【治理与反思】城市中心测量——在地社交网络数据的居民出行流量

类别：城市治理　公共服务　

城市结构是城市研究中最为重要的问题之一。了解城市结构有助于更好地进行城市规划，制定政策，资源分配和交通监测等。最近德国海德堡大学Yeran Sun, Hongchao Fan, Ming Li, Alexander Zipf等四位学者在城市治理领域权威期刊上发表论文，对此进行了深入探讨，对德国三大城市为对象，研究如何以在地社交网络数据的居民出行流量来测量城市中心。（Identifying city center using human travel flows generated from location-based social networking data，Environment and Planning B: Urban Analytics and City Science，Vol. 43(3) 480–498, 2016, DOI: 10.1177/0265813515617642）

由于城市变得日趋复杂，很多大城市可能会出现多中心的情况。我们需要通过拓扑理论来分析城市中心在空间上的分布和相互作用，以便更好的理解我们的城市。之前的很多文献都表明，大型城市是一个很复杂的系统，它们往往都是多中心的。多中心特征通常都出现于人口稠密，经济发达且交通拥挤的城市。因此，确定城市中心的边界就变得十分必要和重要。通常确定城市中心是通过收集社会经济数据来检测的。但是，使用移动数据来检测精确的城市中心是十分有限的。因此，如何使用各种移动数据（例如地铁数据，出租车的GPS记录，社交媒体和地理信息等）的准确位置来确定城市中心及其边界就成为了研究城市的一个新方向。本文试图通过使用一个新的方法——以在地的社交网络数据（LBSN, location-based social networking），来进行城市中心和边界的划定。首先，收集居民的出行信息以及出行流量。然后通过三种方法来检测出行出行数据。此外，本文也对上述三种方法进行了识别城市中心有效性的检测。结果表明三种测量方法各有其优缺点，对于不同的城市结构适用于不同的测量方法。

使用LBSN数据检测城市中心

1.引入数据

 Chowell等人(2003)将一个城市映射到一个由节点组成的网络中，每一个节点代表一个物理位置，例如建筑物。（如图1）在这种映射条件下，常见的地点包括餐厅，办公室，公寓，酒店，公交车站，商店和健身房等。

在人类流动的研究中，“位移”（displacement）被广泛用于测量用户移动的长度。在这种情况下，“位移”被定义为一个向量，（1）长度等于两个连续位置(地点)之间的距离，（2）方向是从初始位置(原始位置)到最终位置(目的地)。例如，在图1中，从场地a(房子)到场地B(办公室)有一个“位移”。对于一个地点，总流量数等于流出和流入计数的总和。在图1，地点A的流出和流入计数都各有一个，因此总流量数是两个。在LBSN的研究中，热门地点可用来代表城市中心。

2.集群分析

事实上，空间中的人口流动数量会受到环境的影响，例如人口密度，土地利用等。以下有三种集群方法来检测城市中心。（1）Local Getis-Ord Gi∗ (LGOG)地点算法,（2）Density-based spatial clustering of applications with noise (DBSCAN)带有噪音的基于密度的空间集群算法,（3）Grivan-Newman(GN)算法。在本文中，这个和社区算法一样，是基于网络或图形来进行检测的。一个地点可以视为是一个“节点”，如果两个节点之间有出行的流量，那么这两个节点就是相连的。GN算法的目标是识别节点P与边缘k的关系，以便区分各个模块之间的连接度的高低性。

识别城市中心

基于上述三种算法的集群分析，城市中心的识别结果如下：（1）将典型的集群与候选地标相匹配。典型的集群需要与最接近的候选地标相匹配。在这里候选地标是地标性建筑(例如:中央广场，火车站等)，这类在当地被认为是城市中心的建筑物。（2）确定城市中心。在典型的集群分析中，与候选地标最匹配的（出行流量最大的）被认为是城市中心。之后，如果另一个典型的集群也被认为是城市的中心吗，那就要用其他算法来进行确定。（3）描绘城市中心。当确定了一个城市中心之后，那也要精确地来划定这个城市中心的边界。在本文中，Voronoi图标可以被用来划分城市的多边形结构（图2）。在图2中，一组点(红色点) 构成一个集群，因此一组多边形(红色多边形)构成一个二维对象。因此，每一组地点(点)对应于多边形便组成了二维物体。集群的边界可以是由二维物体的边界(蓝色轮廓线)表示。如果一个地点集群代表一个城市中心，集群的边界将被用来表示一个对应城市中心的精确边界。因此，最终的结果是识别是一个具有精确边界的区域。（4）验证城市中心。在这个研究中，识别的最终结果是一个区域的一个精确的边界。一般来说,(如一个里程碑。,中央广场、火车站等)被用来表示一个城市中心的大致位置。在这种情况下，确定的城市中心可以以精确的区域为特征边界时，实际上只能以点(地标)为特征。由于城市中心的精确边界不容易测量，所以我们无法做到准确地估计边界描述的准确性。

实验结果和讨论

在本文中，我们利用LBSN方法来检测德国的三座城市（柏林，慕尼黑和科隆），并对检测结果进行了探讨。在本文中，检验数据集是从一个名为Gowalla的LBSN收集的。显示了上述三个城市的用户数量，地点数量以及人口数量。使用上述3种算法进行集群分析，并通过三个步骤来确定城市中心（表2，3所示）。在这项研究中，地标性建筑被用作近似的作为城市中心位置，它被用来表示一个真正的城市中心的中心位置。而候选地标，与一个已确定的城市中心相匹配，被用于代表城市中心的中心位置。在实证研究表明，这三种方法都成功地确定了柏林的两个城市中心。这也证明了使用利用LBSN数据来进行城市中心标识的有效性。

结论和展望：

实验表明，城市中心可以通过基于社交位置的网络数据来进行确定。此外，本文使用的三种测量方法各有其优缺点，对于不同的城市结构适用于不同的测量方法。为了更好地了解城市结构和城市动态，我们在未来的研究中还应该考虑不同城市中心之间的相互作用。如果在之后的研究中能把餐厅，办公室或者商店等所有信息都加入进来，那么分析的结果应该会更有趣。

如果您喜欢此文，请转发和分享给朋友们。谢谢！

附参考文献：

Liu Y, Sui Z, Kang C, et al. (2014) Uncovering patterns of inter-urban trip and spatial interaction from social media check-in data. PLoS ONE 9(1): e86026.

Lu¨ scher P and Weibel R (2012) Exploiting empirical knowledge for automatic delineation of city centers from large-scale topographic databases. Computers, Environment and Urban Systems 37: 18–34.

Taubenboeck H, Klotz M, Wurm M, et al. (2013) Delineation of Central Business Districts in mega city regions using remotely sensed data. Remote Sensing of Environment 136: 386–401.

Bao J, Zheng Y and Mokbel MF (2012) Location-based and preference-aware recommendation using sparse geo-social networking data. In Proceedings of the 20th International Conference on Advances in Geographic Information Systems, Redondo Beach, California, USA, 6–9 November 2012, pp. 199–208. New York, NY, USA: ACM.

Wei LY, Zheng Y and Peng WC (2012) Constructing popular routes from uncertain trajectories. In Proceedings of the 18th ACM SIGKDD international conference on Knowledge Discovery and Data Mining, Beijing, China, 12–16 August 2012, pp. 195–203. New York, NY, USA: ACM.

近期推送的相关文献：(直接点击链接即可进入该页面)

此处也可以下载全文：

https://www.researchgate.net/publication/291522833_Identifying_the_city_center_using_human_travel_flows_generated_from_location-based_social_networking_data

原文链接（阅读原文　点击左下角）：

http://journals.sagepub.com/doi/full/10.1177/0265813515617642

欢迎您提出与本文内容、主题或翻译有关的各种问题与建议！

欢迎关注、订阅微信公众号【治理学术】。本公众号是由公共管理与政治学学科的老师和学生志愿者开发的学术和交流平台，重点是治理理论与实践领域的热点问题，我们每日整理、翻译并推荐一篇最新权威英文文献。核心内容分为三大板块：1、治理理论　文献与探索，2、管理实践　治理与反思，3、公共治理　教学与交流。

欢迎推荐或自荐研究成果，来稿请致邮箱：[e-mail]

PS：如何加入微信公众号：

您可以扫描下面的二维码，或者搜索公众号：“治理学术”，或者加原始ID: 
　 gh_dd2c06e61722　然后点击加入即可。

PS：如何查看以前推送的精彩文章：

您只要点标题下方的“治理学术”，并选择“查看历史消息”即可，精彩就会尽现。谢谢！