基于大数据的城居民职住锚点计算方法研究-西部人居环境学刊.PDFVIP

2017年第1期 / 西部人居环境学刊 / 031 DOI: 10.13791/ki.hsfwest 高硕, 王铭扬, 鲁旭, 等. 基于大数据的城市居民职住锚点计算方法研究[J]. 西部人居环境学刊, 2017, 32(01): 31-37. 基于大数据的城市居民职住锚点计算方法研究 Research on Residence-and-Work Anchor Points Algorithm with Big Data in Urban Research 高 硕 王铭扬 鲁 旭 茅明睿 GAO Shuo, WANG Mingyang, LU Xu, MAO Mingrui 摘 要 居住和就业是两个重要的居民时 Abstract: Residence and work are two of the most important time and space behavior elements 空行为要素，通勤行为规律能够直接反映城 for citizens. To a great extent, commuting pattern reflects spatial structure of a city. Nowadays,  市空间结构特征，而大数据的发展对城市职 the development of information and communication techniques provides new data sources 住通勤研究提供了新的数据源与方法论。本 and methodology for urban studies. This paper introduces former algorithms for calculating 文通过比较分析各个居民职住锚点计算方 residence-and-work anchor points, and puts forward a new clustering algorithm for internet  法，针对网络位置大数据提出基于密度的聚 LBS data based on DBSCAN. A case with the data produced by this new algorithm, commuting  类算法；并以北京市东部及北三县地区为例 patterns of eastern Beijing and Beisanxian, was introduced afterwards. In conclusion, it’s  进行案例分析。结论发现：基于密度的聚类 found that the new algorithm for residence-and-work anchor points has satisfactory speed and 算法速度快、准确度高，适合网络大数据在 accuracy, and is suitable for the application of LBS data in urban researches. 城市研究中的应用。 Keywords: Urban; Big Data; Anchor Points; Algorithm; Residence-and-Work; Commute 关键词 城市；大数据；锚点；算法；职住； 通勤 0  引  言 随着近年来城市经济的发展，城市的物质环境和空间结构都经历着巨大演变[1] ，城市研 究领域内新手段新方法层出不穷。在对城市空间结构的研究中，学者开始更多地从人类空 间行为的视角来解读城市空间格局[2-3] ；并从制度变化的视角来挖掘空间转型背后的深层机 制[4] 。居住和就业是两个重要的居民