于 娜, 李小楠, 白燕娜

(1.河北師范大學(xué) 計(jì)算機(jī)與網(wǎng)絡(luò)空間安全學(xué)院,河北 石家莊 050024;2.宣化科技職業(yè)學(xué)院 信息工程系,河北 宣化 075100; 3.河北師范大學(xué) 職業(yè)技術(shù)學(xué)院,河北 石家莊 050024)

0 引 言

城市區(qū)域在人類生活中起著重要作用,合理聚集城市區(qū)域可以幫助人們更好地理解城市.地理空間數(shù)據(jù)(如手機(jī)數(shù)據(jù)、出租車出行數(shù)據(jù)、公共自行車租賃記錄、網(wǎng)約車數(shù)據(jù))提供了大量的信息,推動(dòng)了對(duì)城市區(qū)域分析的研究.Pedro等[1]探討了如何利用手機(jī)數(shù)據(jù)分析門到門的出行時(shí)間.Dujardin等[2]利用移動(dòng)電話數(shù)據(jù)研究城市氣候變化.Zhao等[3]通過(guò)深度模型統(tǒng)一Uber和出租車數(shù)據(jù),預(yù)測(cè)出租車乘客需求,感知全市人群流動(dòng).Charles Alba等[4]使用手機(jī)數(shù)據(jù)研究在COVID-19流行期間,美國(guó)國(guó)家公園的訪問(wèn)模式在有色人種社區(qū)之間發(fā)生的變化.

與上述地理空間數(shù)據(jù)相比,出租車出行數(shù)據(jù)不僅能更準(zhǔn)確地反映城市地區(qū)的出行特征,而且能更靈活地反映城市地區(qū)的真實(shí)交通流量.出租車數(shù)據(jù)記錄了大量的GPS軌跡點(diǎn),很多研究利用出租車出行數(shù)據(jù)中上車點(diǎn)和下車點(diǎn)信息分析城市.Qin等[5]基于出租車GPS數(shù)據(jù)識(shí)別出租車的區(qū)域級(jí)通勤模式.Liao等[6]利用移動(dòng)出租車留下的部分GPS軌跡預(yù)測(cè)出租車乘客的目的地.Zhang等[7]利用出租車軌跡數(shù)據(jù)中出租車出行次數(shù)構(gòu)建單元網(wǎng)絡(luò)研究出租車出行需求.

上述城市區(qū)域相關(guān)研究?jī)A向于從上車點(diǎn)和下車點(diǎn)的出行頻次進(jìn)行分析,而忽略時(shí)間因素對(duì)區(qū)域的影響.此外,現(xiàn)有的城市區(qū)域研究大多側(cè)重于在某一方面(城市功能、城市空間格局等)進(jìn)行分析,對(duì)城市區(qū)域從不同層次進(jìn)行評(píng)價(jià)和分析的研究較少.因此,本文首先提出了一個(gè)區(qū)域時(shí)空行為指標(biāo)(ABI),在分析區(qū)域關(guān)系時(shí)既考慮了地理空間上來(lái)往的通勤次數(shù),也考慮了通勤所花費(fèi)的時(shí)間代價(jià).并在此基礎(chǔ)上提出了使用多種指標(biāo)分析城市區(qū)域的級(jí)聯(lián)框架(CUAAF),幫助人們從不同層次了解城市區(qū)域的動(dòng)態(tài)變化,獲得更詳細(xì)的城市區(qū)域信息.

1 研究區(qū)域和數(shù)據(jù)

石家莊是河北省的省會(huì),它發(fā)揮著河北省商業(yè)和金融中心的作用,城市化發(fā)展迅速.本文的研究區(qū)域是石家莊市全部22個(gè)區(qū).

隨著創(chuàng)新交通服務(wù)的不斷增加,網(wǎng)約車服務(wù)因其便捷和優(yōu)惠的價(jià)格具有很高的競(jìng)爭(zhēng)力[8].本文使用的數(shù)據(jù)是石家莊一周的網(wǎng)約車數(shù)據(jù).在對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理后,每條數(shù)據(jù)記錄包含上車位置 (經(jīng)緯度)、下車位置 (經(jīng)緯度)、開(kāi)始時(shí)間、結(jié)束時(shí)間等6個(gè)字段,如表1所示.

表1 數(shù)據(jù)格式Tab.1 Data Format

2 CUAAF級(jí)聯(lián)城市區(qū)域分析框架

2.1 ABI時(shí)空指標(biāo)

人們通常用空間關(guān)系來(lái)分析城市區(qū)域,時(shí)間信息容易被忽略.為了解決這個(gè)問(wèn)題,本文提出一個(gè)新時(shí)空指標(biāo)ABI來(lái)計(jì)算柵格之間的相關(guān)性.ABI既考慮了2個(gè)柵格之間來(lái)往的通勤次數(shù),也考慮了2個(gè)柵格通勤所花費(fèi)的時(shí)間代價(jià).其定義為:

(1)

其中,Cc(i,j)表示柵格i和柵格j之間的緊密程度,Ct(i,j)表示柵格i和柵格j之間的皮爾森相關(guān)性.具體公式如下:

(2)

(3)

圖1 ABI流程示意圖Fig.1 ABI Flow Schematic Drawing

當(dāng)計(jì)算出ABI之后,每一個(gè)柵格當(dāng)作節(jié)點(diǎn),ABI是連接節(jié)點(diǎn)之間的權(quán)重,構(gòu)建柵格區(qū)域行為網(wǎng)絡(luò).最后,運(yùn)用Louvain算法,對(duì)該網(wǎng)絡(luò)進(jìn)行分析得到相應(yīng)的聚類結(jié)果.

2.2 CUAAF框架

為了分層地反映城市區(qū)域的實(shí)際社會(huì)活動(dòng),本文提出了一個(gè)級(jí)聯(lián)分析框架(CUAAF),通過(guò)分析網(wǎng)約車數(shù)據(jù),研究城市區(qū)域的時(shí)空特性,對(duì)城市區(qū)域進(jìn)行聚類.該框架過(guò)程如圖2所示.

圖2 CUAAF框架圖Fig.2 CUAAF Frame Diagram

首先,城市被劃分為多個(gè)地理柵格.任意2個(gè)柵格之間的相關(guān)性由區(qū)域行為指數(shù)(ABI)來(lái)評(píng)估.接著,根據(jù)相關(guān)性得到一個(gè)相關(guān)矩陣,它描述了每個(gè)柵格對(duì)之間的相似性水平.然后,可以得到一個(gè)加權(quán)柵格網(wǎng)絡(luò),其中每一個(gè)節(jié)點(diǎn)代表一個(gè)柵格,柵格之間的相關(guān)性是節(jié)點(diǎn)之間的權(quán)重.最后,采用社區(qū)發(fā)現(xiàn)技術(shù)分析其微觀結(jié)構(gòu),獲得聚類區(qū)域.

近年來(lái),社區(qū)發(fā)現(xiàn)算法已經(jīng)在很多領(lǐng)域得到應(yīng)用[9-14].本文采用社區(qū)發(fā)現(xiàn)算法中的Louvain算法[14]獲得聚類結(jié)果.該算法在網(wǎng)絡(luò)分析中的優(yōu)點(diǎn)是不需要事先輸入聚類數(shù)量,因此減少了主觀因素的影響.此外,本文采用默認(rèn)參數(shù)進(jìn)行運(yùn)算,避免了調(diào)參給算法帶來(lái)的不確定因素.

圖2a和圖2b顯示城市被劃分成多個(gè)柵格.圖2c對(duì)于每個(gè)柵格,使用框架下的指標(biāo)ABI來(lái)計(jì)算任意一個(gè)柵格與其他柵格之間的相關(guān)性.圖2d是相關(guān)性矩陣.接著通過(guò)相關(guān)性矩陣來(lái)定義無(wú)向加權(quán)網(wǎng)絡(luò)圖2e,該網(wǎng)絡(luò)使用Louvain算法進(jìn)行聚類,結(jié)果繪制在城市地圖圖2f上.

3 實(shí)驗(yàn)結(jié)果

3.1 使用ABI指標(biāo)CUAAF的聚類結(jié)果

為了理解城市區(qū)域的時(shí)空關(guān)系,用ABI指標(biāo)分析了石家莊全部的22個(gè)行政區(qū),結(jié)果如圖3b所示,城市地區(qū)被聚類成多個(gè)社區(qū).

圖3 石家莊區(qū)域劃分(a)石家莊行政區(qū)域劃分結(jié)果(b)使用ABI得到的聚類結(jié)果Fig.3 Shijizhuang Regional Division (a)Administrative Division of Shijiazhuang (b)the Clustering Result Obtained by ABI

與圖3a石家莊行政劃分圖相比,大多數(shù)社區(qū)的地理分布與行政區(qū)域相似.然而,可以發(fā)現(xiàn),一些社區(qū)與行政區(qū)域不同,特別是在發(fā)展較快的市中心區(qū)域.新華區(qū)、橋西區(qū)和鹿泉區(qū)的一些地區(qū)屬于同一個(gè)社區(qū)(圖3b紅色).長(zhǎng)安區(qū)和裕華區(qū)都被分為兩部分,長(zhǎng)安區(qū)的一部分和裕華區(qū)的一部分成為一個(gè)社區(qū)(圖3b藍(lán)色),其余的長(zhǎng)安區(qū)和裕華區(qū)成為另一個(gè)社區(qū)(圖3b淺灰色).可以看到,隨著經(jīng)濟(jì)和交通的影響,某些行政區(qū)域會(huì)打破界線,產(chǎn)生時(shí)空關(guān)系,成為聯(lián)系緊密的社區(qū).

3.2 使用級(jí)聯(lián)CUAAF的聚類結(jié)果

上述分析區(qū)域覆蓋范圍大,結(jié)果相對(duì)宏觀,針對(duì)某些小范圍區(qū)域,比如圖3b中的藍(lán)色區(qū)域,可以將藍(lán)色區(qū)域再次輸入到CUAAF模型中,進(jìn)行下一級(jí)分析.級(jí)聯(lián)模型的各級(jí)指標(biāo)既可以用ABI指標(biāo),也可以選擇具有其他功能的指標(biāo).因此,級(jí)聯(lián)CUAAF模型有多種級(jí)聯(lián)方式,可以分析各區(qū)域間不同類型的關(guān)系.

在本文的級(jí)聯(lián)示例中,第一級(jí)采用區(qū)域活躍模式指標(biāo)(area active pattern index,AAPI),第二級(jí)采用區(qū)域功能指標(biāo)(area function index,AFI)進(jìn)行級(jí)聯(lián)分析.AAPI用來(lái)分析區(qū)域活躍模式,其定義為:

AAPI=Pearson(li,lj),

(4)

其中,li是描述柵格i每小時(shí)上下車次數(shù)總和變化的列表.

AFI用來(lái)分析區(qū)域功能.AFI具體計(jì)算公式如下:

(5)

本文以AAPI+AFI為例進(jìn)行級(jí)聯(lián)分析目的在于探索同一活躍模式的區(qū)域在功能上有哪些異同.使用級(jí)聯(lián)指標(biāo)AAPI+AFI聚類得到了13個(gè)社區(qū)(分別是0_0到4_1.其中,前面的數(shù)字表示的是區(qū)域活躍模式,后面的數(shù)字表示的是區(qū)域功能).為了較準(zhǔn)確的識(shí)別區(qū)域功能,本文對(duì)級(jí)聯(lián)指標(biāo)得到的社區(qū)進(jìn)行了POI統(tǒng)計(jì),統(tǒng)計(jì)結(jié)果如圖4所示.

圖4 級(jí)聯(lián)指標(biāo)POI占比圖Fig.4 Proportion of Cascade Index POI

顏色的深淺代表著每一類中POI的占比,顏色越深,表示POI占比越高,反之,表示POI占比越低.由圖4可知,每一個(gè)社區(qū)POI頻次的占比并不相同,屬于同一活躍模式的社區(qū),它們的POI占比也并不相同.為了更好的標(biāo)識(shí),對(duì)屬于同一活躍模式的社區(qū)2_0和社區(qū)2_1流出量(上車頻次-下車頻次)進(jìn)行了對(duì)比,流出量對(duì)比圖如圖5所示.

圖5 社區(qū)2_0和社區(qū)2_1流出量對(duì)比圖Fig.5 Comparison of Outflow from Community 2_0 and Community 2_1

橫坐標(biāo)表示一天24小時(shí),縱坐標(biāo)是歸一化之后的流出量,范圍是-1到1之間.社區(qū)2_0在早上8點(diǎn)到9點(diǎn)流出量是0.58達(dá)到了一天的最大值,在下午17點(diǎn)到18點(diǎn)以后流出量幾乎都為負(fù)值.與此同時(shí),在圖4的POI占比圖中,社區(qū)2_0地產(chǎn)小區(qū)(residence)的占比超過(guò)或者接近總數(shù)的一半(0.48),可見(jiàn),社區(qū)2_0是住宅區(qū).與社區(qū)2_0在早上大部分人離開(kāi),下午到達(dá)的趨勢(shì)相反,社區(qū)2_1在早上8點(diǎn)到9點(diǎn)之間,流出量是-0.72達(dá)到了一天中的最小值.在下午17點(diǎn)到18點(diǎn)之間,社區(qū)2_1流出量是0.23達(dá)到了一天中的最大值,這是典型的工作區(qū)模式.

3.3 工作日和周六日對(duì)比

我們分別在工作日和周末應(yīng)用該框架進(jìn)行分析.ABI指標(biāo)在工作日得到的聚類城市區(qū)域與周末大體上是相似,但是在某些區(qū)域仍存在差異.圖6顯示了工作日和周末社區(qū)的詳細(xì)比較.

圖6 ABI聚類結(jié)果對(duì)比圖 (a)工作日聚類結(jié)果 (b)周六日聚類結(jié)果Fig.6 Comparison of ABI Clustering Results (a)Weekday Clustering Results (b)Weekend Clustering Results

圖6a紅色社區(qū)所示,位于鹿泉區(qū)的一些地區(qū)(地理位置劃分如圖3a所示)在工作日與市中心區(qū)(新華區(qū)、橋西區(qū))屬于同一個(gè)紅色社區(qū).耐人尋味的是,在圖6b中,這些地區(qū)的一部分和鹿泉區(qū)的其他地區(qū)在周末成為一個(gè)黃色社區(qū).這可能是因?yàn)橹苓叺娜藗冞x擇周六日去鹿泉的景點(diǎn)游玩,導(dǎo)致周末這些區(qū)域關(guān)系緊密且屬于同一個(gè)社區(qū).

4 結(jié)束語(yǔ)

本文提出的CUAAF框架從區(qū)域時(shí)空關(guān)系對(duì)城市區(qū)域進(jìn)行級(jí)聯(lián)聚類分析.在分析區(qū)域時(shí)空關(guān)系上,提出了一個(gè)新的綜合指標(biāo)ABI,不僅考慮了來(lái)往的通勤頻次,還考慮了花費(fèi)的時(shí)間代價(jià).使用該指標(biāo)獲到聚類區(qū)域后,可以將感興趣的區(qū)域再次輸入到CUAAF中,使用指標(biāo)進(jìn)一步分析細(xì)節(jié)信息.該過(guò)程可以反復(fù)進(jìn)行,形成級(jí)聯(lián)分析的結(jié)果.

通過(guò)構(gòu)建基于網(wǎng)約車數(shù)據(jù)的級(jí)聯(lián)框架,深入了解區(qū)域之間的關(guān)系,從時(shí)空角度研究城市區(qū)域的動(dòng)態(tài)變化,并從不同層次分析城市區(qū)域,獲得不同分辨率的城市信息.同時(shí),也提出了城市規(guī)劃和城市功能優(yōu)化的參考性建議以促進(jìn)城市的科學(xué)發(fā)展.未來(lái)的研究可以集中在以下方面:首先,可以嘗試采用路網(wǎng)相關(guān)的區(qū)域劃分方法預(yù)處理數(shù)據(jù).其次,可以引入相關(guān)的融合數(shù)據(jù)來(lái)分析城市區(qū)域,例如出租車,公交車和共享單車等.