空间O-D模型优化与不确定性分析

We are in a mobile society. Different types of spatial origin-destination flows, whatever tangible entities such as persons and commodities or intangible ones such as information, have weaved different regions in a complex network system with specific structures and functions. The spatial data analysis and modeling techniques based on frequentist statistics, cannot provide a sound explanation of the structural and functional evolution in a network system by ignoring the uncertainties in model specification. Starting from the complexities in a spatial.O-D network system, this project attempts to apply Bayesian statistics to build a series of spatial O-D models with uncertainties about nodes and their environments. These models are then compared and optimized by Bayesian model averaging methods in order to provide a much sounder interpretation of the evolution of the spatial O-D flows. The feasibility of these techniques and methods in spatial O-D model optimization will be demonstrated by a case study of Chinese interprovincial migration flows. This project in spatial O-D model comparison and uncertainty analysis will deepen the capability of GIS spatial analysis and the related spatial data mining and knowledge discovery fields. In addition, it will drive the paradigm transformation of geographic research from frequentist to Bayesian, and improve the development of quantitative geography to some extent due to the symbolic role of spatial interaction modeling in geography.

以人流、物流或信息流等方式存在的空间O-D流将不同区域紧密联系在一起，形成具有一定结构和功能的复杂网络系统。基于频率学派的空间数据分析，将影响空间O-D流变化的诸因素中的不确定性归结为噪声，忽视了与模型设定有关的不确定性，难以对空间网络系统的结构和功能演变做出更为合理的解释。本项研究从空间O-D流所在的网络系统的复杂性出发，围绕节点属性、节点环境与模型结构表达中可能存在的不确定性，结合贝叶斯统计学，建立表征不确定性的空间O-D模型，通过贝叶斯模型平均方法优化模型，以期对空间O-D流的模式演变与内在机理做出较为科学的解释，并对未来发展趋势做出概率预测。本项研究通过对中国省际人口迁移流的建模与预测分析，以实例形式表明面向不确定性的空间O-D模型构建与优化在技术与方法上的可行性。本项研究将深化GIS和空间数据挖掘等领域的研究和应用，一定程度上推动地理学研究范式的转型，提升其定量化研究水平。

空间O-D模型是一类专门处理具有起讫节点（Origin/Destination），且以人流、物流或信息流等有形或无形的O-D流现象的模型，对国家或地区国民经济和社会发展极具重要性。除了节点要素特征、距离以及节点间的依赖关系以外，还需要考虑建模中节点要素、节点环境和模型结构表达中的不确定性问题。初步得到以下成果：（1）空间O-D模型建模中变量选择不确定性的解决方案。首先提出空间O-D模型的基本形式，其次采用马尔可夫链-蒙特卡罗模型组合（Markov chain Monte Carlo model composition，MC3）方法对所有可能出现的模型进行抽样，以后验概率大小为权重进行加权平均，得到一个“最优”结果；（2）空间O-D模型的估计和解释。利用Gibbs抽样方法对模型常规参数进行估计，而空间自相关系数则利用Metropolis-Hastings（M-H）抽样方法。因为存在空间滞后因变量，系数估计不再表示区域要素变化对O-D流产生的影响，需要进行重新解释；（3）定量分析了2010-2015年间中国省际人口迁移过程的影响因素和空间动力机制。中国省际人口迁移主要由迁出地效应和网络溢出效应推动，迁入地效应为辅，为中国供给侧改革提供新的证据；区域经济社会因素通过空间结构对整个迁移网络起到了共同演化的作用，这是不考虑模型不确定性的一般空间O-D模型所无法得到的；（4）耦合时空维度依赖关系的空间动态面板模型能够更好解释区域人口迁移的时空演化特征。以1985-2015年中国省际人口迁移系统为例，通过时间依赖、空间依赖以及时空扩散依赖的表征，表明人口迁移是一个时空路径依赖过程，正是逐渐衰减的时空溢出效应维持了区域人口迁移规模发展的相对稳定；（5）对2015-2035年间中国省际人口迁移流进行了短期预测。通过特征向量滤波方法进行预测的结果表明，京津地区、长三角和珠三角仍为我国人口的主要迁入地；而河南、安徽、四川、湖南和贵州等省份的人口迁出趋势变缓，迁往经济发达省份的人口占比也将有所下降。未来省际人口迁移将进一步影响区域劳动力人口结构和经济社会的可持续发展。