王圣音，劉 瑜，陳澤東，施 力，張 晶

1. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048； 2. 北京大學(xué)遙感與地理信息系統(tǒng)研究所，北京 100871

虛擬地理環(huán)境作為發(fā)展地理信息表達(dá)與處理的新一代平臺(tái)，探索如何將人類對(duì)于地理環(huán)境概念的認(rèn)知模型和語(yǔ)義模型轉(zhuǎn)化為數(shù)學(xué)或邏輯模型，如何將人類對(duì)于時(shí)間空間過(guò)程推理融合在虛擬地理環(huán)境中[1-3]。在虛擬地理環(huán)境中，場(chǎng)所是地理空間知識(shí)表達(dá)的核心要素，也是表達(dá)人類活動(dòng)與地理環(huán)境耦合關(guān)系的重要紐帶，與虛擬地理環(huán)境一同繼承地理學(xué)溝通自然科學(xué)與人文社會(huì)科學(xué)的“橋梁”的特征，從而為深入理解和表達(dá)人類主觀認(rèn)知中的地理環(huán)境，以及基于虛擬地理環(huán)境的分析模擬提供支持[4-7]。“場(chǎng)所”(place)是被賦予了個(gè)體經(jīng)驗(yàn)、活動(dòng)與情感意義的空間位置或區(qū)域[8]，是理解地理環(huán)境的重要途徑之一[9-10]。

文獻(xiàn)[11]指出場(chǎng)所研究需在對(duì)概念場(chǎng)所的位置及范圍(footprint)進(jìn)行形式化的基礎(chǔ)上開(kāi)展，以深入探究場(chǎng)所界域內(nèi)所承載的活動(dòng)、交互、情感等社會(huì)經(jīng)濟(jì)屬性及特征。場(chǎng)所范圍的表達(dá)作為場(chǎng)所建模的基礎(chǔ)與核心，其本質(zhì)是模糊區(qū)域建模問(wèn)題。由于場(chǎng)所的范圍具有模糊性，其認(rèn)知往往因人而異，且根據(jù)特定的描述情境而變化，因而相比于具有明確邊界的行政區(qū)、建筑物、普查小區(qū)等區(qū)域，有關(guān)場(chǎng)所的地理信息難以表達(dá)于地理信息系統(tǒng)中[12]。為此，許多研究者針對(duì)不同類型的模糊區(qū)域范圍進(jìn)行提取試驗(yàn)。傳統(tǒng)認(rèn)知試驗(yàn)是劃定模糊區(qū)域邊界的有效方法，其原理是集合大眾的認(rèn)知?jiǎng)澏ㄆ毡楣沧R(shí)中的區(qū)域范圍及邊界[13-14]。然而，認(rèn)知實(shí)驗(yàn)雖能直接反映大眾的空間認(rèn)知，卻由于實(shí)驗(yàn)成本高，難以滿足對(duì)多個(gè)場(chǎng)所建模的需求。

隨著基于位置的服務(wù)的廣泛應(yīng)用，研究者可借助各類海量時(shí)空數(shù)據(jù)探究人們對(duì)地理環(huán)境的認(rèn)知，為場(chǎng)所的感知提供了豐富的屬性內(nèi)容[15]，也涌現(xiàn)許多模糊區(qū)域(場(chǎng)所)范圍的感知方法[16-25]。其中，文獻(xiàn)[17]提取網(wǎng)頁(yè)文本中的共現(xiàn)地名及其地理位置，采用核密度估計(jì)方法(kernel density estimation，KDE)對(duì)模糊地名的近似空間范圍進(jìn)行建模；文獻(xiàn)[21]提出了適用于Flickr照片的城市場(chǎng)所提取流程，采用DBSCAN方法進(jìn)行點(diǎn)集聚類，并通過(guò)Chi-Shape算法得到多邊形以表征場(chǎng)所；文獻(xiàn)[22]從多源社交媒體數(shù)據(jù)中提取“南加州”“北加州”相關(guān)的點(diǎn)數(shù)據(jù)，采用DBSCAN探尋其邊界，結(jié)果顯示與Montello的傳統(tǒng)認(rèn)知實(shí)驗(yàn)方法下的結(jié)果較為一致，繼而總結(jié)了基于眾源數(shù)據(jù)的場(chǎng)所建模方法具有樣本量大、可重復(fù)、尺度適應(yīng)等優(yōu)勢(shì)[23]。

總結(jié)現(xiàn)有的模糊區(qū)域建模方法，包括認(rèn)知試驗(yàn)與模糊集方法[13-14，22]、基于幾何體的方法(如Voronoi圖[17]、凸包[18])、基于插值的方法(如核密度估計(jì)[19-20])、基于空間聚類或分類的方法(如DBSCAN[21，23]，支持向量機(jī)[24-25])等。其中，幾何體方法最為簡(jiǎn)便，空間聚類和分類方法也體現(xiàn)出較高精度，但這兩種方法對(duì)邊界的劃定過(guò)于武斷而忽略場(chǎng)所模糊特性。并且值得指出的是，現(xiàn)有的研究?jī)H對(duì)單個(gè)或少數(shù)幾個(gè)模糊區(qū)域進(jìn)行表達(dá)，不能夠很好地回答以下幾個(gè)問(wèn)題：城市中存在哪些場(chǎng)所？能否從眾源數(shù)據(jù)中提取更多場(chǎng)所，從而反映人們對(duì)城市的基本認(rèn)知和空間結(jié)構(gòu)？如何在同時(shí)構(gòu)建多場(chǎng)所時(shí)，有效處理場(chǎng)所尺度、樣本量及點(diǎn)集分布的差異性所帶來(lái)的閾值選取問(wèn)題？

因此，本文針對(duì)眾源數(shù)據(jù)，提出基于自適應(yīng)核密度估計(jì)的模糊集方法，以構(gòu)建城市內(nèi)多場(chǎng)所(multi-places)的模糊表達(dá)。由于傳統(tǒng)模糊集方法被認(rèn)為在函數(shù)選取上較為主觀，本文通過(guò)點(diǎn)集局部密度表征人們對(duì)場(chǎng)所位置的認(rèn)同程度，從而保留場(chǎng)所模糊特性。最終，以北京市五環(huán)區(qū)域內(nèi)的場(chǎng)所為研究對(duì)象，從大眾點(diǎn)評(píng)網(wǎng)采集帶有場(chǎng)所名稱的興趣點(diǎn)(POI)，實(shí)現(xiàn)針對(duì)城市多場(chǎng)所的多尺度空間范圍自動(dòng)構(gòu)建與可視化。本文所表達(dá)的場(chǎng)所均為城市居民普遍熟知和頻繁使用的地理區(qū)域名稱，旨在提供可反映城市空間認(rèn)知的場(chǎng)所分析單元，為進(jìn)一步感知場(chǎng)所的活動(dòng)和情感語(yǔ)義提供支持。

1 研究方法

由于基于眾源數(shù)據(jù)的點(diǎn)密度可反映公眾對(duì)該場(chǎng)所的認(rèn)同度，本文運(yùn)用點(diǎn)集生成多邊形的思路確定該場(chǎng)所范圍[13，16]，即針對(duì)每一個(gè)場(chǎng)所的點(diǎn)集分別進(jìn)行離群點(diǎn)去除與核密度估計(jì)，并以核密度值為模糊隸屬度函數(shù)(fuzzy membership function)的自變量，從而定義與概率密度值相對(duì)應(yīng)的模糊隸屬度，使之以[0,1]范圍內(nèi)的數(shù)值表示某一區(qū)域范圍內(nèi)不同位置對(duì)該場(chǎng)所的隸屬程度，進(jìn)而通過(guò)等值線截取模糊集，構(gòu)建多場(chǎng)所范圍的多尺度表達(dá)，流程如圖1所示。

1.1 自適應(yīng)核密度估計(jì)和標(biāo)準(zhǔn)化

核密度估計(jì)法是采用平滑的峰值函數(shù)對(duì)空間中離散點(diǎn)xi(i=1,2,…,n)進(jìn)行平滑擴(kuò)展，將各個(gè)點(diǎn)擬合為連續(xù)光滑的概率密度曲面。假設(shè)每個(gè)點(diǎn)xi為一個(gè)事件，則以xi為中心，h為半徑(或稱帶寬)的區(qū)域內(nèi)各位置發(fā)生該事件的概率隨距離衰減，使得與要素距離近的位置將被賦予更高概率，并在邊緣處概率衰減為0，通過(guò)疊加空間中所有點(diǎn)要素所對(duì)應(yīng)的概率密度函數(shù)，呈現(xiàn)出點(diǎn)要素聚集區(qū)域密度高，離散區(qū)域密度低，從而展現(xiàn)某一空間范圍內(nèi)密度的連續(xù)變化特征，其公式為

(1)

式中，距離衰減的幅度由核函數(shù)K決定，本文采用Silverman提出的二次核函數(shù)[26]

核密度帶寬h代表每一個(gè)點(diǎn)的平滑范圍，其取值對(duì)核密度計(jì)算結(jié)果影響較大,若帶寬選取過(guò)小，將得到離散的面域單元，過(guò)分突出點(diǎn)集的局部聚集區(qū)域；若帶寬選取過(guò)大，所得到的場(chǎng)所將被過(guò)度概化，其結(jié)果趨近于圓形。在多場(chǎng)所生成過(guò)程中，若采用固定帶寬，則無(wú)法適應(yīng)各場(chǎng)所的尺度和疏密程度差異。如圖2(b)所示,統(tǒng)一采用600 m帶寬時(shí)，可適應(yīng)右側(cè)兩個(gè)尺度較小且密集的點(diǎn)集，卻無(wú)法適應(yīng)左側(cè)兩個(gè)尺度大且稀疏的點(diǎn)集，因而得到離散面域；采用1500 m帶寬時(shí)，將使得圖2(c)中右側(cè)點(diǎn)集被過(guò)度概化為圓形面域。

由此可知，帶寬h的選擇應(yīng)與每一場(chǎng)所的點(diǎn)集離散程度呈正相關(guān)，對(duì)于稀疏型的點(diǎn)集應(yīng)采用較大的帶寬，而對(duì)于密集型點(diǎn)集應(yīng)采用較小的帶寬[26]，因而本文通過(guò)各點(diǎn)集的外包矩形面積S與點(diǎn)集總數(shù)N評(píng)估每一場(chǎng)所點(diǎn)集的疏密程度，并乘以系數(shù)k以計(jì)算自適應(yīng)的帶寬h，具體公式如下

由此得到適應(yīng)于不同點(diǎn)集的帶寬，可基本適應(yīng)尺度不同的點(diǎn)集(如圖2(d)所示)，所得到面域范圍能夠較好地體現(xiàn)點(diǎn)集的可能性范圍。此后，為使各場(chǎng)所的計(jì)算結(jié)果處于同一量綱下，需對(duì)原始數(shù)據(jù)進(jìn)行線性變換，將其映射到[0,1]之間。公式如下

1.2 利用模糊集方法計(jì)算隸屬度

文獻(xiàn)[27]根據(jù)邊界將地理實(shí)體分為兩個(gè)類型，一類是具有真實(shí)邊界的對(duì)象(bona fide object)，如湖泊、土地利用類型、建筑等；另一類是需要制定或劃分的對(duì)象(fiat object)，通常是基于認(rèn)知或法令規(guī)定的。由于大部分場(chǎng)所屬于fiat對(duì)象，具有邊界不確定、可認(rèn)知、漸變的特點(diǎn)，通?？刹捎媚：椒ū磉_(dá)模糊地物的邊界[28]，即通過(guò)建立相應(yīng)的隸屬度函數(shù)(membership function)[29]，為空間中每一個(gè)位置賦予[0,1]之間的數(shù)值以表征其隸屬于某一場(chǎng)所的程度，這一方法在模糊地物邊界表達(dá)方面得到廣泛的應(yīng)用。

根據(jù)文獻(xiàn)[30]的觀點(diǎn)，概率理論與模糊理論在表達(dá)不確定性時(shí)具有不同的解釋能力，概率是從事件發(fā)生的頻率來(lái)評(píng)估其發(fā)生的可能性，而模糊集是描述事件屬于“發(fā)生”這一范疇的程度。本文1.1中采用核密度估計(jì)方法計(jì)算空間中每一個(gè)位置屬于某一場(chǎng)所的密度概率，根據(jù)“點(diǎn)集密度越高，表示公眾對(duì)該位置隸屬于該場(chǎng)所的認(rèn)同度越高”的假設(shè)，核密度值與隸屬度本應(yīng)呈正比，然而密度的差異一方面來(lái)自公眾的認(rèn)同度，另一方面則來(lái)源于商鋪分布的不均勻性，即少數(shù)區(qū)域的核密度值由于商鋪點(diǎn)的過(guò)度聚集而極其顯著，而核密度較高值與低值相比，由于其差異不顯著，在取截集時(shí)易被忽視。為進(jìn)一步定義核密度值所對(duì)應(yīng)的隸屬程度，本文對(duì)核密度值進(jìn)行模糊函數(shù)變換，以歸一化后的核密度值作為自變量x，定義高于概率密度m的區(qū)域?yàn)殡`屬于場(chǎng)所的區(qū)域(μ(x)>0.5)，從而平滑核密度較高值與極端高值區(qū)域在隸屬程度上的差異，所采用的模糊函數(shù)如圖3所示，公式為

式中，s是散度，散度越大，曲線越陡峭；m是中點(diǎn)，即隸屬度為0.5時(shí)自變量的取值。圖3為m取值0.2時(shí)的模糊隸屬度函數(shù)。

1.3 方法驗(yàn)證

由于模糊區(qū)域缺少相應(yīng)的真實(shí)邊界，對(duì)建模方法的驗(yàn)證通常采用準(zhǔn)確率(precision)、召回率(recall)、F1等指標(biāo)對(duì)具有真實(shí)邊界的區(qū)域(如行政區(qū)域)進(jìn)行提取與計(jì)算[24-25]。行政區(qū)域與模糊區(qū)域雖在本質(zhì)上不同，但仍可在一定程度上驗(yàn)證方法的可行性與提取精度。假設(shè)R為行政區(qū)的真實(shí)范圍，R′為試驗(yàn)所得的范圍，則準(zhǔn)確率為提取結(jié)果中的正確范圍占真實(shí)范圍的比例，召回率為提取結(jié)果中的正確范圍占所提取結(jié)果的比例，F(xiàn)1為準(zhǔn)確率與召回率的調(diào)和分?jǐn)?shù)。3個(gè)指標(biāo)的計(jì)算方法如下

本文采用大眾點(diǎn)評(píng)網(wǎng)中商戶自行標(biāo)定的商鋪POI坐標(biāo)及其行政區(qū)屬性，在10個(gè)行政區(qū)以不同的核密度系數(shù)k進(jìn)行面域構(gòu)建試驗(yàn)，并對(duì)比傳統(tǒng)凸包算法，所得結(jié)果如表 1 所示。由于準(zhǔn)確率(precision)高度依賴于點(diǎn)集覆蓋程度，而本試驗(yàn)所采集的點(diǎn)集在除東城區(qū)和西城區(qū)以外的8個(gè)行政區(qū)內(nèi)未能全面覆蓋，使得傳統(tǒng)的凸包方法因其易使范圍估值過(guò)大的特點(diǎn)，在準(zhǔn)確率和F1值高于本文的方法。召回率是評(píng)價(jià)結(jié)果的正確率的指標(biāo)，因此在評(píng)價(jià)方法時(shí)，應(yīng)重點(diǎn)考察召回率。表 1 中，本文方法的召回率平均值達(dá)到0.9以上，而凸包算法遠(yuǎn)低于本文的方法，且當(dāng)點(diǎn)集全面覆蓋全行政區(qū)時(shí)，觀察到東城區(qū)和西城區(qū)的準(zhǔn)確率與F1值整體略高于凸包算法。因此，本文的方法對(duì)模糊認(rèn)知區(qū)域的提取具有一定優(yōu)勢(shì)。

表1 本文方法與凸包方法試驗(yàn)結(jié)果對(duì)比

2 研究數(shù)據(jù)與預(yù)處理

2.1 研究數(shù)據(jù)

本文選取北京市五環(huán)區(qū)域作為研究區(qū)，通過(guò)大眾點(diǎn)評(píng)網(wǎng)API接口獲取79 863條商鋪點(diǎn)數(shù)據(jù)，共涉及120個(gè)“商圈”名稱標(biāo)簽。所獲取的POI屬性信息均為商戶自行填寫，包含名稱、地址、坐標(biāo)、所屬商圈、類別等信息，其中，“所屬商圈”是由商戶從大眾點(diǎn)評(píng)網(wǎng)所提供的商圈名稱列表中自行選擇。該數(shù)據(jù)具有以下幾個(gè)特點(diǎn)：①具有認(rèn)知性。數(shù)據(jù)產(chǎn)生于商戶，因而代表了商戶對(duì)商鋪所屬場(chǎng)所的認(rèn)知，點(diǎn)集的疏密程度能夠體現(xiàn)商戶對(duì)商鋪所屬場(chǎng)所的認(rèn)同程度。其中，部分商圈標(biāo)簽由兩個(gè)名稱組成，例如“西直門-動(dòng)物園”，也反映出這一名稱具有其特定含義并被廣泛接受，因此在本文中算為一個(gè)場(chǎng)所。②層級(jí)一致性。商圈名稱列表中的場(chǎng)所名稱在尺度、層級(jí)等具有一致性，不存在一名多地、一地多名的情況，以及兩個(gè)地名之間的包含、被包含關(guān)系。③數(shù)據(jù)偏向性。由于單一數(shù)據(jù)源僅代表特定人群和特定語(yǔ)義情境下的觀點(diǎn)，相比于更側(cè)重體現(xiàn)游客在旅游行為下的場(chǎng)所認(rèn)知的Flickr數(shù)據(jù)[21]，大眾點(diǎn)評(píng)數(shù)據(jù)集則能夠更好地揭示商戶在餐飲消費(fèi)行為下的場(chǎng)所認(rèn)知。

2.2 數(shù)據(jù)預(yù)處理

由于數(shù)據(jù)中存在少量人工標(biāo)定誤差和認(rèn)知誤差造成的離群點(diǎn)，為避免每一個(gè)點(diǎn)集之內(nèi)的少量離群點(diǎn)對(duì)自適應(yīng)核密度帶寬的計(jì)算造成影響，本文采用了kNN(k-nearest neighbor)算法，設(shè)定一定的距離閾值去除離群點(diǎn)。首先，計(jì)算點(diǎn)集的全局平均距離L，以及點(diǎn)集之中的每個(gè)點(diǎn)i到距其最近的k個(gè)點(diǎn)之間的平均距離Li，若Li>nL(n為任意常數(shù))，則判定點(diǎn)i為噪聲點(diǎn)。本文設(shè)定k=5，n=5，圖4為去除離群點(diǎn)前后的“安定門”點(diǎn)集分布。

3 試驗(yàn)結(jié)果與分析

3.1 單一場(chǎng)所范圍劃定示例

為比較各參數(shù)下場(chǎng)所范圍劃定情況，本節(jié)以安定門點(diǎn)集為例，展示了模糊隸屬度參數(shù)m=0.2，s=3，自適應(yīng)核密度帶寬系數(shù)分別取值為1、3、5、10時(shí)，“安定門”場(chǎng)所范圍劃定結(jié)果。繪制不同隸屬度的等值曲線可多尺度表達(dá)場(chǎng)所范圍，等值線所圍成的區(qū)域稱為模糊截集σ，其中σ>0.9可被認(rèn)為是公眾認(rèn)同度較高的場(chǎng)所核心區(qū)域，σ=0.5可認(rèn)為是場(chǎng)所外圍區(qū)域，而σ<0.5的區(qū)域則可被認(rèn)為是非場(chǎng)所區(qū)域。根據(jù)“雞蛋/蛋黃(Egg/Yolk)”模型[31]，σ=0.9和σ=0.5以內(nèi)的區(qū)域可被分別認(rèn)為是“蛋黃”與“雞蛋”。

由圖5可知，隨著核密度帶寬系數(shù)k取值的增大，空間范圍劃定結(jié)果由離散面域逐漸形成連續(xù)面域。當(dāng)k取值過(guò)小，使得密度分析結(jié)果過(guò)分突出局部聚集區(qū)域，卻忽略了場(chǎng)所的全局特征；當(dāng)k取值過(guò)大時(shí)，過(guò)度平滑將使場(chǎng)所面域范圍過(guò)度概化為一個(gè)圓形面域，造成范圍估值過(guò)大。

3.2 城市多場(chǎng)所范圍劃定結(jié)果

為簡(jiǎn)化計(jì)算，本文根據(jù)3.1中的安定門點(diǎn)集所呈現(xiàn)的范圍劃定結(jié)果，統(tǒng)一選取核密度帶寬系數(shù)k=5，模糊函數(shù)參數(shù)s=3，m=0.2，對(duì)大眾點(diǎn)評(píng)數(shù)據(jù)下120個(gè)場(chǎng)所范圍進(jìn)行提取試驗(yàn)，圖6(a)以三維圖形展示了各場(chǎng)所的模糊認(rèn)知，紅色峰值代表模糊隸屬度高值區(qū)域，藍(lán)色代表未被本文所提取的場(chǎng)所覆蓋的隸屬度低值區(qū)域；圖6(b)分別截取了0.9與0.5截集，以矢量形式對(duì)場(chǎng)所范圍進(jìn)行多尺度表達(dá)，分別定義其為“核心區(qū)”與“外圍區(qū)”，以滿足對(duì)模糊場(chǎng)所進(jìn)行精確化構(gòu)建的需求。

以下將從結(jié)果中隨機(jī)選取14個(gè)場(chǎng)所，將大眾點(diǎn)評(píng)數(shù)據(jù)的提取結(jié)果與百度地圖所提供的場(chǎng)所范圍截圖進(jìn)行對(duì)比，并做簡(jiǎn)要分析與討論。

圖7中紫色區(qū)域?yàn)榇蟊婞c(diǎn)評(píng)數(shù)據(jù)所表達(dá)的該場(chǎng)所核心區(qū)(σ>0.9)，黃色區(qū)域?yàn)樵搱?chǎng)所外圍區(qū)(σ>0.5)，由圖可知，三里屯、西單、崇文門、什剎海、紫竹橋、前門等場(chǎng)所范圍提取結(jié)果與百度地圖顯示范圍分歧較少，而對(duì)于其余場(chǎng)所則有較大差異?？傮w而言，語(yǔ)義相似性或差異性主導(dǎo)了模糊范圍劃定結(jié)果的差異：

圖1 方法流程Fig.1 Workflow of multi-places generation

圖2 不同帶寬下對(duì)不同場(chǎng)所范圍表達(dá)結(jié)果Fig.2 Representation place footprints with different scales under different bandwidths

圖3 模糊隸屬度函數(shù)曲線Fig.3 The function curve of fuzzy membership

圖4 離群點(diǎn)識(shí)別與清除Fig.4 Identification and clearance of outliers

圖5 大眾點(diǎn)評(píng)“安定門”點(diǎn)集場(chǎng)所邊界表達(dá)結(jié)果Fig.5 The point set boundaries of Andingmen

圖6 五環(huán)內(nèi)場(chǎng)所范圍提取結(jié)果Fig.6 The distribution of place footprints inside the 5th ring road of Beijing

圖7 部分場(chǎng)所范圍提取結(jié)果Fig.7 The footprints of sample places

(1) 語(yǔ)義(名稱或語(yǔ)義情境)的相似性導(dǎo)致某一場(chǎng)所名稱所對(duì)應(yīng)的覆蓋范圍向外擴(kuò)展延伸，大于行政定義的場(chǎng)所范圍(如紫竹橋、學(xué)院橋、牛街等路段被擴(kuò)展為新的場(chǎng)所區(qū)域；位于北四環(huán)的學(xué)院橋由于包含“學(xué)院”二字，且隱含高等教育語(yǔ)義，其認(rèn)知范圍被擴(kuò)展至北五環(huán)以南的學(xué)院路及其周邊的多所大學(xué)；位于西三環(huán)北路的紫竹橋路段，其模糊范圍包括了紫竹院公園和紫竹院街道所管轄的區(qū)域；牛街由于隱含回族聚居區(qū)語(yǔ)義，其范圍向北延伸至長(zhǎng)椿街，向南延伸至右安門內(nèi)大街的北段，涵蓋了回族居民的生活范圍)。

(2) 同一場(chǎng)所名稱下，語(yǔ)義內(nèi)涵的差異導(dǎo)致某一場(chǎng)所范圍在某一數(shù)據(jù)下未能包含不同語(yǔ)義情境下的范圍，如大眾數(shù)據(jù)的核心區(qū)范圍注重對(duì)商圈語(yǔ)義下的前門、天壇、動(dòng)物園、望京、雙榆樹(shù)、中關(guān)村、人民大學(xué)等場(chǎng)所的表達(dá)，使旅游語(yǔ)義下的前門城門樓、天壇公園園區(qū)、動(dòng)物園園區(qū)，職住語(yǔ)義下的望京和雙榆樹(shù)，以及高科技與高等教育語(yǔ)義下的中關(guān)村區(qū)域、人民大學(xué)校園等被弱化表達(dá)，由此可知，大眾點(diǎn)評(píng)作為面向消費(fèi)者的信息服務(wù)應(yīng)用，其數(shù)據(jù)中潛在的商圈語(yǔ)義較強(qiáng)，因而著重表現(xiàn)了該場(chǎng)所名稱下的商圈范圍。同時(shí)也反映出單一數(shù)據(jù)源對(duì)于場(chǎng)所范圍的界定缺乏完整性。

4 結(jié) 論

本文提出了基于自適應(yīng)核密度的模糊集方法，構(gòu)建了場(chǎng)所范圍自動(dòng)化提取流程，并利用大眾點(diǎn)評(píng)興趣點(diǎn)(POI)數(shù)據(jù)對(duì)北京市五環(huán)內(nèi)的熱門場(chǎng)所及其范圍進(jìn)行提取與可視化表達(dá)。試驗(yàn)結(jié)果表明，該方法能夠：①有效處理多場(chǎng)所(multi-places)點(diǎn)集，對(duì)不同分布情況的點(diǎn)集具有良好自適應(yīng)性，解決了多場(chǎng)所構(gòu)建過(guò)程中的閾值選取問(wèn)題；②同時(shí)支持模糊集(柵格)和矢量?jī)煞N形式的表達(dá)，即矢量形式的多尺度、多層次表達(dá)結(jié)果可為今后的城市場(chǎng)所研究提供可用的場(chǎng)所單元；模糊集表達(dá)結(jié)果彌補(bǔ)了傳統(tǒng)的凸包、Voronoi多邊形等矢量表達(dá)形式對(duì)場(chǎng)所漸變邊界的過(guò)度簡(jiǎn)化，且能夠表達(dá)一個(gè)位置隸屬于多個(gè)場(chǎng)所的情況。該方法所提取的結(jié)果能夠?yàn)槔斫獬鞘锌臻g提供新的分析單元，以進(jìn)一步探究場(chǎng)所中人的活動(dòng)與移動(dòng)、情感與交互等特征，并能夠與重視人文過(guò)程、公眾參與、地理知識(shí)獲取與表達(dá)、人機(jī)交融與虛擬地理試驗(yàn)的虛擬地理環(huán)境研究產(chǎn)生新的結(jié)合點(diǎn)，為地理信息科學(xué)對(duì)于人文地理現(xiàn)象與過(guò)程的研究提供新的思路、技術(shù)與手段，從而促進(jìn)人地關(guān)系理論的發(fā)展[5-7]。

場(chǎng)所的認(rèn)知范圍與人們的認(rèn)知背景(個(gè)體的經(jīng)驗(yàn)與情感)和上下文語(yǔ)境(如教育、居住、商業(yè)等特定活動(dòng))緊密聯(lián)系，基于不同語(yǔ)義所提取的場(chǎng)所將有所差異。例如，“人民大學(xué)”可以指代大學(xué)校園，也可以指代周邊的居民生活區(qū)；“前門”既可以指代古城門樓，也可以指代前門大街的商圈。通過(guò)觀察本文的場(chǎng)所提取結(jié)果，發(fā)現(xiàn)大眾點(diǎn)評(píng)數(shù)據(jù)集所提取場(chǎng)所范圍更側(cè)重于體現(xiàn)商圈語(yǔ)義下的場(chǎng)所認(rèn)知。為使所獲取的各場(chǎng)所范圍更具普遍性和全面性，可在今后的工作中考慮多源數(shù)據(jù)融合，以在一定程度上消除單一數(shù)據(jù)源(或主體)對(duì)特定語(yǔ)義情境的偏向性。另外，由于本文數(shù)據(jù)中所提供的商圈名稱極少涉及包含、重疊等層級(jí)關(guān)系，可反映出大部分場(chǎng)所名稱都屬于空間認(rèn)知的同一層級(jí)，因此本文未涉及對(duì)場(chǎng)所層級(jí)性特征的探討，未來(lái)可進(jìn)一步提取不同層級(jí)的場(chǎng)所名稱及其范圍，以研究場(chǎng)所層級(jí)關(guān)系的表達(dá)方法。