利用位置簽到數(shù)據(jù)探索城市熱點(diǎn)與商圈

胡慶武,王明,李清泉

1．武漢大學(xué)遙感信息工程學(xué)院,湖北武漢 430079;2．武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北武漢 430079

利用位置簽到數(shù)據(jù)探索城市熱點(diǎn)與商圈

胡慶武1,王明1,李清泉2

1．武漢大學(xué)遙感信息工程學(xué)院,湖北武漢 430079;2．武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北武漢 430079

為及時(shí)、準(zhǔn)確探測(cè)城市熱點(diǎn)和客觀高效分析商圈,提出一種基于社交網(wǎng)絡(luò)眾源位置簽到數(shù)據(jù)的城市熱點(diǎn)探測(cè)與商圈挖掘方法。針對(duì)大數(shù)據(jù)量、離散的位置簽到數(shù)據(jù)存儲(chǔ)和聚類分析效率問(wèn)題,提出基于離散點(diǎn)柵格化簽到數(shù)據(jù)預(yù)處理模型。對(duì)位置簽到數(shù)據(jù)進(jìn)行了空間自相關(guān)檢驗(yàn),表明其具有顯著的空間聚類特征。提出基于位置簽到數(shù)據(jù)探索性空間分析熱點(diǎn)聚類方法,選取商業(yè)因素進(jìn)行地理分布度量以獲取商圈信息。以武漢市為例,對(duì)街旁網(wǎng)(www．jiepang．com)截至2011-09-30位置簽到數(shù)據(jù)進(jìn)行城市熱點(diǎn)探測(cè)與商圈挖掘試驗(yàn)。結(jié)果表明,基于位置簽到數(shù)據(jù)挖掘的武漢市商圈分布與城市規(guī)劃商圈具有強(qiáng)相關(guān)性,可用于城市社會(huì)經(jīng)濟(jì)發(fā)展預(yù)測(cè)與區(qū)域經(jīng)濟(jì)規(guī)劃。

眾源地理數(shù)據(jù);位置簽到數(shù)據(jù);數(shù)據(jù)挖掘;熱點(diǎn)探測(cè);商圈分布

1 引 言

城市商圈作為城市經(jīng)濟(jì)發(fā)展原動(dòng)力的基礎(chǔ)之一,是城市綜合競(jìng)爭(zhēng)力的重要組成部分。商圈動(dòng)態(tài)測(cè)定是指導(dǎo)城市經(jīng)濟(jì)布局的重要依據(jù),對(duì)充分發(fā)揮商圈的社會(huì)效益和整體功能,推進(jìn)城市化進(jìn)程,促進(jìn)國(guó)民經(jīng)濟(jì)持續(xù)發(fā)展具有十分重要的作用。國(guó)內(nèi)外商圈研究主要有宏觀角度和微觀角度兩方面[1]。前者測(cè)定范圍延伸過(guò)廣,會(huì)使商圈測(cè)定摻雜許多其他因素,后者側(cè)重于微觀層面的企業(yè)商圈分析,都沒(méi)有從整個(gè)城市視角去對(duì)城市商圈進(jìn)行測(cè)定。另外,常用商圈測(cè)定方法一般采用問(wèn)卷調(diào)查方法,需花費(fèi)較多時(shí)間和精力,調(diào)查范圍有限,影響商圈測(cè)定的準(zhǔn)確性和全面性[2]。

眾源地理數(shù)據(jù)(crowd sourcing geographic data)是指由大眾采集并向大眾提供的開(kāi)放地理數(shù)據(jù)[3-5]。代表性眾源地理數(shù)據(jù)有GPS行駛軌跡數(shù)據(jù)、用戶協(xié)作標(biāo)注編輯的地圖數(shù)據(jù)、各類社交網(wǎng)站如Twitter、Facebook、街旁(www．jiepang．com)用戶簽到(check-in)的興趣點(diǎn)(POI)等[6]。與傳統(tǒng)地理信息數(shù)據(jù)相比,來(lái)自非專業(yè)大眾的眾源地理數(shù)據(jù)具有數(shù)據(jù)量大、現(xiàn)勢(shì)性好、信息豐富、成本低等特點(diǎn)和優(yōu)勢(shì),成為近年來(lái)國(guó)際地理信息科學(xué)領(lǐng)域的研究熱點(diǎn)[5,7-10]。位置簽到數(shù)據(jù)是利用帶有GPS的智能終端記錄某一時(shí)刻所處位置而產(chǎn)生的具有空間性、時(shí)間性和社會(huì)化屬性信息的數(shù)據(jù),它記錄生活軌跡,反映了人的日常生活行為,是一種重要的眾源地理數(shù)據(jù)。位置簽到數(shù)據(jù)多集中在城市,并以大眾簽到的興趣點(diǎn)為主要表現(xiàn)形式。以街旁網(wǎng)為例,自2010年5月13日街旁網(wǎng)正式上線以來(lái),街旁網(wǎng)注冊(cè)用戶數(shù)量以每周20%的速度保持高速增長(zhǎng),截至2011年9月,街旁網(wǎng)用戶數(shù)量已經(jīng)超過(guò)120萬(wàn)。由于街旁網(wǎng)70%以上的注冊(cè)用戶都將簽到信息與社交平臺(tái)綁定,因此平均每一次簽到會(huì)擁有400個(gè)受眾。街旁網(wǎng)每5 s(以24 h為計(jì)算基礎(chǔ))更新一次用戶簽到信息,包含了豐富的位置信息、語(yǔ)義信息和行為信息。因此從街旁網(wǎng)獲取的位置簽到數(shù)據(jù)不僅數(shù)據(jù)量豐富,而且現(xiàn)勢(shì)性好,從側(cè)面反映城市經(jīng)濟(jì)、文化分布態(tài)勢(shì)。本文以街旁網(wǎng)位置簽到數(shù)據(jù)為研究對(duì)象,提出了一種基于眾源位置簽到數(shù)據(jù)的城市熱點(diǎn)探測(cè)與商圈挖掘方法,通過(guò)數(shù)據(jù)預(yù)處理、探索性空間分析和空間聚類分析,得到了位置簽到數(shù)據(jù)高值聚類熱點(diǎn)。

2 位置簽到數(shù)據(jù)探索性聚類與分析

位置簽到數(shù)據(jù)是具有空間坐標(biāo)和用戶屬性的離散GIS點(diǎn)對(duì)象,首先對(duì)離散簽到數(shù)據(jù)進(jìn)行格網(wǎng)化處理,將大數(shù)據(jù)量、離散簽到位置點(diǎn)轉(zhuǎn)化成具有空間連續(xù)性與鄰接性并能夠更好地反映簽到事件集聚密度的格網(wǎng)數(shù)據(jù)。其次,運(yùn)用探索性空間數(shù)據(jù)分析(exploratory spatial data analysis,ESDA)度量簽到數(shù)據(jù)的空間相關(guān)性,量算其空間結(jié)構(gòu)和全局分布模式,以確定熱點(diǎn)探測(cè)和商圈聚類的最佳模式。再次,采用聚類分析識(shí)別出具有統(tǒng)計(jì)顯著性的熱點(diǎn)、冷點(diǎn)和空間異常值位置。最后,通過(guò)度量聚類分析結(jié)果的地理空間分布,得到具有統(tǒng)計(jì)顯著性的聚類地理要素的空間特征:包括商圈范圍、中心變化趨勢(shì)和方向發(fā)展趨勢(shì),具體算法流程如圖1。

圖1 基于位置簽到數(shù)據(jù)的熱點(diǎn)探測(cè)與商圈挖掘算法流程Fig．1 Algorithm flowchart for hotspot detection and commercial area mining based on check-in data

2．1 位置簽到數(shù)據(jù)格網(wǎng)化處理

位置簽到數(shù)據(jù)為大量離散要素點(diǎn),在空間上不具有明顯的空間連續(xù)性和鄰接性,不利于探索性空間數(shù)據(jù)分析方法度量其空間分布模式。為了使位置簽到數(shù)據(jù)既能反映空間連續(xù)性與鄰近性,又能夠保存點(diǎn)狀對(duì)象的簽到次數(shù)特征以及關(guān)鍵屬性的統(tǒng)計(jì)特征,本文選擇以簽到數(shù)據(jù)所覆蓋區(qū)域?yàn)檠芯糠秶?構(gòu)建固定像元大小的格網(wǎng)并對(duì)其進(jìn)行空間連接,將存在空間包含關(guān)系的點(diǎn)狀簽到數(shù)據(jù)關(guān)鍵屬性映射到對(duì)應(yīng)的格網(wǎng)相應(yīng)屬性中去[11-12],如式(1)式中,G(W)表示格網(wǎng)G的簽到次數(shù);G(T)表示格網(wǎng)G的區(qū)域類型;n表示格網(wǎng)G中簽到點(diǎn)的個(gè)數(shù);NPi表示格網(wǎng)G中第i個(gè)簽到點(diǎn)的簽到總次數(shù);σPi表示該簽到點(diǎn)的權(quán)重等級(jí);∑σP,Ti表示屬于格網(wǎng)G中屬于第Ti類的所有簽到點(diǎn)的權(quán)重之和。圖2給出了離散簽到數(shù)據(jù)格網(wǎng)柵格化的算法流程。

圖2 位置簽到數(shù)據(jù)格網(wǎng)化處理示意圖Fig．2 Grid processing for discrete check-in data

由圖2,離散簽到數(shù)據(jù)轉(zhuǎn)換為以簽到頻次為灰度的格網(wǎng)化簽到數(shù)據(jù)集,既簡(jiǎn)化了離散點(diǎn)狀數(shù)據(jù),又保持了簽到數(shù)據(jù)時(shí)空特性和專題屬性特征,滿足探索性空間分析和數(shù)據(jù)挖掘要求。

2．2 位置簽到數(shù)據(jù)空間自相關(guān)檢驗(yàn)與分析

空間自相關(guān)是空間依賴性的重要形式,也是空間數(shù)據(jù)探索性空間分析(exploratory spatial data analysis,ESDA)的前提[13-17]。為對(duì)位置簽到數(shù)據(jù)進(jìn)行空間聚類分析,本文以Global Moran s I統(tǒng)計(jì)方法來(lái)度量研究區(qū)域位置簽到數(shù)據(jù)的全局空間自相關(guān)性,以Ripley's K統(tǒng)計(jì)方法來(lái)探索簽到特征性最強(qiáng)的空間分布模式,為簽到數(shù)據(jù)挖掘提供依據(jù)。

2．2．1 簽到數(shù)據(jù)空間分布模式分析

給定一組位置簽到數(shù)據(jù)及其簽到頻次, Global Moran's I統(tǒng)計(jì)按式(2)評(píng)估其為聚類模式、離散模式或隨機(jī)模式

由圖3,用于檢驗(yàn)的z得分值為8．003 898倍標(biāo)準(zhǔn)差,遠(yuǎn)大于2．58,表明其零假設(shè)概率p值為0,符合在99%置信度情況下對(duì)p值要求(概率似然值p＜1%),說(shuō)明位置簽到數(shù)據(jù)空間分布模式的全局空間自相關(guān)性符合典型聚類模式統(tǒng)計(jì)特征,可進(jìn)行熱點(diǎn)和商圈聚類分析。

2．2．2 簽到數(shù)據(jù)最優(yōu)空間分布特征探索

本文以Ripley's K函數(shù)探索簽到位置(或簽到頻次)在某一距離范圍內(nèi)具有統(tǒng)計(jì)意義上最顯著的空間自相關(guān)性。如式(4)

式中,d為距離指標(biāo);n為簽到位置數(shù);A為簽到位置或簽到頻次;ki,j為權(quán)重。以武漢市位置簽到數(shù)據(jù)為例,按式(4)尋找位置簽到數(shù)據(jù)空間結(jié)構(gòu)的最佳模式,結(jié)果如表1及圖4。

圖3 簽到數(shù)據(jù)空間自相關(guān)分析結(jié)果Fig．3 Spatial self-correlation analysis result of check-in data

表1 位置簽到數(shù)據(jù)Ripley's K距離模式分析結(jié)果Tab．1 Ripley's K multi-distance mode analysis statistics result with check-in data

圖4中,最下方曲線為K預(yù)期值,為各距離模式的期望值曲線;最上方曲線為K觀測(cè)值,代表各距離模式的觀測(cè)值曲線;中間曲線為K差值,代表各距離模式觀測(cè)值與期望值的差值曲線。根據(jù)Ripley's K統(tǒng)計(jì),若在某一距離的K觀測(cè)值大于K預(yù)期值,該分布聚類程度高;若K觀測(cè)值小于K預(yù)期值,該分布離散程度高。據(jù)表1及圖4,K觀測(cè)值曲線始終位于K預(yù)期值曲線之上,即在參與分析的空間分布模式(距離模式)下,研究區(qū)域內(nèi)要素始終呈現(xiàn)聚類模式分布,驗(yàn)證了基于Global Moran's I統(tǒng)計(jì)法位置簽到數(shù)據(jù)全局自相關(guān)性分析結(jié)果。

圖4 簽到數(shù)據(jù)Ripley's K多距離模式分析結(jié)果圖Fig．4 Ripley's K multi-distance mode analysis result with check-in data

由表1及圖4,在編號(hào)為4和5的距離模式上,觀測(cè)值與期望值的差值達(dá)到最大值,可確定本文簽到數(shù)據(jù)最明顯空間聚類模式距離特征值為0．233 696?？筛鶕?jù)該最優(yōu)空間分布特征距離值進(jìn)行探索性空間聚類分析。

2．3 簽到數(shù)據(jù)局部空間自相關(guān)聚類與熱點(diǎn)探測(cè)

全局空間自相關(guān)僅使用單一值來(lái)反映全局自相關(guān)特征,難以發(fā)現(xiàn)存在于不同區(qū)域的空間關(guān)聯(lián)模式。局部空間自相關(guān)可分析局部空間系統(tǒng)分布特征的具體表現(xiàn)形式,包括空間聚集區(qū)、非典型的局部區(qū)域、異常值等,常采用Moran散點(diǎn)圖、LISA、Anselin Local Moran's I等方法[14-15,18]。本文以Anselin Local Moran's I方法標(biāo)識(shí)具有相似屬性值的簽到數(shù)據(jù),如式(5)

Anselin Local Moran's I方法根據(jù)Local Moran's I指數(shù)、z得分和p值對(duì)參與分析的位置簽到數(shù)據(jù)進(jìn)行分類標(biāo)識(shí):

(1)若z＞1．96,表示臨近簽到位置數(shù)據(jù)具有相似值(高值或低值),將具有統(tǒng)計(jì)顯著性(0．05的顯著水平)的高值聚類表示為H H,低值聚類表示為L(zhǎng)L。

(2)若z＜－1．96,表示其為具有統(tǒng)計(jì)顯著性(0．05的顯著水平)的空間異常值。

(3)其他為不具有統(tǒng)計(jì)顯著性的簽到位置。

以武漢市5082個(gè)位置簽到數(shù)據(jù)按照本文方法進(jìn)行局部自相關(guān)聚類,得到具有高值聚類特征的簽到位置172個(gè),4910項(xiàng)不具有統(tǒng)計(jì)顯著性,聚類分析可視化制圖如圖5(a)。局部自相關(guān)聚類提取的具有統(tǒng)計(jì)顯著性的高值聚類熱點(diǎn)要素如圖5(b)。

圖5 簽到數(shù)據(jù)局部自相關(guān)聚類分析與熱點(diǎn)探測(cè)Fig．5 Cluster analysis using local self-correlation for hotspot detection

2．4 簽到數(shù)據(jù)聚類熱點(diǎn)的地理分布度量

利用局部自相關(guān)聚類探測(cè)的高值熱點(diǎn),可視為商圈中心,需進(jìn)一步確定其范圍、中心變化和方向發(fā)展趨勢(shì),本文通過(guò)對(duì)商業(yè)聚類熱點(diǎn)的地理分布度量來(lái)研究商圈,具體步驟如下:

(1)標(biāo)準(zhǔn)差橢圓構(gòu)造。以聚類熱點(diǎn)為中心,以簽到位置以及其關(guān)聯(lián)屬性值(簽到頻數(shù))構(gòu)造標(biāo)準(zhǔn)差橢圓。橢圓中心為聚類區(qū)域內(nèi)要素的加權(quán)平均中心,以在x和y方向的標(biāo)準(zhǔn)距離定義包含要素分布的橢圓長(zhǎng)、短軸,如式(7)

(2)基于標(biāo)準(zhǔn)差橢圓的商圈范圍計(jì)算。以構(gòu)造的標(biāo)準(zhǔn)差橢圓長(zhǎng)、短半軸作為商圈地理分布的空間范圍,其中長(zhǎng)軸為商圈的中心變化趨勢(shì)主方向。

(3)商圈方向確定。長(zhǎng)、短半軸的比例關(guān)系表示商圈分布的扁平性,標(biāo)準(zhǔn)差橢圓的旋轉(zhuǎn)方位角即為商圈的方向發(fā)展趨勢(shì)。標(biāo)準(zhǔn)差橢圓的旋轉(zhuǎn)角度按式(8)計(jì)算

xi和yi為聚類要素點(diǎn)相對(duì)于橢圓中心點(diǎn)的標(biāo)準(zhǔn)差。

對(duì)圖5武漢市位置簽到數(shù)據(jù)局部自相關(guān)結(jié)果按照地理分布度量方法構(gòu)造熱點(diǎn)標(biāo)準(zhǔn)差橢圓,計(jì)算各商圈的范圍、中心變化趨勢(shì)和方向發(fā)展趨勢(shì),得到了基于位置簽到數(shù)據(jù)的武漢市各大商圈空間分布情況,如圖6。

圖6 基于簽到數(shù)據(jù)的武漢市商圈地理分布度量結(jié)果Fig．6 Geographical distribution metrics result of Wuhan city commercial area based on check-in data

3 試驗(yàn)與討論

3．1 基于位置簽到數(shù)據(jù)的武漢市熱點(diǎn)探測(cè)結(jié)果分析

根據(jù)各熱點(diǎn)區(qū)域高值簽到點(diǎn)的屬性信息,本文將聚類得到的熱點(diǎn)區(qū)域分為商業(yè)類熱點(diǎn)(如江漢路)、教育類熱點(diǎn)(如武漢大學(xué))、旅游類熱點(diǎn)(如東湖景區(qū))、交通類熱點(diǎn)(如輕軌站)、居住類熱點(diǎn)(如南湖小區(qū))及其他類熱點(diǎn)(如餐飲酒店、圖書(shū)館)六大類,其空間分布如圖7。

圖7 城市熱點(diǎn)分布圖Fig．7 City hotspot distribution map

如圖7,商業(yè)類熱點(diǎn)在空間分布上呈明顯集聚性,直觀地反映了武漢市商圈分布。每個(gè)商圈集聚的商業(yè)類熱點(diǎn)數(shù)量反映了商圈受歡迎的程度。對(duì)比圖6、圖7中的司門口和街道口,街道口地區(qū)商業(yè)類高熱點(diǎn)數(shù)量多,說(shuō)明街道口地區(qū)人流量比較大,經(jīng)濟(jì)一直保持著一種比較活躍的狀態(tài);而司門口地區(qū)則正好相反,該地區(qū)的商業(yè)類熱點(diǎn)只有3個(gè),表明司門口地區(qū)人流量不大,經(jīng)濟(jì)不活躍且有衰退跡象,與兩個(gè)地區(qū)經(jīng)濟(jì)發(fā)展情況相符[19]。圖8給出了不同熱點(diǎn)類型統(tǒng)計(jì)分布,在172項(xiàng)高值簽到要素中,商業(yè)類熱點(diǎn)90項(xiàng),教育類熱點(diǎn)43項(xiàng),旅游類熱點(diǎn)12項(xiàng),交通類熱點(diǎn)10項(xiàng),居住類熱點(diǎn)3項(xiàng),其他類熱點(diǎn)14項(xiàng)?？梢?jiàn),商業(yè)熱點(diǎn)在位置簽到數(shù)據(jù)中比重最多,驗(yàn)證了采用位置簽到數(shù)據(jù)進(jìn)行商圈挖掘分析的合理性。

圖8 城市熱點(diǎn)分類圖Fig．8 City hotspot classification map

3．2 基于位置簽到數(shù)據(jù)的武漢市城市商圈分析

研究結(jié)果表明,武漢形成了以武昌、漢口、漢陽(yáng)為主要格局的商業(yè)商務(wù)板塊以及具有一定規(guī)模的數(shù)十個(gè)大中型商圈。既有傳統(tǒng)意義上的老商圈,如江漢路、中山大道、王家灣、鐘家村、徐東、司門口、水果湖、中南路商圈,又有近年來(lái)出現(xiàn)的新興商圈,如武漢天地、街道口、魯巷光谷商圈,還包括一些正在建設(shè)與發(fā)展中的商圈如菱角湖、沌口開(kāi)發(fā)區(qū)商圈[19-20]。針對(duì)90項(xiàng)商業(yè)經(jīng)濟(jì)類熱點(diǎn),本文通過(guò)構(gòu)造標(biāo)準(zhǔn)差橢圓計(jì)算各個(gè)商圈范圍、中心變化趨勢(shì)和方向發(fā)展趨勢(shì),并由此得到基于簽到數(shù)據(jù)的武漢市各大商圈空間分布(圖6)。通過(guò)空間疊加分析得出各商圈內(nèi)簽到點(diǎn)數(shù)、簽到次數(shù)、注冊(cè)用戶數(shù)、用戶平均簽到次數(shù)等統(tǒng)計(jì)結(jié)果,如表2。

表2 商圈信息統(tǒng)計(jì)表Tab．2 Check-in information of different commercial area

由表2可見(jiàn),基于位置簽到數(shù)據(jù)分析得到的武漢各大商圈符合武漢三鎮(zhèn)商圈實(shí)際分布情況[19]。根據(jù)武漢三鎮(zhèn)商圈信息統(tǒng)計(jì),武昌、漢口、漢陽(yáng)在商業(yè)熱點(diǎn)數(shù)、簽到數(shù)以及用戶數(shù)等統(tǒng)計(jì)分布特征與區(qū)域功能特征以及人口分布特征吻合。武昌商圈商業(yè)熱點(diǎn)數(shù)已經(jīng)超過(guò)漢口,其用戶平均簽到次數(shù)在三鎮(zhèn)中最高,可見(jiàn),武昌作為傳統(tǒng)科教文化政治中心,在經(jīng)濟(jì)商業(yè)方面有趕超漢口這一個(gè)傳統(tǒng)經(jīng)濟(jì)中心的趨勢(shì),主要原因是依托東湖高新技術(shù)開(kāi)發(fā)區(qū)政策導(dǎo)向形成的魯巷光谷商圈以及整合亞貿(mào)購(gòu)物中心、廣埠屯IT電腦市場(chǎng)的街道口商圈影響。相比之下,位于漢陽(yáng)的武漢經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)商業(yè)規(guī)模處于起步與發(fā)展階段,雖然平均簽到次數(shù)與武昌相當(dāng),但商圈中商業(yè)網(wǎng)點(diǎn)相當(dāng)較少。較漢口商業(yè)模式,武昌商圈在總體上地理分布較為離散,表現(xiàn)出了明顯的商圈區(qū)域性分布。漢口方面,傳統(tǒng)的江漢路商圈、武廣世貿(mào)商圈依舊發(fā)揮著砥柱中流的作用,新興的武漢天地商圈、菱角湖(萬(wàn)達(dá))商圈也扮演著越來(lái)越重要的角色。

商圈POI數(shù)反映其商業(yè)網(wǎng)點(diǎn)數(shù),平均簽到次數(shù)則表示商圈活躍程度,圖9進(jìn)一步給出了各商圈POI數(shù)與平均簽到次數(shù)的關(guān)系(為了繪圖方便,將POI數(shù)歸一化到[1,2]區(qū)間)。

圖9 商圈POI與平均簽到次數(shù)關(guān)系圖Fig．9 Relationship between commercial POI and average check-in number

由圖9可見(jiàn),在武漢市所有商圈中,街道口商圈商業(yè)網(wǎng)點(diǎn)數(shù)與平均簽到次數(shù)均處于全市最高水平,與該商圈匯集群光百貨、新世界和武漢市最大的IT電腦市場(chǎng)相符,也與武漢市目前交通最為擁堵點(diǎn)相一致,可見(jiàn),眾源位置簽到數(shù)據(jù)對(duì)于商圈熱點(diǎn)探測(cè)非常有效。

從各商圈的空間特征來(lái)看,其中心趨勢(shì)、分布范圍以及方向趨勢(shì)特征基本符合相關(guān)商圈研究結(jié)果[18-19]。以江漢路商圈為例(圖10),江漢路商圈范圍涵蓋了江漢路步行街、民眾樂(lè)園以及云集萬(wàn)達(dá)、大洋、王府井、新佳麗等大型購(gòu)物中心的中山大道購(gòu)物圈。商圈方向趨勢(shì)方面,江漢路商圈以江漢路方向?yàn)橹鬏S(圖10中灰色直線區(qū)域),由于受到民眾樂(lè)園與中山大道購(gòu)物圈(圖10中淺灰色圓圈區(qū)域)影響而偏向中山大道與民生路方向。商圈中心趨勢(shì)方面,江漢路商圈中心落于江漢一路附近?？傮w看來(lái),基于位置簽到數(shù)據(jù)的武漢商圈分析結(jié)果符合客觀事實(shí),反映出當(dāng)前武漢地區(qū)商業(yè)經(jīng)濟(jì)集散地的空間模式與分布特征。

4 結(jié) 論

眾源地理數(shù)據(jù)出現(xiàn),為空間數(shù)據(jù)更新提供了一種新的數(shù)據(jù)源,也為空間數(shù)據(jù)挖掘提供了一個(gè)新的研究方向。本文提出了一種以城市大眾長(zhǎng)時(shí)間累計(jì)簽到的興趣點(diǎn)為商圈熱點(diǎn)探測(cè)和分析數(shù)據(jù)源,通過(guò)以興趣點(diǎn)的簽注人數(shù)為權(quán)重的聚類分析和構(gòu)建標(biāo)準(zhǔn)差橢圓的方法可以精確確定城市商圈的范圍與分布情況,從中觀層面利用空間分析和挖掘等手段對(duì)城市熱點(diǎn)和商圈進(jìn)行探測(cè)與分析。與傳統(tǒng)的商圈測(cè)定與分析方法相比,本文方法具有數(shù)據(jù)客觀、實(shí)時(shí)性好、準(zhǔn)確性高等特點(diǎn)。通過(guò)將試驗(yàn)結(jié)果與武漢市行政地圖進(jìn)行疊加驗(yàn)證,表明眾源位置簽到數(shù)據(jù)具有明顯聚類特征,本文基于眾源位置簽到數(shù)據(jù)分析得到武漢商圈分布結(jié)果符合客觀事實(shí)且更為細(xì)致。該結(jié)果反映了大眾日常生活行為與武漢地區(qū)商業(yè)經(jīng)濟(jì)分布的高度相關(guān)性,為監(jiān)測(cè)城市商業(yè)圈分布及其發(fā)展趨勢(shì)提供了一種新的方法,也為武漢市相關(guān)部門的城市規(guī)劃和行政決策提供了比較直觀的參考。需要進(jìn)一步研究基于位置簽到數(shù)據(jù)的自動(dòng)化熱點(diǎn)探測(cè)方法。同時(shí),利用實(shí)時(shí)獲取的簽到數(shù)據(jù)進(jìn)行商圈分析可得到商圈動(dòng)態(tài)變化情況,如商圈月均人流量變化、商圈范圍變化等,實(shí)時(shí)監(jiān)測(cè)商圈的興起、成長(zhǎng)和衰落過(guò)程,實(shí)現(xiàn)城市商圈動(dòng)態(tài)監(jiān)測(cè)和分析。

圖10 江漢路商圈動(dòng)態(tài)分析Fig．10 Dynamic analysis for Jianghan Road commercial area

[1] LI Yanming,YE Baiying．Determine the Average Retail Attraction Using Raleigh Rule[J]．Market Modernization,2008(3):177-178．(李艷敏,葉佰英．運(yùn)用雷利法則確定區(qū)域平均零售吸引力[J]．商場(chǎng)現(xiàn)代化, 2008(3):177-178．)

[2] YANG Lijun,ZHU Hualan,WU Jianping．Market Area Analysis in Retailing Based on GIS[J]．Remote Sensing Technology and Application,2003,18(3):138-148．(楊麗君,朱華嵐,吳建平．基于GIS的零售業(yè)商圈分析[J]．遙感技術(shù)與應(yīng)用,2003,18(3):138-148．)

[3] GILES J．Wikipedia Rival Calls in the Experts[J]．Nature,2006,443(7111):493．

[4] HOWE J．The Rise of Crowdsourcing[J]．North,2006, 14(14):1-5．

[5] HEIPKE C．Crowdsourcing Geospatial Data[J]．ISPRS Journal of Photogrammetry and Remote Sensing,2010, 65(6):550-557．

[6] GOODCHILD M F．Citizens as Sensors:The World of Volunteered Geography[J]．GeoJournal,2007,69(4): 211-221．

[7] GOODCHILD M F．Commentary:Whither VGI?[J]．GeoJournal,2008,72(3-4):239-244．

[8] GOODCHILD M F．Geographic Information Systems and Science:Today and Tomorrow[J]．Procedia Earth and Planetary Science,2009,1(1):1037-1043．

[9] GOODCHILD M F,GLENNON J A．Crowdsourcing Geographic Information for Disaster Response:A Research Frontier[J]．International Journal of Digital Earth,2010,3(3):231-241．

[10] FRITZ S,MCCALLUM I,SCHILL C,et al．Geo-Wiki．Org:The Use of Crowd Sourcing to Improve Global Land Cover[J]．Remote Sensing,2009,1(3):345-354．

[11] LüAnming,LI Chengming,LIN Zongjian,et al．Spatial Continuous Surface Model of Population Density[J]．Acta Geodaetica et Cartographica Sinica,2003,32(4):344-348．(呂安民,李成名,林宗堅(jiān),等．人口密度的空間連續(xù)分布模型[J]．測(cè)繪學(xué)報(bào),2003,32(4):344-348．)

[12] ESRI．How Create Fishnet Works[EB/OL]．Redlands: ESRI．2012[2012-10-10]．http:∥help．a(chǎn)rcgis．com/en/ arcgisdesktop/10．0/help/index．html?！?017000000300 00000/．

[13] GENG Xiepeng,DU Xiaochu,HU Peng．Spatial Clustering Method Based on Raster Distance Transform for Extended Objects[J]．Acta Geodaetica et Cartographica Sinica, 2009,38(2):162-167．(耿協(xié)鵬,杜曉初,胡鵬．基于柵格距離變換的擴(kuò)展對(duì)象空間聚類方法[J]．測(cè)繪學(xué)報(bào),2009, 38(2):162-167．)

[14] ANSELIN L．The Future of Spatial Analysis in the Social Sciences[J]．Geographic Information Sciences,1999,5 (2):67-76．

[15] ANSELIN L．Interactive Techniques and Exploratory Spatial Data Analysis[M]∥Geographical Information Systems: Principles,Techniques,Management and Applications．2nd ed．New York:John Wiley&Sons,1999:254-257．

[16] GETIS A,ORD J K．The Analysis of Spatial Association by Use of Distance Statics[J]．Geographical Analysis, 1992,24(3):189-206．

[17] CLIFF A D,ORD J K．Spatial Processes Models and Applications[M]．London:Pion,1981．

[18] ANSELIN L．Local Indicators of Spatial Association-LISA [J]．Geographical Analysis,1995,27(2):93-115．

[19] ZHAO Wei．Functions of a Central City&Development of Wuhan Urban Agglomerations[J]．Wuhan University Journal:Philosophy and Social Science,2005,58(3): 300-305．(趙偉．中心城市功能與武漢城市圈發(fā)展[J]．武漢大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版,2005,58(3):300-305．)

[20] WU Di．A Study on the Current Situation and Development Strategies of Jianghan Road Tourism Business District in Wuhan[D]．Wuhan:Wuhan University of Technology, 2010．(吳迪．武漢江漢路游憩商業(yè)區(qū)現(xiàn)狀與發(fā)展策略研究[D]．武漢:武漢理工大學(xué),2010．

(責(zé)任編輯:叢樹(shù)平)

Urban Hotspot and Commercial Area Exploration with Check-in Data

HU Qingwu1,WANG Ming1,LI Qingquan2
1．School of Remote Sensing and Information Engineering,Wuhan University,Wuhan 430079,China;2．State Key Lab of Information Engineering in Surveying,Mapping&Remote Sensing,Wuhan University,Wuhan 430079,China

Check-in data obtained by the social networking servicing(SNS)and the location based service(LBS)is a sort of crowd sourcing geographic data which would reveal mass daily life activities．An urban commercial area mining and analysis approach based on check-in data is proposed．In order to improve the storage and cluster analysis efficiency of large amount of discrete check-in data,a discrete to raster transformation model of check-in data is presented．A spatial autocorrelation validation is implemented for the check-in data to indicate its significant spatial clustering characteristics．An exploratory spatial analysis and hotspot clustering method,which take commercial factors for geographic distribution metric is proposed to obtain commercial area information．An experiment of urban commercial mining and analysis with the check-in data obtained from jiepang．com as of September 30,2011 in Wuhan is designed and implemented．The result shows that the urban commercial area distribution of Wuhan based on check-in data has a high correlation with urban planning and can be used for regional planning of urban society development．

crowd sourcing geographic data;check-in data;data mining;hotspot detection;distribution of commercial area

HU Qingwu(1975－),male,PhD,professor,majors in GIS,GPS and RS integration．

P208

A

1001-1595(2014)03-0314-08

國(guó)家自然科學(xué)基金(61172175);中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(2012213020208)

2012-08-09

胡慶武(1975—),男,博士,教授,研究方向?yàn)镚IS、GPS、RS集成。

E-mail:huqw＠whu．edu．cn

HU Qingwu,WANG Ming,LI Qingquan．Urban Hotspot and Commercial Area Exploration with Check-in Data[J]．Acta Geodaetica et Cartographica Sinica,2014,43(3):314-321．(胡慶武,王明,李清泉．利用位置簽到數(shù)據(jù)探索城市熱點(diǎn)與商圈[J]．測(cè)繪學(xué)報(bào), 2014,43(3):314-321．)

10．13485/j．cnki．11-2089．2014．0045

修回日期:2013-05-31