利用腾讯位置大数据进行多尺度人口空间化估算

doi:10.13474/j.cnki.11-2246.2022.0178.

测绘通报 ›› 2022, Vol. 0 ›› Issue (6): 93-97.doi: 10.13474/j.cnki.11-2246.2022.0178.

利用腾讯位置大数据进行多尺度人口空间化估算

李慧敏, 罗大伟, 窦世卿

桂林理工大学测绘地理信息学院, 广西桂林 541000

收稿日期:2021-08-09 发布日期:2022-06-30
通讯作者: 窦世卿。E-mail:doushiqing@glut.edu.cn
作者简介:李慧敏(2000-),女,研究方向为GIS技术及应用。E-mail:lihuimin_glut@qq.com
基金资助:
国家自然科学基金(42061059);广西自然科学基金(2020JJB150025)

The estimation of population on multi-spatial scale using Tencent location big data

LI Huimin, LUO Dawei, DOU Shiqing

College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541000, China

Received:2021-08-09 Published:2022-06-30

摘要/Abstract

摘要： 社会感知数据的多样性,为人口估算方法的研究引入了新数据和视角。本文利用腾讯位置大数据进行多尺度人口空间化估算研究,以建设用地和住宅小区体积数据作为相关因子,将5 km格网精细化到1 km及住宅小区级尺度,通过广西壮族自治区、桂林市、临桂区3个不同尺度分析腾讯位置大数据与人口统计数据的相关关系,利用多项式回归模型分析得到3种尺度的人口空间化模型,并对模型的正确性进行验证。结果表明,省级尺度的人口估算模型验证精度R²达0.984 5,市级尺度的模型验证精度R²达0.9770;小区精细尺度的模型验证精度R²达0.979 9,估算结果可信度高。

关键词: 腾讯位置大数据, 人口估算, 多尺度, 格网化

Abstract: The diversity of social perception data brings new data and perspectives to the study of population estimation methods. In this paper, the multi-scale population spatial estimation is studied by Tencent location big data. With the volume data of construction land and residential area as the relevant factors, the 5 km grid is refined to 1 km and residential area level scale. By analyzing the correlation between Tencent location big data and demographic data at three different scales of Guangxi, Guilin and Lingui district, the spatial model of population at three scales is obtained by polynomial regression model analysis, and the correctness of the model is verified. The accuracy of the population estimation model is 0.984 5 on the scale of provincial level and 0.977 0 on the scale of city level, the verification accuracy is 0.979 9 in terms of community scale. The estimation results have high reliability.

Key words: Tencent location big data, population estimation, multi-scale, grid transformation

中图分类号:

P208

李慧敏, 罗大伟, 窦世卿. 利用腾讯位置大数据进行多尺度人口空间化估算[J]. 测绘通报, 2022, 0(6): 93-97.

LI Huimin, LUO Dawei, DOU Shiqing. The estimation of population on multi-spatial scale using Tencent location big data[J]. Bulletin of Surveying and Mapping, 2022, 0(6): 93-97.

参考文献

[1] LEE R, WAKAMIYA S, SUMIYA K. Urban area characterization based on crowd behavioral lifelogs over Twitter[J]. Personal and Ubiquitous Computing, 2013, 17(4):605-620.
[2] 卓莉,陈晋,史培军,等.基于夜间灯光数据的中国人口密度模拟[J].地理学报, 2005, 60(2):266-276.
[3] 田野.基于高分辨率遥感数据的城市人口空间化研究:以北京市为例[D].北京:中国科学院大学(中国科学院遥感与数字地球研究所), 2017.
[4] 马钰琪,朱秀芳,刘宪锋,等.基于夜间灯光数据和多地理因子数据的人口空间化方法:以辽宁省为例[J].北京师范大学学报(自然科学版), 2015, 51(S1):57-61.
[5] 于丙辰,陈刚.基于腾讯区域热力图的庐山核心景区客流研究[J].国土与自然资源研究, 2017(2):83-89.
[6] 王虹茵.基于地理位置大数据的京津冀城市群短期人口流动研究[D].大连:大连理工大学, 2017.
[7] 淳锦,张新长,黄健锋,等.基于POI数据的人口分布格网化方法研究[J].地理与地理信息科学, 2018, 34(4):83-89.
[8] 梁林,赵玉帛,刘兵.京津冀城市间人口流动网络研究:基于腾讯位置大数据分析[J].西北人口, 2019, 40(1):20-28.
[9] 胡亚萍.基于腾讯位置大数据的人口流动网络特征研究——以山东省为例[J].广西师范学院学报(自然科学版), 2019, 36(2):84-90.
[10] 吴中元,许捍卫,胡钟敏.基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例[J].地理与地理信息科学, 2019, 35(6):61-65.
[11] 花磊,彭宏杰,杨秀锋,等.基于腾讯位置大数据的长江经济带人口流动空间分析[J].华中师范大学学报(自然科学版), 2019, 53(5):815-820.
[12] 黄益修.基于夜间灯光遥感影像和社会感知数据的人口空间化研究[D].上海:华东师范大学, 2016.
[13] 董春,尹诗画,张玉.多智能体的城市精细尺度人口估算模型[J].测绘科学,2019,44(8):113-119.
[14] 高航,李德平,周亮,等.基于多种夜间灯光数据对比的人口空间化研究[J].智能城市, 2020, 6(3):26-27.
[15] 陈晴,侯西勇.集成土地利用数据和夜间灯光数据优化人口空间化模型[J].地球信息科学学报, 2015, 17(11):1370-1377.

利用腾讯位置大数据进行多尺度人口空间化估算

The estimation of population on multi-spatial scale using Tencent location big data

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[2]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[3]	贾文翰, 刘越岩. 基于卷积神经网络的高分遥感影像内陆盐沼湿地信息提取[J]. 测绘通报, 2021, 0(6): 89-92.
[4]	吴献文, 速云中, 孙照辉. 夜间灯光数据支持下的广州市人口空间化[J]. 测绘通报, 2021, 0(5): 59-62.
[5]	蓝贵文, 唐宇龙, 杜永良, 潘柱光, 莫栩琪. 排水管网多尺度几何语义建模[J]. 测绘通报, 2021, 0(3): 123-127.
[6]	梁磊, 周启, 任东宇, 文学虎. 第三次国土调查的图斑自动综合方法[J]. 测绘通报, 2021, 0(12): 124-129.
[7]	吉文来, 芮明, 李明峰. 混合整体最小二乘曲面拟合在点云滤波中的应用[J]. 测绘通报, 2020, 0(8): 50-54,91.
[8]	蔡怤晟, 向泽君, 蔡衡, 单德明. 结合特征选择的CVA多尺度遥感影像变化检测[J]. 测绘通报, 2020, 0(8): 101-104,130.
[9]	任泽茜, 丁丽霞, 刘丽娟, 谢锦莹, 敖伊颍, 张继艳, 何嘉莹. 利用无人机遥感监测农作物种植面积[J]. 测绘通报, 2020, 0(7): 76-81.
[10]	张宏涛, 黄宏胜, 魏康宁, 钟海燕. 基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例[J]. 测绘通报, 2020, 0(6): 111-117.
[11]	谢梦, 刘伟, 李二珠, 杨梦圆, 王晓檀. 深度卷积神经网络支持下的遥感影像语义分割[J]. 测绘通报, 2020, 0(5): 36-42.
[12]	白少云, 刘斌, 余珮珩, 陈敏, 潘佳威, 陈奕云. 融合多尺度影像数据的杞麓湖流域景观格局分析[J]. 测绘通报, 2020, 0(2): 90-95.
[13]	耿仁方, 付波霖, 金双根, 蔡江涛, 耿万轩, 娄佩卿. 面向对象的无人机遥感影像岩溶湿地植被遥感识别[J]. 测绘通报, 2020, 0(11): 13-18.
[14]	李旺民, 李秀龙, 王东阁, 马德富, 陈文相, 刘亚楠. 多重加密格网内插法坐标转换[J]. 测绘通报, 2020, 0(10): 118-122.
[15]	周继苗, 李必军, 陈世增. 一种多层特征融合的道路场景实时分割方法[J]. 测绘通报, 2020, 0(1): 10-15.