基于聯通位置大數據的武漢城市圈和鄂西生態圈的人口流動評價
摘要
隨著我國經濟化建設進程加劇，區域城市一體化也變得越來越顯著。面對城市中日益增長的人口，如何準確地分析人口流動模式，確定城市間的人口流動情況對于我們優化城市管理模式，合理地進行城市規劃有著積極的意義?；谑謾C信令的位置大數據有著空間和時間上連續、完整的特點，可在確保用戶信息私密的情況下，準確、全方位地跟蹤用戶軌跡信息。基于此，本研究以湖北省一個月的聯通手機位置大數據為例，利用大數據技術分析了湖北省武漢城市圈和鄂西生態圈的人口流動情況和特征，以期為進一步的城市規劃/城市設計提供參考和指導。
關鍵字：位置大數據、信令數據、城市群、人口流動
引言
隨著我國城市化進程不斷加快，城市中聚集了越來越多的人口，由此帶來了一系列的城市管理問題，城市群功能分區的不同加劇了人口的流動，并呈現出一定的規律性。準確地定位人口流動模式，對于我們優化城市管理模式，合理地進行城市規劃有著積極的意義。
傳統的人口流動分析往往基于人口普查數據、現場勘察等方式，存在諸多問題和不足。如采樣人數較少、準確性較低等問題。通訊技術和時空大數據技術的進步和發展，為人口流動評價研究帶來了新的思路和方法。目前，已有許多學者和專家利用多源位置數據進行了城市規劃/城市設計的相關研究。如王開泳等通過識別中原經濟區范圍內的微博用戶注冊地和使用地，分析了該區域內的城市流動空間變異情況，但由于微博用戶的樣本量，及群體代表性的問題，僅能一定程度上反映該地區的人口流動情況。許留記等根據POI網點位置和名稱字段進行模型構建，對2011年和2014年全國城市網格格局進行了縱向對比。還有一些研究，基于最新的時空大數據，為新型城市聯系研究帶來了思路。如盧佳利用騰訊位置大數據，研究了我國四大城市群內部空間聯系格局特征變化情況，并通過人口流動情況，構建了城市聯系強度、聚集強度等指標進行了具體量化分析。
為了進一步利用更為完整、連續、準確性高的數據進行分析研究，我們基于聯通手機信令大數據大量的、帶有時空語義信息的位置信令大數據分析了湖北城市群的人口流動情況和特征。根據信令數據和基站位置定位使用者當前的位置信息，確保了數據的連續性和完整性，同時，我們實時地對用戶的位置進行邏輯判別，分析其工作地、居住地、游玩地等位置信息，并進一步分析用戶通勤時長、距離、通勤方式等信息，形成時空位置標簽信息。利用定位信息還原人口在時間維度和空間維度上的出行鏈路信息，進行群體特征行為洞察，為城市規劃/城市設計提供參考和指導。
湖北城市群人口流動評價
人口的跨區流動和信息的跨區連通，在一定程度上反映了區域間的關聯程度?；诖耍狙芯窟x取分別位于湖北省東西部的武漢城市圈和鄂西生態圈為研究對象，通過整合武漢城市圈和鄂西生態圈各城市人口跨區流動數據和跨區聯通位置大數據，匯總計算出某時間兩個區域間的關聯系數及內部關聯情況。
2.1 評價方法及指標
基于聯通大數據SmartSteps平臺，我們對手機信令數據進行加工和處理。具體來講，通過分析原始的手機信令數據獲取用戶的駐留基站位置（空間精度為250m），對用戶的駐留時長、行動軌跡信息分析、統計得到具有標簽信息的聯通位置大數據。我們利用2016年6月手機信令數據，分析湖北省的武漢城市圈和鄂西生態圈每天的去重來往人數，并通過分析城市內部人口流動情況、跨城市人口流動情況，以及城市間的聯系人次，來對湖北各城市間的人流進行定量評價。進一步的，對于市內部人口流動情況，我們通過分析人們出行起點和終點在同一城市內的平均出行人次進行定量評價，并表述為城市對內聯系度；對于跨城市人口流動情況，通過分析人們出行起點在該城市，但終點不在該城市的平均出行人次來定量評價，表述為城市對外聯系度；對于城市間的聯系人次，通過分析每日往返于城市A與城市B的平均人次來定量評價，并表述為城市間聯系度。
2.2 研究結果
2.2.1武漢城市圈
基于城市對內聯系度、對外聯系度和城市間聯系度，本研究首先分析了武漢城市圈中各個城市的人口流動情況。研究發現，武漢城市圈中，武漢市對內聯系度最高，其平均每天對內出行人次可達318.19萬人次（表1）；而黃岡市次之，平均每天對內出行人次可達99.81萬人次；咸寧市和黃石市平均每天對內出行人次均低于50萬，其對內聯系度分別是47.51和38.60萬人次；孝感市和仙桃市平均每天對內出行人次均低于30萬；武漢城市圈中對內聯系度最低的城市是鄂州市、天門市和潛江市，均低于20萬人次。
然后，我們還分析了各城市的對外聯系度。同樣地，武漢市平均每天對外聯系度仍是最高，為1.24萬人次。黃岡市平均每天對外聯系度次之，為0.63萬人次。然后是黃石市和鄂州市，平均每天對外聯系人次分別為0.47和0.45萬人次，我們可以發現對內聯系度較低的鄂州市卻有著較高的對外聯系度，說明本月該市人口輸出較為明顯。該月份天門市和潛江市均有著最低的對內、對外城市聯系度。
最后，我們還分析了城市間的聯系度（圖1），發現在武漢城市圈中，武漢市與黃岡市、咸寧市、孝感市的出行人次最多，平均每天聯系人次均在2萬人次以上。然后是鄂州市與武漢市、鄂州市與黃石市、黃岡市與黃石市，平均每天聯系人次均在1萬人次以上。其他城市間的聯系度均在每天1萬人次以下。
圖1 武漢城市圈城市間聯系度
2.2.2 鄂西生態圈
然后，本研究還分析了湖北省西部的鄂西生態圈中各個城市的人口流動情況。我們發現，在城市對內聯系度方面，宜昌市和襄陽市平均每天對內聯系度較高，均在100萬人次以上，其對內聯系度分別為116.47和107.85萬人次（表2）。恩施市、荊州市和十堰市次之，對內聯系度均在65萬人次以上。對內聯系度最低的是荊門市、隨州市和神農架。
對外聯系度方面，宜昌市、襄陽市和荊州市對外聯系度最高，分別為0.34、0.29和0.26萬人次。荊門市、恩施、十堰市和隨州市次之，平均每天對外出行人次均在2000人以下。神農架最低，其平均每天對外出行人次僅有248人。該月對外聯系度方面，鄂西生態圈明顯低于武漢城市圈。
各城市間的聯系度方面（圖2），宜昌市與荊州市、宜昌市與恩施、襄陽市與十堰市間的城市聯系度最高，平均每天聯系人次均在7000人次以上。然后，荊州市與荊門市、襄陽市與隨州市、襄陽市與荊門市、襄陽市與宜昌市、襄陽市與荊州市、荊門市與宜昌市、荊州市與隨州市的城市聯系度均在1千到4千人次之間。其他城市間的聯系度均在每天1千人次以下?？梢悦黠@地發現鄂西生態圈各城市間的聯系度，明顯地低于武漢城市圈各城市間的聯系度，有著較弱的人流活動。
圖2 鄂西生態圈城市間聯系度
2.2.3 兩圈之間的聯系
我們還進一步對比武漢城市圈和鄂西生態圈之間的聯系度（圖3）。研究發現，平日兩個城市圈之間的人流聯系基本穩定，約6-7萬人；端午期間，從8-9號開始，客居在武漢的人回鄂西過節或游玩，11-12號返回武漢。此外，周五有更多的人群從武漢到鄂西，周日則有更多的人群從鄂西回到武漢，仍說明了武漢城市圈在城市功能結構中的核心地位。
圖3 武漢城市圈和鄂西生態圈之間的聯系人次
討論
從分析結果來看，武漢城市圈各城市平均對外聯系度為0.44萬人次，對內聯系度為65.97，武漢城市圈內部的人流更為活躍，而鄂西相對弱些，平均對外聯系度為0.18萬人次，對內聯系度為62.08。在武漢城市圈內，武漢是核心城市，有著最高的對內聯系度和對外聯系度；鄂西生態圈內，宜昌市和襄陽市則是核心城市，有著最高的對內聯系度和對外聯系度。
為了進一步討論城市群內部的城市功能，我們探討了兩圈中核心城市間的人流關系。研究發現，平日的聯系人次基本穩定，而端午節的聯系則表現出一定的規律。武漢到襄陽市和宜昌市在端午節前呈現出人流的高峰，而在端午節后，襄陽市和宜昌市到武漢的人流則呈現出高峰（圖4）。對于襄陽，與武漢的人流情況在端午節前后呈現出一定規律，而與宜昌市則與平日一致；就總量而言，襄陽與武漢之間的聯系人次要高于襄陽和宜昌間的聯系人次（圖5）。
圖4 與武漢相關的城市間聯系度
圖5 與襄陽相關的城市間聯系度
結論
隨著城市化進程不斷加劇，如何準確、合理地定位人口流動模式，確定城市間的人口流動情況對于我們優化城市管理模式，合理地進行城市規劃有著積極的意義。為此，本研究基于聯通手機信令大數據獲取用戶的位置數據，以湖北省一個月的聯通手機位置大數據為例，利用大數據技術分析了湖北省武漢城市圈和鄂西生態圈的人口流動情況和特征。在武漢城市圈中，武漢市是該城市群中的核心城市，有著最高的對內聯系度和對外聯系度，而黃岡市次之。天門市和潛江市有著最低的對內聯系度和對外聯系度，人們對內出行較不明顯。城市間的聯系度方面，武漢是各個城市人口流動的核心城市，與黃岡市、咸寧市、孝感市平均每天聯系人次均在2萬人次以上。而在鄂西生態圈，宜昌市和襄陽市是核心城市，有著較高的對內聯系度和對外聯系度。而荊門市、隨州市有著較低的對內聯系度和對外聯系度。城市間的聯系度方面，宜昌市與荊州市、宜昌市與恩施、襄陽市與十堰市間均有著較高的城市間聯系度，一定程度上說明了宜昌市和襄陽市在城市圈功能中的核心地位。而兩圈之間的聯系度較為緊密，鄂西生態圈初步形成了以襄陽與宜昌為核心的格局，而武漢城市圈則是武漢為核心，同樣也是湖北省的中心，周邊地市的地位也已經凸顯。
基于手機信令的位置大數據技術，可利用定位信息還原群體在時間維度和空間維度上的出行鏈路信息，進而進行群體特征行為洞察，為城市規劃、城市設計提供參考和指導。
參考文獻
[1]劉瑜, 詹朝暉, 朱遞,等. 集成多源地理大數據感知城市空間分異格局[J]. 武漢大學學報(信息科學版), 2018, 43(3):327-335.
[2]李德毅. 大數據時代的位置服務[J]. 測繪科學, 2014, 39(8):3-6.
[3]劉經南, 方媛, 郭遲,等. 位置大數據的分析處理研究進展[J]. 武漢大學學報(信息科學版), 2014, 39(4):379-385.
[4]Thakuriah P, Tilahun N Y, Zellner M. Big Data and Urban Informatics: Innovations and Challenges to Urban Planning and Knowledge Discovery[J]. 2017.
[5]劉劍鋒, 寺原讓治. 中國西南地區中小城市人口流動分析及對城市化的啟示——5個案例城市及農戶調查[J]. 城市規劃學刊, 2005(3):18-23.
[6]勞昕, 沈體雁. 中國地級以上城市人口流動空間模式變化——基于2000和2010年人口普查數據的分析[J]. 中國人口科學, 2015(1):15-28.
[7]蔚志新. 分地區流動人口居留意愿影響因素比較研究——基于全國5城市流動人口動態監測調查數據[J]. 人口與經濟, 2013(4):12-20.
[8]王開泳, 鄧羽. 基于微博數據的中原城市群空間聯系強度測度[J]. 中國科學院大學學報, 2016, 33(6):775-782.
[9]許留記, 金慧. 中原城市群服務業水平空間格局演變[J]. 河南科學, 2016, 34(9):1579-1585.
[10]盧佳. 基于騰訊位置大數據的四大城市群內部空間聯系格局特征研究[J]. 《持續發展 理性規劃——2017中國城市規劃年會論文集（05城市規劃新技術應用）》, 2017.