جستجو ...

یک چارچوب جدید تحلیل و ارزیابی سرزندگی شهری بر اساس مدل‌سازی فعالیت‌های انسانی با استفاده از داده‌های بزرگ چند منبعی

مقالات داخلی و بین المللی یک چارچوب جدید تحلیل و ارزیابی سرزندگی شهری بر اساس مدل‌سازی فعالیت‌های انسانی با استفاده از داده‌های بزرگ چند منبعی

یک چارچوب جدید تحلیل و ارزیابی سرزندگی شهری بر اساس مدل‌سازی فعالیت‌های انسانی با استفاده از داده‌های بزرگ چند منبعی

خلاصه

مطالعه کمی سرزندگی شهری بینش جدیدی را برای ارزیابی محیط ساخت و ساز خارجی و قدرت توسعه داخلی شهرها به ارمغان می آورد. با این حال، هنوز دانش محدودی از روابط بین زندگی شهری متنوع مردم و سرزندگی شهری دارد، اگرچه فعالیت های شهری اغلب به عنوان نماینده سرزندگی شهری استفاده می شود. هدف این مقاله بررسی عمیق محتوای زندگی اجتماعی شهری و آشکارسازی مکانیسم محرک سرزندگی شهری پس از بررسی فعالیت‌های انسانی است. ما یک چارچوب کلی برای بررسی الگوی فضایی و مکانیسم محرک سرزندگی شهری با استفاده از داده‌های بزرگ چند منبعی پیشنهاد می‌کنیم. این یک رابطه نقشه برداری بین فعالیت های مختلف شهری و جنبه های سرزندگی شهری، از جمله اقتصادی و اجتماعی ایجاد می کند.
دوره-آموزش-حرفه-ای-gis
علاوه بر این، شاخص‌های محیط فیزیکی (ایستا) و تعامل انسان و زمین (پویا) برای تحلیل مکانیسم محرک سرزندگی شهری با استفاده از مدل رگرسیون وزن‌دار جغرافیایی طراحی شده‌اند. نتایج نشان می‌دهد که الگوی فضایی و عوامل محرک سرزندگی شهری از نظر فضا در هر دو جنبه اقتصادی و اجتماعی مطالعه تجربی ما ناهمگون هستند. این کار دیدگاه‌های متعددی را برای درک مفهوم سرزندگی شهری در اختیار ما قرار می‌دهد و ما را ترغیب می‌کند تا استراتژی‌های منطقی برای حیاتی‌تر، هماهنگ‌تر و پایدارتر کردن شهر ایجاد کنیم. نتایج نشان می‌دهد که الگوی فضایی و عوامل محرک سرزندگی شهری از نظر فضا در هر دو جنبه اقتصادی و اجتماعی مطالعه تجربی ما ناهمگون هستند. این کار دیدگاه‌های متعددی را برای درک مفهوم سرزندگی شهری در اختیار ما قرار می‌دهد و ما را ترغیب می‌کند تا استراتژی‌های منطقی برای حیاتی‌تر، هماهنگ‌تر و پایدارتر کردن شهر ایجاد کنیم. نتایج نشان می‌دهد که الگوی فضایی و عوامل محرک سرزندگی شهری از نظر فضا در هر دو جنبه اقتصادی و اجتماعی مطالعه تجربی ما ناهمگون هستند. این کار دیدگاه‌های متعددی را برای درک مفهوم سرزندگی شهری در اختیار ما قرار می‌دهد و ما را ترغیب می‌کند تا استراتژی‌های منطقی برای حیاتی‌تر، هماهنگ‌تر و پایدارتر کردن شهر ایجاد کنیم.

کلید واژه ها:

سرزندگی شهری ; تشخیص فعالیت های انسانی ; داده های بزرگ چند منبعی ؛ فرم فضایی ؛ تعامل فضایی

1. معرفی

ایجاد یک شهر پر جنب و جوش یکی از اهداف اساسی توسعه شهری است [ 1 ]. چگونگی ارزیابی مؤثر مفاهیم و مفاهیم انتزاعی سرزندگی شهری همواره مورد توجه شهرنشینان، جامعه شناسان و برنامه ریزان شهری بوده است. با توسعه علم اطلاعات مکانی و ظهور منابع داده جدید، تکنیک‌های تجزیه و تحلیل داده‌های بزرگ فضایی و GIS (سیستم اطلاعات جغرافیایی) برای ارزیابی کمی سرزندگی شهری به‌کار گرفته شده‌اند [2 ، 3 ] . با توجه به مطالعات قبلی [ 4 ، 5]، مورفولوژی شهری که توسط برخی از معیارهای فضایی کمی سازی شده است، می تواند برای استنتاج توابع شهری استفاده شود. شهرهای خوب معمولاً تعادلی از شکل شهری منظم و خوانا هستند [ 6 ]. از این رو، روش‌های ارزیابی کمی تفاوت‌ها را در ساخت و ساز شهری، طراحی فضایی، و توسعه شهری در یک شهر و در بین شهرهای مختلف ارزیابی می‌کنند [ 6 ، 7 ]. رابطه بین ویژگی های منظر و سرزندگی شهری نیز مورد بحث قرار گرفته است [ 8 و 9 ]. همه آنها نظرات مرجعی را برای برنامه ریزی شهری ارائه کرده اند. بر اساس مطالعات تئوری و بررسی میدانی، تعامل پویا بین انسان و فضای شهری منبع سرزندگی فضایی تلقی می شود [ 10] .]. با این وجود، مطالعه زندگی روزمره شهری (مانند تولید، زندگی خانه و سرگرمی) و روابط آن با سرزندگی شهری هنگام مواجهه با سیستم غول پیکر پیچیده شهری کافی نیست.
یک چارچوب تحلیل کمی ابزاری موثر برای ارزیابی سرزندگی شهری پس از اکتشاف و تمرین طولانی مدت در نظر گرفته می‌شود. با ساختن یک قاب، محققان به طور علمی و سیستماتیک ویژگی‌های توزیع صریح فضایی سرزندگی شهری را تجزیه و تحلیل می‌کنند و همچنین عوامل محرک ضمنی محیط زمین‌ساز را پیدا می‌کنند. با توجه به بررسی مرتبط، این مقاله چارچوب تحلیل سرزندگی شهری را در دو دسته زیر خلاصه می‌کند.
دسته اول به عنوان یک چارچوب اندازه گیری چند شاخص سنتز می شود. از یک مدل تصمیم گیری چند عاملی برای اندازه گیری سطح سرزندگی شهری استفاده می کند. معمولاً چندین شاخص مانند شدت فعالیت انسانی، وضعیت ساخت زیرساخت و سطح تخصیص منابع خدماتی در محاسبه دخالت دارند. جین و همکاران [ 6 ] یک مدل ارزیابی اتصالات، نقاط مورد علاقه، خدمات مبتنی بر مکان (JPL) برای ارزیابی شرایط ترافیکی (که توسط تقاطع‌های جاده‌ای نشان داده می‌شود)، عملکردهای شهری (توصیف‌شده با تعداد POI (نقطه مورد علاقه))، پیشنهاد کرده‌اند. و شدت فعالیت انسانی (تراکم جمعیت نشان داده شده توسط داده های LBS (سرویس مبتنی بر مکان)) برای شناسایی “شهر ارواح”. زنگ و همکاران [ 7] یک مدل تراکم، دسترسی، زیست پذیری و تنوع (DALD) برای ارزیابی توزیع فضایی صریح سرزندگی شهری طراحی کرد.
دسته دوم به عنوان یک چارچوب ارزیابی عملکرد محور خلاصه می شود. از مدل‌های تحلیل همبستگی برای مطالعه رابطه بین شدت فعالیت انسانی و شکل فیزیکی شهری استفاده می‌کند. برخی از محققان مجموعه ای از شاخص های کمی را برای تأیید نظریه تنوع سرزندگی شهری فرموله کردند [ 11 ، 12 ، 13 ]. مطالعات بیشتر از این چارچوب برای کشف ویژگی‌های مکانی یا مکانی-زمانی سرزندگی شهری و عوامل محرک آن استفاده کردند [ 14 , 15 , 16 , 17 , 18]. با توجه به تنوع محتوای فعالیت افراد، پژوهشگران سعی کرده اند این چارچوب را برای ارزیابی سرزندگی شهری در ابعاد مختلف گسترش دهند. لانگ و هوانگ [ 19 ] از داده‌های رسانه‌های اجتماعی، داده‌های بررسی کسب‌وکار و داده‌های قیمت خانه برای توصیف سرزندگی اقتصادی شهری استفاده کردند و اثرات بالقوه عوامل طراحی شهری مانند تراکم تقاطع، استفاده ترکیبی از زمین را بر سرزندگی اقتصادی شهری تجزیه و تحلیل کردند. هوانگ و همکاران [ 20 ] از تحلیل عاملی برای ارزیابی جامع عملکرد سرزندگی شهری بر اساس سه جنبه استفاده کرد: تراکم فعالیت اجتماعی، تراکم فعالیت اقتصادی و تراکم عابر پیاده. آنها همچنین شاخص های فرم فیزیکی را برای تجزیه و تحلیل عوامل مؤثر بر سرزندگی شهری ساختند.
اگرچه چارچوب‌های تحلیل فوق، سطح و نیروی محرکه سرزندگی شهری را اندازه‌گیری می‌کنند، اما هنوز مشکلاتی وجود دارد. اول، انواع مختلف فعالیت های انسانی به طور موثر طبقه بندی نشده اند. تراکم جمعیت بیشترین استفاده را برای سنجش فضایی سرزندگی شهری دارد. با این حال، نمی تواند تفاوت های محتوایی در فعالیت های انسانی را تشخیص دهد. به طور مشابه، تعداد بررسی‌ها و بررسی‌های تجاری نمی‌تواند منعکس کننده تفاوت توزیع فضایی حقیقت زمینی تعاملات انسان و زمین در شهر باشد. ثانیاً، پژوهش حاضر تنها تأثیر شکل‌دهی سرزندگی شهری را از منظر طراحی فرم فضای شهری تحلیل می‌کند. معمولاً با توصیف گونه‌شناسی شهری و بافت شهری با استفاده از منابع داده‌های جغرافیایی مختلف (LiDAR، سنجش از دور، شبکه خیابان) انجام می‌شود.21 ، 22 ، 23 ]. با این حال، مشارکت انسانی و رفتار اجتماعی به طور مداوم ارزش فضای شهری را تغییر می دهد. نظریه پل‌های اجتماعی استدلال می‌کند که ارتباط اجتماعی انسان (یعنی کار در مکان‌های نزدیک) برای افرادی که در جوامع مختلف زندگی می‌کنند «پل‌های اجتماعی» می‌سازد و بر انتخاب‌های رفتاری انسان تأثیر زیادی می‌گذارد [24] .]. بنابراین، تعامل دینامیک انسان و زمین باید یک جنبه مهم از تجزیه و تحلیل نیروی محرکه باشد. به ویژه در عصر فناوری اطلاعات و ارتباطات بسیار توسعه یافته (ICT) و دستگاه های تلفن همراه هوشمند پرکاربرد، نباید تأثیر فضای مجازی بر فعالیت های انسانی را نادیده گرفت. توضیح سیستم غول پیکر پیچیده شهری و مکانیسم عملکرد درونی آن تنها از بعد سطح فیزیکی ایستا ساخته شده شهری دشوار است.
در سال‌های اخیر، فعالیت‌های انسانی ردیابی کلان داده‌ها، مانند داده‌های تلفن همراه، داده‌های کارت هوشمند، و داده‌های ورود به شبکه‌های اجتماعی، توجه گسترده‌ای را به خود جلب کرده است. در مقایسه با نظرسنجی‌های مسافرتی خانوار، آنها از مزایای پوشش گسترده، دوره مشاهده طولانی و هزینه کم برخوردار هستند [ 25 ]. در میان این داده ها، داده های تلفن همراه برای نیازهای تحلیل شهری سناریوهای مختلف به دلیل مزایای سهم بالای کاربر، پوشش گروهی گسترده و به روز رسانی موقعیت نسبتاً پایدار مناسب هستند [26] .]. با این حال، مقابله با عیوب، مانند نمونه برداری پراکنده، دقت موقعیت یابی کم، و ناخالصی های زیاد، در ساخت فرآیند فعالیت انسان نیز به یک چالش تحقیقاتی مهم تبدیل شده است. مطالعات مرتبط نشان داده‌اند که انواع فعالیت‌های انسانی با مدل‌سازی فعالیت‌های گروهی به شدت با کاربری زمین مرتبط است [ 27 ، 28 ]. به طور کلی، فعالیت های خانوادگی عمدتاً در مناطق مسکونی اتفاق می افتد، در حالی که کار عمدتاً در اطراف مناطق اداری اتفاق می افتد. جیانگ و همکاران [ 29] دریافت که نوع فعالیت انسان یک تابع احتمال تحت شرایط فضا-زمان خاصی است. به این معنا که نوع فعالیت را می توان بر اساس زمان، زنجیره فعالیت در یک روز و موقعیت مکانی با ویژگی های کاربری خاص و ویژگی های تراکم جمعیت استنباط کرد. بر اساس این فرض، بسیاری از مطالعات مدل‌های احتمالی مانند مدل‌های نمودار احتمال نظارت شده و بدون نظارت را برای استنباط انواع فعالیت‌های افراد در ویژگی‌های مختلف فضای زمین ایجاد کرده‌اند. مدل نظارت شده دانش زمینه ای فعالیت های انسانی را از داده های نمونه فعالیت شخصی با برچسب های فعالیت، مانند پرسشنامه سفر خانواده [ 30 ] یا داده های ردیابی GPS [ 31] به دست می آورد.]. این مبنایی را برای حاشیه نویسی معنایی هدف فعالیت مکان تلفن همراه (نوع) فراهم می کند. مدل بدون نظارت، داده‌های فعالیت را با ایجاد قوانین رابطه و محدودیت‌های مربوط به فعالیت‌های انسانی و فضا-زمان خوشه‌بندی می‌کند. برای تشخیص انواع فعالیت کاربر، به تعداد زیادی الگوهای فعالیت مکرر متکی است. داده‌های تلفن همراه در مقیاس بزرگ منبع داده با کیفیتی را برای این شناسایی فعالیت بدون نظارت فراهم می‌کنند. این مطالعات یک پایه فنی مناسب برای کاوش در محتوای آشکار فضایی سرزندگی شهری ایجاد کرده است.
به طور خلاصه، توسعه داده‌های فضایی بزرگ، داده‌های ردیابی فعالیت‌های انسانی و فناوری داده‌کاوی الگوی جدیدی برای تحقیقات علمی فعلی شهری فراهم می‌کند. با این حال، چارچوب تحلیلی موجود نه تنها ترکیب فعالیت‌های انسانی را تحلیل نکرده است، بلکه از بررسی تأثیر تعامل انسان و زمین بر سرزندگی شهری نیز غافل شده است. این مقاله داده‌های بزرگ ناهمگن چند منبعی را برای ایجاد یک چارچوب ارزیابی کلی از عملکرد سرزندگی شهری و مکانیزم محرک داخلی آن بر اساس مدل‌سازی فعالیت انسانی ادغام می‌کند. هدف آن این است که درک جامع و منظمی از مفهوم سرزندگی شهری به ما بدهد. با توجه به بهترین درک ما از تحقیقات موجود، این چارچوب دو نوآوری زیر را ایجاد کرده است.
  • این یک چارچوب جدید برای تجزیه و تحلیل سرزندگی شهری از ساختارشکنی معنایی، با بیان صریح برای هدایت کاوش مکانیسم است. این چارچوب بر اساس مدل‌سازی فعالیت‌های انسانی، مفهوم سرزندگی شهری و عملکرد فضایی آن را در جنبه‌های اقتصادی و اجتماعی می‌سازد و نقشه‌برداری از انواع فعالیت‌های انسانی به سرزندگی شهری را محقق می‌کند. این تحلیل کاملتر و دقیقتر از تحلیل سنتی سرزندگی شهری بر اساس تراکم جمعیت و بخشی از جمعیت است.
  • چارچوب پیشنهادی به طور کامل از داده های بزرگ چند منبعی استفاده می کند و یک روش تحلیل شاخص درایو چند بعدی برای سرزندگی شهری ارائه می دهد. با توجه به تأثیر شکل‌دهی فضای مجازی و فضای اجتماعی بر سرزندگی شهری، می‌تواند مکانیسم محرک درونی سرزندگی شهری را از منظر ترکیب ارزش محیطی کالبدی شهری و ارزش فضایی تعریف‌شده توسط تعامل انسان و زمین بررسی کند.
چارچوب ما مفهوم نظری، فناوری کمی و بعد ارزیابی سرزندگی شهری را غنی می کند و روش شناسی ایجاد سرزندگی شهری را از منظری چند بعدی نشان می دهد. روشنگری خاصی در مورد چگونگی بهبود سرزندگی شهری و ترویج توسعه هماهنگ و پایدار شهرها ارائه می دهد. همانطور که روند جهانی شدن اقتصادی و شهرنشینی در سراسر جهان شتاب می گیرد، مرکز گرانش جهانی پویایی انسانی دائما در حال تغییر است. بر اساس تحقیقات جهانی شدن در دهه های اخیر [ 32 ، 33 ]، مراکز ثقل جهانی در حال حرکت به سمت شرق آسیا (به ویژه چین) هستند، همانطور که توسط تولید ناخالص داخلی، CO 2 بیان می شود.انتشار، جمعیت و جمعیت شهری. بنابراین، تحقیق در مورد شهرنشینی و اقدامات متقابل آن نیاز به نمونه های بیشتری از چین دارد. این مقاله منطقه شهری مرکزی نانجینگ، چین را به عنوان منطقه موردی برای تأیید امکان‌سنجی این چارچوب در نظر می‌گیرد. بر اساس کاوش مکانیسم محرک، ما استراتژی‌های ارتقای سرزندگی شهری را در هر دو جنبه اقتصادی و اجتماعی خلاصه می‌کنیم.
ادامه این مقاله به شرح زیر سازماندهی شده است. بخش زیر چارچوب مفهومی ارزیابی کمی سرزندگی شهری، الزامات داده‌ها و روش‌شناسی، منطقه مورد مطالعه و پیکربندی آزمایشی مورد استفاده در چارچوب ارزیابی را تشریح می‌کند. بخش‌های بعدی نتایج تجربی حوزه مورد مطالعه را معرفی می‌کند و سپس بحث و نتیجه‌گیری را دنبال می‌کند.
دوره-آموزش-حرفه-ای-gis

2. چارچوب مفهومی

تجمع فضایی فعالیت‌های انسانی تجلی مستقیم سرزندگی شهری است و این تجمع تفاوت‌های چشمگیری در توزیع فضایی و ترکیب دسته‌های فعالیت دارد [ 34 ، 35 ]. با توجه به ماهیت فعالیت انسان، این مطالعه نشاط شهری را به دو بعد نشاط اجتماعی و نشاط اقتصادی تقسیم می‌کند. نشاط اقتصادی با فعالیت های رفتاری فضایی مرتبط با تولید و مصرف انسانی مشخص می شود که نشان دهنده بهره وری و خلاقیت فضاهای مختلف شهری است. تضمینی ضروری برای بهبود کیفیت زندگی شهروندان است [ 36] و ساخت ویتا سیتی. نشاط اجتماعی برای انعکاس ویژگی های رفتار اجتماعی افراد از جمله زندگی در خانه، سرگرمی، آموزش و فعالیت های فرهنگی استفاده می شود. این نشان دهنده اشتیاق شهروندان برای مشارکت در زندگی اجتماعی شهری، زیست پذیری فضای شهری و قدرت نرم توسعه شهری است. ما نشاط اجتماعی را شرط لازم برای توسعه خوب و پایدار شهرها می دانیم. با توجه به افکار فوق، این مقاله یک چارچوب تحلیل و ارزیابی کلی ( شکل 1 ) برای سرزندگی شهری بر اساس شناسایی نوع فعالیت و ادغام داده های بزرگ چند منبعی پیشنهاد می کند.
همانطور که در پایین شکل 1 نشان داده شده است، سه نوع داده بزرگ، که شامل داده های موقعیت تلفن همراه، داده های بزرگ جغرافیایی و داده های اشتراک گذاری اینترنت است، به عنوان منبع داده برای مدل سازی فعالیت های انسانی و ارزیابی عوامل محرک استفاده می شود. سه مرحله اصلی کل فرآیند اندازه گیری و ارزیابی سرزندگی شهری را تشکیل می دهند که با برچسب های زرد شماره گذاری شده است.
قسمت 1 (برچسب زرد 1) روش سنجش سرزندگی شهری (برآورد) را نشان می دهد. فرآیند حرکت فرد را با استفاده از داده‌های تلفن همراه می‌سازد، و همچنین یک مدل استنتاج احتمالی برای شناسایی انواع فعالیت‌های انسانی و ترسیم آنها به دو جنبه، یعنی سرزندگی اقتصادی و نشاط اجتماعی، می‌سازد. سپس می توانیم ویژگی های فضایی خاص آنها را تحلیل کنیم. مدل سازی حرکت انسان و روش شناسایی نوع فعالیت در بخش 3.2.1.1 معرفی خواهد شد و روش نقشه برداری حیات در بخش 3.2.1.2 توضیح داده خواهد شد .
بخش 2 طراحی عوامل محرک سرزندگی شهری را در این چارچوب نشان می دهد. ما ده شاخص را برای برآورد مجزای جاذبه فضایی شهری از دو بعد محیط فیزیکی و اجتماعی طراحی می کنیم. بعد کالبدی شامل پنج شاخص ارزیابی محیط کالبدی شهری است. تراکم POI (PD)، غنای کاربری زمین (LR) و ترکیب کاربری زمین (LM) برای انجام ویژگی عملکردی شهری انتخاب شده اند که ارتباط نزدیکی با سرزندگی شهری در نظر گرفته می شود [1 ، 37 ] . تراکم ساختمان (BD) و دسترسی جاده (RA) برای ارزیابی ویژگی‌های فرم فضایی استفاده می‌شود. نظریه‌های مرتبط نشان می‌دهند که تمرکز کافی از ساختمان‌ها و اندازه بلوک‌های کوچک، افراد بیشتری را برای مشارکت در تعامل اجتماعی جذب می‌کند [ 12 ,37 ].
بعد اجتماعی که ویژگی های تعامل انسان و زمین را منعکس می کند، دیدگاه جدیدی است که توسط چارچوب ما ارائه شده است. به خصوص در عصر اطلاعات، زمانی که اینترنت موبایل و فناوری LBS رایج است، ارتباط فضاهای سه گانه (فضای فیزیکی، اجتماعی و اطلاعاتی) به طور فزاینده ای بزرگ می شود. بنابراین، انتخاب رفتار فعالیت های انسانی اغلب توسط اطلاعات شبکه هدایت می شود [ 38 ، 39]. ما شاخص های ارزیابی را برای تجزیه و تحلیل تعامل افراد بین فضای اجتماعی و فضای مجازی بر سرزندگی شهری تدوین می کنیم. این چارچوب ارزیابی کمی را از سه جنبه انتخاب می کند: توانایی انسان برای به دست آوردن و ایجاد ثروت با استفاده از شاخص های سطح حقوق (SL) و غنای شغلی (JR)، ظرفیت مخارج زندگی اجتماعی شهری با اتخاذ شاخص های سطح قیمت مسکن (HPL). و میانگین سطح قیمت (ACL)، و رضایت از خدمات زندگی شهری با اتخاذ شاخص محبوبیت کسب و کار (BP). روش محاسبه کمی شاخص های فوق در بخش 3.2.2 به تفصیل توضیح داده خواهد شد .
تحلیل رگرسیون فضایی میزان تأثیر تغییرات یک یا چند متغیر (متغیرهای توضیحی) را بر تغییرات متغیر دیگر (متغیر وابسته) با ساخت معادلات رگرسیون بین ویژگی‌های اشیاء فضایی اندازه‌گیری می‌کند. ما از فناوری تحلیل رگرسیون فضایی برای تجزیه و تحلیل همبستگی بین توزیع فضایی سرزندگی شهری و ویژگی‌های عوامل محرک استفاده می‌کنیم، همانطور که در قسمت 3 نشان داده شده است. برای مقایسه متغیر مستقل و متغیر وابسته تحلیل رگرسیون فضایی، یک شبکه یکنواخت منظم به عنوان واحد فضایی برای ارزیابی کمی فوق. روش مدل‌سازی GWR (رگرسیون وزن‌دار جغرافیایی) در بخش 3.2.3 توضیح داده خواهد شد .

3. مواد و روشها

3.1. داده ها

با توجه به چارچوب ما، ادغام داده های چند منبعی پایه فنی این مقاله است. داده‌های فعالیت انسانی، داده‌های بزرگ جغرافیایی، و داده‌های بزرگ مشارکت‌کننده اینترنت توسط واحدهای فضایی شهری ترکیب می‌شوند. آنها برای استخراج ویژگی های فعالیت های انسانی، ساخت و ساز فیزیکی و تعامل انسان و زمین در فضای شهری استفاده می شوند. ترکیب، استفاده، منبع و محتوای این داده ها در جدول 1 نشان داده شده است .

3.2. روش شناسی

3.2.1. شناخت فعالیت های انسانی و سنجش سرزندگی شهری

3.2.1.1. ساخت مدل شناسایی زنجیره ماندن شخصی و فعالیت رابطه ای
داده‌های فعالیت فضا-زمان انسان، مبنایی برای شناسایی فعالیت کاربر است. بنابراین، ما باید رکوردهای اصلی سیگنالینگ تلفن همراه را به داده های زنجیره فعالیت روزانه فردی تبدیل کنیم. برای داده های موقعیت یابی سلولی، روش آستانه سرعت ثابت کرده است که یک روش تشخیص ماندگاری موثر است که می تواند خطای مکانی-زمانی را کاهش دهد [ 29 ، 40 ]. قابل ذکر است که فیلتر بازگشتی بازگشتی در مقایسه با فیلتر ساده بازگشتی و فیلتر کالمن بهترین عملکرد را به دست آورد [ 41]]. با هدف ویژگی‌های ابهام فضایی و پراکندگی زمانی داده‌های موقعیت‌یابی تلفن همراه، از روش فیلتر بازگشتی پیش‌بینی برای شناسایی اقامت‌ها و ایجاد زنجیره‌های اقامتی فعالیت روزانه فردی استفاده می‌کنیم. در اینجا مراحل انجام می شود:
  • سازماندهی مجدد داده ها بر اساس IMSI (شناسه کاربر منحصر به فرد)، داده‌های موجودی سیگنال‌های اصلی به ترتیب زمانی به دنباله‌ای از نقاط مکان-زمان گسسته فعالیت روزانه کاربر تبدیل می‌شوند.
  • شناسایی زنجیره ماندن بسته به زمان، چندین رکورد متوالی در یک مکان در یک نقطه اقامت حاوی زمان ورود و خروج ادغام می‌شوند تا زنجیره توقف را تشکیل دهند. L. برای ارائه یک مبنای استنتاج کافی برای شناسایی نوع فعالیت، اقامت تک کاربر را برای کمتر از یک آستانه زمانی مشخص حذف می‌کنیم. Δتیاز زنجیره ماندن
  • فیلتر غیر عادی سرعت حرکت v(من)بر اساس فاصله بین آنها محاسبه می شود L(من)و L(من-1)و تفاوت زمان ورود اگر vمناز سرعت حرکت خطی طبیعی فعالیت انسان فراتر می رود vnorمترآل، فاصله بین L(من)و L(من+1)با فاصله بین مقایسه می شود L(من)و L(من-1). فیلتر رکورد فعالیت را دورتر از آن حذف می کند L(من+1)از زنجیره فعالیت
مطالعات موجود نشان داده اند که نوع فعالیت انسان معمولاً با ویژگی های نوع کاربری زمین مقصد ارتباط نزدیک دارد [ 29 ]. با این حال، عبور از ترکیب همه ویژگی‌های کاربری زمین و انواع فعالیت کاربر غیرعملی است و ویژگی‌هایی مانند زمان فعالیت نیز می‌تواند بر نوع فعالیت تأثیر بگذارد. لیائو، فاکس و کاوتز [ 42 ] یک چارچوب کلی تشخیص فعالیت تحت نظارت را پیشنهاد کردند که شبکه های مارکوف رابطه ای (RMNs) را گسترش می دهد [ 43]]. چارچوب آنها به طور جامع چهار جنبه از انواع فعالیت های یادگیری و استنباط را در نظر می گیرد، یعنی زمان، مکان، رابطه انتقال فعال مانند فعالیت “خانه” که به دنبال فعالیت “کار” و محدودیت های جهانی مانند تعداد خانه ها یا محل های کار است. بر این اساس، Widhalm و همکاران. [ 44 ] طرح رابطه ای را گسترش داد و روش یادگیری مبتنی بر انتظار-بیشینه سازی (EM) را پیشنهاد کرد، که با موفقیت به استنتاج نوع فعالیت بدون نظارت بر اساس مسیر فعالیت تلفن همراه دست یافت. این مطالعه مدل نمودار غیر جهتی را پیاده سازی می کند که نوع فعالیت کاربر را با تخمین احتمال خلفی مشترک شناسایی می کند. پr(ل،آ|پ،تی،δ،من)از نوع فعالیت و کاربری زمین {پ،تی،δ،من}از پrبه ترتیب سهم کاربری زمین، زمان شروع فعالیت، زمان سکونت و تعداد مکان‌های زنجیره ماندن را نشان می‌دهند که متغیرهای مشاهده الگوی گروه رابطه‌ای را تشکیل می‌دهند. لو آبه ترتیب انواع کاربری و فعالیت زمین را نشان می دهد. آنها متغیرهای نشانگر الگوی ارتباطی هستند.

در اینجا، ما چهار الگوی دسته متشکل از یک دسته توزیع نوع فعالیت، نوع کاربری زمین، دسته نوع فعالیت، دسته زمان و نوع فعالیت، و شاخصی که نشان می دهد فعالیت تنها در یک مکان منحصر به فرد (مانند “خانه”) انجام می شود را نمونه سازی می کنیم. تابع بالقوه هر دسته نشان دهنده بسامد وقوع متغیرهای تصادفی برای برآوردن شرایط آن است و همه دسته ها یک شبکه مارکوف گسترش یافته را تشکیل می دهند. جی. بر اساس تعریف فوق، توزیع احتمال مشترک (ل،آ)را می توان به صورت زیر نوشت:

Φ=پr(ل،آ|پ،تی،δ،من)∝[∏ج∈سی1(جی)ϕ1(آج)]×[∏ج∈سی2(جی)ϕ2(لج،آج،پل،ج)]×[∏ج∈سی3(جی)ϕ3(آج،تیج،δج)]×[∏ج∈سی4(جی)ϕ4(آج،rج)]،

جایی که ϕ1،⋯،ϕ4عملکرد بالقوه چهار الگوی دسته را نشان می دهد. ϕ1توزیع احتمال هر نوع فعالیت است، ϕ2نشان دهنده احتمال نسبت کاربری زمین است پلمنطقه تحت پوشش ایستگاه تلفن همراه و نوع فعالیت آبه احتمال نوع کاربری زمین مربوط می شود. ϕ3احتمال بین زمان ورود، مدت اقامت و نوع فعالیت را نشان می دهد. ϕ4یک محدودیت جهانی برای یک فعالیت خاص است (به عنوان مثال، یک موقعیت کاری به احتمال زیاد یک بار در روز بازدید می شود، در حالی که خانه تمایل دارد دو بار بازدید شود).

بر اساس تابع پتانسیل فوق، مدل رابطه مارکوف توسط الگوریتم EM آموزش داده شده است. هنگامی که توزیع Φهمگرا باشد، توزیع احتمال حاصل به عنوان ورودی برای علامت گذاری محتمل ترین نوع فعالیت برای اقامت هر کاربر استفاده می شود. همراه با تجربه عملی تحقیقات مرتبط [ 42 ، 44 ] و ویژگی‌های داده‌های نوع کاربری زمین در این منطقه مورد مطالعه، این تحقیق از این روش استنتاج فعالیت برای برچسب‌گذاری هفت نوع فعالیت زیر استفاده می‌کند: «خرید»، «کترینگ»، «کار»، «آموزش و فرهنگ»، «خانه»، «تفریح ​​یا مسافرت» و «سایر».
3.2.1.2. روش درونیابی فضایی برای تخمین توزیع سرزندگی شهری
در این مقاله، بر اساس حدس و گمان انواع فعالیت کاربر تلفن همراه، ویژگی‌های صریح فضایی سرزندگی شهری با دو مرحله زیر استخراج می‌شود:
ابتدا توزیع فضایی فعالیت‌های انسانی شهری را برآورد می‌کنیم. در حال حاضر، دو نوع متداول روش مورد استفاده در تخمین توزیع جمعیت، روشهای درونیابی فضایی و روشهای مدل آماری [ 45 ] است. در این میان از درونیابی منطقه ای برای حل مشکل ناسازگاری واحدهای آماری استفاده می شود. این روش واحد فضایی سرشماری را به واحد فضایی تحلیل واقعی تبدیل می کند، یعنی تبدیل از ناحیه مبدا به منطقه هدف [ 46]]. نتیجه تشخیص فعالیت نقطه اقامت که قبلاً به دست آمده است به عنوان آمار فراوانی فعالیت های مختلف در یک منطقه بافر خاص از موقعیت اقامت کاربر در نظر گرفته می شود. با این حال، واحد آماری توزیع فعالیت های انسانی یک واحد شبکه منظم است. همانطور که در شکل 2 نشان داده شده است، یک روش درون یابی وزن منطقه را برای تبدیل فرکانس فعالیت کاربر نقاط ماندن به توزیع شدت فعالیت یک واحد آماری شبکه مربوطه طراحی می کنیم . شدت فعالیت به عنوان نسبت فراوانی فعالیت های مختلف به مساحت واحد شبکه فضایی محاسبه می شود.
سپس، توزیع فضایی سرزندگی شهری با تعریف رابطه نقشه برداری بین نوع فعالیت و سرزندگی تعیین می شود. در اینجا ما رابطه نگاشت بین نوع فعالیت و سرزندگی را بر اساس تعریف سرزندگی اقتصادی و نشاط اجتماعی و ماهیت نوع فعالیت انسانی بر اساس چارچوب تحلیل سرزندگی شهری ما شرح می دهیم. نتایج رابطه نگاشت در جدول 2 نشان داده شده است . نشاط اقتصادی از طریق فعالیت‌های اقتصادی انسان بیان می‌شود و فعالیت‌های اقتصادی روزانه مردم با فعالیت‌های خرید مصرف‌کننده و فعالیت‌های تولیدی به‌عنوان تولیدکننده مشخص می‌شود و منافع مستقیمی برای رشد و توسعه اقتصادی شهری دارند [47] .]. به طور خاص، مدل‌سازی فعالیت، فعالیت‌های خرید و پذیرایی را به‌عنوان فعالیت‌های مصرفی خلاصه می‌کند و فعالیت کاری با فعالیت تولیدی مطابقت دارد – آنها با هم نشاط اقتصادی شهر را تشکیل می‌دهند. ساختن یک محیط شهری قابل زندگی و فضاهای عمومی باز، ارتقای تعامل اجتماعی مردم و ادغام آنها در زندگی شهری یک جنبه ضروری از سرزندگی شهری است [ 1 ، 10 ]. مشارکت در فعالیت‌های تفریحی، فعالیت‌های فرهنگی و آموزشی و زندگی خانوادگی نشان‌دهنده زندگی اجتماعی شهری است، بنابراین نشاط اجتماعی را ترسیم می‌کنند. علاوه بر این، فعالیت “سایر” نیز در نشاط اجتماعی ادغام شده است. این نشان دهنده انواع دیگری از فعالیت ها است، مانند افرادی که در خیابان راه می روند.
3.2.2. محاسبه کمی از عوامل تاثیر حیاتی
پس از جمع‌آوری و پردازش داده‌های بزرگ فضایی GIS و داده‌های بزرگ مشارکت‌کننده اینترنت، این مقاله ده شاخص محرک بالقوه سرزندگی شهری را ساخته و کمیت می‌کند. این شاخص ها ارزش زمین دو بعدی محیط فیزیکی ساخته شده زمین شهری و ویژگی های تعامل انسان و زمین را ارزیابی می کنند. معنی و محاسبه شاخص ها در جدول 3 نشان داده شده است .
در سه فرمول اول، پمننسبت i- امین نوع POI برای کل رکوردهای POI است، nتعداد کل نوع POI است، نتومترمنتعداد هر نوع POI است و آمساحت هر پچ (واحد تحلیل فضایی) است. شاخص LM برای نشان دادن نظم نوع کاربری زمین و کمیت آن استفاده می شود – هر چه مقدار بیشتر باشد، نوع زمین مرتب تر است، در حالی که برعکس، مقدار کمتر به معنای بی نظمی و تصادفی است. ساعتمنو آمندر معادله (4) ارتفاع کف و مساحت کف را نشان می دهد من-ام ساختمان اچنشان دهنده بالاترین ارتفاع طبقه در منطقه مورد مطالعه است و آمساحت یک واحد آماری را نشان می دهد.
برای شاخص‌های بعد تعامل انسان و زمین (پنج شاخص آخر در جدول 3 )، از روش درونیابی کریجینگ معمولی (OK) برای تخمین توزیع مکانی شاخص‌های تحلیل استفاده می‌شود. نقاط نمونه جمع‌آوری‌شده از وب‌سایت‌های مرتبط برای تخمین توزیع مکانی شاخص‌های تحلیلی که به‌عنوان داده ورودی استفاده می‌شوند، استفاده می‌شوند. من(v)یک طرح معادله کلی برای تخمین فضایی است همانطور که در رابطه (7) نشان داده شده است کروش درونیابی OK است، rآدمنتوسشعاع جستجو است، پتیستعداد مشخصی از نقاط نمونه گیری ورودی است و آمنمساحت است منواحد تجزیه و تحلیل BP و APL منعکس کننده گرمای مصرف و سطح مصرف در مناطق مختلف شهری هستند و کیفیت خدمات زندگی را منعکس می کنند. سطح شاخص SL منعکس کننده خلاقیت اقتصادی هر منطقه است و میانگین حقوق هر شرکت به عنوان حذف پاداش بالاترین و پایین ترین موقعیت ها و محاسبه میانگین ارزش داده های بازه دستمزد باقی مانده تخمین زده می شود، معادله را ببینید. joبهدر (9). شاخص JR منعکس کننده تقاضا و جذابیت استعدادها در هر منطقه است و با تعداد مشاغل ارائه شده توسط هر شرکت نشان داده می شود (به معادله (10) مراجعه کنید). در معادلات (9) و (10) jمنمیانگین حقوق برای من-ام موقعیت از هشرکت، پروژه، nتومترمنتعداد افراد استخدام شده برای این موقعیت است، nهمه موقعیت های از هشرکت، و jنشان دهنده میانگین مجموعه حقوق است هشرکت، پروژه. شاخص HPL ارزش بنیادی فضای شهری را نشان می دهد. سطح قیمت مسکن نه تنها با موقعیت مکانی مرتبط است بلکه نشان دهنده ظرفیت مصرف یک منطقه است.
3.2.3. تحلیل رگرسیون فضایی سرزندگی شهری

مدل سازی رگرسیون یک تکنیک تجزیه و تحلیل داده های آماری است. ابزار مؤثری برای درک رابطه بین متغیرهای مستقل و متغیرهای توضیحی در اختیار ما قرار می دهد. تکنیک های تحلیل رگرسیون چندگانه با موفقیت در تحقیق شبیه سازی پدیده فیزیکی [ 48 ]، مدل سازی عوامل رشد جمعیت و مکان مکانی [ 49 ، 50 ، 51 ]، برازش و پیش بینی روند نوسانات اقتصادی [ 52 ] و تحقیقات گردشگری [ 53 ، استفاده شده است . 54 ]. مدل رگرسیون فضایی با موفقیت برای مطالعه همبستگی بین سرزندگی شهری و ویژگی‌های کاربری زمین استفاده شده است [ 11]، 19 ]. با این حال، مدل حداقل مربعات معمولی (OLS) برای تحلیل ویژگی‌های جهانی مناسب است و غیرایستایی فضایی را در نظر نمی‌گیرد. اگر داده ها از نظر مکانی وابسته باشند و نادیده گرفته شوند، اغلب نتایج گمراه کننده ای ایجاد می کنند [ 55 ]. از آنجایی که ویژگی های توزیع فضایی عوامل محرک سرزندگی مختلف همیشه تفاوت های قابل توجهی را نشان می دهد، تأثیر عوامل مختلف بر سرزندگی شهری نیز در مناطق متعدد متفاوت خواهد بود. برای آشکار کردن حالت محرک سرزندگی شهری محیط ساخته شده شهری و تعامل بین انسان و فضای شهری، مدل رگرسیون خطی محلی، مدل GWR را اتخاذ می‌کنیم که پارامترهای خود همبستگی فضایی را به عنوان روش مدل‌سازی در نظر می‌گیرد. شکل ریاضی مدل GWR به صورت زیر است:

yمن=β0(تومن،vمن)+∑ک=1پβک(تومن،vمن)ایکسمنک+εمن،

جایی که yیک مشاهده متغیر وابسته است و (تومن،vمن)مختصات نقطه مشاهده است من. β0ضریب رگرسیون نقطه i است که نشان دهنده میزان تأثیر آرگومان بر متغیرهای وابسته است. پتعداد متغیرهای مستقل است، ایکسمنکنشان دهنده ارزش ک-امین متغیر مستقل موقعیت من، و βکهست ک-امین ضریب رگرسیون از من-نقطه εمننشان دهنده یک خطای تصادفی است که یک تابع توزیع نرمال با واریانس ثابت است.

در اینجا، نشانگر رانندگی ساخته شده در بخش 3.2.2 به عنوان متغیر توضیحی در نظر گرفته شده است ایکسمنو نشاط اقتصادی شهری و شدت سرزندگی اجتماعی برآورد شده در بخش 3.2.1.2 به عنوان متغیر وابسته استفاده می شود. yمن. علاوه بر این، این مقاله ایده تحلیل رگرسیون اکتشافی را اتخاذ می‌کند و ما سعی می‌کنیم مدل GWR سرزندگی اقتصادی شهری و سرزندگی اجتماعی را با استفاده از ترکیب‌های مختلف متغیرهای توضیحی بسازیم. پس از ساخت موفقیت‌آمیز مدل، شاخص‌های تشخیصی مانند مربع‌های باقی‌مانده، AICc، R2 و R2 تنظیم‌شده خروجی خواهند شد تا عملکرد مدل را منعکس کنند. هرچه مقدار AICc کمتر باشد و R2 به 1 نزدیکتر باشد، نتیجه برازش بهتری دارد. سپس مدل تحلیل بهینه را با توجه به ضریب تشخیصی بدست می آوریم. در نهایت، مدل بهینه به سؤالاتی در مورد اینکه چه عواملی در نشاط اقتصادی شهری و نشاط اجتماعی نقش دارند و نحوه عملکرد آنها پاسخ خواهد داد.

4. مطالعه موردی منطقه و طراحی تجربی

4.1. منطقه مطالعه موردی و داده های تجربی

نانجینگ یک ابرشهر در خوشه شهر دلتای رودخانه یانگ تسه است که اقتصادی ترین مرکز تخصیص منابع حیاتی چین است. وسعت نانجینگ پس از شانگهای در این خوشه شهری در رتبه دوم قرار دارد. ما منطقه اصلی شهری نانجینگ (طبق طرح جامع نانجینگ 2011-2020) را به عنوان منطقه مورد مطالعه خود انتخاب می کنیم. این منطقه در یک منطقه شهری با Xinjiekou CBD (منطقه تجاری مرکزی) به عنوان هسته واقع شده است. این یک منطقه بسیار شهری است که در آن جمعیت و عملکردهای شهری جمع می شوند. بنابراین، تجسم سرزندگی شهری و مکانیسم شکل‌گیری شهرنشینی را می‌توان به طور کامل در اینجا منعکس کرد. موقعیت جغرافیایی، تقسیمات اداری و توزیع ناحیه تجاری منطقه مورد مطالعه در شکل 3 نشان داده شده است . با توجه به چارچوب ارزیابی سرزندگی شهری پیشنهاد شده دربخش 2 ، داده‌های بزرگ جغرافیایی، داده‌های تلفن همراه، و داده‌های بزرگ مشارکت‌کننده اینترنت به‌عنوان داده‌های تحقیق به‌دست می‌آیند. توضیحات خاص آنها در جدول 4 به تفصیل آمده است .

4.2. تنظیمات پارامتر آزمایشی

برای تسهیل بیان ویژگی‌های فضایی و تحلیل همبستگی سرزندگی شهری، منطقه مورد مطالعه را به شبکه‌های 200*200 متر به عنوان واحدهای تحلیل فضایی با در نظر گرفتن خطای مکانی داده‌های مکان تلفن همراه تقسیم می‌کنیم. vnorمترآلبا توجه به میانگین سرعت پیاده روی عابر پیاده و آستانه زمانی یک اقامت، روی 5.43 کیلومتر در ساعت تنظیم شد. Δتی= 15 دقیقه از آنجایی که توقف های فردی ممکن است در سراسر شهر پخش شوند، برچسب نوع فعالیت زنجیره اقامت کاربر به کل شهر نانجینگ گسترش می یابد. همزمان با توجه به توزیع غیریکنواخت ایستگاه های پایه در فضا، این مقاله مناطق حایل 250 و 500 متری را برای ایستگاه های پایه در مناطق شهری و خارج از شهر ایجاد می کند. سپس، نسبت انواع POI در هر منطقه بافر را به عنوان ضریب احتمال محاسبه می کند پل. درونیابی فضایی شاخص تعامل انسان و زمین از نیم‌واریوگرام گاوسی با نقطه جستجو 10 و حداکثر شعاع جستجو 1 کیلومتر استفاده می‌کند.

4.3. آموزش مدل احتمال استنتاج انواع فعالیت

قبل از استفاده از مدل شناسایی فعالیت برای حدس زدن در مورد نوع فعالیتی که کاربر در آن باقی می ماند، باید احتمال قبلی را برای مدل مقداردهی کنیم. ϕ1به عنوان یک توزیع یکنواخت مقداردهی اولیه می شود. دانش قبلی برای تنظیم همبستگی بین کاربری زمین و نوع فعالیت برای مقداردهی اولیه استفاده می شود ϕ2. با توجه به قدرت همبستگی، به سه سطح وزنی 1-10-1000 تقسیم می شود – هر چه سطح بالاتر باشد، همبستگی قوی تر است (به عنوان مثال، نوع فعالیت “خانه” به احتمال زیاد با نوع کاربری زمین مطابقت دارد. “محل اقامت”)، و آنها را به نسبت 1 نرمال کنید، به طوری که مجموع احتمالات همه انواع فعالیت ها 1 باشد. ϕ3از دو بخش تشکیل شده است: زمان شروع wتیو مدت اقامت wسنقشه برداری با فعالیت های مختلف به سه سطح 1-10-100 تقسیم می شود و مقدار بالاتر نشان دهنده امکان بیشتر درگیر شدن در چنین فعالیت هایی در آن لحظه و ماندن است. یک را می سازیم wتی×wسماتریس برای مقداردهی اولیه پ(آ|تی،δ). ϕ4برای تعیین محدودیت های جهانی برای فعالیت های خاص استفاده می شود. اگر فعالیت فردی برگردانده شده باشد، احتمال اینکه نوع فعالیت “خانه” باشد 1 و احتمال اینکه نوع فعالیت خارج از “خانه” باشد 0.5 است.
پس از استفاده از پارامترهای اولیه اولیه و زنجیره فعالیت روزانه 20000 کاربر به عنوان نمونه آموزشی، ما با موفقیت یک مدل استنتاج فعالیت را ساختیم. پس از 36 تکرار، مدل همگرا است. نوع فعالیت 13,248,925 اقامت در نهایت با میانگین تعداد توقف روزانه برای هر کاربر 3.63 شناسایی شد. همانطور که در شکل 4 الف نشان داده شده است، “کار” بیشترین سهم از فعالیت های افراد را به خود اختصاص می دهد و پس از آن “خانه” و کمترین نسبت انواع فعالیت ها را “آموزش و پرورش” و “کترینگ” اشغال می کنند. دلیل این امر این است که از داده‌های معمولی روزهای کاری به‌عنوان منبع داده استفاده می‌شود، و وعده‌های غذایی کمتری در خارج از خانه در روزهای هفته وجود دارد. کاربران تلفن همراه عمدتاً گروه های بزرگسال هستند، نسبت فعالیت های آموزشی و فرهنگی کم است. علاوه بر این، شکل 4b توزیع احتمال مشترک بین کاربری زمین و انواع فعالیت را نشان می دهد. این نشان دهنده توزیع کاربری زمین در منطقه مورد مطالعه است. نوع زمین خدمات زندگی و شرکت سهم نسبتاً بالایی را به خود اختصاص می دهد و عمدتاً به فعالیت های “کار” و “خانه” ترسیم می شود.
دوره-آموزش-حرفه-ای-gis

5. نتایج

5.1. ویژگی های صریح فضایی سرزندگی شهری

بر اساس نتایج شناسایی فعالیت در بخش 4.3 ، روش درونیابی وزن منطقه برای تخمین شدت سرزندگی اقتصادی و شدت سرزندگی اجتماعی هر واحد تحلیلی با توجه به رابطه نقشه‌برداری بین نوع فعالیت و سرزندگی شهری استفاده می‌شود. همانطور که در شکل 5 نشان داده شده استI,II, بیشتر مناطق با نشاط اقتصادی بالا در ناحیه مرکزی متمرکز شده اند. توزیع آنها ساختار حلقه ای را از داخل به خارج ارائه می دهد. سرزندگی اقتصادی Xinjiekou CBD و مناطق مجاور آن، مانند جاده Huaihai و Huaqiao، بالاترین میزان است. پس از آن یک منطقه تجاری مانند جاده گوانگژو و جاده هونان قرار دارد. نشاط اقتصادی مناطق تجاری بیرونی که با رنگ آبی پر شده اند نسبتا کم است. اگرچه منطقه تجاری Aoti منطقه مالی Hexi CBD را پوشش می دهد، سطح سرزندگی کلی آن کاهش یافته است که تحت تأثیر منطقه پوشش گسترده آن قرار گرفته است. همانطور که از شکل 5 مشاهده می شودIII، IV، توزیع فضایی سرزندگی اجتماعی نسبتاً پراکنده تر است و دامنه مناطق با حیاتی بالا نسبتاً بزرگ است. به عنوان مثال، منطقه تجاری Sanpailou و Hanzhongmen دور از Xinjiekou CBD به بالاترین سطح سرزندگی تبدیل می شوند، در حالی که از نظر سرزندگی اقتصادی در سطح دوم هستند. این در حالی است که سطح بالاتری از نواحی نشاط اجتماعی در منطقه شمال نسبت به منطقه جنوب بیشتر است. منطقه خال‌خالی نارنجی در شکل 5 ، منطقه‌ای با حیات کم است که توسط کوه‌ها و دریاچه‌ها مسدود شده است. در مقابل، منطقه نقطه‌دار Pink Ginger یک منطقه سرد پر جنب و جوش به دلیل پراکندگی عملکرد شهری است (تراکم POI مرجع، شکل 6 a-4).
نتایج فوق نشان می دهد که منطقه مرکزی بر توسعه اقتصادی شهری حاکم است و خلاقیت تولید زیادی را به شهر کمک می کند. مناطق نشاط اقتصادی در سطح بالا نسبت به مناطق نشاط اجتماعی از گرمای بیشتری برخوردار هستند. علاوه بر این، توزیع نشاط اجتماعی عمدتاً منعکس کننده الگوی زندگی، اوقات فراغت و فضای تفریحی مردم است.

5.2. نتایج کمی شاخص های تاثیر حیاتی

نتایج کمی شاخص‌های محیطی ساخته‌شده فیزیکی و شاخص‌های تعامل انسان و زمین در شکل 6 نشان داده شده‌اند . برای مقایسه، نتایج ارزیابی با روش طبقه بندی شکست های طبیعی به پنج سطح تقسیم می شوند.
مطابق شکل 6a-1 تا a-5، مشخص شده است که RA و BD عمدتاً در بازه عددی میانی متمرکز هستند و دسترسی به ترافیک مناطق بزرگ در مناطق مرکزی و غربی منطقه مورد مطالعه نسبتا راحت است (a-1، a -2). در عین حال، توزیع فضایی تراکم ساختمانی متوسط ​​و بالا یکنواخت تر است (a-2). تمایز فضایی PD نسبتا برجسته تر است. ناحیه مرکزی یک ناحیه با غلظت PD بالا (a-4) است. در مقابل، منطقه پیرامونی دارای ارزش کمتری است، که منعکس کننده ویژگی های توابع شهری است که از مرکز به اطراف تابش می کند. دو شاخص باقیمانده (a-3، a-4)، به ویژه مقدار متوسط ​​و بالا LM، بیشتر منطقه مورد مطالعه را پوشش می دهد، که نشان می دهد تنوع عملکردی شهری در اکثر مناطق نسبتا کامل است.
در شکل 6 b-1 تا b-5، منطقه محبوبیت تجاری بالا (BP) عمدتا در مرکز شهری (b-3) توزیع شده است، در حالی که منطقه سطح مصرف شهری بالا (ACL) نزدیک به مناطق زیبای توریستی اطراف است. و منطقه مرکز مالی Hexi (b-1). با توجه به توزیع شاخص‌های SL و JR (b-2، b-4)، فرصت‌های شغلی شهری و پرداخت حقوق و دستمزد اغلب به صنعت مربوط می‌شود. دستمزد کارکنان در فناوری و صنایع مالی معمولاً نسبتاً بالا است و در مناطق مرکزی و جنوبی شکل 6 متمرکز شده است.ب-2. فرصت های شغلی با اندازه بنگاه ها و انباشت صنایع مرتبط است. شرکت‌های گروهی در مقیاس بزرگ و پارک‌های صنعتی تقاضای بالایی برای استعدادها دارند و تعداد زیادی از جمعیت را جذب می‌کنند و توزیع فضایی در این منطقه مورد مطالعه پراکنده‌تر است (b-4). در مقابل، تداوم فضایی قیمت مسکن شهری قوی است و مناطق پرارزش قیمت مسکن در منطقه مورد مطالعه، عمدتاً مناطق شهری مرکزی و مناطق هگزی هستند که ارتباط تنگاتنگی با منابع آموزشی باکیفیت شهر مرکزی دارند. مناطق و توسعه اقتصادی پیشرو در منطقه Hexi (b-5).
برای جلوگیری از مشکلات چند خطی با متغیرهای توضیحی متعدد، این مقاله با محاسبه شاخص تورم‌های عامل واریانس (VIF) امکان وجود متغیرهای توضیحی اضافی را حذف می‌کند. به طور کلی، زمانی که VIF کمتر از 10 باشد، چند خطی وجود ندارد. پس از تأیید، مشخص شد که PT و LM دارای VIF بیشتر از 10 در تشخیص رگرسیون خطی با سرزندگی اقتصادی و نشاط اجتماعی هستند. بنابراین، ما PT را حذف می کنیم تا VIF کمتر از 10 باشد. علاوه بر این، مدل سازی GWR به همبستگی خودکار مکانی متغیرها نیاز دارد و از شاخص موران I [ 57] استفاده می کنیم.] برای آزمایش خود همبستگی فضایی متغیرهای وابسته قبل از ساخت مدل GWR. پس از بررسی، مقادیر Moran’s I برای سرزندگی اقتصادی و نشاط اجتماعی به ترتیب 85/0 و 80/0 است. این نشان می دهد که یک تجمع فضایی از ارزش های مشابه و مقادیر متفاوت در شدت سرزندگی شهری وجود دارد.
این مقاله شدت سرزندگی اقتصادی و شدت سرزندگی اجتماعی را به عنوان متغیرهای وابسته در نظر گرفته است. از ترکیب های متعددی از شاخص های زیست محیطی ساخته شده فیزیکی و شاخص های ارزیابی انسان-زمین به عنوان متغیر توضیحی برای ساخت مدل GWR استفاده می کند. نتایج ساخت مدل به تفصیل در جدول 5 آمده است. با توجه به شاخص‌های تشخیصی نتایج مدل‌سازی، مدل‌هایی که با ستاره در جدول مشخص شده‌اند (مانند PEM3* و PSM3*) عملکرد بهتری نسبت به مدل‌های بدون علامت (مانند PEM4 و PSM4) دارند. بنابراین، معلوم می شود که هر چه متغیرهای توضیحی بیشتری وجود داشته باشد، اثر مدل سازی بهتر است. ترکیبات متغیرهای مناسب می توانند مکمل یکدیگر باشند و مدل رگرسیون را وادار کنند تا با بیشترین میزان تغییر در متغیر وابسته مطابقت داشته باشد. در نهایت، این مطالعه مدل‌های تحلیل رانندگی PEM(PEM3*)، HEM(HEM3*) را برای سرزندگی اقتصادی، و مدل‌های تحلیل رانندگی PSM(PSM3*)، HSM(HSM3*) را برای سرزندگی اجتماعی از دو بعد می‌سازد: شاخص‌های تحلیل فیزیکی. و شاخص های تعامل انسان و زمین. نتایج مدلسازی در جدول 6 و جدول 7 نشان داده شده است، به ترتیب.

6. بحث

6.1. چه چیزی و چگونه متغیرهای توضیحی نشاط اقتصادی شهری یا نشاط اجتماعی را تحریک می کنند؟

توزیع فضایی هر ضریب متغیر توضیحی مدل رانندگی نشاط اقتصادی PEM، HEM و مدل رانندگی نشاط اجتماعی PSM، HSM در شکل 7 نشان داده شده است . با ترکیب نتایج مدل‌سازی GWR و شکل 7 ، می‌توانیم نتایج زیر را خلاصه کنیم.
اول، مهم ترین متغیرهای محیط فیزیکی موثر بر سرزندگی اقتصادی و اجتماعی شهری RA، PD، LM هستند. شاخص LM بیشترین تأثیر را دارد (انحراف استاندارد ضریب LM بزرگترین است که به ترتیب 2.4757 و 2.5013 است). در مقابل، BD هیچ اثر محرکه قابل توجهی بر سرزندگی شهری در این منطقه مورد مطالعه ندارد (همانطور که در جدول 5 نشان داده شده است، PEM4 و PSM4 تفسیر سرزندگی شهری را پس از افزودن شاخص BD کاهش می دهند). میانه های سه ضریب متغیر توضیحی محیط فیزیکی مدل های PEM و PSM همگی مثبت هستند. این نشان می دهد که دسترسی برتر حمل و نقل شهری (شکل شهری)، امکانات منابع خدماتی کافی، و کاربری مخلوط (عملکرد شهری) شرایط لازم برای تحریک نشاط اقتصادی و اجتماعی شهری هستند. آنها تضمینی ضروری برای تشکیل کیفیت فضای خوب و عملکرد کامل فضا هستند. علاوه بر این، عملکرد برجسته متغیر LM بر سرزندگی شهری ثابت می‌کند که تخصیص منابع خدماتی کامل و متوازن یک جلوه اساسی از بلوغ توسعه عملکرد شهری منطقه‌ای است. این منطبق با نتایج تحقیق است [ 19، 58 ] در مورد عوامل محرک فیزیکی نشاط شهری. تفاوت این مقاله با هوانگ و همکاران. [ 20 ] این است که تحقیقات آنها عدم ایستایی فضایی را در نظر نگرفته است، و آنها BD و PD را به عنوان دو عامل مهم نشاط شهری ذکر کرده اند. با این حال، نتایج مدل‌سازی GWR در این مقاله نشان می‌دهد که BD دارای چند خطی موضعی با سایر شاخص‌های رانندگی است. این ممکن است برای سرزندگی شهری در عوض با شاخص های دیگر مانند PD توضیح داده شود.
دوم، سه شاخص JR، BP، و ACL قوی‌ترین درجه توضیحی را برای مدل‌سازی سرزندگی اقتصادی و سرزندگی اجتماعی از نظر بعد تعامل انسان و زمین دارند. در مقابل، اثر محرک HPL بر سرزندگی شهری قابل توجه نیست. این نشان می دهد که اشتغال ساکنان و بررسی های آنلاین تأثیر قابل توجهی بر زندگی مدرن شهری دارد. علاوه بر این، با مقایسه انحراف معیار همه شاخص‌ها، مشخص شد که شاخص JR دارای بیشترین دامنه تغییرات در سرزندگی شهری و BP کمترین دامنه تغییرات را دارد. این نشان می دهد که نه تنها نشاط اقتصادی به طور مستقیم تحت تأثیر فرصت های شغلی فراوان است، بلکه مردم انتظار دارند محل سکونت آنها تا حد امکان به مناطق دارای فرصت های شغلی فراوان نزدیک باشد و در نتیجه فاصله رفت و آمد را کاهش دهد. در همین حال، مصرف کم (مقدار متوسط ​​ضریب نشاط اقتصادی ACL کمتر از 0 است) و فرصت های شغلی کافی شرایط مساعدی برای فعال سازی نشاط اقتصادی شهری است. نشاط اجتماعی بیشتر تحت تأثیر بررسی های آنلاین قرار می گیرد (مقدار ضریب ACL سرزندگی اجتماعی بالاتر از نشاط اقتصادی است) و مکان های خدمات زندگی محبوب زندگی اجتماعی افراد را به شدت جذب می کند.
سوم، تأثیر شاخص‌های مختلف بر سرزندگی شهری ناهمگونی فضایی ظاهری دارد. همانطور که در ردیف اول و سوم شکل 7 می بینیم ، RA و LM بیشترین تاثیر را بر سرزندگی اقتصادی در ناحیه مرکزی منطقه اصلی شهری نانجینگ دارند، در حالی که اثرات PD جهانی تر است. برخلاف نشاط اقتصادی، نشاط اجتماعی توسط مزایای ترافیکی (RA) در ناحیه مرکز شهری تضعیف می‌شود، در حالی که تأثیر PD و LM تقویت می‌شود. از جنبه دیگر، همانطور که در ردیف دوم و آخر شکل 7 نشان داده شده استJR یک اثر محرک فضایی کلی بر اقتصاد شهری و نشاط اجتماعی دارد. در مقابل، ACL با سرزندگی شهری همبستگی منفی بیشتری دارد و ضریب BP منطقه مربوطه بیشتر مثبت است. به طور کلی، شرایط ترافیکی خوب و اجاره‌های معقول نه تنها تعداد زیادی از شرکت‌ها و مشاغل را جذب می‌کند و فرصت‌های شغلی بیشتری ایجاد می‌کند، بلکه راحتی و زندگی را افزایش می‌دهد. در این میان، مردم بیشتر اوقات آرزوی خدمات کم مصرف و با شهرت دارند.

6.2. چگونه نشاط اقتصادی و نشاط اجتماعی شهری را افزایش دهیم؟

مناطقی که بیشترین شدت نشاط اقتصادی و اجتماعی را دارند به ترتیب به عنوان مناطق با سرزندگی بالا استخراج می شوند. توزیع آماری هر نشانگر رانندگی در مناطق با سرزندگی بالا در شکل 8 نشان داده شده است . بر اساس تجزیه و تحلیل ویژگی های آماری شاخص های محرک در این مناطق، نتایج زیر در مورد چگونگی بهبود موثر نشاط اقتصادی و اجتماعی شهری خلاصه می شود.
(1) استراتژی های بهبود سرزندگی اقتصادی. از منظر فضای کالبدی، مناطق با نشاط اقتصادی شهری بیشتر از نشاط اجتماعی متمرکز هستند. سرزندگی اقتصادی بالا با تراکم جاده و ترکیب کاربری زمین همبستگی مثبت قوی دارد. هرچه ترکیب زمین بیشتر باشد، سرزندگی قوی‌تر است و تراکم جاده را می‌توان در محدوده مناسب (94-380 گره/کیلومتر مربع ) حفظ کرد.در منطقه مورد مطالعه ما). سرزندگی اقتصادی و چگالی POI از نظر فضا و ارزش به صورت خطی مرتبط هستند. هر چه به منطقه مرکزی نزدیکتر باشد، تراکم PD بیشتر و نشاط اقتصادی تأثیرگذارتر است. از منظر تعامل انسان و زمین، همبستگی مثبت بین سرزندگی اقتصادی شهری، فرصت های شغلی (JR) و اشتیاق کسب و کار (BP) نسبتاً معنی دار است. ارتباط مثبت بین BP و ACL در ناحیه مرکزی شهری نسبت به مناطق پیرامونی تأثیرگذارتر است. این نشان می دهد که فرصت های شغلی زیاد و مصرف کم با عملکرد نشاط اقتصادی شهری ارتباط مستقیم دارد و منطقه مرکزی شهری به فرصت های شغلی بیشتر و خدمات تجاری با کیفیت بالا (برای جذب گروه های مصرف کننده بیشتر) نیاز دارد. با وجود کاهش سطح خدمات در مناطق اطراف،
(2) راهبردهای ارتقای نشاط اجتماعی. منطقه با نشاط اجتماعی بالا نسبتاً پراکنده است و ناهمگونی فضایی نسبتاً کم است. یعنی برای بهبود نشاط اجتماعی شهری به کیفیت فضا و خدمات اجتماعی متعادل تری نیاز است. برای محیط فیزیکی، دسترسی فضایی بهتر، و تخصیص منابع خدماتی مناسب ( شکل 8b-1 تا b-3) شرایط اولیه برای بهبود نشاط اجتماعی است. در خصوص ویژگی های تعامل انسان و زمین، فرصت های شغلی کافی و مصرف شهری مقرون به صرفه از ویژگی های محیط اجتماعی است که در مناطق با نشاط اجتماعی بالا تجسم یافته است. مردم تمایل بیشتری به انتخاب کمترین هزینه رفت و آمد ممکن و منطقه مصرف معقول تری برای انجام فعالیت های اجتماعی دارند. محبوبیت کسب و کار عمدتاً در منطقه مرکزی منعکس می شود. یعنی زندگی مصرفی لذت بخش مردم در درجه اول در منطقه مرکزی شهری اتفاق می افتد (همانطور که در Xinjiekou، جاده هونان، و منطقه تجاری جاده Changjiang در منطقه مورد مطالعه ما نشان داده شد).

7. نتیجه گیری

ظهور عصر گوشی‌های هوشمند، سبک زندگی مردم را تغییر داده و داده‌های مکانی-زمانی عظیمی را برای تحقیقات و برنامه‌های علمی شهری تولید کرده است. داده های تلفن همراه به یک منبع داده مهم تبدیل شده است که الگوهای فعالیت روزانه انسان و پویایی شهر را منعکس می کند. آنها در بسیاری از زمینه های تحقیقاتی مانند حمل و نقل شهری، جمعیت و مدیریت هوشمند استفاده شده اند. این مقاله یک چارچوب ارزیابی سرزندگی مبتنی بر فعالیت را پیشنهاد می‌کند که داده‌های بزرگ چند منبعی را برای تجزیه و تحلیل مفهوم سرزندگی شهری و مکانیسم‌های محرک آن ادغام می‌کند. این اولین مطالعه ای است که نشاط شهری را از دو جنبه اقتصادی و اجتماعی ارزیابی می کند، زیرا محتوای اصلی زندگی شهری را تشکیل می دهند. از آنجایی که زندگی شهری مردم به طور فزاینده ای تحت تأثیر فضای مجازی قرار می گیرد، این مقاله به طور خلاقانه به دنبال کشف مکانیسم رانندگی با ترکیب ویژگی‌های محیط ساخته شده فیزیکی ساکن شهری و شاخص‌های تعامل انسان و زمین پویا (بررسی‌های آنلاین) بود. از این رو، این روش ما را قادر می سازد تا معنی و حالت حرکتی نشاط شهری را درک کنیم. از طریق تحقیقات تجربی، ناهمگونی فضایی سرزندگی شهری را از هر دو جنبه اقتصادی و اجتماعی در منطقه اصلی شهری نانجینگ دریافتیم و برخی اقدامات هدفمند برای افزایش سرزندگی شهر خلاصه شد. این روش و نتایج تحقیق را می توان به تجزیه و تحلیل سرزندگی سایر مناطق یا شهرها تعمیم داد و می توان از آن برای تدوین استراتژی های شکل دهی سرزندگی شهری که با نیازهای خود منطبق است استفاده کرد. از این رو، این روش ما را قادر می سازد تا معنی و حالت حرکتی نشاط شهری را درک کنیم. از طریق تحقیقات تجربی، ناهمگونی فضایی سرزندگی شهری را از هر دو جنبه اقتصادی و اجتماعی در منطقه اصلی شهری نانجینگ دریافتیم و برخی اقدامات هدفمند برای افزایش سرزندگی شهر خلاصه شد. این روش و نتایج تحقیق را می توان به تجزیه و تحلیل سرزندگی سایر مناطق یا شهرها تعمیم داد و می توان از آن برای تدوین استراتژی های شکل دهی سرزندگی شهری که با نیازهای خود منطبق است استفاده کرد. از این رو، این روش ما را قادر می سازد تا معنی و حالت حرکتی نشاط شهری را درک کنیم. از طریق تحقیقات تجربی، ناهمگونی فضایی سرزندگی شهری را از هر دو جنبه اقتصادی و اجتماعی در منطقه اصلی شهری نانجینگ دریافتیم و برخی اقدامات هدفمند برای افزایش سرزندگی شهر خلاصه شد. این روش و نتایج تحقیق را می توان به تجزیه و تحلیل سرزندگی سایر مناطق یا شهرها تعمیم داد و می توان از آن برای تدوین استراتژی های شکل دهی سرزندگی شهری که با نیازهای خود منطبق است استفاده کرد. و برخی اقدامات هدفمند برای افزایش سرزندگی شهر خلاصه شد. این روش و نتایج تحقیق را می توان به تجزیه و تحلیل سرزندگی سایر مناطق یا شهرها تعمیم داد و می توان از آن برای تدوین استراتژی های شکل دهی سرزندگی شهری که با نیازهای خود منطبق است استفاده کرد. و برخی اقدامات هدفمند برای افزایش سرزندگی شهر خلاصه شد. این روش و نتایج تحقیق را می توان به تجزیه و تحلیل سرزندگی سایر مناطق یا شهرها تعمیم داد و می توان از آن برای تدوین استراتژی های شکل دهی سرزندگی شهری که با نیازهای خود منطبق است استفاده کرد.
کاستی هایی نیز در مقاله وجود دارد که در تحقیقات بعدی جبران خواهد شد. شدت فعالیت در این مقاله با روش درون‌یابی مبتنی بر منطقه، که فاقد توزیع نوع ساختمان‌های زمین شهری و توزیع فضایی انسانی موجود به‌عنوان مواد تکمیلی است، تخمین زده می‌شود که منجر به خطای خاصی در تخمین توزیع فعالیت فضایی می‌شود. از آنجایی که تقسیم نشاط اقتصادی و نشاط اجتماعی نسبتاً واضح است، تأثیر بر الگوی کلی توزیع شدت سرزندگی خیلی زیاد نخواهد بود.

منابع

  1. مونتگومری، جی. ساخت شهر: شهرسازی، سرزندگی و طراحی شهری. J. Urban Des. 1998 ، 3 ، 93-116. [ Google Scholar ] [ CrossRef ]
  2. او، س. او، دبلیو. آهنگ، ی. وو، جی. یین، سی. Mou, Y. تأثیر الگوهای رشد شهری بر سرزندگی شهری در مناطق تازه ساخته شده بر اساس تجزیه و تحلیل قوانین انجمن با استفاده از “داده های بزرگ” جغرافیایی. سیاست کاربری زمین 2018 ، 78 ، 726-738. [ Google Scholar ] [ CrossRef ]
  3. لی، ایکس. Lv، Z. ژنگ، ز. ژونگ، سی. حجازی، آی.ح. چنگ، اس. ارزیابی شبکه خیابانی پر جنب و جوش بر اساس سیستم اطلاعات جغرافیایی و نحو فضا. چندتایی. ابزارهای کاربردی 2017 . [ Google Scholar ] [ CrossRef ]
  4. مسیف، تلویزیون؛ لانگلی، پی. باتی، م. Xie, Y. مورفولوژی از تصاویر: تشخیص و اندازه گیری تراکم کاربری زمین شهری. محیط زیست طرح. یک 1995 . [ Google Scholar ] [ CrossRef ]
  5. ون دو وورد، تی. ژاکت، دبلیو. Canters، F. نقشه برداری شکل و عملکرد در مناطق شهری: رویکردی مبتنی بر معیارهای شهری و داده های سطح غیرقابل نفوذ مداوم. Landsc. طرح شهری. 2011 . [ Google Scholar ] [ CrossRef ]
  6. جین، ایکس. لانگ، ی. سان، دبلیو. لو، ی. یانگ، ایکس. تانگ، جی. ارزیابی سرزندگی شهرها و شناسایی شهرهای ارواح در چین با داده های جغرافیایی در حال ظهور. شهرها 2017 ، 63 ، 98-109. [ Google Scholar ] [ CrossRef ]
  7. زنگ، سی. آهنگ، ی. او، س. شن، اف. ارزیابی صریح فضایی بر سرزندگی شهری: مطالعات موردی در شیکاگو و ووهان. حفظ کنید. جامعه شهرها 2018 ، 40 ، 296-306. [ Google Scholar ] [ CrossRef ]
  8. منگ، ی. زینگ، اچ. بررسی رابطه بین ویژگی‌های منظر و سرزندگی شهری: مطالعه موردی با استفاده از مورفولوژی و داده‌های مروری. شهرها 2019 . [ Google Scholar ] [ CrossRef ]
  9. ژانگ، ا. لی، دبلیو. وو، جی. لین، جی. چو، جی. Xia, C. چگونه منظر شهری می تواند بر سرزندگی شهری در سطح بلوک خیابان تأثیر بگذارد؟ مطالعه موردی 15 کلانشهر در چین. محیط زیست طرح. ب مقعد شهری. علوم شهر 2020 . [ Google Scholar ] [ CrossRef ]
  10. وین، ا. لوگان، دی. معماری شهری آمریکا: کاتالیزورها در طراحی شهرها . انتشارات دانشگاه کالیفرنیا: برکلی، کالیفرنیا، ایالات متحده آمریکا، 1989. [ Google Scholar ] [ CrossRef ]
  11. دی ندایی، م. استایانو، جی. لارچر، آر. سبه، ن. کوئرسیا، دی. Lepri, B. مرگ و زندگی شهرهای بزرگ ایتالیا: چشم انداز داده تلفن همراه. در مجموعه مقالات بیست و پنجمین کنفرانس بین المللی وب جهانی، WWW 2016، مونترال، QC، کانادا، 11-15 آوریل 2016. صص 413-423. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. سونگ، اچ. لی، اس. Cheon، SH عملیاتی کردن نظریه طراحی شهری جین جاکوبز: تأیید تجربی از شهر بزرگ سئول، کره. جی. پلان. آموزش. Res. 2015 ، 35 ، 117-130. [ Google Scholar ] [ CrossRef ]
  13. یو، ی. ژوانگ، ی. بله، پیش از این؛ زی، جی. Ma، CL; لی، QQ اندازه گیری استفاده مختلط مبتنی بر POI و روابط آنها با سرزندگی محله. بین المللی جی. جئوگر. Inf. علمی 2017 ، 31 ، 658-675. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. جاکوبز-کریزیونی، سی. ریتولد، پی. کومن، ای. ترانوس، ای. ارزیابی تأثیر تراکم و ترکیب کاربری زمین بر الگوهای فعالیت شهری فضایی و زمانی: یک مطالعه اکتشافی با استفاده از داده های تلفن همراه. محیط زیست طرح. یک 2014 . [ Google Scholar ] [ CrossRef ]
  15. وو، سی. بله، X. رن، اف. Du، Q. رفتار ورود و شور و نشاط مکانی-زمانی: یک تحلیل اکتشافی در شنژن، چین. شهرها 2018 ، 77 ، 104–116. [ Google Scholar ] [ CrossRef ]
  16. بله، ی. لی، دی. لیو، ایکس. چگونه تراکم بلوک و گونه‌شناسی بر سرزندگی شهری تأثیر می‌گذارد: یک تحلیل اکتشافی در شنژن، چین. Geogr شهری 2018 . [ Google Scholar ] [ CrossRef ]
  17. چن، تی. هوی، ECM؛ وو، جی. لانگ، دبلیو. Li، X. شناسایی ساختار فضایی شهری و سرزندگی شهری در شهرهای بسیار متراکم با استفاده از داده‌های رسانه‌های اجتماعی جغرافیایی مرجع. Habitat Int. 2019 . [ Google Scholar ] [ CrossRef ]
  18. کانگ، سی. فن، دی. جیائو، اچ. اعتبارسنجی فعالیت، تنوع زمان و مکان به عنوان مؤلفه‌های ضروری سرزندگی شهری. محیط زیست طرح. ب مقعد شهری. علوم شهر 2020 . [ Google Scholar ] [ CrossRef ]
  19. لانگ، ی. Huang, CC آیا اندازه بلوک مهم است؟ تاثیر طراحی شهری بر سرزندگی اقتصادی شهرهای چین محیط زیست طرح. ب مقعد شهری. علوم شهر 2019 ، 46 ، 406-422. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. هوانگ، بی. ژو، ی. لی، ز. آهنگ، ی. کای، جی. Tu، W. ارزیابی و توصیف سرزندگی شهری با استفاده از داده های بزرگ فضایی: شانگهای به عنوان مطالعه موردی. محیط زیست طرح. ب مقعد شهری. علوم شهر 2019 ، 2399808319828730. [ Google Scholar ] [ CrossRef ]
  21. راتی، سی. Richens, P. تحلیل بافت شهری با تکنیک های پردازش تصویر. در مجموعه مقالات کنفرانس CAADFutures99، آتلانتا، GA، ایالات متحده آمریکا، 7 تا 8 ژوئن 1999. [ Google Scholar ]
  22. هرموسیلا، تی. پالومار-وازکز، جی. Balaguer-Beser، Á. بالسا-باریرو، جی. رویز، لس آنجلس استفاده از معیارهای خیابانی برای توصیف گونه‌شناسی شهری. محاسبه کنید. محیط زیست سیستم شهری 2014 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. جیانگ، بی. کلارامونت، سی. تحلیل توپولوژیکی شبکه های خیابانی شهری. محیط زیست طرح. B طرح. دس 2004 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. دونگ، ایکس. سهرا، ی. بوزکایا، بی. سینگ، VK؛ لپری، بی. پنتلند، الف. پل های اجتماعی در رفتار خرید شهری. ACM Trans. هوشمند سیستم تکنولوژی 2017 . [ Google Scholar ] [ CrossRef ]
  25. یانگ، ی. ویدهام، پی. آتاوال، اس. استخراج و برچسب‌گذاری توالی González، MC Mobility با استفاده از داده‌های پراکنده تلفن همراه. در مجموعه مقالات سی امین کنفرانس AAAI در مورد هوش مصنوعی، AAAI 2016، فینیکس، AZ، ​​ایالات متحده آمریکا، 12 تا 17 فوریه 2016. [ Google Scholar ]
  26. راتی، سی. فرانسوی، دی. پولسلی، آر.ام. ویلیامز، اس. مناظر موبایل: استفاده از داده های مکان از تلفن های همراه برای تجزیه و تحلیل شهری. محیط زیست طرح. B طرح. دس 2006 ، 33 ، 727-748. [ Google Scholar ] [ CrossRef ]
  27. Phithakkitnukoon، S. هورانونت، تی. دی لورنزو، جی. شیباساکی، آر. Ratti, C. Activity-Aware map: شناسایی الگوی فعالیت روزانه انسان با استفاده از داده های تلفن همراه. در درک رفتار انسان ; Springer: برلین/هایدلبرگ، آلمان، 2010; ص 14-25. [ Google Scholar ]
  28. سوتو، وی. فریاس مارتینز، ای. توصیف کاربری قوی زمین مناظر شهری با استفاده از داده های تلفن همراه. در مجموعه مقالات اولین کارگاه در مورد کاربردهای فراگیر شهری، در رابطه با نهمین کنفرانس بین المللی محاسبات فراگیر، سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 12 تا 15 ژوئن 2011. [ Google Scholar ] [ CrossRef ] [ Green Version ]
  29. جیانگ، اس. فیوره، GA؛ یانگ، ی. فریرا، جی. فراتزولی، ای. González، MC مروری بر محاسبات شهری برای ردیابی تلفن همراه: روش‌ها، چالش‌ها و فرصت‌ها. در مجموعه مقالات کنفرانس بین المللی ACM SIGKDD در مورد کشف دانش و داده کاوی، شیکاگو، IL، ایالات متحده آمریکا، 11 تا 14 اوت 2013. [ Google Scholar ]
  30. دیائو، م. زو، ی. فریرا، جی. راتی، سی. استنتاج فعالیت‌های روزانه فردی از رد پای تلفن همراه: نمونه بوستون. محیط زیست طرح. B طرح. دس 2016 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  31. لیو، اف. یانسنز، دی. وتز، جی. Cools, M. حاشیه نویسی داده های مکان تلفن همراه با اهداف فعالیت با استفاده از الگوریتم های یادگیری ماشین. سیستم خبره Appl. 2013 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. بالسا-باریرو، جی. لی، ی. مورالس، آ. Pentland، A. “Sandy” جهانی شدن و مراکز گرانش در حال تغییر پویایی انسانی جهان: پیامدهای پایداری. جی. پاک. تولید 2019 . [ Google Scholar ] [ CrossRef ]
  33. رابرتز، بی. Kanaley, T. (ویراستار) شهرنشینی و پایداری در آسیا: مطالعات موردی عملکرد خوب ; بانک توسعه آسیایی: مانیل، فیلیپین، 2006. [ Google Scholar ]
  34. لیو، ال. بیدرمن، ا. راتی، سی. چشم انداز تحرک شهری: پایش زمان واقعی الگوهای تحرک شهری. در مجموعه مقالات یازدهمین کنفرانس بین المللی کامپیوتر در برنامه ریزی شهری و مدیریت شهری، هنگ کنگ، چین، 16 تا 18 ژوئن 2009. [ Google Scholar ]
  35. García-Palomares, JC; Salas-Olmedo، MH; مویا گومز، بی. Condeço-Melhorado، A. گوتیرز، جی. پویایی شهر از طریق توییتر: روابط بین کاربری زمین و جمعیت شناسی مکانی و زمانی. شهرها 2018 ، 72 ، 310–319. [ Google Scholar ] [ CrossRef ]
  36. هوانگ، اس ال. وانگ، جی اچ. چن، TC چارچوبی از سیستم شاخص برای اندازه گیری پایداری شهری تایپه. Landsc. طرح شهری. 1998 ، 42 ، 15-27. [ Google Scholar ] [ CrossRef ]
  37. جیکوبز، جی. مرگ و زندگی شهرهای بزرگ آمریکا . Random House: نیویورک، نیویورک، ایالات متحده آمریکا، 1961; ISBN 9781912282661. [ Google Scholar ]
  38. ژانگ، ز. بله، س. قانون، ر. لی، ی. تأثیر دهان به دهان الکترونیکی بر محبوبیت آنلاین رستوران ها: مقایسه نظرات مصرف کنندگان و نظرات سردبیر. بین المللی جی. هاسپ. مدیریت 2010 . [ Google Scholar ] [ CrossRef ]
  39. بله، س. قانون، ر. گو، بی. چن، دبلیو. تأثیر محتوای تولید شده توسط کاربر بر رفتار مسافر: یک بررسی تجربی در مورد تأثیرات دهان به دهان الکترونیکی برای رزرو آنلاین هتل. محاسبه کنید. رفتار انسان 2011 . [ Google Scholar ] [ CrossRef ]
  40. کالابرز، اف. دیائو، م. دی لورنزو، جی. فریرا، جی. Ratti, C. درک الگوهای تحرک فردی از داده های سنجش شهری: یک مثال ردیابی تلفن همراه. ترانسپ Res. قسمت C Emerg. تکنولوژی 2013 . [ Google Scholar ] [ CrossRef ]
  41. هورن، سی. کلامپفل، اس. سیک، م. Reiter, T. تشخیص نقاط پرت در داده های تلفن همراه. ترانسپ Res. ضبط 2014 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  42. لیائو، ال. فاکس، دی. کاوتز، اچ. شناسایی فعالیت مبتنی بر مکان با استفاده از شبکه های مارکوف رابطه ای. در مجموعه مقالات کنفرانس مشترک بین المللی IJCAI در زمینه هوش مصنوعی، ادینبورگ، اسکاتلند، 30 ژوئیه تا 5 اوت 2005. [ Google Scholar ]
  43. تسکر، بی. آببل، پ. کولر، دی. مدل‌های احتمالی متمایز برای داده‌های رابطه‌ای. در مجموعه مقالات هجدهمین کنفرانس در مورد عدم قطعیت در هوش مصنوعی – UAI’02، ادمونتون، AB، کانادا، 1 تا 4 اوت 2002. [ Google Scholar ]
  44. ویدهام، پی. یانگ، ی. اولم، ام. آتاوال، اس. González، MC کشف الگوهای فعالیت شهری در داده های تلفن همراه. حمل و نقل 2015 ، 42 ، 597-623. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. وو، اس اس. کیو، ایکس. وانگ، L. روش های برآورد جمعیت در GIS و سنجش از دور: یک بررسی. GIScience Remote Sens. 2005 ، 42 ، 80-96. [ Google Scholar ] [ CrossRef ]
  46. Langford, M. بدست آوردن تخمین جمعیت در مناطق گزارش غیر سرشماری: ارزیابی روش داسیمتری 3 طبقه. محاسبه کنید. محیط زیست سیستم شهری 2006 . [ Google Scholar ] [ CrossRef ]
  47. Arora، S. سلامت، بهره وری انسانی، و رشد اقتصادی بلند مدت. جی. اکون. تاریخچه 2001 ، 61 ، 699-749. [ Google Scholar ]
  48. رهبری، ع. جوزفسون، TR; سان، ی. Moultos، OA; دوبلدام، دی. Siepmann، JI; Vlugt، TJH رگرسیون خطی چندگانه و نوسانات ترمودینامیکی برای محاسبه مشتقات ترمودینامیکی از شبیه‌سازی مولکولی معادل هستند. تعادل فاز سیال 2020 . [ Google Scholar ] [ CrossRef ]
  49. Dulebenets، MA; Abioye، OF; Ozguven، EE; موسی، ر. بوت، WR؛ Sando, T. توسعه مدل های آماری برای بهبود کارایی تخلیه اضطراری در مناطق با جمعیت آسیب پذیر. Reliab. مهندس سیستم Saf. 2019 . [ Google Scholar ] [ CrossRef ]
  50. ایبیجی، JU; زووتر، تی. شمال، دی. آموسا، ال. مدلسازی سطوح باروری در نیجریه با استفاده از رویکرد مبتنی بر رگرسیون پواسون تعمیم یافته. علمی افر. 2020 . [ Google Scholar ] [ CrossRef ]
  51. د کاروالیو، NL; ویرا، JGV؛ دا فونسکا، PN; Dulebenets، MA ساختاری چند معیاره برای اجرای پایدار مراکز توزیع شهری در شهرهای تاریخی. پایداری 2020 . [ Google Scholar ] [ CrossRef ]
  52. لین، اس جی نوسانات اقتصادی و نتیجه سلامت: تحلیل پانل کشورهای آسیا و اقیانوسیه. Appl. اقتصاد 2009 . [ Google Scholar ] [ CrossRef ]
  53. Assaf, AG; Tsionas, M. رگرسیون ناپارامتریک برای آزمون فرضیه در پژوهش هتلداری و گردشگری. بین المللی جی. هاسپ. مدیریت 2019 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  54. Tsionas، MG; Assaf، AG رگرسیون نمادین برای مشخصات بهتر. بین المللی جی. هاسپ. مدیریت 2020 . [ Google Scholar ] [ CrossRef ]
  55. بیل، سی ام. لنون، ​​جی جی؛ Yearsley، JM; بروور، ام جی. Elston, DA تجزیه و تحلیل رگرسیون داده های مکانی. Ecol. Lett. 2010 ، 13 ، 246-264. [ Google Scholar ] [ CrossRef ]
  56. جنکس، GF مفهوم مدل داده در نقشه برداری آماری. بین المللی سالب. کارتوگر. 1967 ، 7 ، 186-190. [ Google Scholar ]
  57. موران، یادداشت های PAP در مورد پدیده های تصادفی پیوسته. Biometrika 1950 . [ Google Scholar ] [ CrossRef ]
  58. لیو، اس. ژانگ، ال. Long, Y. شناسایی ناحیه سرزندگی شهری و تحلیل الگو از دیدگاه همجوشی زمان و مکان. پایداری 2019 ، 11 ، 4032. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
Ijgi 09 00617 g001 550
شکل 1. چارچوب مفهومی ارزیابی سرزندگی شهری پیشنهاد شده در این مقاله.
Ijgi 09 00617 g002 550
شکل 2. فرآیند اجرای روش درونیابی وزن سطح برای تخمین توزیع فعالیت، با استفاده از داده های نمونه.
Ijgi 09 00617 g003 550
شکل 3. موقعیت جغرافیایی منطقه مورد مطالعه و ساخت مناطق تجاری شهری. تصویر سمت چپ بالا موقعیت شهر نانجینگ را نشان می دهد و در زیر آن تقسیمات اداری و محدوده منطقه مورد مطالعه در شهر نانجینگ است. تصویر سمت راست توزیع 43 منطقه تجاری شهری در این منطقه مورد مطالعه را در مقیاس خیابان نشان می دهد.
Ijgi 09 00617 g004 550
شکل 4. توزیع آماری نتایج آموزشی مدل شناسایی فعالیت RMNs. ( الف ) هیستوگرام نسبت فعالیت های مختلف با موفقیت شناسایی شده است. ( ب ) رابطه نقشه احتمالی بین کاربری زمین و نوع فعالیت.
Ijgi 09 00617 g005 550
شکل 5. توزیع نشاط اقتصادی و اجتماعی در منطقه مورد مطالعه ( I , III ) و توزیع نشاط اقتصادی و اجتماعی در مناطق تجاری ( II , IV ). شدت سرزندگی با استفاده از روش شکست های طبیعی [ 56 ] درجه بندی می شود و رنگ از آبی تیره به قرمز نشان دهنده تغییر سطح سرزندگی از ضعیف به قوی است، واحد فرد/کیلومتر مربع است .
Ijgi 09 00617 g006 550
شکل 6. تجسم عوامل محیطی فیزیکی شهری و شاخص های تعامل انسان و زمین نتایج تخمین زده می شود. ( a-1 ) تا ( a-5 ) توزیع فضایی عوامل محیطی فیزیکی در منطقه مورد مطالعه را نشان می دهد. ( b-1 ) تا ( b-5 ) توزیع مشخصه عوامل بعد اجتماعی را نشان می دهد. واحد آماری شاخص های تراکم محیط فیزیکی کیلومتر مربع است . 3. نتایج رگرسیون فضایی سرزندگی شهری
Ijgi 09 00617 g007 550
شکل 7. ناهمگونی فضایی عوامل مختلف محرک سرزندگی شهری. دو خط اول توزیع فضایی شاخص‌های رانندگی ضریب سرزندگی اقتصادی شهری (EV) و دو خط زیر توزیع فضایی ضریب شاخص‌های نشاط اجتماعی شهری (SV) است. خطوط اول و سوم شاخص‌های ابعاد فیزیکی ساخته شده را بیان می‌کنند و خطوط دوم و چهارم شاخص‌های تعامل انسان و زمین را نشان می‌دهند. نواحی قرمز تیره‌تر در شکل‌ها نشان می‌دهد که سرزندگی شهری منطقه بیشتر تحت تأثیر متغیر توضیحی است و مناطق خاکستری نشان می‌دهد که رابطه تأثیر معنادار نیست.
Ijgi 09 00617 g008 550
شکل 8. توزیع فضایی مقادیر شاخص های رانندگی مناطق با سرزندگی بالا در منطقه مورد مطالعه. ( الف ، ب ) به ترتیب توزیع فضایی نشاط اقتصادی شهری و نواحی با نشاط اجتماعی شهری بالا هستند. ( a-1 تا a-6 ) توزیع سلسله مراتبی شاخص های رانندگی در مناطق با نشاط اقتصادی بالا و ( b-1 تا b-6 ) توزیع سلسله مراتبی شاخص های رانندگی در مناطق با نشاط اجتماعی بالا هستند.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید