邵世維，黃 新，劉 輝，陳 偉

（1.武漢市國土資源和規(guī)劃信息中心，湖北 武漢 430014；2.武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430079）

智慧城市是起源于20世紀80年代的信息城市，伴隨著數(shù)字技術(shù)的發(fā)展，經(jīng)歷了智能城市與數(shù)字城市，在21世紀之后逐步演化為智慧城市[1,2]。智慧城市[2]是關(guān)于如何將通信和信息科技運用到改善城市功能、提升城市效率、增強城市競爭力，并且提供新的解決城市公平、貧困和環(huán)境污染等問題的城市發(fā)展概念。智慧城市[3,4]通過將真實世界的形態(tài)使用數(shù)字化的方式進行模擬，關(guān)注真實世界的設(shè)施，服務(wù)城市市民和社會組織，為城市的運行提供總體籌劃。

當(dāng)前人們在談及智慧城市時，經(jīng)常會涉及到大數(shù)據(jù)。利用大數(shù)據(jù)的處理技術(shù)為智慧城市服務(wù)和城市規(guī)劃服務(wù)是當(dāng)前研究的熱點[5,6]，也是智慧城市以人為主、服務(wù)于人的重要途徑。近年來，F(xiàn)aceBook、Twitter、微博和微信等社交網(wǎng)絡(luò)作為全新的互聯(lián)網(wǎng)應(yīng)用得到了迅猛發(fā)展[6]，并且在不同的領(lǐng)域都發(fā)揮著重要作用。

社交網(wǎng)絡(luò)不僅為用戶提供了地理位置，也提供了用于分享實時空間位置信息的功能[7]?；谖恢玫纳缃痪W(wǎng)絡(luò)數(shù)據(jù)（本文以帶有位置點的新浪微博數(shù)據(jù)作為主要數(shù)據(jù)源）具有豐富的位置信息和屬性信息，新浪微博用戶會發(fā)布包含有文本、圖片和帶有空間位置的消息，為時空分析提供了豐富的地理空間信息[8-10]。胡慶武等利用基于位置的簽到數(shù)據(jù)探索城市熱點商圈，為區(qū)域經(jīng)濟規(guī)劃提供決策[8]；基于海量的新浪微博數(shù)據(jù)，常曉猛等探究反映城市空間的相互作用，用虛擬網(wǎng)絡(luò)環(huán)境反映城市相關(guān)吸引力[9]；張恒才等分析對象在真實世界中的具體軌跡，提高了關(guān)系數(shù)據(jù)庫的查詢效率等[10]。

然而，當(dāng)前已有研究對文本數(shù)據(jù)利用相對不足，探究各種城市公共設(shè)施分布狀況的研究則相對較少。本文充分考慮了社交網(wǎng)絡(luò)數(shù)據(jù)的屬性和位置信息，利用基于文本和空間聚類的方法反映城市公共設(shè)施空間分布狀態(tài)，并探索不同類型的設(shè)施對人們的吸引力，最后用POI數(shù)據(jù)驗證了本文方法得到的結(jié)論。

1 基于位置社交網(wǎng)絡(luò)數(shù)據(jù)聚類和分析

基于位置的社交網(wǎng)絡(luò)數(shù)據(jù)是攜帶有文本信息和空間位置信息的離散的GIS點[11]，提取有用的社交網(wǎng)絡(luò)數(shù)據(jù)，可以反映城市公共設(shè)施在空間的分布狀況和不同公共設(shè)施的關(guān)注程度。通過人工先驗知識，對城市服務(wù)設(shè)施進行分類，并將所分的類別作為微博數(shù)據(jù)分類的依據(jù)，將服務(wù)設(shè)施分為公司、風(fēng)景名勝、體育休閑服務(wù)等10類。

首先，提取用戶注冊的地理位置信息和分享的空間位置信息，用以識別每個微博的地理空間位置；其次，對帶有位置信息的數(shù)據(jù)進行篩選和坐標轉(zhuǎn)換等處理，以將偏離過大或者坐標異常的數(shù)據(jù)刪除；再次，依據(jù)服務(wù)設(shè)施類別對微博談?wù)摰闹黝}進行分類，用以標識用戶關(guān)注的服務(wù)設(shè)施；最后，采用聚類分析度量結(jié)果的地理空間分布，得到不同類型的服務(wù)設(shè)施在空間的聚集狀態(tài)和空間分布情況。具體流程如圖1。

圖1 方法流程圖

1.1 數(shù)據(jù)預(yù)處理

空間位置信息在空間上表現(xiàn)為大量離散的GIS點對象，而分散的點不利于探索其在空間上的分布情況[8]。本文首先對選定區(qū)域的微博預(yù)處理，包括位置數(shù)據(jù)篩選、異常點的剔除。數(shù)據(jù)預(yù)處理的具體流程是：通過ArcGIS軟件，在設(shè)定范圍內(nèi)，篩選提取出指定范圍內(nèi)的數(shù)據(jù)點，將坐標歸納到統(tǒng)一的坐標系下，并重新構(gòu)建數(shù)據(jù)集；根據(jù)選定的數(shù)據(jù)集，將其與現(xiàn)有的地圖數(shù)據(jù)疊加，將不符合實際且偏差比較大的離散點剔除，保證數(shù)據(jù)在空間上的有效性。

1.2 文本處理

用戶發(fā)布的消息是局限在140字以內(nèi)的短文本，主題來源豐富，通過甄別文本表達的主題確定用戶談?wù)摰墓苍O(shè)施（如果表達的主題不清晰，不予考慮）。為了便于甄別文本表達的主題，文中使用Python提供的Jieba分詞包實現(xiàn)對微博文本的主題歸類。通過設(shè)定常用詞識別每條微博表達的最相關(guān)的主題，實現(xiàn)將微博文本歸入到對應(yīng)的主題，并將主題作為屬性附加給每個微博數(shù)據(jù)點。

1.3 空間聚類分析

利用K-means聚類方法對區(qū)域進行聚類，選擇不同的聚類數(shù)以達到最佳的實驗效果。結(jié)合本文設(shè)定類別，將聚類數(shù)目設(shè)定為5類，再利用K-means聚類算法實現(xiàn)聚類分析。K-means聚類的結(jié)果具有在同一類中相似度高、類間相似度低的特點。聚類分析后得到每類設(shè)施在每類中所占的比重，以此確定每類公共服務(wù)設(shè)施在研究區(qū)域內(nèi)的分布狀況。K-means聚類結(jié)果如表1所示。

表1 各類公共服務(wù)設(shè)施在聚類區(qū)域中每類中所占的比重表

1.4 POI驗證

對區(qū)域內(nèi)提取的POI數(shù)據(jù)進行分類統(tǒng)計，然后對統(tǒng)計的POI數(shù)據(jù)進行標準化，并得到區(qū)域內(nèi)各種類型的POI所占比重；再利用K-means聚類方法對POI數(shù)據(jù)進行聚類，獲取區(qū)域內(nèi)每一類中各類型POI占據(jù)的比例。POI的K-means聚類結(jié)果如表2所示。最后將各類POI的比重和空間聚類結(jié)果比較，驗證相應(yīng)服務(wù)設(shè)施的分布狀況。

表2 聚類后各類POI在每類中所占的比重表

2 結(jié)果與分析

本實驗通過獲取的微博數(shù)據(jù)，在設(shè)定的5類基礎(chǔ)上，完成了聚類分析，得到每類設(shè)施所屬類的比重。圖2和圖3是依據(jù)表1和表2中數(shù)據(jù)繪制的折線圖和柱狀圖。由圖2a可知，微博數(shù)據(jù)聚類后類5的比重值最大，圖2b中最大值為類5的風(fēng)景名勝。由圖4可知，在空間分布上最多的是類5，圖2直觀地給出了類5中風(fēng)景名勝是微博文本中出現(xiàn)最多的公共設(shè)施，這與圖b中北京市風(fēng)景名勝的分布狀況總體上一致。由圖2～4可知，類5在一定程度上反映了城市公共設(shè)施在空間中的分布情況。

圖2 POI和微博聚類比重圖

圖3 POI數(shù)據(jù)和微博數(shù)據(jù)在聚類區(qū)域中分布狀況

圖4 風(fēng)景名勝在空間上布局結(jié)果對比

由圖2和圖3可知，結(jié)合文本的微博數(shù)據(jù)與現(xiàn)有的POI數(shù)據(jù)在聚類后，除了類2有些不同以外，其他幾類在整體上表現(xiàn)出了高度的相似性。類2在折線圖和柱狀圖上體現(xiàn)的區(qū)別主要為：POI數(shù)據(jù)中類2比重是最低的，本文的結(jié)果跟POI的折線具有相似性，反映了設(shè)施在空間上的關(guān)注程度不同。

本文通過結(jié)合文本數(shù)據(jù)和位置數(shù)據(jù)以反映城市公共設(shè)施在空間上的分布狀況，結(jié)合POI數(shù)據(jù)驗證了方法的可行性和準確性。通過柱狀圖和折線圖中的比值，可以反映出人們對不同公共設(shè)施的關(guān)注情況。

3 結(jié) 語

本文利用基于位置的社交網(wǎng)絡(luò)數(shù)據(jù)，通過從中挖掘有效的信息，可有效探測城市公共服務(wù)設(shè)施的空間分布狀況，為智慧城市的建設(shè)提供貼近大眾的建設(shè)意見。首先，本文利用社交網(wǎng)絡(luò)數(shù)據(jù)中的文本數(shù)據(jù)；其次，利用社交網(wǎng)絡(luò)數(shù)據(jù)中的位置數(shù)據(jù)，能將談及的服務(wù)設(shè)施映射到現(xiàn)實世界，進而獲取設(shè)施的位置；最后本文通過社交網(wǎng)絡(luò)數(shù)據(jù)分析，可以掌握各種公共設(shè)施的空間分布和關(guān)注程度。本文研究的結(jié)果反映了不同城市公共服務(wù)設(shè)施對民眾的吸引程度，有利于政府部門根據(jù)不同服務(wù)設(shè)施對民眾吸引程度作出合理的決策，為智慧城市基礎(chǔ)設(shè)施的完善提供輔助決策。但是，該方法還不夠自動化，對社交網(wǎng)絡(luò)數(shù)據(jù)挖掘還不夠深，在空間分析方面做得不夠。在將來的研究中，需要考慮時間維度，結(jié)合社交網(wǎng)絡(luò)數(shù)據(jù)的實時性，從時間尺度去分析公共設(shè)施的動態(tài)變化過程，實現(xiàn)對城市的檢測和分析。同時，需要進一步深入挖掘文本的內(nèi)在語義，避免結(jié)果存在偏差。

[1]王鵬,杜競強.智慧城市與城市規(guī)劃——基于各種空間尺度的實踐分析[J].城市規(guī)劃，2014(11):37-44

[2]Batty M, Axhausen K W, Giannotti F, et al.Smart Cities of the Future[J].The European Physical Journal Special Topics，2012，214(1):481-518

[3]Harrison C, Eckman B, Hamilton R, et al.Foundations for Smarter Cities[J].IBM Journal of Research and Development，2010,54(4):1-16

[4]石曉冬.大數(shù)據(jù)時代的城鄉(xiāng)規(guī)劃與智慧城市[J].城市規(guī)劃,2014(3):12

[5]趙勇,張浩,吳玉玲,等.面向智慧城市建設(shè)的居民公共服務(wù)需求研究[J].地理科學(xué)進展,2015,34(4): 473-481

[6]吉根林,趙斌.面向大數(shù)據(jù)的時空數(shù)據(jù)挖掘綜述[J].南京師大學(xué)報:自然科學(xué)版，2014(1):1-7

[7]秦蕭, 甄峰,熊麗芳,等.大數(shù)據(jù)時代城市時空間行為研究方法[J].地理科學(xué)進展,2013,32(9):1 352-1 361

[8]胡慶武,王明,李清泉.利用位置簽到數(shù)據(jù)探索城市熱點與商圈[J].測繪學(xué)報, 2013,43(3):314-321

[9]常曉猛,樂陽,李清泉,等.利用位置的虛擬社交網(wǎng)絡(luò)地理骨干網(wǎng)提取[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2014(6):706-710

[10]張恒才,陸鋒,陳潔.移動對象時空軌跡及社交關(guān)系一體化數(shù)據(jù)模型[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2014(6): 711-718

[11]李清泉,常曉猛,蕭世倫,等.中國城際社交關(guān)系網(wǎng)絡(luò)特征分析[J].深圳大學(xué)學(xué)報:理工版,2013,30(5):441-449