21、基于地理区域描述的人类行为模式特征分析

基于地理区域描述的人类行为模式特征分析

在城市研究和数据分析领域，了解地理区域与人类行为之间的关系至关重要。本文将介绍一种通过结合地理区域信息和移动电话网络数据来刻画人类行为模式的方法。

1. 相关研究概述

在城市地理和人类行为研究中，许多学者采用了不同的方法来分析地理区域和人类活动之间的关系。例如：
- 一些研究基于Foursquare的用户签到数据和通用活动类别，使用余弦相似度度量和谱聚类算法结合K - Means聚类来识别区域类型，通过区域特征理解具有相似活动模式的人群。
- Soto和Frias - Martinez使用模糊C - Means聚类算法分析移动电话数据记录，以刻画具有明确人类活动的地理区域，识别出五种不同的土地用途。
- Frias - Martinez等人研究地理定位的推文，根据推文模式确定特定城市区域的土地用途，并识别高推文活动区域的兴趣点。
- Yuan和Raubal提出使用动态时间规整（DTW）算法测量时间序列之间的相似度，基于移动模式对城市区域进行分类。

本文研究使用谱聚类结合特征间隙启发式方法，随后进行K - Means聚类。Reades等人也曾使用特征间隙启发式方法对城市土地用途进行聚类。许多研究还分析移动电话数据活动时间线来解释土地用途类型。

2. 数据收集与预处理

本实验使用两种数据源：
- Openstreetmap的兴趣点（POI）数据 ：POI是地理区域上下文描述的关键元素，如餐厅、ATM和公交站等。通过Openstreetmap获取POI数据，共收集了552,133个POI，并精炼为158,797个与活