的研究是聚落地理学的主要内容之一,运用空间分析的方法研究居民点的分布能更准确地刻画出其空间分布的本质规律。本文根据2004年TM遥感图像和城市地图得到徐州市城乡居民点空间分布的信息,继而运用样方分析(QA)法、最近邻距离指数(NNI)、K(d)函数、热点探测技术(NNH)研究了徐州市居民点空间分布格局与模式。结果显示:徐州市居民点的空间分布具有明显的空间依赖性,总体上呈现出集聚分布的特点;随着研究尺度的变大,居民点空间分布的集聚性指数也增大;居民点空间分布的热点区域在微观尺度上具有空间随机性、在中观尺度上具有轴带延伸性、宏观尺度上具有面状集中性的特点。     

城市犯罪时空同现模式的非参数检验方法

采用时空同现模式分析方法挖掘多元犯罪事件之间的关联关系，可为犯罪事件防控问题提供科学指导。现有方法依赖人为设置的频繁度阈值，应用部门若缺乏先验知识则可能导致决策错误。因此，基于非参数统计思想，提出一种面向城市犯罪的时空同现模式显著性检验方法。首先通过重建每类犯罪事件的时空分布，构建多元犯罪事件分布独立的零模型；然后根据零模型下多元犯罪事件同现频率的试验分布，判别候选时空同现模式的显著性。最后设计具有预设模式的模拟数据实验验证该方法的有效性；在多个分析尺度（时空半径）下识别S市2016年13种犯罪事件间时空同现模式，并以时空同现模式{扰乱治安，盗窃电动自行车，扒窃}为例，结合公共设施空间分布，对该模式形成机理进行深入分析。结果表明:①该方法充分顾及了单元犯罪事件自相关特征的影响，能够有效识别具有统计特性的时空同现模式；②犯罪事件时空同现模式随分析尺度的变化而存在差异；③具有相似建成环境和社会环境的犯罪事件容易形成时空同现模式。     

A framework for identifying spatiotemporal hot spots of speculative land transactions using prospective monitoring procedures: the case of South Korea

Abnormally high-priced transactions in urban land speculation bring detrimental effects on economy, environment, and society. Governmental agencies around the world are striving hard to monitor and control land speculation by introducing various policy objectives and tools for an efficient urban development planning. One of the major challenges in controlling land speculation is to quickly identify the spatiotemporal locations of concern (hot spots) by monitoring the spatial clustering pattern changes over time and to alert the appropriate decision-making agencies for timely policy intervention. In this paper, we introduce a framework to rapidly detect the spatiotemporal hot spots of speculative land transactions in near-real-time data by exploiting the prospective monitoring procedures. We applied this method in the city of Hwasung, Republic of Korea, as an empirical illustration and found that the locations Jeongnam, Bongdam, Mado, and Dongtan were identified as hot spots with high, concentrated transaction values. The results indicate that the proposed framework is a capable tool for capturing prospective temporal indicators and pinpointing the localities of land speculation.     

Nighttime light data-based analysis of spatiotemporal patterns evolution and driving forces of economic development in China at prefecture level (1992–2020)

Intercity lighting data are an important resource for studying spatial and temporal patterns in regional urban development as an indicator of the intensity of urban social and economic activity. Understanding the evolutionary characteristics of the spatial pattern of regional economic development can support decision-making in regional economic coordination and sustainable development strategies. Based on a long time series of nighttime lighting data from 1992 to 2020, this study used the Theil index, Markoff transfer matrix, spatial autocorrelation, and spatial regression to analyze spatiotemporal evolutionary characteristics and drivers of urban economic development in China. The study found that from 1992 to 2020, China's economic development hot spots have been concentrated in highly developed urban agglomerations namely the Beijing–Tianjin–Hebei region, Shandong Peninsula, Yangtze River Delta, and Pearl River Delta. Cold spots were mainly concentrated in the central-west and southwest of the country. The economic growth rate shows an opposite spatial pattern, which demonstrates the effectiveness of the national coordinated development strategy for regions. The Theil index for urban economic development in China shows an overall downward trend, and the overall economic disparity is mainly due to the relatively low economic development of Tibet, Xinjiang, Gansu, and other western provinces. Therefore, regional economic development remains significantly uneven. In China, the economic type of cities is relatively stable, and the probability of leapfrogging types is low; however, the level of cities with high resource dependence or a single economic structure easily downgrades. The level of economic development and the related socioeconomic factors of neighboring cities influence an obvious spatial spillover effect in the development of urban economies in China. The pattern of China's urban economic development is mainly affected by innovation capacity, financial support, capital investment, transportation infrastructure, and industrial structure.     

无障碍设施空间布局核密度热点探测和空间自相关分析——以北京市核心区室外公共空间为例

城市无障碍设施在区域空间中往往呈现聚集分布的特征，通常利用核密度估计方法分析总体空间分布形态，研究区域空间分布的数量差异，探测分布热点；同时通过分析无障碍设施空间自相关性特征，反映无障碍设施服务的聚集特点。将空间分析方法引入到无障碍环境评估当中，可以优化无障碍环境发展空间。结果表明，北京市核心区无障碍设施总体呈现出“多核分布”的态势。无障碍设施的总体分布存在空间差异性，局部无障碍设施空间分布存在聚集特性。