地理科学进展 ›› 2017, Vol. 36 ›› Issue (9): 1158-1166.doi: 10.18306/dlkxjz.2017.09.012
郭思慧1,2,3(), 文聪聪3,4, 何云1,2,3, 裴韬1,2,*(
)
出版日期:
2017-09-27
发布日期:
2017-09-27
通讯作者:
裴韬
E-mail:guosh@lreis.ac.cn;peit@lreis.ac.cn
作者简介:
作者简介:郭思慧(1994-),女,湖北鄂州人,博士生,主要从事空间大数据挖掘研究,E-mail:
基金资助:
Sihui GUO1,2,3(), Congcong WEN3,4, Yun HE1,2,3, Tao PEI1,2,*(
)
Online:
2017-09-27
Published:
2017-09-27
Contact:
Tao PEI
E-mail:guosh@lreis.ac.cn;peit@lreis.ac.cn
Supported by:
摘要:
居民出行活动与居民的收入水平关系是公共交通、城市地理研究的重要问题。传统获取居民出行活动信息主要基于问卷调查的方式,不仅成本高、样本量有限,且研究局限于定性讨论,研究结果易因受访者的主观意识而产生偏颇。随着信息技术的革新,传感器记录的大规模人类活动信息为研究居民出行活动特征与居民收入水平关系提供了可能性。本文利用上海市居民时空轨迹数据,从居民出行活动的角度出发,首先构建居民出行活动指标,并利用主成分分析法提取居民出行活动特征的主要成分;然后对主成分进行K-Means聚类,并针对不同出行活动特征的类别,分析居民出行活动特征与居民收入水平的关系,结果表明:①居民出行地点多样性与居民出行范围大小是反映居民出行活动特征的主要成分;②移动范围越小、移动地点多样性越低的居民类别,其平均工资水平越高;③不同移动性特征的类别平均收入水平差异与各类别居民工作地的产业发展有关。研究结论可为城市规划及相关经济政策制定提供参考。
郭思慧, 文聪聪, 何云, 裴韬. 居民出行活动特征与收入水平的关系——以上海市为例[J]. 地理科学进展, 2017, 36(9): 1158-1166.
Sihui GUO, Congcong WEN, Yun HE, Tao PEI. Relationship between travel behavior and income level of urban residents:A case study in Shanghai Municipality[J]. PROGRESS IN GEOGRAPHY, 2017, 36(9): 1158-1166.
表4
方差极大旋转的主成分分析表"
相关系数 | 节假日 | 工作日 | ||||||
---|---|---|---|---|---|---|---|---|
成分1 | 成分2 | 成分3 | 成分1 | 成分2 | 成分3 | |||
居民活动特征指标 | 地点个数 | 0.843 | 0.191 | 0.345 | 0.947 | -0.118 | ||
移动熵 | 0.946 | 0.193 | -0.551 | 0.885 | 0.130 | 0.395 | ||
空间多样性 | 0.730 | 0.490 | 0.812 | |||||
回旋半径 | 0.283 | 0.893 | 0.179 | 0.930 | ||||
最远距离 | 0.398 | 0.872 | 0.383 | 0.869 | ||||
平均出行距离 | 0.555 | 0.741 | 0.698 | 0.627 | ||||
职住距离 | -0.220 | 0.604 | -0.155 | 0.622 | 0.131 | |||
地点频次 | 0.925 | -0.167 | -0.912 | |||||
方差解释 | 方差解释度 | 0.342 | 0.320 | 0.165 | 0.326 | 0.307 | 0.211 | |
累计方差解释度 | 0.342 | 0.662 | 0.827 | 0.326 | 0.633 | 0.845 |
表5
非节假日平均移动性指标与各类别月平均工资水平关系"
类别 | 地点个数 | 移动熵 | 空间多样性 | 回旋半径/m | 最远距离/m | 平均出行距离/m | 职住距离/m | 月平均工资/元 |
---|---|---|---|---|---|---|---|---|
3 | 6.12 | 1.38 | 1.89 | 1235.65 | 3265.69 | 1447.18 | 1449.56 | 5841.57 |
10 | 9.71 | 1.92 | 2.05 | 3804.35 | 10562.14 | 5270.43 | 3961.99 | 5821.59 |
4 | 11.24 | 2.16 | 2.15 | 6341.63 | 18256.65 | 9729.46 | 6304.11 | 5780.97 |
9 | 12.20 | 2.31 | 2.22 | 9265.10 | 27781.88 | 14510.48 | 7496.84 | 5757.01 |
5 | 16.04 | 2.75 | 2.41 | 14630.49 | 46858.75 | 28486.24 | 10598.36 | 5749.18 |
1 | 13.98 | 2.53 | 2.32 | 11889.93 | 36941.71 | 20799.34 | 8860.73 | 5745.92 |
8 | 19.29 | 3.08 | 2.53 | 16699.62 | 55862.56 | 39102.57 | 12831.57 | 5730.38 |
2 | 22.57 | 3.37 | 2.62 | 18836.34 | 65044.98 | 52204.91 | 16626.65 | 5720.75 |
7 | 24.97 | 3.58 | 2.68 | 21438.91 | 76405.06 | 69622.45 | 20768.52 | 5698.25 |
6 | 26.47 | 3.70 | 2.69 | 25747.73 | 94385.03 | 96397.05 | 27879.74 | 5637.16 |
表6
节假日平均移动性指标与各类别月平均工资水平关系"
类别 | 地点个数 | 移动熵 | 空间多样性 | 回旋半径/m | 最远距离/m | 平均出行距离/m | 职住距离/m | 月平均工资/元 |
---|---|---|---|---|---|---|---|---|
1 | 3.35 | 0.89 | 1.58 | 734.18 | 1772.68 | 1347.97 | 3118.66 | 5824.24 |
8 | 5.92 | 1.58 | 2.17 | 3415.76 | 8578.54 | 6808.19 | 6871.25 | 5793.82 |
7 | 6.98 | 1.86 | 2.38 | 6580.40 | 16868.21 | 14122.77 | 7912.96 | 5758.87 |
4 | 7.75 | 2.04 | 2.47 | 10134.06 | 26699.50 | 22858.12 | 8794.92 | 5743.65 |
2 | 8.86 | 2.25 | 2.57 | 13336.10 | 36107.52 | 33590.36 | 10166.70 | 5739.76 |
6 | 10.04 | 2.46 | 2.65 | 16609.67 | 46314.27 | 46325.09 | 12064.22 | 5738.16 |
9 | 11.37 | 2.67 | 2.71 | 19539.39 | 56282.00 | 63042.27 | 15180.39 | 5722.99 |
5 | 13.09 | 2.93 | 2.78 | 22379.24 | 67260.64 | 87637.96 | 18822.01 | 5700.55 |
3 | 14.26 | 3.10 | 2.83 | 26726.16 | 83624.84 | 128193.00 | 22658.60 | 5669.64 |
[1] |
丁亮, 钮心毅, 宋小冬. 2017. 上海中心城区商业中心空间特征研究[J]. 城市规划学刊, (1): 63-70.
doi: 10.16361/j.upf.201701008 |
[Ding L, Niu X Y, Song X D.2017. A study on spatial characteristics of commercial centers in the Shanghai central city[J]. Urban Planning Forum, (1): 63-70.]
doi: 10.16361/j.upf.201701008 |
|
[2] | 丁威, 杨晓光, 伍速锋. 2008. 基于活动的居民出行行为研究综述[J]. 人文地理, (3): 85-91. |
[Ding W, Yang X G, Wu S F.2008. A review of activity-based travel behavior research[J]. Human Geography, (3): 85-91.] | |
[3] |
高见, 周涛. 2016. 大数据揭示经济发展状况[J]. 电子科技大学学报, 45(4): 625-633.
doi: 10.3969/j.issn.1001-0548.2016.04.015 |
[Gao J, Zhou T.2016. Big data reveal the status of economic development[J]. Journal of University of Electronics Science and Technology of China, 45(4): 625-633.]
doi: 10.3969/j.issn.1001-0548.2016.04.015 |
|
[4] |
陆锡明, 顾啸涛. 2011. 上海市第五次居民出行调查与交通特征研究[J]. 城市交通, 9(5): 1-7.
doi: 10.3969/j.issn.1672-5328.2011.05.001 |
[Lu X M, Gu X T.2011. The fifth travel survey of residents in Shanghai and characteristics analysis[J]. Urban Transport of China, 9(5): 1-7.]
doi: 10.3969/j.issn.1672-5328.2011.05.001 |
|
[5] | 张文尝, 王成金, 马清裕. 2007. 中国城市居民出行的时空特征及影响因素研究[J]. 地理科学, 27(6): 737-742. |
[Zhang W C, Wang C J, Ma Q Y.2007. Spatial-temporal characteristics of urban resident trips and influence factors in China[J]. Scientia Geographica Sinica, 27(6): 737-742.] | |
[6] | 周素红, 邓丽芳. 2010. 基于T-GIS的广州市居民日常活动时空关系[J]. 地理学报, 65(12): 1454-1463. |
[Zhou S H, Deng L F.2010. Spatio-temporal pattern of residents' daily activities based on T-GIS: A case study in Guangzhou, China[J]. Acta Geographica Sinica, 65(12): 1454-1463.] | |
[7] |
Blumenstock J, Cadamuro G, On R.2015. Predicting poverty and wealth from mobile phone metadata[J]. Science, 350: 1073-1076.
doi: 10.1126/science.aac4420 pmid: 26612950 |
[8] |
Brockmann D, Hufnagel L, Geisel T.2006. The scaling laws of human travel[J]. Nature, 439: 462-465.
doi: 10.1038/nature04292 pmid: 16437114 |
[9] |
Calabrese F, Mi D, Lorenzo G D, et al.2013. Understanding individual mobility patterns from urban sensing data: A mobile phone trace example[J]. Transportation Research Part C: Emerging Technologies, 26(1): 301-313.
doi: 10.1016/j.trc.2012.09.009 |
[10] |
Caliński T, Harabasz J.1974. A dendrite method for cluster analysis[J]. Communications in Statistics, 3(1): 1-27.
doi: 10.1080/03610927408827101 |
[11] |
Cliff N.1988. The eigenvalues-greater-than-one rule and the reliability of components[J]. Psychological Bulletin, 103(2): 276-279.
doi: 10.1037/0033-2909.103.2.276 |
[12] | Eagle N, Macy M, Claxton R.2010. Network diversity and economic development[J]. Science, 328: 1029-1031. |
[13] | Frias-Martinez V, Soguero-Ruiz C, Frias-Martinez E, et al.2013. Forecasting socioeconomic trends with cell phone records[C]//Proceedings of the 3rd ACM symposium on computing for development. Bangalore, India: ACM: 15. |
[14] |
Giannotti F, Nanni M, Pedreschi D, et al.2011. Unveiling the complexity of human mobility by querying and mining massive trajectory data[J]. The VLDB Journal, 20(5): 695-719.
doi: 10.1007/s00778-011-0244-8 |
[15] |
González M C, Hidalgo C A, Barabási A L.2008. Understanding individual human mobility patterns[J]. Nature, 453: 779-782.
doi: 10.1038/nature06958 pmid: 18528393 |
[16] | Kaiser H F.1991. Coefficient alpha for a principal component and the Kaiser-Guttman rule[J]. Psychological Reports, 68(3): 855-858. |
[17] | Kang C, Gao S, Lin X, et al.2010. Analyzing and geo-visualizing individual human mobility patterns using mobile call records[C]//Geoinformatics, 2010 18th international conference on Geoinformatics. IEEE: 1-7. |
[18] |
Rencher A C.1992. Interpretation of canonical discriminant functions, canonical variates, and principal components[J]. The American Statistician, 46(3): 217-225.
doi: 10.2307/2685219 |
[19] | Smith-Clarke C, Mashhadi A, Capra L.2014. Poverty on the cheap: Estimating poverty maps using aggregated mobile communication networks[C]//Proceedings of the SIGCHI conference on human factors in computing systems. Toronto, Canada: ACM: 511-520. |
[20] | Song C M, Qu Z H, Blumm N, et al.2010. Limits of predictability in human mobility[J]. Science, 327: 1018-1021. |
[21] | Soto V, Frias-Martinez V, Virseda J, et al.2011. Prediction of socioeconomic levels using cell phone records[C]//Proceedings of the 19th international conference on user modeling, adaption and personalization. Berlin Heidelberg, Germany: Springer: 377-388. |
[22] |
Yuan Y H, Raubal M, Liu Y.2012. Correlating mobile phone usage and travel behavior: A case study of Harbin, China[J]. Computers, Environment and Urban Systems, 36(2): 118-130.
doi: 10.1016/j.compenvurbsys.2011.07.003 |
[1] | 胡文燕, 李梦雅, 王军, 黄清雨. 暴雨内涝影响下的城市道路交通拥挤特征识别[J]. 地理科学进展, 2018, 37(6): 772-780. |
[2] | 李孟桐, 杨令宾, 魏冶. 高斯两步移动搜索法的模型研究——以上海市绿地可达性为例[J]. 地理科学进展, 2016, 35(8): 990-996. |
[3] | 王士远, 张学霞, 朱彤, 杨维, 赵静瑶. 长白山自然保护区生态环境质量的遥感评价[J]. 地理科学进展, 2016, 35(10): 1269-1278. |
[4] | 魏志强, 钟巍, 陈永强, 谭玲玲. 亚热带季风区湖沼流域表生地球化学元素研究——以江西定南大湖为例[J]. 地理科学进展, 2015, 34(7): 909-917. |
[5] | 吕晨, 孙威. 人口集聚区吸纳人口迁入的影响因素——以东莞市为例[J]. 地理科学进展, 2014, 33(5): 593-604. |
[6] | 张鹏岩, 王开泳, 张伟, 韩斌, 陈龙. 不同收入水平的城市居民生活消费生态足迹测算与对比——以河南省开封市为例[J]. 地理科学进展, 2013, 32(9): 1394-1400. |
[7] | 孙平军, 封小平, 孙弘, 修春亮. 2000-2009年长春、吉林城市蔓延特征、效应与驱动力比较研究[J]. 地理科学进展, 2013, 32(3): 381-388. |
[8] | 尹昌应, 石忆邵, 王贺封. 晚清以来上海市建成区边界扩张过程与特征[J]. 地理科学进展, 2013, 32(12): 1793-1803. |
[9] | 周松秀, 田亚平, 刘兰芳. 南方丘陵区农业生态环境脆弱性的驱动力分析——以衡阳盆地为例[J]. 地理科学进展, 2011, 30(7): 938-944. |
[10] | 孙平军,修春亮. 东北地区中老年矿业城市经济系统脆弱性[J]. 地理科学进展, 2010, 29(8): 935-942. |
[11] | 黄中艳. 云南干季月蒸发量与常规气象要素的关系[J]. 地理科学进展, 2010, 29(2): 138-144. |
[12] | 甄江红,王永秀,成舜,宝力高. 濒危植物四合木生境景观动态及其驱动因子分析[J]. 地理科学进展, 2008, 27(6): 41-48. |
[13] | 刘柯. 基于主成分分析的BP 神经网络在城市 建成区面积预测中的应用 ———以北京市为例[J]. 地理科学进展, 2007, 26(6): 133-137. |
|