新書推薦：
《
小狗心理疗愈日记 史努比陪你找到自我主体性 走出艰难时刻
》
售價：NT$
214
《
心灵银行 脑科学轻松创造真正的改变 世界级催眠大师约翰卡帕斯送给普通人改写命运的秘密武器
》
售價：NT$
347
《
被偷走的尊严：美国保守派的失落、耻辱与奋起（三联·哈佛燕京学术丛书）
》
售價：NT$
398
《
尖叫的数学：令人惊叹的数学之美：修订新版（从数学的角度发现不一样的逻辑和处世哲学。随书附赠手账本。）
》
售價：NT$
296
《
数学老师没教过的数学
》
售價：NT$
214
《
法国在乍得的战争：在非洲的军事干预与非殖民化
》
售價：NT$
500
《
西学东渐记（插图本）
》
售價：NT$
398
《
新民说·保罗·策兰与勒内·夏尔书信集（1954—1968
》
售價：NT$
352
|
| 內容簡介： |
|
精准把握城市人口时空分布特征与人口流动规律，是现代城市智慧化治理与精细化管理的核心基础。《城市人口分布估计与人口流动感知》系统探讨基于多源异构数据的城市人口分布估计与城市人口流动感知理论方法及实践应用。《城市人口分布估计与人口流动感知》*先解析城市人口研究的多学科理论基础，进而深入介绍人口普查、遥感影像、社交媒体等多元数据源的特性与融合技术；然后重点阐述多尺度人口分析单元划分方法、静态与动态人口分布估计模型，以及人口流动网络构建与时空演化分析技术；*后结合城市规划、公共安全、交通管理等典型场景，展示相关方法的实际应用价值。
|
| 目錄：
|
|
目录第1章 绪论 11.1 城市人口信息化概述 21.2 城市人口分布与人口流动相关科学领域 21.2.1 地理信息科学 21.2.2 人口地理学 41.2.3 城市地理学 41.2.4 交通工程学 51.2.5 统计物理学 6第2章 城市人口分布估计与城市人口流动感知的基本理论 72.1 基本概念 82.1.1 城市人口分布 82.1.2 城市人口流动 82.2 城市人口分布的影响因素 92.3 城市人口流动的驱动因素 102.4 城市人口分布估计与人口流动感知的关系 112.5 本章小结 12第3章 多源城市人口活动数据 133.1 人口普查与抽样调查数据 143.1.1 人口普查数据 143.1.2 人口抽样调查数据 153.2 遥感影像生成数据 153.2.1 夜光遥感数据 163.2.2 土地覆盖数据 173.2.3 高分辨率人口分布估计数据 173.3 移动通信数据 183.3.1 手机信令数据 183.3.2 移动设备GPS数据 193.4 交通与公共服务数据 203.4.1 智能交通卡数据 203.4.2 车载GPS数据 213.5 社交媒体与用户生成数据 223.5.1 用户访问数据 223.5.2 社交平台地理标签数据 233.6 本章小结 24第4章 城市人口空间分布单元划分与多源数据融合 254.1 场景关联的多尺度人口分析单元表达 264.1.1 融合城市场景的人口分析单元描述框架 264.1.2 关联城市场景的人口分析单元表达方法 324.1.3 突发公共卫生安全事件案例 364.2 基于城市形态和人口聚集模式的单元划分 414.2.1 基于城市形态的基础分析单元划分 414.2.2 人口汇聚偏好模型 424.2.3 基于微观结构要素的FPAZ构建及评价方法 474.3 场景驱动的多尺度人口分析单元划分 614.3.1 多尺度人口分布与变化主因子分析 614.3.2 基于场景主次因子人口分析单元构建 644.4 多源多时态数据匹配融合 674.4.1 数据层融合 684.4.2 特征层融合 684.4.3 决策级融合 694.4.4 混合融合 694.4.5 模型级融合 704.4.6 多视图融合 714.5 本章小结 72第5章 城市人口分布估计模型与方法 735.1 基于建筑物属性的静态人口分布估计模型 745.1.1 基于建筑物信息的人口分布估计模型 755.1.2 基于建筑物的人口分布估计实验分析 795.1.3 基于建筑物分类的人口分布估计模型 815.1.4 基于建筑物分类的人口分布估计实验分析 855.2 多源数据融合的静态人口分布估计方法 875.2.1 基于建筑物双环境特征融合的人口分布估计方法 885.2.2 建筑物双环境特征融合实验分析 955.2.3 顾及尺度效应的弱监督人口分布估计方法 1025.2.4 WSTP模型性能与实验分析 1055.3 高时空分辨率的动态人口分布估计方法 1095.3.1 基于MDEFF模型的弱感知时段人口分布估计 1115.3.2 基于人口活动属性和模式的强感知时段人口分布估计 1115.3.3 高时空分辨率的人口分布估计实验分析 1165.4 本章小结 127第6章 城市人口流动感知与城市人口流动网络建模 1296.1 城市人口流动网络结构提取 1306.1.1 人口流动空间交互中心性量化方法 1306.1.2 人口流动空间交互中心性的适应性分析 1396.1.3 日间相似视角下人口流动骨干网络提取方法 1426.1.4 人口流动骨干网络稳定性分析 1466.2 城市人口流动时空演化分析 1546.2.1 人口流动差异量化方法 1546.2.2 人口流动差异时序变化分析 1586.2.3 人口流动差异空间变化分析 1606.2.4 人口聚集性流动的主题识别与变化检测方法 1656.2.5 人口聚集性流动的时空演化分析 1696.3 城市人口流动的功能驱动机制 1796.3.1 城市功能关联的人口流动网络模型 1796.3.2 人口流动的功能驱动量化建模 1826.3.3 人口流动的功能驱动机制分析 1906.4 本章小结 194第7章 城市人口分布估计与城市人口流动感知的应用 1957.1 城市人口分布估计的应用 1967.1.1 城市空间规划 1967.1.2 基础设施配置 1977.1.3 商业格局识别 1977.1.4 城市综合管理 1987.2 城市人口流动感知的应用 1997.2.1 城市空间结构与功能特征识别 1997.2.2 城市交通资源优化 2007.2.3 公共卫生评估 2017.2.4 公共安全监测预警 2027.3 本章小结 202第8章 城市人口分布估计与城市人口流动感知研究进展与展望 2038.1 城市人口分布估计与城市人口流动感知研究进展 2048.2 城市人口分布估计与城市人口流动感知研究展望 2058.2.1 多源异构数据融合 2058.2.2 数据依赖与规律驱动建模 2078.2.3 场景牵引的城市应用 208参考文献 211
|
| 內容試閱：
|
|
第1章绪论 城市人口是构成城市的社会主体，是城市发展中*为活跃的因素。城市人口信息化借助云计算、物联网和人工智能等技术手段，实现了城市人口分布与城市人口流动的实时感知，推动城市规划与治理的智能化与可持续发展。本章简要介绍城市人口信息化的研究进展，总结地理信息科学、人口地理学、城市地理学及交通工程学等科学领域在城市人口分布与人口流动方面的研究工作进展，并分析这些领域中城市人口分布与人口研究当前面临的挑战。 1.1城市人口信息化概述 人口是指在一定时间和空间内，生活在特定社会制度、特定地域的具有一定数量和质量的人的总称（胡焕庸，1983）。人口涵盖个体及其社会、经济和文化特征的综合指标，反映生育、死亡和迁移等自然和社会过程的结果。城市人口特指居住在城市地区的人口，是构成城市的社会主体。城市人口不仅表示城市人口数量，同时还包含人口的居住密度、工作和生活方式及其与城市基础设施、服务和环境的互动等。随着城市的出现和城市化进程的推进，大量人口流入城市，人口增长和聚集为城市发展提供了劳动力资源，推动了城市扩张、经济发展和社会变迁。反之，城市发展状态也会影响城市人口的规模、结构和分布，良好的城市规划和管理能吸引人口流入，而如拥堵和污染等城市问题则可能驱使人口流出（Zhao et al.，2021a）。因此，城市人口研究对理解城市发展动态、制定战略规划和公共政策具有重要意义。 近年来，与城市人口相关的地理空间数据激增，通过社交媒体、手机信令、在线交易等非传统人口数据源收集城市人口特征、位置和行为信息，给城市人口信息化研究创造了前所未有的条件。在人口理论和社会经济理论指导下，学者利用高时空分辨率的人口时空数据，依托地理信息科学、云计算、物联网和人工智能等技术手段，按照收集、处理、分析和建模人口数据的过程，对城市人口特征、行为模式和社会经济活动等进行深入研究。通过对海量数据的智能处理，城市人口信息化实现了城市人口研究的动态性、实时性和精确性，能高效响应城市发展过程中出现的新需求和新挑战，促进了城市生活质量的持续提升和城市治理模式的创新，推动城市智能化、可持续发展。 城市人口分布估计和城市人口流动感知是城市人口信息化领域中两个密切相关且相辅相成的研究方向。城市人口分布估计关注特定时间和城市空间范围内的人口分布格局和密度，分析不同区域中人口集中或分散特征及其与自然环境、经济条件、社会服务等因素的关系。城市人口流动感知则专注于分析城际与城市内部人口迁移的模式、规模和动因，探寻人口流动对劳动力市场、家庭结构、文化交流和城市化进程等的影响。城市人口分布估计和城市人口流动感知为城市人口管理和服务提供了准确的人口时空信息和规律，促进了城市规划、应急管理、交通出行、疾病防控等城市管理与社会服务的现代化（郑宇，2015）。 1.2城市人口分布与人口流动相关科学领域 1.2.1地理信息科学 地理信息科学的发展历程可以追溯到20世纪60年代，计算技术的进步使地理数据的收集、存储和分析变得可行，为地理信息科学的形成和发展奠定基础。进入90年代，随着互联网的普及和计算能力的提高，地理信息系统（geographic information system，GIS）的应用领域迅速扩大，推动形成了多学科交叉的地理信息科学研究领域。地理信息科学是一门综合性的学科，其利用地理信息系统、遥感技术、全球定位系统（global positioning system，GPS）等工具和方法来收集、管理、分析和解释关于地球表面事件和现象的空间数据。其研究内容涵盖地球表面的物理特性、人类活动、环境变化等多个方面，旨在解决与地理空间相关的复杂问题。 传统上，城市人口信息主要源于人口普查、社会经济调查及登记系统，往往存在一定的时间滞后性，并且时空分辨率较低。当前，已经可以通过遥感技术、移动设备和社交媒体等获取高时空分辨率的人口数据（Amaral et al.，2006），更准确地反映人口分布动态和人口流 动情况。卫星遥感技术通过分析从太空捕获的地球表面影像，可以估计不同地区的人口密度。 其中，夜间灯光影像反映了电力使用强度，间接提供人口密度信息，已经被广泛用于估算人口分布（Chen et al.，2011）。随着移动通信的普及，移动信令数据成为一种宝贵的人口流动和分布估算资源（Ratti et al.，2010）。分析移动设备活动的地理位置，可以揭示人口的移动模式和聚集区域。社交媒体平台产生的海量数据同样可以用来追踪和分析人口动向和分布（Shi et al.，2021）。通过分析来自微博、抖音等社交媒体的地理标签信息，研究人员可以得 到关于人口行为和移动的实时数据。 在城市人口信息的收集、存储和分析过程中，数据的组织模式至关重要。随着时空数据和地理信息系统的快速发展，城市人口信息的存储模型同样经历了迅速的演变。人口信息的存储模型主要包括基于网格的存储模型、区域单元存储模型及时空数据存储模型。基于网格的存储模型通过划分地理空间为规则的网格单元来组织数据，每一个网格单元可含有该位置的人口信息，其优势在于可以处理大范围的空间数据并保持较高的空间分辨率，适用于动态人口分析和时空模式识别。区域单元存储模型通常基于已有的政治或行政区划界限，将人口数据与特定的政治或行政单元绑定，适合进行政策相关的研究和应用，例如城市规划和资源分配决策支持。近年来，随着时空数据生产采集平台蓬勃发展，人口相关的地理空间数据由结构化扩展为大规模多元异构和多维动态的时空大数据，高效统一地组织和存储人口时空数 据成为研究热点。现有时空数据存储模型包括序列快照模型（Armstrong，1988）、面向对象的时空数据模型（曹志月等，2002）、3D空间-时间GIS模型（Yin et al.，2014）、多粒度时空对象数据模型等。 在城市人口研究中，地理信息科学在人口分布估计、人口流动挖掘等方面提供了技术和方法支撑。在人口分布估计方面，基于空间插值，可以将传统人口普查数据科学地分配到更精细的分析单元上，实现静态人口估计。如Liu等（2008）利用克里金（Kriging）法进行了基于格网的地统计插值，分别估计了30m、300m格网分辨率的人口分布数据。还可利用统计回归方法构建多源地理大数据和静态人口分布之间的定量关系模型，包括基于遥感图像像元特征（Lo，2002）、基于遥感和GIS数据特征融合（黄安等，2017）两类方法。同时，随着大量带有个体粒度的时空标记数据的产生，长时间、高精度、高效地追踪个体空间移动成为可能，这促进了动态人口估计研究的发展。按照研究所涉及的数据类型，动态人口分布估计方法可分为基于智能卡刷卡数据（许园园等，2017）、基于社交媒体数据（Luo et al.，2016）和基于手机数据（毛夏等，2010）三类。 在人口流动挖掘方面，地理信息科学关注城市全局的人口流动热点分布与时空模式。人口流动热点识别的关键在于聚集程度量化和热点判别规则的制定。现有研究中，局部莫兰指数（Moran’sIndex）、Getis-OrdGi*、G函数等空间统计方法常用来量化人口活动的聚集程度，在此基础上基于经验阈值（Fang et al.，2020）和自动化（Ren et al.，2024）两种方法来进行热点判定。同时，人口流动的时空模式源于人口社会活动的时间节律和空间依赖。现有研究中聚类算法和矩阵分解常被用来提取人口流动的时空模式，常见方法包括基于X-means聚类算法（Yang et al.，2016a）、Tucker分解（Cai et al.，2019）等方法。 1.2.2人口地理学 人口地理学是人文地理学中的一门分支学科，是介于地理学、人口学、社会学等学科间的边缘学科。人口地理学研究人口发展过程和人口现象的空间表示形式及其地域差异，以及人口数量与质量、人口增长与人口构成的时空差异及其与自然、人文环境的相互关系（张善余，2013）。人口地理学为理解和解决城市人口分布和人口流动的相关问题提供了理论基础和实证研究。 人口地理学对人口分布和人口密度的区域分异及其影响因素进行了深入研究。人口集中指数、人口重心、聚类分析、负指数函数等多种定量指标和数量统计方法被广泛应用于考察人口分布与再分布的模式及其变化的定量分析（沈建法等，2000）。随着GIS与遥感技术的快速发展、地理计算的兴起及多种新兴数据源的可获得性日益提高，人口时空特征研究开始融合统计分析与GIS空间分析等多种方法探讨其内在规律。柏中强等（2015）基于GIS空间分析技术，以乡镇尺度为基本单元，精细地刻画与揭示了全国和省域层面的人口时空分异特征及空间演化机理。卓莉等（2005）采用美国国防军事气象卫星搭载的线性扫描系统夜间灯光强度数据模拟了灯光区内部的人口密度，同时基于距离衰减规律和电场叠加理论模拟了灯光区外部的人口密度。王德等（2015）则利用手机移动定位数据在城市尺度实现了在昼夜、早中晚、工作日与周末等多个时间尺度对人口分布特征的识别和对城市空间结构的刻画。 人口地理学关注人口流动、人口迁移的时空分异特征和空间演化机理。在人口流动时空特征方面，罗仁朝等（2008）利用上海市第五次人口普查数据对流动人口空间聚集特征进行分析发现，上海流动人口聚居区已从传统的城郊边缘地带向远郊区蔓延。林李月等（2015）使用多种流动指标分析和生存分析方法发现，城市人口的流向和流迁的空间轨迹在多次流迁过程中呈现出复杂的特点，并存在一定程度的性别差异。在刻画城市人口流动特征的同时，学者也致力于探究影响人口流动模式的因素和形成机制。Shen（2015）使用1985～1990年和1995～2000年的中国人口迁移数据，分别建立多级泊松迁移模型，并基于多级泊松迁移模型的分解方法，分析了迁移模型参数变化和迁出地/迁入地人口、社会与经济指标的变化对迁移流的影响。Ren等（2020）考虑了不同时段住宅、办公和休闲娱乐三类土地利用的功能互补性，将功能互补性指标作为修正因子改进了重力模型，验证了土地功能互补性对城市内人口流动的影响。 1.2.3城市地理学 城市是一个包含物质基础与社会活动的人口聚集区域，具有特定的经济、社会结构及政治文化功能。城市地理学是地理学的一个分支，专注于研究不同地理环境下的城市形成、发展、组合分布和空间结构变化规律，探究城市空间与环境功能的互动、经济和资源流动及城市居民活动模式及其相互关系（Paraschiv，2012）。城市空间是城市地理学的主要研究内容，从静态与动态视角可以将其划分为城市物质空间和城市活动空间，前者包含城市结构与功能分布，后者关注城市空间中的人口活动及其相互关系。 随着社会经济发展与城市化进程逐渐加快，城市呈现出集中与去中心化相互交织的空间结构特征。一方面，经济、人口等资源向城市中心集中，形成明显的层次化格局，从中心城区到郊区，不同的空间层级承担着不同的功能，体现了从密集的商业中心区到住宅区的过渡（Qian et al.，2020）。另一方面，随着城市扩张和交通网络的改善，去中心化的城市副中心陆续出现，分担了中心城区的功能与压力（Li，2020）。同时，城市空间被划分为商业、住宅、工业等功能区域，这些功能区域以其*特的空间模式共同塑造了城市的整体面貌（Tian et al.，2010）。随着人口活动相关的多源时空数据的可获取性大幅提高，当前结合城市人口活动开展城市功能区识别、城市空间格局、城市边界扩张等研究成为热点。Liu等（2020）考虑景观 特征和人口活动，提出了一种基于兴趣点（pointofinterest，POI）数据密度的层次融合方法以识别城市功能区；秦萧等（2014）基于社交媒体点评数据，分析了城市餐饮服务业的空间分布格局及其发展趋势；Long等（2015）聚焦于城市增长边界的实施有效性，利用人口流动和活动记录评估并探讨了城市
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
