摘要：隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，各類空間信息呈現(xiàn)爆發(fā)式增長，獲取方式也變得多樣化。針對(duì)城市精細(xì)化管理的不足與需求，文章選擇鹽城市為研究區(qū)域，依托探索性空間分析方法，以2022年微博簽到數(shù)據(jù)、2022年P(guān)OI數(shù)據(jù)為基礎(chǔ)，對(duì)鹽城市的地理空間信息進(jìn)行研究，旨在為城市管理、災(zāi)害預(yù)警、基礎(chǔ)設(shè)施建設(shè)提供信息支撐與技術(shù)支持。結(jié)果表明：（1）從簽到數(shù)量來看，簽到數(shù)最高的地點(diǎn)為鹽都區(qū)的“瀆上·老西門”，簽到數(shù)最低的地點(diǎn)為阜寧縣的新盛街21號(hào)；（2）從冷熱點(diǎn)的空間分布角度來看，整個(gè)鹽城市的熱點(diǎn)地區(qū)呈現(xiàn)“一主多副”的特征，主熱點(diǎn)位于鹽都區(qū)，平均最鄰近比率僅為0.2，且相對(duì)于其他區(qū)縣，集聚程度也最高。

關(guān)鍵詞：探索性空間分析；冷熱點(diǎn)分析；鹽城市；平均最鄰近比率；社交媒體

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A

0引言

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，記錄人類活動(dòng)的方式愈來愈多，類型涉及生活、社交、出行等多個(gè)方面，但隨之帶來數(shù)據(jù)的爆炸性增長［1］。社交媒體數(shù)據(jù)中蘊(yùn)含了空間基因，在一定程度上豐富了空間數(shù)據(jù)獲取的方法，推動(dòng)了空間信息獲取向數(shù)字化、智慧化的革新。受限于數(shù)據(jù)獲取方式及頻次，傳統(tǒng)的空間信息研究多專注于實(shí)體地物、現(xiàn)象演變，而對(duì)于人類活動(dòng)、人群行為等研究較少［2-3］?；ヂ?lián)網(wǎng)進(jìn)入Web2.0時(shí)代更關(guān)注于用戶的行為習(xí)慣、瀏覽交互等，典型的如微媒體代表，結(jié)合了空間信息、社會(huì)化信息，同時(shí)兼具社交功能。這種自發(fā)式的帶有空間基因的“采集”方式被美國科學(xué)院院士稱為志愿者地理信息服務(wù)（Volunteered Geographic Information， VGI），通過廣大用戶集中參與、共同參與地理信息數(shù)據(jù)創(chuàng)建與支撐，極大提升了地理信息獲取與傳播的效率，豐富了對(duì)應(yīng)的數(shù)據(jù)類型。這種社交媒體是一種交互式，允許用戶通過網(wǎng)絡(luò)、社區(qū)進(jìn)行信息、想法的表達(dá)與分析［4-6］。

業(yè)界專家利用社交媒體進(jìn)行多領(lǐng)域的研究，如聚焦于自然災(zāi)害和現(xiàn)象的研究，依托社交媒體豐富數(shù)據(jù)獲取方式進(jìn)行災(zāi)情災(zāi)害、空氣質(zhì)量時(shí)空分布分析［1］；醫(yī)學(xué)類的社交媒體數(shù)據(jù)還可以輔助知識(shí)圖譜模型的構(gòu)建［2］；區(qū)別于對(duì)空間現(xiàn)象的模擬與分析，還有專家利用社交媒體數(shù)據(jù)進(jìn)行人類活動(dòng)或情感的研究［3-6］，如基于社交媒體的“文本-位置-時(shí)間”特征，深入挖掘旅游者的情緒感知；利用海量社交媒體數(shù)據(jù)進(jìn)行心理指標(biāo)識(shí)別的建模，破解心理特征識(shí)別的瓶頸；根據(jù)游客的社交媒體反饋，分析群體特征的景觀偏好等［7］。這些研究能夠從新的角度來解決問題，但數(shù)據(jù)類型相對(duì)單一，無法多角度進(jìn)行空間分析成果支撐［8-10］。

因此，針對(duì)這些需求與不足，本文選擇鹽城市作為研究區(qū)域，搜集覆蓋研究范圍的社交媒體簽到數(shù)據(jù)、POI數(shù)據(jù)等，在此基礎(chǔ)上進(jìn)行數(shù)據(jù)清洗與可視化，利用空間探索性分析方法進(jìn)行研究區(qū)域的冷熱點(diǎn)分析，以探索數(shù)據(jù)的空間聚類特征，為城市規(guī)劃、空間布局做支撐。

1數(shù)據(jù)來源與研究方法

1.1研究區(qū)概況

鹽城市是江蘇省的省轄市，位于江蘇沿海的中部，地處119°27′E-120°54′E，30°34′N-32°28′N，東臨黃海，南與泰州市、南通市兩市接壤，西與揚(yáng)州市、淮安市毗鄰，北隔灌河與連云港市相望。鹽城市是江蘇省土地面積最大、海岸線最長的設(shè)區(qū)市，全市土地總面積約1.77萬平方千米，其中沿海灘涂面積4553平方千米，占全省沿海灘涂面積的70%；海岸線總長約582千米，是占全省海岸線總長度的56%，其擁有得天獨(dú)厚的灘涂、土地、海洋資源，射陽河口以南沿海地段仍以每年10多平方千米的速度向大海延伸，也是江蘇最大、最具潛力的土地后備資源。

鹽城市轄建湖縣、射陽縣、阜寧縣、濱?？h、響水縣5縣，鹽都區(qū)、亭湖區(qū)、大豐區(qū)3個(gè)區(qū)。2023年，鹽城市GDP為7403.9億元，常住人口668.9萬人。

1.2數(shù)據(jù)來源本研究所需數(shù)據(jù)如表1所示，共包括以下3個(gè)部分：（1）覆蓋鹽城市全域的POI數(shù)據(jù)，現(xiàn)勢性為2022年，經(jīng)過數(shù)據(jù)預(yù)處理，得到最終的數(shù)據(jù)185260條；（2）覆蓋鹽城市全域的社交媒體簽到數(shù)據(jù)（微博簽到數(shù)據(jù)），現(xiàn)勢性為2022年12月，經(jīng)數(shù)據(jù)清洗、坐標(biāo)轉(zhuǎn)換，得到數(shù)據(jù)28282條；（3）行政區(qū)劃數(shù)據(jù)，包含了設(shè)區(qū)市范圍及鹽城市轄縣（區(qū)）范圍。

其中，社交媒體簽到數(shù)據(jù)需要通過調(diào)用微博API獲取，主要分為兩個(gè)步驟，即數(shù)據(jù)獲取、數(shù)據(jù)處理，首先，進(jìn)行微博開發(fā)者的注冊(cè)得到相應(yīng)的App Key及App Secret，并直接進(jìn)行調(diào)用API獲取數(shù)據(jù)，得到的數(shù)據(jù)為JSON（JavaScript Object Notation）格式，因而還需對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換、處理等；其次，對(duì)數(shù)據(jù)進(jìn)行清洗，剔除相同的重復(fù)記錄，形成最終的結(jié)果，形成最終的數(shù)據(jù)。

1.3研究方法

2空間分析

對(duì)處理后的微博數(shù)據(jù)進(jìn)行匯總分析，得到鹽城市微博簽到數(shù)據(jù)，具體統(tǒng)計(jì)如表2所示。

從表2可知，鹽都區(qū)的簽到點(diǎn)數(shù)為最多，超過7000個(gè)，而最高的位置則位于“瀆上·老西門”，商業(yè)步行街；市轄區(qū)簽到數(shù)最少的則出現(xiàn)在阜寧縣為1376個(gè)，其簽到數(shù)最高的位置位于新盛街21號(hào)。

搜集得到的簽到數(shù)據(jù)包含經(jīng)緯度的空間屬性，因此，可將結(jié)果進(jìn)行可視化。

在計(jì)算結(jié)果的基礎(chǔ)上，運(yùn)用平均最近鄰工具進(jìn)行鹽城市各市轄縣（區(qū)）微博簽到平均最近鄰比率測算，具體如表3所示。從表3中結(jié)果可知，市轄縣集聚現(xiàn)象明顯，其中，鹽都區(qū)的最鄰近比率為0.2，是所有區(qū)縣中最低值，說明鹽都區(qū)內(nèi)集聚程度最高。究其原因，主要是鹽都區(qū)是市政府所在地，其范圍內(nèi)包含大縱湖東晉水城等系列熱門景點(diǎn)，是吸引外地游客駐足游玩的主要地點(diǎn)。

利用ArcGIS軟件的冷熱點(diǎn)分析工具進(jìn)行微博簽到數(shù)據(jù)的冷熱點(diǎn)分析，從計(jì)算結(jié)果可以看出，微博簽到數(shù)據(jù)總體呈現(xiàn)高密度集聚特征，其中熱點(diǎn)主要呈現(xiàn)“一主多副”的特征，主熱點(diǎn)位于鹽都區(qū)，副熱點(diǎn)位于亭湖區(qū)、濱海縣、建湖縣等地。

在空間分布上，大豐區(qū)作為經(jīng)濟(jì)發(fā)展靠前的區(qū)縣不僅經(jīng)濟(jì)會(huì)理強(qiáng)，同時(shí)沿海人口聚集較多，因而微博簽到次數(shù)相對(duì)較多，而阜寧、建湖、響水三縣的熱點(diǎn)相對(duì)集中在縣（市）主城區(qū)，其余農(nóng)村地區(qū)相對(duì)聚集較差，即呈現(xiàn)冷點(diǎn)趨勢。

從人口分布的角度來看（見表3），射陽、阜寧、濱海、鹽都、亭湖5個(gè)區(qū)縣的常住人口已超80萬人，而濱海、亭湖兩區(qū)甚至超過了90萬人，人口基數(shù)非常大，因而聚集程度非常高，簽到次數(shù)也比較多，無疑成為整個(gè)鹽城市的熱點(diǎn)地區(qū)，監(jiān)測的結(jié)果與人口統(tǒng)計(jì)分布的結(jié)果一致性較高。熱點(diǎn)地區(qū)的分布在一定程度上反映了各地區(qū)的基礎(chǔ)設(shè)施配置、經(jīng)濟(jì)發(fā)展水平?？梢钥闯觯ず^(qū)、鹽都區(qū)等老城區(qū)的經(jīng)濟(jì)水平較高，配置相對(duì)較為完備，對(duì)外地游客的吸引力也較高，而大豐區(qū)高度重視沿海資源的開發(fā)，也吸引了越來越多的外地游客，其境內(nèi)聚集的人群數(shù)量也較多。

3結(jié)語隨著經(jīng)濟(jì)社會(huì)的不斷發(fā)展，獲取空間數(shù)據(jù)的方式也逐漸豐富。本文嘗試從社會(huì)空間的視角，依托探索性空間分析的冷熱點(diǎn)分析等方法，以覆蓋鹽城市的2022年微博簽到數(shù)據(jù)、POI數(shù)據(jù)為基礎(chǔ)，對(duì)鹽城市的相關(guān)地理空間信息進(jìn)行研究，得出的結(jié)論如下：

（1）從簽到數(shù)據(jù)數(shù)量來看，最高的簽到點(diǎn)數(shù)位于鹽都區(qū)，即“瀆上·老西門”，商業(yè)步行街，簽到總數(shù)超過了7000，市轄區(qū)縣最少的簽到點(diǎn)數(shù)位于阜寧縣，其最高的簽到數(shù)地點(diǎn)即新盛街21號(hào)。

（2）從冷熱點(diǎn)的空間分布角度來看，鹽城市的熱點(diǎn)地區(qū)主要呈現(xiàn)“一主多副”的特征，主熱點(diǎn)位于鹽都區(qū)，同時(shí)鹽都區(qū)的平均最鄰近比率為0.2，是所有區(qū)縣中最低值，說明鹽都區(qū)內(nèi)集聚程度最高，副熱點(diǎn)位于亭湖區(qū)、濱海縣、建湖縣等地，這也符合鹽城“一核多城”的發(fā)展戰(zhàn)略。

參考文獻(xiàn)

［1］王艷東，荊彤，姜偉，等.利用社交媒體數(shù)據(jù)模擬城市空氣質(zhì)量趨勢面［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2017（1）：7-12.

［2］王華瓊，俞定國，錢歸平.基于醫(yī)學(xué)社交媒體數(shù)據(jù)的多模態(tài)知識(shí)圖譜構(gòu)建［J］.醫(yī)學(xué)信息學(xué)雜志，2023（4）：35-39.

［3］王艷東，劉森保，姜偉，等.利用社交媒體數(shù)據(jù)探測商業(yè)區(qū)顧客空間分布［J］.地理空間信息，2018（2）：3-7.

［4］高靜，李佳霓，馮雅茹.基于社交媒體數(shù)據(jù)的西懷遠(yuǎn)村游客景觀偏好及其時(shí)空特征研究［J］.園林，2023（3）：79-83.

［5］韓華瑞，代偵勇.湖北省微博簽到活動(dòng)空間差異分析——以新浪微博為例［J］.測繪與空間地理信息，2016（10）：5-10.

［6］陳曉艷，張子昂，胡小海，等.微博簽到大數(shù)據(jù)中旅游景區(qū)客流波動(dòng)特征分析——以南京市鐘山風(fēng)景名勝區(qū)為例［J］.經(jīng)濟(jì)地理，2018（9）：9-14.

［7］徐敏，黃震方，曹芳東，等.基于大數(shù)據(jù)分析的城市旅游地網(wǎng)絡(luò)結(jié)構(gòu)特征及其演化模式——以新浪微博簽到數(shù)據(jù)為例［J］.地理研究，2019（4）：13-17.

［8］SUI D， ELWOOD S，GOODCHILD M F. Crowd-sourcing Geographic Knowledge： Volunteered Geogra-phic Information （VGI） in Theory and Practice［M］. New York： Springer， 2012.

［9］GOODCHILD M F. Citizens as sensors：the world of volunteered geography［J］GeoJournal，2007 （4）：211-221.

［10］GILANY N ， IQBAL J ， HUSSAIN E . Geospatial Analysis and Simulation of Glacial Avalanche Hazard in Hunza River Basin［J］. International Journal of Envir-onmental Science and Development， 2021 （2）：51-57.

［11］王勁峰.空間分析［M］.北京：科學(xué)出版社，2006.

（編輯李春燕）Research on the spatial pattern of Yancheng city by integrating multi source dataZHU" Chenxi

（1.Hohai University， Nanjing 210098， China; 2.Jiangsu Provincial Land and Resources

Research Center， Nanjing 210024， China）Abstract：" With the continuous development of the social economy， various types of spatial information are experiencing explosive growth， and the ways of obtaining them have become more diverse. In response to the shortcomings and needs of refined urban management， this article selects Yancheng City as the research area， relying on exploratory spatial analysis methods and based on 2022 Weibo check-in data and 2022 POI data， to study the geographic spatial information of Yancheng City， aiming to provide information and technical support for urban management， disaster warning， and infrastructure construction. The results show that： （1） in terms of the number of signs in， the location with the highest number of signs in is “Dushang Laoximen” in Yandu District， and the location with the lowest number of signs in is No. 21 Xinsheng Street in Funing County; （2） From the perspective of spatial distribution of cold and hot spots， the hot spots in the entire Yancheng City exhibit a characteristic of “one main hot spot and multiple secondary hot spots”. The main hot spot is located in Yandu District， with an average nearest neighbor ratio of only 0.2， and the degree of agglomeration is also the highest compared to other districts and counties.

Key words： exploratory spatial data analysis; cold and hot spot analysis; Yancheng; average nearest neighbor ratio; social media