一种基于微博轨迹数据的城市联结强度计算方法与流程

本发明涉及社交媒体数据在城市发展研究领域，尤其涉及一种基于微博轨迹数据的城市联结强度计算方法。

背景技术：

城市信息是进行城市规划的基础。如何准确界定城市范围，如何空间化城市扩张状态，如何评估城市化发展进程等等，对于城市规划而言都是需要思考的问题。自从上世纪70年代改革开放以来，随着中国经济的持续快速增长和城市化进程的不断加快，不仅涌现出一批超大城市，城市之间的联结也日益紧密。因此，如何对城市之间的空间联结强度进行测度，逐渐成为城市发展研究中一个十分重要的课题。目前，国内外学术界在分析城市间空间联结时，所采用的大多是贸易流、运输流、城市间通勤数据等基础数据，研究方法也有引力模型、威尔逊模型、空间关联模型、知识溢出模型等。随着互联网技术的高速发展、社交网络的不断普及，以“微博签到数据”为代表的位置共享信息的应用更加广泛，为研究基于社会关系的城市网络空间联结提供了新的视角。

“微博”是“微型博客”的简称，是一种基于用户关注机制分享、传播以及获取简短实时信息的广播式的社交网络平台。用户可以组建个人社区，通过文字、图片、视频更新信息并实现即时分享。而微博提供的基于lbs(locationbasedservice)地理定位的签到功能，可以反映用户的时空行为，一定程度上映射出城市在现实中的空间网络联结关系。

技术实现要素：

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于微博轨迹数据的城市联结强度计算方法。

本发明解决其技术问题所采用的技术方案是：一种基于微博轨迹数据的城市联结强度计算方法，包括以下步骤：

1)收集带有地理定位的微博数据，每条微博数据包括以下属性：用户id、用户昵称、微博id号、微博内容、微博发布时间、微博发布地理位置、用户关注数、用户粉丝数、用户双向关注数、用户微博发布总数、用户注册时间；

以微博发布地理位置为基础，结合全国所有地市级行政区划数据，为数据库中每一条微博信息添加微博发布城市的标签；

2)根据步骤1)中采集的微博数据及涉及的用户的微博信息，整理用户信息表；

信息表内容具体包括：

用户id(userid)；注册时间(usercreated_at)：指用户创建微博账户的时间；最后发博时间(user_last_at)：指用户在研究时期范围内，最后一次发布微博的时间；注册天数(numofdays)：指用户注册至最后发博时间的总天数；微博总数(userstatuses_count)：指用户个人发布的微博总数；双向关注数(userbi_followers_count)：指与用户互相关注的账户数；数据库内微博总数(msgcount)：指研究时期范围内，用户被收集的带有地理定位的微博数之和；微博发布天数(datecount)：指用户发布了微博的天数之和；微博发布城市数(citycount)：指用户发布了微博的城市数之和；微博发布频率(frequency)：微博发布频率等于微博总数与注册天数的商，计算公式如下

主要发布城市(mcity)：指用户发布微博数最多的城市，认为该用户是此城市的“本地用户”；

3)微博数据过滤，对不满足以下条件的微博用户及其发布的微博数据进行过滤；

3.1)日均微博发布数不少于0.5条，即frequency≥0.5；

3.2)双向关注数不多于150人，即userbi_followers_count≤150，用于保证选取用户为普通用户，避免名人效应产生大量粉丝集聚而导致的结果失真；

3.3)活跃天数大于1天，即numofdays>0；

3.4)微博发布城市数大于1个，即citycount>1；

3.5)非机器用户，将疑似机器操作的账户一律排除；所述机器操作的账户为微博内容中包括实时路况播报、天气预报和代购推销微博发布频率超过预设值的账户；

4)对于每个用户，按照微博发布的时间顺序对其进行追踪，并记录轨迹数据；

5)根据轨迹数据记录城市间联结数；按照步骤4)所记录的轨迹，每发生一次城市a至城市b的移动，则记城市a和城市b之间出现了一次联结，联结不记方向性，对研究范围内所有用户均进行轨迹的追踪，并统计各地市级行政单元间的联结总数；

6)计算城市网络联结度nc和城市对外联结度ec，计算公式如下：

nc＝ln(linkab+linkba)

ec＝sqrt(linka/1000)

其中，linkab与linkba分别为“城市a→城市b”、“城市b→城市a”的联结总数；linka为城市a与其他所有城市间的联结总数。

本发明产生的有益效果是：

1.本发明利用微博轨迹数据来计算城市联结强度，具有方法简明、计算量小、准确性高等优点。

2.微博数据时效性强且易于获取，解决了传统技术中耗费大量精力搜集基础数据的问题，提高了统计效率，降低了成本。

3.本发明具有良好的普适性，可以为各种范围、各种尺度的联结强度计算提供技术支持。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的结构示意图。

图2是本发明实施例的由本地用户产生的联结示例图；

图3是本发明实施例的全国城市联结网络图；

图4是本发明实施例的中部及东南沿海地区城市联结网络图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，一种基于微博轨迹数据的城市联结强度计算方法，本发明的具体实施方式如下。

一、收集微博数据并添加发布地点标签

本实施例对2014年9月至2015年4月期间，在全国范围内发布的带有地理定位的微博数据进行了收集，得到约1565万个用户发布的约8036万条微博数据。收集到的每条微博数据都包括如下字段：用户id(userid)、用户昵称(userscreen_name)、微博id(msgid)、微博内容(msgtext)、微博发布时间(created_at)、微博发布地理位置(geolat、geolog)、用户关注数(userfollowers_count)、用户粉丝数(userfriends_count)、用户双向关注数(userbi_followers_count)、用户微博发布总数(userstatuses_count)、用户注册时间(usercreated_at)。

在添加地点标签时，首先从中国科学院资源环境科学数据中心(http://www.resdc.cn/)下载了2015年中国地市级行政矢量数据，并基于行政区划的变动对矢量面数据进行了适当的调整。然后基于微博数据中的地理位置(geolat、geolog)字段将每一条微博数据均视为点，结合全国所有地市级行政区划的矢量面数据，通过postgis中点和面的相交操作(st_intersects)，为数据库中每一条微博信息均添加了“微博发布城市(city_id)”的字段。

二、整理用户信息表

本步骤对数据库中约1565万个用户的基本信息进行了整理，生成了用户信息表。信息表具体包括如下字段：

(1)用户id(userid)；

(2)注册时间(usercreated_at)：指用户创建微博账户的时间；

(3)最后发博时间(user_last_at)：指用户在研究时期范围内，最后一次发布微博的时间；

(4)注册天数(numofdays)：指用户注册至最后一条微博发布的总天数；

(5)微博总数(userstatuses_count)：指用户个人发布的微博总数；

(6)双向关注数(userbi_followers_count)：指与用户互相关注的账户数；

(7)数据库内微博总数(msgcount)：指研究时期范围内，被收集的带有地理定位的微博数之和；

(8)微博发布天数(datecount)：指用户发布了微博的天数之和；

(9)微博发布城市数(citycount)：指用户发布了微博的城市数之和；

(10)微博发布频率(frequency)：计算公式如下

frequency＝userstatuses_count/numofdays#(1)

(11)主要发布城市(mcity)：指用户发布微博数最多的城市，该用户可认为是此城市的“本地用户”。

三、用户筛选

本步骤按照如下条件对数据库中的微博用户和数据进行了筛选：

(1)以注册天数与微博发布总数计算出的日均微博发布数不少于0.5条，即frequency≥0.5；

(2)双向关注数不多于150人，即userbi_followers_count≤150，保证选取用户为普通用户，避免名人效应产生大量粉丝集聚而导致的结果失真；

(3)活跃天数大于1天，即numofdays>0；

(4)微博发布城市数大于1个，即citycount>1；

(5)非机器用户。通过对微博发布内容的观察，实时路况播报、天气预报、代购推销等部分微博发布频率过高，疑似机器操作的账户一律被排除。

经过以上筛选且去除重复数据后，全国范围内共有约98万个用户的1640万条微博数据被保留，用以进行下一步的研究。

四、追踪轨迹数据并记录城市间联结数

对于每个用户，按照微博发布的时间顺序对其进行追踪，并记录轨迹数据。如用户发布的两条相邻的微博数据按时间顺序分别出现在城市a和城市b，说明用户从城市a移动到了城市b。每发生一次城市a至城市b的移动，则记城市a和城市b之间出现了一次联结。联结不记方向性，即“城市a→城市b”与“城市b→城市a”的效果视为相同。

表1对用户轨迹数据的追踪示例

表1为追踪用户轨迹数据的一个示例，显示了id为“1103229445”的用户发布的微博数据的其中4条，且按照发布时间顺序排列展示。其中，第一条和第二条微博数据均发布于武汉市，第三条微博数据发布于咸宁市，说明在此期间，用户从武汉市移动到了咸宁市，记武汉市和咸宁市之间出现了一次联结。第四条微博数据再次发布于武汉市，说明用户又从咸宁市回到了武汉市，记咸宁市和武汉市出现了一次联结。由于联结不记方向性，所以“武汉市→咸宁市”与“咸宁市→武汉市”的联结视为相同。按照此方式，对研究范围内所有用户均进行轨迹的追踪，并统计各地市级行政单元间的联结总数，得到了全国范围内约98万个用户产生的联结总数约246万个。

需注意的是，在最终统计城市间联结数、计算城市联结强度时，仅考虑两个相关城市的“本地用户”的影响。即引起城市间联结的用户，必须是两个城市其中之一的“本地用户”。对于该用户而言，此次联结或是从其主要发布城市(mcity)离开，前往其他城市；或是从其他城市返回其主要发布城市(mcity)。因此，非本地用户产生的联结应从结果中排除。具体示例可参照表2和图2.

表2由用户轨迹数据产生的联结示例

表2为根据用户移动的轨迹数据产生的8个城市间联结示例。但是，产生第2个联结，即轨迹移动为“北京市→天津市”的用户，其微博主要发布城市为石家庄市；产生第5个联结，即轨迹移动为“唐山市→天津市”的用户，其微博主要发布城市为秦皇岛市。即，这两个联结均非两个相关城市的“本地用户”所产生，故未被纳入后续分析范围。剩余6个城市间联结所形成的示例图如图2所示。综合表2和图2可以看出，北京-天津两市之间具有最高的联结数，北京-唐山次之，而天津-唐山之间的联结数最少。对于单个城市而言，北京市与其他两市之间共有5个联结，为所有城市中的最高值；天津市次之，具有4个对外联结；而唐山市具有3个对外联结，为所有城市中的最低值。

依照此原则，对所有“本地用户”所产生的城市间联结数进行统计，最终得到全国范围内约98万个用户产生的城市间联结总数约201万个。

五、计算城市网络联结度和城市对外联结度

通过上一步骤得到全国范围内所有用户产生的城市之间联结总数，并计算得出单个城市的对外联结总数后，即可计算城市网络联结度(networkconnectivity,nc)与城市对外联结度(externalconnectivity,ec)。城市网络联结度与城市对外联结度的计算公式分别如(2)、(3)式所示：

nc＝ln(linkab+linkba)#(2)

ec＝sqrt(linka/1000)#(3)

其中，linkab与linkba的和为城市之间的联结总数，即“城市a→城市b”、“城市b→城市a”的联结总数；linka为单个城市的对外联结总数，即城市a与其他所有城市间的联结总数。

对全国范围内所有地市级行政单元均进行nc和ec的计算。根据计算结果，nc值排名前20位的城市点对与ec值排名前20位的城市分别如表3、表4所示。

表3城市网络联结度(nc)值排名前20位的城市点对

表4城市对外联结度(ec)值排名前20位的城市

从表3中可以看出，在全国范围内地市级行政单元所构成的全部城市点对中，“广州-佛山”具有最高的nc值，为9.9926；“深圳-香港”其次，nc值为9.8867；之后分别为“北京-廊坊”、“上海-杭州”、“北京-上海”，nc值分别为9.8499、9.7966、9.7524。nc值排名前20位的城市点对中大部分位于京津冀、长三角、珠三角三大城市群，而北京、上海、广州三个城市又在其中起到了绝对的核心作用。这一点在表4中同样可以得到证实。ec值排名前3位的城市依次为北京市、上海市、广州市，其ec值分别为15.3453、13.8353、12.124；之后为深圳市、杭州市，其ec值分别为11.2223、9.957。值得注意的是，排名前20位的城市点对中，大部分为核心城市与其周边地市的联结，地理距离相对较近。而北京、上海之间地理距离相对较远，其联结程度却能在全国所有城市点对中排名第5位，足以证明随着经济的不断发展，北京、上海两个核心城市之间的往来愈加频繁，其相互联系也日趋紧密。

对nc和ec的计算结果进行可视化，得全国所有城市的网络联结图如图3所示。

图3中，各城市处的红色圆圈代表其ec值，ec值越高，圆圈越大。城市与城市之间的联结线代表其nc值，nc值越高，联结线越粗、颜色越深。同时，为了联结图的整体效果，nc值小于6的联结线未显示。

从图3中可以看出，全国绝大多数nc高值联结都集中在中国东部地区，西部地区相对较少。在西北地区，兰州市、乌鲁木齐市作为省会城市，与其周边地市之间联系较为紧密。此外，乌鲁木齐市与北京市虽然地理位置相隔较远，却依然存在着较强的联结。在东北地区，哈尔滨市、长春市、沈阳市三个省会城市的ec值明显高于其他城市，带头作用明显。三市不仅各自与其他地市形成了放射网状，且均与北京市之间存在较强的联结线，说明了东北三个省会城市与北京市之间紧密的联结性。中国中部地区及东南沿海地区的局部放大图如图4所示。

从图中可以看出，“长三角”、“珠三角”、“京津冀”、“长江中游”、“成渝”五大城市群的格局十分明显，大部分的联结线都集中在这五大城市群的范围内。其中，珠三角、长三角两个城市群中，红色圆圈的分布最为密集，说明具有高对外联结度的活跃城市扎堆出现；各城市之间的联结线也形成了互相交错的网状，说明珠三角、长三角两个城市群中人员流动非常频繁，各城市之间的联系十分密切。相较之下，京津冀城市群虽然拥有具有全国最高对外联结度的城市——北京市，其他城市却稍显乏力，ec值与北京市相比明显较低，联结线也以北京市为中心向外呈现出密集的放射状。武汉市居于中部中央，与其他城市间的联结线恰好形成一个“十”字形，说明其作为长江中游城市群的核心城市，地处长江水道与京广铁路大动脉的十字交汇点，在中部地区起到了横贯东西、连通南北的枢纽作用。而成都市、重庆市作为成渝城市群的核心城市，在西南地区的联结中处于重要的位置。此外，郑州市、长沙市、西安市、太原市等省会城市在当地的城市联结中均起到了关键性的作用。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。