城市功能区域及其演化的网络计算模型研究

The modern city has complex multi-function. As the main component of the city, people are user of urban function, and will affect the dynamic change and evolution of a city. Therefore, it is of great scientific significance and social application value to study the network computing model of urban functional area and its evolution based on network big data. The existing researches on urban function mainly focus on mining the mobility of large population, and analyze the mobility pattern of urban residents. However, the mechanism of interaction between human and urban functional area has not been clearly studied, and the practical value of the results is still insufficient. This project will extract human online browsing behavior and offline mobility behavior from big data of mobile network traffic. Then build network computing model based on human online and offline behavior, to discover and identify urban functional area and its spatio-temporal evolution. In order to understand the mechanism of interaction between human and urban functional area, and further analyze the law of emerging, changing, and evolution trend of urban functional area, in this project, we draw the personal attributes to explore the driving force of development of urban functional area. The project will use big data of network data traffic, which covers million populations, to extract human online and offline behavior. In addition, the cloud computing platform, which has PB level storage and computing capability, will support the implement of this study.

现代城市是多功能的综合体，人作为城市的主体是其功能的使用者，会影响其变化和演进，利用网络大数据研究城市功能区域及其演化具有重要科学意义和社会应用价值。已有研究挖掘大规模人群移动体现的城市功能效用，以及城市中居民的移动行为规律，但人与城市功能相互作用机制尚未得到清晰挖掘，成果的实用价值尚显不足。本课题拟从移动网络流量大数据中提取人的线上浏览行为和线下移动行为，从人的线上和线下行为角度建立网络计算模型识别和发现城市功能区域及其时空演化，挖掘个人属性特征以探究城市功能变化的驱动力，进而理解人与城市功能的相互作用机制，并分析城市功能生效原因、变化方式、和发展趋势。本课题使用覆盖百万人口的移动网络流量大数据提取人的线上和线下行为，使用PB级别存储和计算能力的云计算平台，使研究具有特有而坚实的条件支撑。

已有研究挖掘大规模人群移动体现的城市功能效用，以及城市中居民的移动行为规律，但人与城市功能相互作用机制尚未得到清晰挖掘，成果的实用价值尚显不足。本课题从移动网络流量大数据中提取人的线上浏览行为和线下移动行为，从人的线上和线下行为角度建立模型识别和发现城市功能区域及其时空演化，挖掘个人属性特征以探究城市功能变化的驱动力，进而理解人与城市功能的相互作用机制，并分析城市功能生效原因、变化方式、和发展趋势。具体成果如下：（1）提出了一个移动大数据框架FMBD，提供海量流量数据采集、存储、处理、分析和管理功能，支持课题的研究内容，通过分析移动大数据流量、应用和用户行为的特定特性，比如高流量、应用多样性、和时空分布，所提出框架可以提供基于真实数据的分析结果以从运营商和个人角度应对未来无线网络的新挑战；（2）提出了一种移动互联网流量数据基于现有土地利用检测研究的方法论，应用基于非负矩阵因子分解的方法来探索城市地区土地使用类型的混合特性，并为具有混合土地使用类型的区域提供合理的解释，从土地使用类型角度和城市区域角度评估了该分解方法的结果；（3）提出一种基于向量化和聚类，通过移动数据流量来自动识别城市土地使用的方法，提出了“流量数据特征签名”（Data Traffic Signature）的概念，以反映人类线上活动与区域线下功能和土地使用之间的联系，并将结果与POI数据比对作为验证；（4）使用CDR数据来研究人类移动性规律，并基于此，研究城市功能区域划分方法，为城市规划者们提供一个简单、便捷、快速的方式来了解城市架构，在原始的LDA算法中添加时间、空间属性得到TS-LDA算法，使之可以用于时间、地点的分类，同时配合使用TCV评估算法，为TS-LDA算法提供评价标准；（5）提出一个新的基于流量数据的签名构建方法，克服了数据中的离群点问题；定义新的指标，结合公开的POI类别数据验证了识别结果的有效性。通过对城市功能区混合现象的研究，发现城市功能区的混合特点，定义了基于熵的指标衡量了城市区域的功能混合程度，使用非负矩阵分解（Non-negative Matrix Factorizon）算法对基站的流量签名矩阵进行分解，对城市区域功能的混合特性进行研究，并从功能和城市区域两个角度对分解结果进行分析；（6）提出了一个基于多层网络的模型，从更细的单个用户维度，分析了在线内容浏览行为的地理空间特性