地震研究

针对已有的人口空间化研究多采用静态数据、时空分辨率较低、在应急救援等方面实用性不高的问题,提出了一种使用高时空分辨率数据,结合城市圈层结构理论和主成分分析法的建筑物尺度人口估算方法。以成都市为例,利用腾讯位置大数据,通过计算不同城市圈层的定位率,得到了成都市不同时段1 km×1 km的人口分布数据。在此基础上,以基于建筑物中心点的泰森多边形为人口分配基本单元,结合宜出行热力数据和POI数据,分别计算其对人口分布的贡献值并赋予计算权值,得到了成都市青羊区建筑物尺度人口分布数据。街道尺度统计数据回归分析的决定系数R2为0.926 4,总体精度较高,模拟人口分布符合实际情况。

The current spatialized data of population are normally static and of low resolution in time and space,and not so practical for emergency and rescue.To solve this problem,according to the theory of urban circle structure and principal component analysis,we proposed a method of estimating population on building-scale using high resolution data in time and space.Taking Chengdu City as an example,we calculated the location rate of different urban circles using the Tencent Location Big Data,and obtained the population distribution in the grid of 1 km×1 km of Chengdu in different periods of a day.Further,we used the Tyson Polygon based on the center of the building as the basic unit of population distribution,and calculated and weighted the contribution of the data from Tencent Easygo and the POI data from Baidu Map to the population distribution.In this way we obtained the distribution of population on building-scale in Qingyang District of Chengdu.R2,the coefficient of determination for the regression analysis of the street-scale statistics,is 0.926 4.Our results are more accurate and conform to the actual distribution of population in this area.

引言
1 研究方法
2 研究区概况与数据
3 大范围人口数据空间化
4 小范围建筑物尺度人口空间化
5 结论

图1 技术路线
Fig.1 Technical route

图2 成都市定位数据时序图<br/>Fig.2 Time series analysis of positioning data in Chengdu City

图2 成都市定位数据时序图
Fig.2 Time series analysis of positioning data in Chengdu City

图3 成都市人口分布<br/>Fig.3 Population distribution in Chengdu City

图3 成都市人口分布
Fig.3 Population distribution in Chengdu City

表1 各个区(县)级人口计算值与统计值<br/>Tab.1 Calculated and statistical population in each district and county of Chengdu City

表1 各个区(县)级人口计算值与统计值
Tab.1 Calculated and statistical population in each district and county of Chengdu City

图4 区(县)尺度模拟人口与常住人口回归分析<br/>Fig.4 Regressive analysis of simulated population and permanent population on district/county scale

图4 区(县)尺度模拟人口与常住人口回归分析
Fig.4 Regressive analysis of simulated population and permanent population on district/county scale

图5 成都市不同时段人口分布<br/>Fig.5 Population distribution in different periods in Chengdu City

图5 成都市不同时段人口分布
Fig.5 Population distribution in different periods in Chengdu City

图6 研究区局部建筑物分类示意图<br/>Fig.6 Schematic diagram of local building classification in the study area

图6 研究区局部建筑物分类示意图
Fig.6 Schematic diagram of local building classification in the study area

图7 研究区局部泰森多边形分布示意图<br/>Fig.7 Schematic diagram of local Tyson polygon distribution in the study area

图7 研究区局部泰森多边形分布示意图
Fig.7 Schematic diagram of local Tyson polygon distribution in the study area

表2 各类POI与人口相关性<br/>Tab.2 Correlation between various types of POIs and population

表2 各类POI与人口相关性
Tab.2 Correlation between various types of POIs and population

表3 KMO值及Bartlett检验<br/>Tab.3 KMO value and Bartlett test

表3 KMO值及Bartlett检验
Tab.3 KMO value and Bartlett test

表4 方差解释率表<br/>Tab.4 Interpretation rate of variance

表4 方差解释率表
Tab.4 Interpretation rate of variance

表5 主成分得分矩阵<br/>Tab.5 Component score matrix

表5 主成分得分矩阵
Tab.5 Component score matrix

图8 青羊区建筑物人口分布(局部)<br/>Fig.8 Population distribution in buildings in Qingyang District(partial)

图8 青羊区建筑物人口分布(局部)
Fig.8 Population distribution in buildings in Qingyang District(partial)

表6 各街道人口实验模拟值与统计值分析表<br/>Tab.6 Analysis of experimental and statistical values of the population in each sub-district

表6 各街道人口实验模拟值与统计值分析表
Tab.6 Analysis of experimental and statistical values of the population in each sub-district

图9 各街道人口统计值与模拟人口线性回归分析<br/>Fig.9 Linear regression analysis of demographic values and experimental values of the population in each sub-district

图9 各街道人口统计值与模拟人口线性回归分析
Fig.9 Linear regression analysis of demographic values and experimental values of the population in each sub-district

曹伟超,陶和平,谭理,等.2012.基于多源空间数据的山区人口分布模拟[J].国土资源遥感,24(2):61-67.
陈艺.2009.成都城市经济圈的区域特征及其带动效应[J].城市发展研究,16(5):13-17.
成都市统计局.2019.成都年鉴(2019)[M].成都:成都年鉴社.
董春,尹诗画,张玉.2019.多智能体的城市精细尺度人口估算模型[J].测绘科学,44(8):113-119.
郭建兴,姬建中,和朝霞,等.2018.面向地震应急的山区人口百米格网分布——以麟游县为例[J].地震地磁观测与研究,39(6):150-157.
胡杨,张小咏,肖迪.2020.基于手机大数据的城市建筑物人口时空估算[J].系统仿真学报,32(10):1814-1883.
黄益修.2016.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.
贾俊平.2008.统计学(第三版)[M].北京:中国人民大学出版社.
贾召亮,郑川,李袁欣,等.2020.面向地震应急的人口空间化方法研究——以云南省大理白族自治州为例[J].地震研究,43(4):751-758.
李国平,陈秀欣.2009.京津冀都市圈人口增长特征及其解释[J].地理研究,28(1):191-202.
李媛媛,陈建国,张小乐,等.2015.基于建筑结构破坏的地震伤亡评估方法及应用[J].清华大学学报(自然科学版),55(7):803-807,814.
李泽宇,董春.2019.引入兴趣点的地理加权人口空间分布模型研究——以天津市为例[J].遥感信息,34(2):113-117.
梁亚婷.2015.基于遥感和GIS的城市人口时空分布研究:以上海市静安区为例[D].上海:上海师范大学.
潘碧麟,王江浩,葛咏,等.2019.基于微博签到数据的成渝城市群空间结构及其城际人口流动研究[J].地球信息科学学报,21(1):68-76.
裴惠娟,周中红,孙艳萍,等.2016.甘肃省人口空间分布特征分析[J].西北师范大学学报(自然科学版),52(5):95-100.
邱歌.2019.基于随机森林模型的高精度人口数据空间化——以郑州市区为例[D].内蒙古:内蒙古师范大学.
王贤文,王虹茵,李清纯.2017.基于地理位置大数据的京津冀城市群短期人口流动研究[J].大连理工大学学报(社会科学版),38(2):105-113.
吴中元,许捍卫,胡钟敏.2019.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,35(6):61-65.
肖东升,常鸣,苏勇,等.2016.基于时空菱形的人员在室率评估方法[J].世界地震工程,32(1):43-49.
闫庆武,卞正富,王红.2011a.利用泰森多边形和格网平滑的人口密度空间化研究——以徐州市为例[J].武汉大学学报(信息科学版),36(8):987-990,1010-1011.
闫庆武,卞正富,张萍,等.2011b.基于居民点密度的人口密度空间化[J].地理与地理信息科学,27(5):95-98.
赵真,郭红梅,张莹,等.2019.基于天地图高精度建筑物的四川宝兴县人口估算[J].地震研究,42(2):204-209.
Clark C.1951.Urban population densities[J].Journal of Royal Statistical Society,114(4):490-496.
Sakaki T,Okazaki M,Matsuo Y.2010.Earthquake shakes twitter users:real-time event detection by social sensors[C]//Proceedings of the 19th International Conference on World Wide Web.New York; ACM:851-860.

备注

引言

1 研究方法

2 研究区概况与数据

3 大范围人口数据空间化

4 小范围建筑物尺度人口空间化

5 结论

期刊信息