室内定位数据分析与应用研究进展

现代人文地理学的研究越来越多地关注人的时空行为,而获取个体在出行活动中的时空位置数据是研究人类时空行为的前提。受数据获取技术的限制,之前对时空行为的研究主要集中在室外空间。随着室内定位技术的出现和应用,这类研究由室外空间扩展至室内空间。室内定位技术和方法较多,但从数据的角度来看,根据数据获取中使用定位方法的不同,可将室内定位数据分为几何位置数据、指纹位置数据和符号位置数据3类。目前,基于室内定位数据的研究可以归结为以下4个方面,即：人在室内的时空分布、人在室内的移动模式、人在室内的行为习惯及属性推断、人与室内环境的交互作用。然而,总体上目前的研究还处于探索阶段,理论和方法体系尚未成熟。本文认为后续的研究中需要关注以下问题：①数据获取方面。相对于蓝牙、射频识别、红外等定位技术,“智能手机+WiFi”模式的定位系统具有覆盖范围广、成本低廉、无需专门设备支持、易与用户交互等优势,是一种最具应用前景的室内定位技术;②研究内容方面。时空行为特征的研究是基础,个体属性推断及个体与环境的相互作用形式和机理研究将是重点,多时空尺度数据融合分析是一种趋势;③科学伦理方面。室内定位涉及微观尺度人类活动的记录,隐私保护问题需要高度关注。     

北京市摩拜共享单车源汇时空特征分析及空间调度

共享单车是解决城市出行最后一公里的重要工具。然而,共享单车在使用过程中出现了供需时空失衡的现象,导致部分区域无车可用,而另一些区域却车满为患。这一现象不仅给用户带来不便,同时也降低了单车周转效率。解决供需失衡问题,关键在于探究共享单车供需失衡的时空分布特征。本文定义了共享单车的“源”、“汇”点,采用2017年5月10日至2017年5月16日北京市摩拜单车数据以及土地利用分类等多源数据,分析了共享单车工作日与周末,以及早、晚高峰期间强源、强汇点的分布特征,并结合土地类型信息分析了不同用地类型的单车使用模式,从而进一步提出了共享单车的空间调度模型。结果显示,在考虑不同土地利用类型的影响下,摩拜共享单车强源汇点分布模式具有明显的时空异质性：① 工作日单车使用量明显高于周末,且不同土地利用类型的源汇分布显著不同,如居住用地、商业金融用地等地净流入、流出密度更大,绿地等地区则相对较小;② 对比早晚高峰期间,同一地区的单车使用源汇模式极可能相反,如教育科研用地、商业金融用地等带有办公性质的地区会有“早汇晚源”的特征,而居住用地则是“早源晚汇”;③ 同一类土地利用在工作日与周末的早晚高峰期间,单车使用的源汇特征亦存在差异,如办公性质的地区在周末时源汇比例会明显产下降。基于上述结果,本文提出了一种局部优化的调度模型,并通过实际数据进行了检验。该模型在一定程度上可以解决车辆空间分配不均衡的问题,提高城市共享资源使用率,增加人们出行的方便程度。     

基于文献计量学的社会—生态系统恢复力研究进展

采用文献计量学方法,运用CiteSpace和TDA等引文分析及可视化工具,对国内外"社会—生态系统恢复力"相关研究论文进行分析。构建检索式,得到1900—2017年WOS(Web of Science)期刊论文共10 315篇,对研究态势及热点进行梳理和分析。结果发现,系统恢复力研究可归纳为5个基本理论问题,即内涵、变化诱因、空间尺度、研究对象及响应措施。自1973年提出,该理论发展了近45年,借助知识图谱分析发现,形成了三大研究主题领域:内涵与理论、诱因与方法、适应与管理。分析研究热点时序演化发现,近20年来,以气候变化为诱因、以生态系统为对象的研究形成了最为完备的理论和方法体系;近10年来,社区和城市尺度的研究发展迅速成为热点;近5年来,社会学习和知识传播等适应对策得到关注。深化对同质社会经济单元的研究,开展案例研究与实地观测、实验和建模方法的融合是未来研究的重点。     

地理流的空间模式：概念与分类

地理流被定义为地理对象在不同空间位置间的流动,而地理流通常涵盖了物质、信息、资金、能量等的空间转移。位置之间各种流的出现与强化,改变了以距离衰减效应为基本规律的传统认知。因此,针对地理流的研究将有助于从新的角度理解地理格局及其形成机理。本文认为可采用2种模型对地理流进行表达：① 将地理流抽象为包含起点和终点坐标的四元组（又称地理流正交模型）;② 将其抽象为包含起点坐标、流长度与流方向的模型（又称地理流极坐标模型）。在地理流表达模型的基础上,流空间可以定义为由两个二维空间通过笛卡尔积形成的四维空间。本文给出了流空间中4种距离（最大距离、加和距离、平均距离和加权距离）、不同距离下地理流的r邻域体积以及地理流密度等测度的定义。根据地理流极坐标模型中不同要素随机性的组合方式,将地理流模式分为随机、丛集、聚散、社区、并行与等长6种常见的单一模式,并梳理了不同模式的识别方法。单一模式之间的组合可以形成混合模式,而多类流数据之间可以形成多元流模式。在未来的研究中,地理流的基础统计理论、地理流模式的挖掘方法以及在实际问题中的应用将是其重要的发展方向。     

COVID-19疫情时空分析与建模研究进展

COVID-19疫情是进入21世纪以来最为严重的全球公共卫生事件,并成为不同学科共同关注的热点。根据文献计量学分析结果,从疫情开始直至近期,关于COVID-19疫情的文章已经超过13 000篇,相关研究除从医学及生物学角度探讨病毒致病机理、特效药物和疫苗研制之外,更多的是探索疫情的非药物防控方法。本文针对后者,从传播关系识别、疫情时空模式分析、疫情预测模型、疫情传播模拟、疫情风险评估和疫情影响评价6个方面梳理近期研究进展。传播关系识别的研究主要包括：聚集性疫情和传播关系的识别,其中,个体轨迹大数据已成为此类研究的关键。针对疫情的时空模式分析发现,疫情分布具有显著的时空异质性,而时空传播则呈现出典型的网络特征。针对疫情的预测仍主要依赖于动力学模型,而从宏观到微观的预测模型,人群流动的影响不容忽视,并成为模型预测精度的关键要素之一。针对疫情的情景模拟主要侧重于通过模拟手段评估交通限制、社区防控和医疗资源调配等措施的效果。在非药物的干预中,交通阻断和社区防控措施被证明是目前最有效的手段;医疗资源的保障和优化调配则是防控的基础;而复工复产的情景模拟显示,在防控措施到位的情况下,复工进程必须有序有节。针对疫情风险评估的研究,目前主要关注生物因素、自然因素和社会因素。具体地,疫情感染风险与个体是否具有基础性疾病关系密切,而感染病毒后的死亡率存在性别差异;在自然因素中,如温度、降水、气候等会影响疫情的传播,但影响有限;而社会因素中,除了人群流动和人口密度的影响外,社会不公平性所导致的就医条件差异也会对感染率产生显著影响。针对疫情对未来的影响,本文主要关注公众心理、自然环境和经济发展3个方面,即疫情对公众心理和经济的影响主要以负面为主,而对自然环境的影响则起正向作用。通过对现有研究的系统梳理,可以看出,大数据尤其是个体轨迹和群体大数据在非药物干预的各个方面均发挥了重要的作用;重大疫情的防控已经不是单一学科和手段所能解决的问题,需要多学科的交叉以及不同领域人员的协作;疫情期间各种防控措施的效果、影响因素等均已被明确的揭示,但疫情的空间溯源、精准预测以及对未来的影响仍然是未解的难题。     

北京对外交通枢纽乘客OD时空分布特征

对外交通枢纽对城市内部的客流交通有重大影响,研究其乘客在市内的OD分布对优化设计地面接驳线路、沿线站点等有重要意义。本文基于北京出租车GPS数据,选取具有代表性的3类对外交通枢纽（机场、火车站、汽车客运站）,采用标准差椭圆分析、核密度估计以及分时点统计等方法,研究了北京对外交通枢纽乘客OD时空分布特征。结果表明：（1）机场、火车站客流量远大于汽车客运站,其中首都国际机场与北京西站的对外出行客流量最大,南苑机场和北京北站的对外出行客流量较少;（2）机场乘客主要分布在四环以里大部分地区以及五环以里部分地区,时间上主要分布在除凌晨1-4时的各个时间段;火车站乘客主要分布在四环以里区域,时间上主要分布在6-21时;汽车客运站乘客主要分布在各客运站周边区域,时间上主要集中在6-17时;（3）北京南站与北京西站、北京站间的客流联系较多,可考虑开通北京南站与二者间的地面接驳专线。此外,抵离首都国际机场、南苑机场的乘客主要分布区域与新开通的机场往返市区的巴士线路站点较为一致,说明采用出租车数据进行乘客OD分析可为决策部门进行相关交通规划提供依据。     

地理大数据挖掘的本质

针对地理大数据的内在本质以及地理大数据挖掘对于地理学研究的意义,本文解释了地理大数据的含义,并在大数据“5V”特征的基础上提出了粒度、广度、密度、偏度和精度等“5度”的特征,揭示了地理大数据的本质特点。在此基础上,从地理大数据的表达方式、地理大数据挖掘的目标、地理模式的叠加与尺度性、地理大数据挖掘与地理学的关系等4个方面阐述了地理大数据挖掘的本质与作用,并从挖掘目标的角度对地理大数据挖掘方法进行分类。未来地理大数据挖掘的研究将面临地理大数据的聚合、挖掘结果的有效性评价以及发现有价值的知识而非常识等几方面的挑战。