基于多源时空数据的城市活力分析 ——以兰州市为例

来源 :兰州大学 | 被引量 : 0次 | 上传用户:wangxingchuang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
快速与低质量的城市化,引发了城市交通拥堵、土地利用空间布局不合理、公共空间匮乏、“鬼城”等一系列问题,增强对城市活力的理解,探索城市活力的度量与评估方法,对于促进充满活力和可持续的城市发展十分重要。随着互联网、信息通信技术、3S技术、基于位置的服务等技术的飞速发展,使得实时记录人类时空位置与从社交网络或专门网站上获取大量带有位置信息的时空数据成为可能,网络开源的时空数据为城市活力的定量研究提供了新的视角与方法。兰州是中国西北重要的中心城市之一,在工业化与城市化进程中,受地形的限制、早期城市发展规划的局限性以及工业布局不合理等因素影响,产生了人口过度集中、城市交通拥堵、城市功能布局不合理、环境污染等问题。本文旨在研究兰州城市活力的时空分布及其影响因素,监测兰州城市的发展现状,为兰州城市发展规划的优化,实现可持续的、高质量的城市发展提供科学参考。本文以宜出行人口热力数据等网络开源数据为基础,运用数理统计、空间分析等方法,分析了兰州市主城区城市活力的时空分布特征,及其在不同功能街区之间的差异;探索了城市活力与城市形态环境相关影响因素的全局与局部关系,得到结论如下:(1)兰州市主城区城市活力较高的街区通常聚集分布,主要集中分布在商业中心、商务办公区及其周边,具有明显的多中心分布特征,各个区域中均有活力中心分布。城关区的高活力街区分布范围最广,主要位于西关-南关-铁路局一带。工作日与休息日,活力中心的分布基本一致。(2)工作日与休息日城市活力的时间变化趋势基本一致,略有不同,整体而言,休息日的城市活力高于工作日,不同城市活力级别街区面积的时间变化曲线各异。受工作、学习作息的影响,工作日时中高、高活力街区面积的变化更具规律性。(3)不同功能类型街区间城市活力的差异较大,工作日与休息日的活力变化方向不同,并且各时刻城市活力的变化特征也存在明显差异。文教、商务与居住功能街区的活力变化与人们的工作、学习时间安排有较大的关联。(4)各影响因子对城市活力的影响各不相同,差异较大。除功能均衡性外,其他因子均对城市活力具有正向影响,工作日与休息日各因子对城市活力影响较为相似。土地集约利用度的影响程度最大,建筑高度多样性次之,小尺度道路可达性居第三,而功能丰富性、功能均衡性、大尺度道路可达性的影响较小。(5)各影响因子对城市活力的影响均具有较大的空间异质性,且不同影响因子系数的空间分布差异较大。休息日与工作日的分析结果较为相似,仅功能丰富性的系数分布与工作日差异较大。
其他文献
肺部疾病是医学研究的一个重要领域。无论是2020年在全球爆发的新型冠状病毒肺炎(COVID-19)疫情,还是2003年的非典型肺炎(SARS),都是病毒感染肺部引发的疾病。当前,对多种肺部疾病的研究关注于肺部血管的变化情况,如肺动脉高压、血管性病变、动静脉畸形等。为了能够早发现、早治疗,在早期诊断中通常会使用计算机辅助诊断(Computer Aided Diagnosis,CAD)技术,而快速精确
异常检测是寻找或识别异常值(与数据集中正常模式不一致的值)的方法或过程,具有十分广泛的实际背景和巨大的现实应用潜力。例如,发现异常驾驶车辆对交通系统的正常运行起到辅助作用、异常股票交易识别有利于股市的健康发展、桥梁裂缝异常检测对工程安全起到关键作用、异常网络入侵识别保证用户安全隐私等。由于问题的重要性,异常检测受到越来越多的关注。目前,异常检测中一些常见算法如2、孤立森林、LOF、神经网络重构等算
随着微电子技术的不断发展,在芯片的设计规模日益增大的情况下,协调并实现数据在芯片内部计算单元之间的快速传输,是芯片性能继续提升的保证。片上网络主要用于传输数据,而网络路由算法则用于通过控制网络来协调数据在计算单元之间传输。在众多片上网络结构中,Crossbar网络是一种传输速度快、并行度高的网络结构,被广泛地应用于连接多核以及网络互联等领域中。然而,采用同步电路实现的Crossbar网络,随着芯片
随着互联网技术的发展,国民经济、信息化水平的提高,在线教育服务行业也保持着高速增长的发展态势。用户对在线教育也提出了新的需要,在线教育正朝着个性化的方向发展。知识追踪模型是使用人工智能方法实现在线教育个性化的有效手段之一,它能够对学生学习状况进行准确诊断,并根据不同学生的特点进行个性化导学,为教师与学生带来便利,有效地提升在线教育的效率。然而目前的知识追踪模型,仍然存在一些问题:(1)模型预测结果
随着互联网的发展与壮大,越来越多的人在互联网上发表自己的观点,例如电影评论、电商评论、社会热点评论等。互联网上的这些文本具有极高的价值,如何挖掘文本中蕴藏的情感倾向已经成为了研究热点。传统的基于情感词典的方法已经无法适用于海量数据,机器学习方法的效果过于依赖人工设计的特征,因此本文将研究深度学习方法在情感分析任务中的效果。本文从网络中的公共数据集选取了两个不同类别的中文文本数据集。首先,对两个数据
针对安检机系统违禁品小目标、多目标以及目标之间相互遮挡等情况导致的检测精度不佳的问题,本文提出了一种基于RetinaNet模型改进的二次定位的目标检测模型Att-RetinaNet。首先,以RetinaNet模型为基础,通过特征金字塔(FPN)模型实现局部特征与全局特征的二次融合。其次,在融合特征之后加入自我注意力(Self-attention)模块,实现在通道与空间上的信息交互,使得模型能够筛选
中文分词是指将汉语句子按一定规则切分进而得到单独的词的过程,是中文自然语言处理中最为基础的任务。中文分词方法根据其原理可分为三类:基于规则的中文分词方法、基于统计的中文分词方法和基于序列标注的中文分词方法,目前来看第三种方法的分词效果最好。得益于计算机性能的大幅提升,神经网络再度兴起,基于序列标注思想的深度学习方法成为中文分词研究的热点。本文提出了一种以序列标注为基本思想,基于BERT模型和条件随
目的:调查颈动脉斑块在前循环区域急性缺血性卒中(acute ischemic stroke,AIS)患者及其急性卒中Org 10172治疗试验(trial of Org 10172 in acute stroke treatment,TOAST)各亚型中的分布特点;探讨导致前循环区域大动脉粥样硬化(large artery atherosclerosis,LAA)型卒中患者颈动脉易损性斑块的危险因
正电子发射断层显像技术(Positron Emission Tomography,PET)可以对脑肿瘤、脑梗塞和癫痫等脑科疾病的诊断提供良好指导作用,也可用于脑组织对于外部刺激响应的研究探索。头部含有人类最重要的中枢神经系统,组织结构精密。对脑部成像的质量要求促进了脑部成像设备的发展。临床PET系统的分辨率通常在34 mm之间,单次扫描时间较长,脑科疾病患者很难保持长时间不动,头部运动影响成像质量
当今世界中复杂系统可由表征信息的复杂网络高度抽象表示。复杂网络中的社区结构特性是其最重要的特征,从而可以通过社区检测算法对复杂网络进行挖掘来深入研究网络结构、特性和功能之间的关系。此外,复杂网络中的社团检测研究成果已广泛地应用于蛋白质复合物分析、生态环境保护、信息扩散和工程技术等多个领域。近年来文献中提出的大量社区检测算法用于获得网络中的社区划分,但是大部分算法无法在划分准确度或时间效率达到良好的