学术成果 | 基于自组织映射模型的用户通话活动与区域功能映射
01
内容导读
手机数据可以帮助我们了解人类活动，在社交媒体和手机等现代应用的影响下，虚拟社交空间和地理空间已成为人类生活的二元空间。现有研究将虚拟社交空间视为高维度的属性空间，这些用户属性大致可分为三类：反映人类移动性的社交活动；反映人群联系与社区分布的社交关系；以及反映区域内用户兴趣的社交内容。对虚拟社交空间进行空间化，建立虚拟社交空间与地理空间之间的位置映射，是理解人类社会活动与区域功能之间关系的重要途径。
传统思想揭示了地理空间中“物以类聚，人以群分”的现象。如若将该特点应用于虚拟空间构建中，虚拟-地理二元空间中是否也存在人与物之间的聚类关系尚不清楚。自组织映射（Self-organzing map, SOM）模型已被广泛用于空间化高维非地理数据。该模型通过神经元节点簇来表征虚拟位置，具有拓扑保持能力和高容错性，能够有效地将地理学第一定律应用于虚拟空间的构建中。
因此，本研究使用自组织映射模型来重建虚拟社交空间与位置，建立手机通话虚拟属性空间与地理空间的映射关系，并采用用户手机通话数据与POI数据进行了案例研究，分析了用户通话活动与区域功能之间的映射关系。
02
研究方法
本研究选择黑龙江省哈尔滨市和肇东市为研究区域（图1），采用手机通话呼叫记录数据与百度地图POI数据进行案例分析。其中，手机通话数据包含由139,933名用户在一个月内生成的53,821,966条呼叫记录，覆盖研究区内1520个基站区域。POI数据共计440,783条，本研究将POI分为三个类别：公司、工厂、学校和政府部门等，代表工作或学习场所；住所、旅馆，代表居住地；餐厅、商店、体育馆和医院等，代表其他日常活动场所。
图1 研究区与研究单元
本研究从虚拟社交空间与地理空间位置映射的角度出发，探究24小时手机通话活动模式与区域功能间的映射关系，研究流程如图2所示。本研究首先从原始数据集中提取出用户在单一基站区域内部以小时为单位的24小时通话频率特征。
我们进一步利用自组织映射模型，对用户手机通话行为进行空间化处理，重建虚拟社交空间及虚拟位置LA，得到虚拟区域所对应的用户通话活动模式。
最后分别统计出基站区域内部的用户通话活动类型比重与POI类型比重，以该比重作为对象，分别进行基站的聚类分析以及通话活动类型与POI类型的相关性计算，分析用户通话行为与区域功能之间的映射关系。
图2 基于SOM的映射计算框架
03
研究结果
自组织映射模型结果显示，虚拟社交空间中共计发现五个特殊位置区，对应用户通话行为模式如图3所示。结果表明，研究区内用户通话行为模式主要呈双峰分布（主峰+次峰），对应了一天内上午（5:00-11:00），日间（9:00-17:00），下午（12:00-19:00），夜晚（18:00-23:00）和深夜（21:00-4:00）五个手机通话高频时段。
图3 用户通话模式
基于手机通话模式与POI类型占比的基站区域聚类与相关性分析结果如图4、图5所示。研究发现，农村地区的用户类型分布鲜明，以上午产生高频活动的人群为主；城市地区则相对复杂，用户类型分布模式分别与商务中心，居民区，公园和大学等特殊位置间存在潜在的相关性。研究结果揭示了人类移动性特征与建筑环境功能之间的相互作用。
图4 基站区域用户与POI类型分布模式
图5 基站区域内部用户与POI相关性图
04
总结与讨论
本研究探索了用户通话行为与区域功能的映射关系，主要研究贡献包含以下两点：
1．提出了基于SOM的虚拟空间与地理空间的位置映射计算框架，从空间化与位置映射的角度为探究非地理数据与地理数据间的相互关系提供了一种思路。
2．揭示了不同地理位置内手机通话活动与区域功能映射关系的差异，发现了用户通话特征与POI间的特殊匹配模式与相关性，为探索人类活动与建成环境功能之间的相互作用提供了新的见解。
05
参考文献
Dong, W., Wang, S., Liu, Y., 2021. Mapping relationships between mobile phone call activity and regional function using self-organizing map. Computers, Environment and Urban Systems 87, 101624.
https://doi.org/10.1016/j.compenvurbsys.2021.101624
素材来源：S3 - Lab
内容排版：傅琛