文献类型：期刊文章

作　　者：屈树学[1] 董琪[1] 秦嘉徽[1] 刘雨思[1] 张晶[1]

QU Shu-xue;DONG Qi;QIN Jia-hui;LIU Yu-si;ZHANG Jing(College of Geospatial Information Science and Technology/3D Information Collection and Application Key Lab of Ministry of Education/State Key Laboratory Incubation Base of Urban Environmental Processes and Digital Simulation/Beijing Laboratory of Water Resources Security,Capital Normal University,Beijing 100048,China)

机构地区：[1]首都师范大学地球空间信息科学与技术国际化示范学院,首都师范大学三维信息获取与应用教育部重点实验室/城市环境过程与数字模拟国家重点实验室培育基地/水资源安全北京实验室,北京100048

出　　处：《地理与地理信息科学》

基　　金：国家自然科学基金面上项目“基于事件语义增强的地理信息服务群推荐”(41771477)。

年　　份：2022

卷　　号：38

期　　号：1

起止页码：37-44

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：城市空间分异研究对城市规划、旅游地资源配置、公共交通优化等具有重要意义。该文基于2016年北京市核心六区微博签到数据,根据游客和当地居民签到行为差异,依据时间特征、空间特征和签到比率特征,通过机器学习方法对游客与当地居民进行分类,利用局部莫兰指数和基于签到POI类型的层次聚类法实现细粒度的签到聚集区类型识别,并探究两类人群签到聚集区空间分布与签到类型的差异。结果表明:该文分类模型各项评价指标均在0.9以上,较前人分类结果有较大提升;基于该分类模型所得游客和居民社交媒体签到特征差异显著,游客签到主要集中在故宫周边,以风景名胜、体育休闲和餐饮服务类型为主,居民签到较分散且科教文化服务、商务住宅类型突出,同时发现“菖蒲河公园”等居民签到多而游客签到少的显著差异地区。利用社交媒体数据进行人群异质性角度下的空间分异研究,有助于准确捕捉不同人群在城市中的活动类型、特征并探究城市内部活动规律。

关 键 词：社交媒体数据  空间分异 机器学习  游客 居民  

分 类 号：P208] F592.7[测绘类]