摘要：隨著手機等移動網際網路裝置的廣泛使用, 海量的人類社會活動的地理資料為地理學研究提供了新的資料基礎, 基於移動網際網路的社會研究成為當前地理學研究的熱點。本文以空間網格為基礎, 選取了20XX年到20XX年5月之間在中國境內上傳至Flickr的包含位置資訊的資料作為研究物件, 以Alexander分形理論為依據探討了地理空間中的尺度特徵與人文地理特徵的關係。選取了HT-指數測量地理物件分化程度的表徵指標, 並用資訊熵理論對其進行檢驗。研究結果表明, 尺度的特徵一定程度上與人文地理特徵是有正相關性的。可以用網格作為控制尺度的工具從不同尺度來認知人類社會活動的空間分佈模式。
關鍵詞：社會活動空間; HT-指數; 網格; 多尺度;
Geo-spatial Cognition on Human's Social Activity Space Based on Multiscale Grids
ZHAI Weixin DUAN Jiexiong TONG Xiaochong CHENG Chengqi SONG Shuhua LI Shuang
Institute of Remote Sensing and GIS, Peking University State Key Laboratory of Earth Surface Process and Resource Ecology, Beijing Normal University College of Engineering, Peking University KQ GEO Technologies CO., LTD.
Abstract：
Widely applied location aware devices, including mobile phones and GPS receivers, have provided great convenience for collecting large volume individuals' geographical information.The researches on the human's society behavior space has attracts an increasingly number of researchers.In our research, based on location-based Flickr data From 20XX to May, 20XX in China, we choose five levels of spatial grids to form the multi-scale frame for investigate the correlation between the scale and the geo-spatial cognition on human's social activity space.The HT-index is selected as the fractal inspired by Alexander to estimate the maturity of the society activity on different scales.The results indicate that that the scale characteristics are related to the spatial cognition to a certain extent.It is favorable to use the spatial grid as a tool to control scales for geo-spatial cognition on human's social activity space.
Keyword：social activity space; HT-index; grids; multi-scale;
空間位置一直是地理學研究中的核心問題, 隨著地理資訊科學的發展, 地理學圍繞著人類社會活動等問題, 不斷與其他學科相互交叉滲透。從地理學的角度來看, 人類社會中每個個體的活動均如同分子運動, 看似雜亂無序, 實則存在潛在的模式, 發現這種模式並揭示其影響因素, 需要採集海量的個體活動資料[1]。基於海量個體活動性時空資料, 可以計算個體移動巨集觀統計特徵, 進而考慮時空異質性, 對人類移動模式作出解釋, 最終在個體行為和巨集觀社會經濟現象之間建立聯絡, 並服務於相關應用[2]。近年來, 隨著手機等移動網際網路裝置的廣泛使用, 基於移動網際網路的社會研究成為當前地理學研究的熱點[3-4]。利用該方法採集個體時空資料具有以下兩個優勢: (1) 資料空間定位精度高、資訊真實, 且覆蓋範圍廣個體位置和移動資訊真實。 (2) 資料具有較強的時效性, 採集、處理成本較低, 適合大規模、長時間採集。
地理學的分形研究手段在20XX—2005年被亞歷山大定量化[5-6], 並被精確的數學語言嚴格描述。根據亞歷山大的定義, 能夠利用分形的研究思路抓住地理實體的整體性以及遞迴性來描述其分化程度。本文選取帶有地理位置資訊的Flickr資料代表人類社會活動的空間分佈。地理物件的空間分化程度可以通過HT-指數來表徵:HT-指數越高, 對應整體上分化程度更高。
本文選取20XX到20XX年5月份之間在中國境內上傳至Flickr的包含位置資訊的資料作為研究物件, 構造了5種類型的空間網格, 以HT-指數為標準對資料進行定量的規則化分形研究, 分析了基於空間網格的人類活動空間多尺度特徵, 利用了夏農的資訊熵理論對其進行驗證[7-8]。
1 理論方法
1.1 Alexander分形理論
Alexander提出的分形理論的核心思想與傳統的地理學分形理論有所不同, 其“分形”主要是指一種小物體佔多數而大物體佔少數的可遞迴的分佈模式。例如在城市地理中, 城市規模 (人口、佔地面積等) 大的城市的個數較少, 而城市規模小的城市個數很多[5];在自然地理中, 高海拔地區在陸地的佔地面積較小, 而大部分陸地的海拔都不高。而且這種分佈是可遞迴的, 也即在佔多數的小物體的內部依然存在小物體佔多數而大物體佔少數的情況。這種遞迴的層次性越高代表發育越成熟, 分化程度越高, 狀態越穩定。
1.2 HT-指數
HT-指數是一種分形的計算方法[13], 描述了地理實體的分化程度和遞迴的層次性。HT-指數不但衡量了地理特徵的內在層次, 它也提出了一種新的測量地理特徵空間異質性的方法[9]。
HT-指數的計算方法是: (1) 將一組資料Dk={Xi}按照從大到小的順序進行排列; (2) 取這組資料的均值珡X, 並將Dk分為兩部分, 其中大於珡X的部分稱為“頭部”DkH, 小於珡X的部分稱為“尾部”DkT; (3) 如果尾部的長度相比於總長度的比例小於閾值α (本研究參照Jiang等人在2015年的研究成果[9], 此處選為0.4) , 即則將DkH設為Dk, 重複 (2) 和 (3) 的過程, 否則結束。整個過程中劃分的次數被定義為HT-指數。
HT-指數越高, 代表分形的層次越多, 完整性越強。HT-指數已經在城市擴張[9-10]、人類社會活動[11]、地理空間分佈分析[12]、空間視覺化[13]等多個領域得到了廣泛的應用。
2 資料準備
2.1 Flickr資料
Flickr是雅虎公司旗下一家提供免費及付費數字照片儲存、分享方案的線上服務。它同時也是一個網路共享的社群工具, 吸引了大量的線上使用者參與, 大量共享數字媒體物件被上傳到Flickr上。這些照片和視訊提供了極為豐富的資訊, 涵蓋拍攝時的娛樂、旅遊、個人記錄, 以及諸多其他方面的資訊。整體來看, Flickr資料不單是快照所捕捉的畫面, 也是關於潮流趨勢、現象或事件證據、社交環境以及社會動態的資訊的體現。這使得Flickr的社交生態系統形成了一個充滿活力的環境, 讓眾多研究者能夠大規模尋找許多研究問題的解決方案[14]。
本文使用的Flickr資料集來源於YFCC100M資料集[14]。我們選用的資料集包含20XX到20XX年5月份之間在中國境內上傳至Flickr幷包含位置資訊的資料。資料集的檔案格式為ShapeFiles, 共有2 171 162張圖片。
2.2 空間網格
空間資訊剖分組織的基本思路是基於地球空間剖分理論, 為全球空間資訊建立多級索引, 根據地球空間剖分框架中離散剖分面片的結構體系, 設計地球空間剖分資料模型, 設計大到整個地球, 小到釐米精度的全球空間資訊索引體系, 實現海量空間資料的快速檢索和更新[15-17]。
本文采用的空間網格來自GeoSOT全球剖分網格系統。因為在GeoSOT剖分系統中, 採用的是基於多層次面片的多尺度空間表達方法, 同一地區的不同層次面片是向下包含和細分的, 不同層次的面片編碼反映了這種縱向聯絡, 表現出了良好的多尺度特性。這種基於多層次面片的表達和多尺度特性符合HT-指數對地理特徵空間異質性計算的方法。
GeoSOT網格是一套以空間資訊剖分組織理論為基礎的'全球空間資訊組織方式。GeoSOT索引基於經緯度座標空間定義, 原點為本初子午線與赤道的交點。GeoSOT採用全四分遞迴剖分。為使網格範圍保持整度、整分和整秒, GeoSOT將地球經緯度座標空間作了3次擴充套件:將360°×180°空間擴充套件到512°×512°, 將每度的60′空間擴充套件到64′, 將每分的60″空間擴充套件到64″。GeoSOT的0級網格為經緯度座標空間512°×512°, 對應資訊體區域是全球。接下來, 下一級剖分面片由上一級剖分面片遞迴四叉劃分得到, 直到32級為止, 32級網格範圍為1/2048″×1/2048″[18]。
在本文中, 筆者採用的GeoSOT網格中的第7級、第9級、第13級、第14級以及1/4°×1/4°的網格作為我們分析的空間網格。各GeoSOT層級的網格的特性如表1所示。
表1 空間網格特性Tab.1
3 試驗設計
選定5類網格, 其網格範圍分別為4°×4°、1°×1°、1/4°×1/4°、4′×4′、2′×2′, 並均以 (0, 0) 點為原點。選定中國行政區劃圖與5類網格相交, 獲得與其有交集的網格集, 圖2為與中國地圖相交的1°網格集。統計該網格集中每個網格內部所包含的Flickr點的數量, 生成5個向量, 依次定義為Dk (k=1, 2, 3, 4, 5) , 並計算其HT-指數。除此之外, 筆者還計算了5類結果中所對應的資訊熵[7-8], 其對應的計算公式為, 其中H (p1, p2, …, pn) 為資訊熵值, pk為不同區間的值所佔的比例, 並滿足代表劃分的區間數量, 在本研究中設為10。資訊熵衡量了一個系統的複雜度資訊熵大的系統的資訊量大, 結構複雜。
4 結果分析
4.1 Rank-Count結果
在獲得5個不同層級的網格後, 筆者將各個層級的網格的內部點數從大到小排列, 並獲取了在各個層級上的排序後的每個網格的順序 (Rank) 和內部點數 (Count) , 並將五組曲線按照“對數-對數”的方式在圖1繪製出來。並將每組曲線的log (Count) 值相對於log (Rank) 值進行了一次線性迴歸, 求得的一次項係數k值同樣在圖1標出。k係數接近-2, 與文獻[19]用自然城市法對全球城市的求得的迴歸計算結果是一致的。
圖1 Rank-count結果Fig.1 Rank-count results
4.2 HT-指數結果
針對不同層級的網格的結果, 筆者計算出了其各自的HT-指數, 結果如表2所示。
表2 試驗結果Tab.2 Experiment results
網格數量表示網格集所包含的所有網格的個數, 隨著網格範圍的減小, 網格所描述的空間尺度隨之降低, 網格數量不斷增加。同時, 隨著網格範圍的減小, 每個網格所包含的平均Flickr點數在降低, 網格內的最大點數的值同樣在降低, 包含的Flickr點數為非0的網格所佔比例也在降低。除HT-指數之外, 筆者還計算出了其資訊熵, 用於比較。HT-指數隨著網格範圍的減小而不斷上升, 資訊熵在不斷下降。
5 總結
帶有空間位置資訊的Flickr資料代表了某一地區的社交環境以及社會動態的資訊, 某一地區的Flickr資料量越大, 則代表活躍程度越高。本文以5類規則劃分的空間網格為參照, 根據Alexander的分形理論, 從不同的尺度對中國境內的Flickr進行分佈的分析。主要可以得出以下幾點結論。
(1) 隨著網格的範圍由大變小, 其每個網格所對應的空間尺度在逐漸降低, 對於地理空間刻畫的粒度更為精細。其平均點數、網格內最大點數、非0比例都呈下降趨勢。
(2) 不同範圍的網格展現了不同尺度的空間分佈特徵。在高尺度時, 其表現的較為粗略, 認為各個網格內部認為是均一的, 各個不同網格之間的差異較大, 異質性強, 但由於分析不夠深入, 所以分化程度並不夠, HT-指數也較低。而低尺度時, 每個網格所對應的空間範圍很小, 刻畫更為精細, 不同網格之間差異不大, 分化程度較強, 而每個網格本身表現的資訊有限。因此, 尺度的特徵一定程度上與人文地理特徵是有正相關性的。能夠用網格作為控制尺度的工具來從不同尺度來認知人類社會活動的分佈關係。
(3) 資訊熵的結果證明了HT-指數的正確性。因為隨著尺度的降低, 整個系統被劃分得更為細緻, 網格與網格之間的區分程度被稀釋了, 而資訊熵也就隨之降低。
參考文獻
[1]劉瑜, 肖昱, 高鬆, 等.基於位置感知裝置的人類移動研究綜述[J].地理與地理資訊科學, 2011, 27 (4) :8-13, 31.LIU Yu, XIAO Yu, GAO Song, et al.Human Movement Research Review Based on Location Aware Devices[J].Geography and Geo-Information Science, 2011, 27 (4) :8-13, 31.
[2]BAYIR M A, DEMIRBAS M, EAGLE N.Mobility Profiler:A Framework for Discovering Mobility Profiles of Cell Phone Users[J].Pervasive and Mobile Computing, 2010, 6 (4) :435-454.
[3]BLONDEL V D, DECUYPER A, KRINGS G.A Survey of Results on Mobile Phone Datasets Analysis[J].EPJ Data Science, 2015, 4:10.
[4]PHITHAKKITNUKOON S, SMOREDA Z, OLIVIER P.Socio-Geography of Human Mobility:A Study Using Longitudinal Mobile Phone Data[J].PLoS One, 2012, 7 (6) :e39253.
[5]ALEXANDER C.The Nature of Order:An Essay on the Art of Building and the Nature of the Universe, Book 3-A Vision of A Living World[M].Berkeley, CA:Routledge, 2005.
[6]ANDERSON G, GE Ying.Do Economic Reforms Accelerate Urban Growth?The Case of China[J].Urban Studies, 20XX, 41 (11) :2197-2210.
[7]RENYI A.On Measures of Entropy and Information[C]∥Proceedings of the 4th Berkeley Symphony Mathematical Statistics and Probability.Berkeley, CA:[s.n.], 1961.
[8]SHANNON C E, WEAVER W.The Mathematical Theory of Communication[M].Urbana:University of Illinois Press, 1971.
[9]JIANG Bin.A City Is a Complex Network[C]∥MEHAFFY M W.Christopher Alexander A City is Not a Tree:50th Anniversary Edition.Portland, OR:Sustasis Press, 2015.
[10]JIANG Bin, YIN Junjun.Ht-Index for Quantifying the Fractal or Scaling Structure of Geographic Features[J].Annals of the Association of American Geographers, 20XX, 104 (3) :530-540.
[11]JIANG Bin.Street Hierarchies:A Minority of Streets Account for A Majority of Traffic Flow[J].International Journal of Geographical Information Science, 2009, 23 (8) :1033-1048.
[12]JIANG Bin, LIU Xintao.Scaling of Geographic Space from the Perspective of City and Field Blocks and Using Volunteered Geographic Information[J].International Journal of Geographical Information Science, 2012, 26 (2) :215-229.
[13]JIANG Bin.Wholeness as A Hierarchical Graph to Capture the Nature of Space[J].International Journal of Geographical Information Science, 2015, 29 (9) :1632-1648.
[14]JIANG Bin.Head/Tail Breaks for Visualization of City Structure and Dynamics[J].Cities, 2015, 43:69-77.
[15]THOMEE B, SHAMMA D A, FRIEDLAND G, et al.YFCC100M:the New Data in Multimedia Research[J].Communications of the ACM, 2016, 59 (2) :64-73.
[16]程承旗.空間資訊剖分組織導論[M].北京:科學出版社, 2012.CHENG Chengqi.An Introduction to Spatial Information Subdivision Organization[M].Beijing:Science Press, 2012.
[17]李德仁, 朱欣焰, 龔健雅.從數字地圖到空間資訊網格--空間資訊多級網格理論思考[J].武漢大學學報 (資訊科學版) , 2003, 28 (6) :642-650.LI Deren, ZHU Xinyan, GONG Jianya.From Digital Map to Spatial Information Multi-Grid-A Thought of Spatial Information Multi-Grid Theory[J].Geomatics and Information Science of Wuhan University, 2003, 28 (6) :642-650.
[18]宋樹華, 程承旗, 關麗, 等.全球空間資料剖分模型分析[J].地理與地理資訊科學, 2008, 24 (4) :11-15.SONG Shuhua, CHENG Chengqi, GUAN Li, et al.Analysis on Global Geodata Partitioning Models[J].Geography and Geo-Information Science, 2008, 24 (4) :11-15.
[19]金安, 程承旗.基於全球剖分網格的空間資料編碼方法[J].測繪科學技術學報, 2013, 30 (3) :284-287.JIN An, CHENG Chengqi.Spatial Data Coding Method Based on Global Subdivision Grid[J].Journal of Geomatics Science and Technology, 2013, 30 (3) :284-287.
[20]JIANG Bin, YIN Junjun, LIU Qingling.Zipf’s Law for All the Natural Cities Around the World[J].International Journal of Geographical Information Science, 2015, 29 (3) :498-522.