基于社交网络数据的人口面插值模型研究

Intelligent areal interpolation methods use some form of ancillary data related to interpolated attribute data to improve estimation accuracy. For areal interpolation of population, the three most commonly used ancillary data are Remotely sensed imagery, road network, and parcels. Meanwhile, massive volunteered geographic information produced by general public through Web 2.0 application is emerging as an alternative control data that can be used to guide the redistribution of population. The objective of this study is to present an alternative approach for pixel level areal interpolation that uses geo-tagged social network as control data. Recognizing the potential of varying distance-decay relationships between population and geo-located social network distribution, we suggest that the value of distance-decay parameter used to construct population weighting surface be allowed to vary according to the spatial pattern of the control points in the neighborhood. The other purpose of this study is to test the improvement effect of the combination of social network and remote sensing data as an integrated control layer on areal interpolation results.

精确的人口信息是规划和行政决策的前提，因此人口统计数据空间化是遥感和地理信息科学领域一个重要的研究课题。传统的用于人口插值的辅助信息包括遥感土地覆盖类型，道路网，以及地块类型等，但是随着社交网络的发展以及推送消息对地理标识的支持为获取辅助信息提供了新的途径。我们通过研究社交网络消息的文本以及推送时间，并通过聚类算法合并相似社交网络数据点得到人口空间分布的控制点。在此基础上建立距离衰减参数与局部控制点疏密情况的映射关系，通过距离衰减参数的变化来模拟人口分布与社交网络数据点分布的空间异质关系。然后根据人口权重曲面将源区域内的人口数量分配到位于该区域的格网中。本项目还进一步研究和比较了社交网络数据与遥感数据通过两种不同的结合方式所得到的复合辅助信息在人口面插值模型中的应用。

近些年来随着web 2.0的兴起，由此产生的基于位置的服务数据被广泛用来研究与人口活动相关的问题。本研究主要利用带有地理标识的推特数据作为辅助数据来研究人口的空间分布。项目首先开展了基于推特数据来推断用户的家庭住址信息。我们发现利用推特发送的时间来推断用户的家庭住址，精度最高可以达到86.4%。但是推特用户在总人口中的代表性还有待进一步研究，以及只有大概1%的用户允许推特记录并发布自己的位置信息，因此我们发现，推特作为单一的辅助数据来推断人口的空间分布效果不是很好， 比传统的遥感影像以及其他的社会经济数据的效果要差。但是当他和这些传统的数据结合使用时，可以对这些传统的数据的插值效果有所加强。由于推特的发布时间和人的日常活动有密切的联系，除了用推特数据来揭示用户的家庭住址信息，我们还使用推特来推断土地利用信息。我们发现除了推特发布的时间和土地利用相关以外，推特的内容也和土地利用相关。我们发现利用推特的时间和文本信息，推断基于地块的土地利用信息可以达到83.9%的精度。得到的土地利用信息作为辅助数据是否能提高人口数据空间化的准确度还进一步研究。人口信息是制定区域可持续发展规划、改善人类生存环境等方面的重要科学依据。本项目探索了具有位置信息的社交网络在人口统计数据空间化方面的应用前景。随着数据的积累，以及使用人数的增加，社交网络数据对于城市土地利用的变化以及人口的流动具有一定的相关性。并且使用社交网络数据去监测这种变化，不需要花费太多的成本，而且数据可以随时更新，数据的时效性很强。带有地理标识的社交数据在将来的城市规划以及城市管理具有广阔的应用前景。