هوش مکانی اتیم تحقیقاتی ونوس نصیرفام

بررسی ویژگی‌های فضایی فعالیت‌های جمعیتی و تسهیلات عملکردی در قلمرو ایستگاه حمل‌ونقل ریلی بر اساس داده‌های موقعیت‌یابی بلادرنگ: موردی از خط ۲ مترو شیان

چکیده

قلمرو ایستگاه حمل و نقل ریلی یک گره فضایی شهری مهم است که فعالیت‌های رفتاری مختلف و عملکردهای متعدد را انجام می‌دهد. به منظور شناسایی دقیق توزیع مکانی و زمانی فعالیت‌های جمعیت و امکانات عملکردی در قلمرو ایستگاه حمل‌ونقل ریلی و درک رابطه تأثیر پویا بین آنها، این مقاله چهار نوع ایستگاه مختلف از خط ۲ مترو شیان را به عنوان هدف تحقیق در نظر می‌گیرد. ، با استفاده از داده های موقعیت یابی بلادرنگ برای نمایش فعالیت های جمعیت و نقاط مورد علاقه (POI) برای نشان دادن امکانات عملکردی. یک چارچوب تحلیلی ترکیبی از تکنیک شناسایی الگوی نقطه فضایی و مدل رگرسیون حداقل مربعات معمولی (OLS) پیشنهاد شده‌است. نتایج نشان می دهد که (۱) ناهمگونی مکانی و زمانی در فعالیت های جمعیتی در قلمرو ایستگاه حمل و نقل ریلی وجود دارد. توزیع تراکم فعالیت های جمعیت در دوره های زمانی مختلف، ویژگی خوشه بندی را در فاصله ۵۰۰ متری ایستگاه، صرف نظر از روزهای کاری یا تعطیلات نشان می دهد. (۲) توزیع POI خدمات خرید، POI خدمات پذیرایی، و POI خدمات زندگی در قلمروهای مختلف ایستگاه، ویژگی خوشه بندی در اطراف ایستگاه ها را نشان می دهد. (۳) POI پذیرایی، POI زندگی، POI خرید و POI حمل و نقل جذابیت مثبتی برای فعالیت های جمعیت در دوره های زمانی مختلف دارند. مدل OLS ساخته شده اساساً می تواند رابطه تأثیر بین امکانات عملکردی مختلف و فعالیت های جمعیتی را در تمام دوره های زمانی توضیح دهد.

کلید واژه ها:

قلمرو ایستگاه حمل و نقل ریلی ; ویژگی های فضایی و زمانی داده های موقعیت یابی بلادرنگ ؛ POI

۱٫ مقدمه

سیستم متروی شهری که به سرعت در حال توسعه است، دسترسی به منطقه اطراف ایستگاه را بسیار بهبود بخشیده است و تعداد زیادی از مردم و خدمات مختلف را برای جمع آوری در این منطقه جذب کرده است، بنابراین فضای شهری با مرکز ایستگاه و فعالیت های روزمره مردم را تحت تأثیر قرار داده است. ایستگاه تا حد معینی [ ۱ ، ۲ ]. این قلمرو نفوذ ایستگاه حمل و نقل ریلی است (که در این مقاله به آن قلمرو ایستگاه گفته می شود). در هنگ کنگ، حمل و نقل ریلی ۴۳٫۹ درصد از سفرهای حمل و نقل عمومی روزانه ساکنان دائم را به خود اختصاص می دهد و نزدیک به ۵۰ درصد از شهروندان در شعاع ۵۰۰ متری ایستگاه زندگی می کنند [ ۳ ]. در توکیو، جایی که حمل و نقل ریلی توسعه یافته است، نرخ سهم سفرهای حمل و نقل ریلی در ۲۳ منطقه توکیو در سال ۲۰۱۸ از ۷۷ درصد فراتر رفت.۴ ]. در شمال غربی چین، جایی که توسعه حمل و نقل ریلی نسبتاً دیر است، سهم حمل و نقل ریلی در حمل و نقل عمومی شهری در شیان در سال ۲۰۲۱ بیش از ۵۰ درصد خواهد بود [ ۵ ]. علاوه بر این، مدل‌های توسعه محور ترانزیت ریلی مانند TOD [ ۶ ]، ادغام ایستگاه-شهر [ ۷ ]، و توسعه یکپارچه ایستگاه [ ۸ ] مورد علاقه برنامه‌ریزان و مدیران شهری در سراسر جهان است، به ویژه برای کشورهای در حال توسعه که با مشکلات تراکم ترافیک مواجه هستند. ناشی از شهرنشینی سریع بنابراین، منطقه ایستگاه راه آهن شهری به یک منطقه مهم برای ایفای عملکرد جمع آوری شهر، ایجاد حمل و نقل عمومی برای حمایت و هدایت توسعه شهری و بهبود کیفیت محیط شهری تبدیل شده است .، ۱۰ ]. بنابراین، به منظور تدوین سیاست توسعه فضایی پایدار قلمرو ایستگاه که پاسخگوی نیازهای عمومی باشد، مدیران و طراحان شهری باید دانش خود را از الگوی فضایی منطقه ارتقا دهند. این امر به ویژه در هنگام درک روابط تأثیر ذاتی بین امکانات عملکردی و فعالیت های جمعیتی صادق است.
به طور کلی، ساخت زیرساخت های حمل و نقل اصلی بر توزیع عناصر شهری تأثیر می گذارد و در نتیجه الگوی فضایی شهرها را تغییر می دهد [ ۱۱ ، ۱۲ ]. در مطالعات قبلی، بسیاری از محققان ویژگی های فضایی حوزه ایستگاه حمل و نقل ریلی را از نظر ساختار کاربری زمین [ ۱۳ ، ۱۴ ]، توزیع صنعتی [ ۱۵ ، ۱۶ ] آشکار کرده اند.]، و غیره، اما ادبیات کمی وجود دارد که به افشای دقیق ویژگی‌های فضایی فعالیت‌های انسانی در حوزه ایستگاه بپردازد، به‌ویژه با توجه به تغییرات توزیع پویا فعالیت‌های جمعیت در فضا در دوره‌های زمانی مختلف. در همین حال، بیشتر مطالعات بر روی مکانیسم‌های تأثیر ترانزیت ریلی بر کاربری زمین [ ۱۷ ، ۱۸ ]، دسترسی [ ۱۹ ، ۲۰ ] و قیمت زمین [ ۲۱ ، ۲۲ ] متمرکز شده‌اند.] در اطراف ایستگاه‌ها، در حالی که مطالعات کمی رابطه بین عملکردهای شهری و فعالیت‌های جمعیتی را بررسی کرده‌اند، به‌ویژه با توجه به مکانیسم‌های تأثیر پویا در دوره‌های زمانی مختلف روزهای کاری و روزهای تعطیل. فضای عمومی اطراف ایستگاه راه آهن فضای ویژه ای است که مسیر فعالیت ساکنین بر آن حاکم است و مردم بازیگران اصلی فعالیت در فضای عمومی هستند [ ۲۳ ].]. بنابراین، فعالیت های جمعیتی بخش مهمی از فضای قلمرو ایستگاه حمل و نقل ریلی است. در نتیجه، برای تکمیل شکاف وضعیت تحقیقاتی فوق، ما تلاش می‌کنیم تا الگوی نقطه‌ای مکانی فعالیت‌های جمعیتی و عملکردهای شهری در قلمرو ایستگاه را با استفاده از داده‌های بزرگ‌تر و موقعیت‌یابی زمان واقعی در پلت‌فرم ArcGIS شناسایی کنیم و مدل‌های رگرسیونی را برای بررسی بیشتر توسعه دهیم. مکانیسم تأثیر پویا بین فعالیت های جمعیتی و عملکردهای شهری
در فناوری اطلاعات به سرعت در حال توسعه امروزی، داده های بزرگ روش ها و راه های دستیابی به داده ها را برای محققان غنی کرده است. در مقایسه با روش های سنتی نظرسنجی مبتنی بر مشاهده و تجربه، داده های بزرگ دارای مزایای منابع غنی، حجم نمونه بزرگ و زمان واقعی است که می تواند ویژگی های افراد نظرسنجی را به طور عینی تری منعکس کند [ ۲۴ ]. اگرچه بسیاری از محققان از داده های چند منبعی مانند سیگنالینگ تلفن همراه [ ۲۵ ، ۲۶ ]، سیستم جمع آوری خودکار کرایه مترو (Metro AFC) [ ۲۷ ، ۲۸ ]، رسانه های اجتماعی [ ۲۹ ، ۳۰ ، ۳۱ ] و Wi-Fi استفاده کرده اند. فناوری سیگنالینگ [ ۳۲برای بررسی فعالیت‌های سفر کاربر و ویژگی‌های توزیع، منابع کلان داده فوق دارای محدودیت‌هایی در استفاده از منطقه فضایی ایستگاه میکروسکوپی هستند. فناوری سیگنال دهی تلفن همراه معمولاً برای استخراج داده های اصلی و مقصد (OD) سفر ترافیک ساکنان استفاده می شود [ ۳۳ ]، اما تراکم توزیع ایستگاه های پایه ارتباطی کوچک است (شعاع پوشش مناطق شهری به طور کلی ۱۰۰ تا ۵۰۰ متر است). [ ۳۴ ]. استفاده از ایستگاه پایه برای ارسال و دریافت داده ها ممکن است باعث خطاهای موقعیت مکانی شود که به نوبه خود بر دقت شناسایی جمعیت تأثیر می گذارد. Metro AFC سیستمی است که از گیت های خودکار بلیط برای ثبت ایستگاه خروج و ورود و زمان هر مسافر استفاده می کند و این داده ها را در یک پایگاه داده با فرکانس مشخص بارگذاری می کند [ ۳۵ ].]، داده ها می توانند حجم زیادی از اطلاعات سفر مسافران از جمله کد مسافر، زمان ورود، زمان خروج، ایستگاه های عزیمت و مقصد و غیره را ارائه دهند. با این حال، داده های AFC فقط برای آمار گردش کل مسافران راه آهن قابل استفاده است. شبکه حمل و نقل، و توزیع مسافر در زمان واقعی در فضا در دسترس نیست [ ۳۶ ]. علاوه بر این، استفاده از پلتفرم‌های رسانه‌های اجتماعی مانند فیس‌بوک، توییتر و ویبو برای جمع‌آوری داده‌های تحلیلی مربوط به مسیرهای فعالیت جمعیت برای نشان دادن ویژگی‌های فعالیت افراد در هر سنی کافی نیست، زیرا بیشتر مشارکت‌کنندگان را جوانان تشکیل می‌دهند [ ۳۷ ].]. فن آوری سیگنال دهی Wi-Fi نیاز به برنامه ریزی و استقرار تجهیزات سیگنال قابل توجه برای اطمینان از پوشش کامل سیگنال ها در منطقه ایستگاه به منظور اطمینان از صحت جمع آوری داده دارد. با این حال، این به شدت هزینه تحقیق را افزایش می دهد [ ۳۸ ]. در این مطالعه، ما برنامه ترمینال تلفن همراه توسعه یافته توسط WeChat، اپلت Easygo را انتخاب می کنیم (که توزیع حرارتی جریان مردم را در منطقه انتخاب شده فعلی بر اساس نقشه نمایش می دهد). این داده ها دارای مزایای زیر هستند [ ۳۹ ، ۴۰]: (۱) عملکرد قوی در زمان واقعی. داده‌های WeChat از اطلاعات موقعیت‌یابی GPS پایانه‌های هوشمند تلفن همراه جمعیت می‌آیند. دارای ویژگی های به روز رسانی پویا و بازخورد بلادرنگ است. (۲) دقت بالا: محدوده استخراج داده های Easygo فقط یک شبکه ۲۵ متر × ۲۵ متر است که برای تحقیق در مقیاس میکرو مناسب تر است. (۳) پوشش بالا: داده های موقعیت یابی Easygo عمدتاً از WeChat می آید، یک نرم افزار اجتماعی متعلق به Tencent، که جمعیت وسیع تری را در چین پوشش می دهد و دارای ارزش استفاده قوی است. (۴) در دسترس بودن آسان: Easygo به طور مستقیم یک رابط API را فراهم می کند تا دسترسی مستقیم به داده ها را آسان تر کند. بنابراین، داده‌های موقعیت‌یابی بی‌درنگ Easygo برای این مقاله برای شناسایی توزیع جمعیت و تغییرات در قلمرو ایستگاه در مقیاس میکروسکوپی مناسب است.
مطالعه دو هدف اصلی دارد. اولین مورد نشان دادن استفاده از موقعیت‌یابی داده‌های بزرگ برای کشف ویژگی‌های توزیع فعالیت‌های جمعیتی و امکانات عملکردی در منطقه مورد مطالعه در مقیاس میکروسکوپی است. هدف دوم تجزیه و تحلیل رابطه بین فعالیت های جمعیتی و امکانات عملکردی در طول زمان با استفاده از مدل های حداقل مربعات معمولی (OLS) است. به طور خلاصه، هدف اصلی مطالعه ما این است که قلمرو ایستگاه حمل و نقل ریلی را به عنوان واحد تحقیق، استفاده از داده‌های موقعیت‌یابی بلادرنگ از Easygo و داده‌های POI از AutoNavi Map، و تجسم و تجزیه و تحلیل توزیع فضایی فعالیت‌های جمعیت و امکانات کاربردی باشد. در قلمرو ایستگاه بر اساس ابزار الگوی فضایی سیستم اطلاعات جغرافیایی (GIS). سپس،
سهم اصلی این مقاله به شرح زیر است:
  • گسترش تحقیقات نظری. با تمرکز بر تغییرات توزیع فضایی پویا فعالیت‌های جمعیت، مکانیسم درونی فعالیت‌های جمعیت و امکانات عملکردی مختلف را به طور عمیق مطالعه می‌کنیم که سیستم نظری پژوهش الگوی فضایی در قلمرو ایستگاه را غنی می‌کند.
  • نوآوری در مقیاس تحقیق با در نظر گرفتن قلمرو ایستگاه به عنوان یک واحد فضایی مستقل و کامل، محدودیت‌های مرزهای فضایی شهری سنتی را می‌شکنیم و بنابراین ویژگی‌های الگوی فضایی فعالیت‌های جمعیتی و امکانات عملکردی را از منظر میکروسکوپی‌تر درک می‌کنیم.
  • نوآوری وسایل فنی ما از داده‌های موقعیت‌یابی بی‌درنگ و دقیق‌تر (داده‌های Easygo)، یک چارچوب تحلیلی که فناوری شناسایی الگوی نقطه‌ای مکانی را ترکیب می‌کند، و یک مدل رگرسیون حداقل مربعات معمولی (OLS) استفاده می‌کنیم. بر اساس شناسایی ویژگی‌های توزیع فضایی فعالیت‌های جمعیتی و امکانات عملکردی در قلمرو ایستگاه، رابطه تأثیر پویا بین این دو بیشتر منعکس می‌شود.
بقیه این مقاله به شرح زیر سازماندهی شده است. بخش ۲ منطقه مورد مطالعه را ارائه می دهد. بخش ۳ مبنای انتخاب ایستگاه های تحقیقاتی، روش تعریف قلمرو ایستگاه، منبع داده های مطالعه و روش تحلیل را توضیح می دهد. بخش ۴ نتایج تجزیه و تحلیل چگالی هسته و تحلیل رگرسیون OLS را نشان می دهد. بخش ۵ و بخش ۶ بحث و خلاصه ای از نتایج تجزیه و تحلیل را ارائه می دهند.

۲٫ منطقه مطالعه

شیان مرکز استان شانشی و مرکز سیاسی، اقتصادی و فرهنگی شمال غربی چین است که ۱۲٫۹۵ میلیون نفر جمعیت دارد [ ۴۱ ]. در حال حاضر هشت خط ترانزیت ریلی در شیان در حال فعالیت است. در سال ۲۰۱۱، اولین خط ۲ مترو با طول کل ۲۶٫۷ کیلومتر و مجموعا ۲۱ ایستگاه به بهره برداری رسید [ ۴۲ ]. این نه تنها خطی با بالاترین میانگین جریان روزانه مسافر در شیان است ( شکل ۱) بلکه خط اصلی است که با محور مرکزی شهر همپوشانی دارد و چندین منطقه توسعه عملکردی را در شمال و جنوب به هم متصل می کند. خط ۲ مترو یک مطالعه موردی بسیار مهم است، زیرا تأثیر عمیقی بر ساختار فضایی شهری در امتداد و اطراف ایستگاه دارد. بنابراین، درک کامل ویژگی ها و قوانین آن، اهمیت مرجع قوی برای توسعه پایدار ایستگاه متروی آینده مناطق اطراف در استان شانشی و حتی کل شمال غربی چین دارد.
در این مقاله، هر ایستگاه از خط ۲ بر اساس روش ارائه شده توسط Duan Degang و همکاران طبقه بندی شده است. [ ۴۳ ] برای طبقه بندی انواع ایستگاه ها بر اساس ترکیب کاربری زمین در اطراف ایستگاه ( جدول ۱ ). با فرض گنجاندن همه انواع و با در نظر گرفتن موقعیت جغرافیایی در شیان که ایستگاه ها در آن قرار دارند ( شکل ۲ )، ما در مجموع چهار ایستگاه معمولی را انتخاب کردیم، یعنی ایستگاه Xing Zheng Zhong Xin، ایستگاه Long Shou Yuan، Bei Da Jie. ایستگاه، و ایستگاه وی یی جی، به عنوان اهداف تحقیق این مقاله ( جدول ۲ ).

۳٫ مواد و روشها

همانطور که در شکل ۳ نشان داده شده است ، یک روش تحقیق پنج مرحله ای استفاده شد: (۱) تعیین قلمرو ایستگاه. (۲) جمع آوری و پردازش داده ها؛ (iii) شناسایی الگوی نقطه فضایی. (IV) تجزیه و تحلیل رگرسیون. (v) القای ویژگی. مرحله (i) محدوده قلمرو ایستگاه را تعریف می کند، مرحله (ii) آماده سازی داده ها برای تجزیه و تحلیل است و مراحل (iii) تا (v) شامل تجزیه و تحلیل داده ها و خلاصه نتایج است. به طور مشخص، مرحله شناسایی الگوی نقطه‌ای مکانی، ویژگی‌های فعالیت‌های جمعیتی و توزیع عملکرد شهری را در قلمرو ایستگاه نشان می‌دهد و تحلیل روابط فضایی توضیح بیشتر ویژگی‌ها و پدیده‌ها است.

۳٫۱٫ قلمرو ایستگاه حمل و نقل ریلی

مقیاس پیاده روی معمولا عنصر اصلی برای تعریف محدوده قلمرو ایستگاه حمل و نقل ریلی [ ۴۴ ] است. در حال حاضر، تعریف منطقه ایستگاه حمل و نقل ریلی عمدتاً مبتنی بر منطقه ای است که در آن می توان به ورودی ایستگاه در فاصله ۱۰ تا ۱۵ دقیقه پیاده روی رسید و این ارتباط نزدیک با عملکرد راه آهن دارد [ ۹ ، ۴۵ ]. با این حال، در عمل، از آنجایی که استاندارد مقیاس یک مقدار ثابت نیست، مقدار محدوده ایستگاه از شهری به شهر دیگر متفاوت است. به عنوان مثال، مسافت پیاده روی قلمرو ایستگاه در شهرهای کانادا بیشتر بین ۳۰۰ متر تا ۹۰۰ متر است، در حالی که در ایالات متحده ۴۰۰ تا ۸۰۰ متر است [ ۴۶ ، ۴۷ ].]. هیونگون سونگ منطقه ضربه ای ایستگاه حمل و نقل راه آهن سئول را با برد معقول ۵۰۰ متر ترسیم کرد [ ۲۰ ]. در شنژن، چین، برخی از محققان بر اساس نظرسنجی پیشنهاد کردند که زمان پیاده‌روی معمولی عموماً در محدوده پیاده‌روی ۶ تا ۱۰ دقیقه یا حدود ۴۰۰ تا ۷۰۰ متر متمرکز است [ ۴۸ ]. علاوه بر این، برخی از محققان معتقدند که قلمرو ایستگاه حمل و نقل راه آهن به سادگی با شعاع هندسی انتزاعی مشخص نمی شود. همچنین تحت تأثیر فضای توپوگرافی، الگوی جاده، تابع نمودار و عوامل دیگر است [ ۴۹ ].
بنابراین، با در نظر گرفتن ایستگاه BDJ خط ۲ مترو شیان، ابتدا از پرسشنامه ها و سرعت سنجی مادون قرمز برای انجام بررسی های میدانی در مورد زمان قابل قبول پیاده روی ( شکل ۴ الف) و میانگین سرعت پیاده روی ( شکل ۴ ب) عابران پیاده استفاده می کنیم. به ترتیب در اطراف ایستگاه BDJ. در مرحله دوم، زمان پیاده‌روی ۱۰ دقیقه و میانگین سرعت پیاده‌روی ۱٫۱۸ متر بر ثانیه بر اساس ادبیات مربوطه و تقاضای واقعی انتخاب شده و مقیاس پیاده‌روی ۷۰۸ متر محاسبه شده است. مقیاس پیاده روی به عنوان یک شعاع برای ایجاد یک منطقه حایل در ArcGIS استفاده می شود و با توجه به وضعیت واقعی جاده های شهری و یکپارچگی زمین تنظیم می شود تا در نهایت قلمرو ایستگاه BDJ به دست آید ( شکل ۵).). سایر محدوده های قلمرو ایستگاه های تحقیقاتی در این مقاله با همین روش تعریف شده اند ( شکل ۶ ).

۳٫۲٫ منبع و جمع آوری داده ها

۳٫۲٫۱٫ منبع اطلاعات

همانطور که در بالا ذکر شد، این مطالعه توزیع فضایی عابران پیاده و عملکردهای شهری را به طور همزمان در نظر می گیرد. داده ها عمدتاً از اپلت Easygo WeChat و API نقشه AutoNavi می آیند. علاوه بر این، داده هایی مانند زمان راه رفتن عابر پیاده و سرعت راه رفتن از طریق بررسی های میدانی جمع آوری شد.
WeChat یک نرم افزار پیام رسانی فوری است که توسط Tencent چین در ۲۱ ژانویه ۲۰۱۱ راه اندازی شد. این نرم افزار از سیستم عامل های تلفن همراه مانند Android و IOS پشتیبانی می کند. تا ۳۰ ژوئن ۲۰۲۱، تعداد کاربران فعال ماهانه نرم افزار (MUA) از ۱٫۲ میلیارد نفر فراتر رفت و آن را به فعال ترین نرم افزار اجتماعی در چین تبدیل کرد [ ۵۰ ]. علاوه بر این، وی چت حدود ۶۹٫۲ درصد از نرم افزار ارتباطی چین را تشکیل می دهد [ ۵۱]؛ به استثنای کودکان، دانش‌آموزان دبستانی و سالمندان که به ندرت از تلفن همراه استفاده می‌کنند، داده‌ها می‌توانند به طور کامل فعالیت‌های مختلف جمعیت در تمام سنین را پوشش دهند. Easygo یک اپلت داخلی WeChat است. با ثبت اطلاعات موقعیت مکانی بلادرنگ کاربران وی چت، موقعیت لحظه ای عابر پیاده را در قالب داده های نقطه ای مکانی ارائه می دهد که دارای ویژگی های هزینه اکتساب کم، وضوح فضایی بالا و تغییر پویا در زمان واقعی است. بنابراین، نکات فوق دلایلی است که داده‌های Easygo می‌تواند ویژگی‌های توزیع فضایی عابران پیاده را در این مطالعه منعکس کند.
داده‌های POI (نقطه مورد علاقه) عمدتاً شامل اطلاعات مکانی و داده‌های اطلاعاتی ویژگی‌های موجودات جغرافیایی است که نزدیک به زندگی افراد مرتبط است. می تواند به سرعت و به طور شهودی توزیع عملکردهای مختلف را در فضای شهری بدست آورد که نسبت به داده های تحقیقات سنتی برتری دارد [ ۵۲ ]. علاوه بر این، متفاوت از مطالعات قبلی در مورد رابطه بین ایستگاه‌های راه‌آهن و زمین‌های شهری اطراف از طریق ماهیت کاربری زمین، داده‌های POI میکروسکوپی‌تر هستند و مزایای بیشتری در دقت داده‌ها دارند که می‌تواند به طور شهودی ویژگی‌های تراکم فضایی توابع شهری را منعکس کند. [ ۵۳]. در این مطالعه، POI عمدتاً توزیع فضایی توابع شهری در قلمرو ایستگاه را منعکس می‌کند و تحلیل همبستگی را با ویژگی‌های فعالیت فضایی عابران پیاده انجام می‌دهد.
به طور خلاصه، برای دامنه این مطالعه، داده های نقطه ای Easygo نشان دهنده فعالیت های جمعیتی است. نقاط مورد علاقه AutoNavi Map نشان دهنده امکانات کاربردی شهری است.
۳٫۲٫۲٫ جمع آوری داده ها
داده‌های مربوط به فعالیت‌های جمعیت و POI در این مقاله از پنجره سرویس داده بزرگ Tencent Location ( https://heat.qq.com/index.php ، دسترسی به ۱۵ نوامبر ۲۰۲۱) و رابط برنامه‌نویسی عمومی نقشه AutoNavi ( API) ( https://lbs.amap.com، قابل دسترسی در ۳۰ دسامبر ۲۰۲۱). این برنامه ها می توانند تمام داده ها را در منطقه محدود جمع آوری کرده و آنها را به فایل های csv صادر کنند. به منظور حفظ حریم خصوصی کاربران ویچت، ما در هنگام جمع‌آوری داده‌ها در Easygo فقط اطلاعات موقعیت جغرافیایی و زمانی کاربران را استخراج می‌کنیم و داده‌های حاوی اطلاعات شناسایی شخصی مانند نام، سن و جنسیت را جمع‌آوری نمی‌کنیم. به همین ترتیب در استخراج نقاط مورد نظر نقشه AutoNavi تنها نوع امکانات خدماتی و موقعیت جغرافیایی را استخراج می کنیم. جزئیات در جدول ۳ نشان داده شده است.
مطالعات موجود نشان داده‌اند که فعالیت‌های روزانه جمعیت درون‌شهری معمولاً به‌صورت دوره‌ای به صورت هفتگی متفاوت است و تفاوت‌هایی در توزیع جمعیت بین روزهای کاری و روزهای تعطیل وجود دارد [ ۳۹ ، ۵۴ ]. در این مطالعه، داده های Easygo به مدت ۷ روز متوالی از ۱۵ نوامبر تا ۲۱ نوامبر ۲۰۲۱ (۲۰ و ۲۱ روز تعطیل و ۱۵ تا ۱۹ روز کاری) با استفاده از مرز هر قلمرو ایستگاه تحقیقاتی به عنوان محدوده گردآوری داده ها جمع آوری شد ( شکل ۷) زمان جمع آوری از ۷:۰۰ صبح تا ۲۲:۰۰ بعد از ظهر (طبق زمان عملیات مترو شیان) بود و در مجموع ۱۹۳۵۹۲ داده خام در قالب CSV شامل تاریخ فعالیت، تعداد فعالیت، طول جغرافیایی و عرض جغرافیایی جمع آوری شد. . به منظور شناسایی دقیق ویژگی‌های توزیع فضایی، پس از اعتبارسنجی آزمایشی اولیه، ۱۷ (چهارشنبه) و ۲۰ (شنبه) را برای نمایش فعالیت‌های جمعیت در روزهای کاری و روزهای تعطیل انتخاب کردیم.
داده های POI نیز در محدوده هر قلمرو ایستگاه تحقیقاتی جمع آوری شد. زمان جمع آوری ۳۰ دسامبر ۲۰۲۱ بود که در مجموع ۱۲۲۸۳ قطعه داده جمع آوری شد. در این مقاله، طبقه‌بندی داده‌های POI جمع‌آوری‌شده به ادبیات مربوطه اشاره دارد [ ۵۳ ، ۵۵ ]. ۱۰ مقوله نزدیک به زندگی روزمره مطابق کد طبقه بندی اولیه انتخاب شده اند که در پیوست A نشان داده شده است. آمار کمیت داده های POI در شکل ۸ نشان داده شده است. برای قانع‌کننده‌تر کردن نتایج تحقیق، POI امکانات خدمات عمومی را حذف می‌کنیم، زیرا مقدار داده‌ها در هر قلمرو ایستگاه مطالعه بسیار کم است و امکانات عمومی مانند سرویس‌های بهداشتی، باجه‌های تلفن و دکه‌های روزنامه فروشی برای عابران پیاده بیش از حد جذاب نیستند. تحت شرایط عادی.
تمامی داده های فوق با استفاده از پلتفرم ArcGIS از داده های خام به داده های نقطه ای بر اساس اطلاعات طول و عرض جغرافیایی تبدیل و با توجه به اسامی ایستگاه ها به منظور آماده سازی برای مرحله بعدی خلاصه و ادغام شدند.

۳٫۳٫ روش های تحلیل داده ها

به منظور تجسم مکان، شکل و اندازه خوشه‌بندی فضایی اشیاء مورد مطالعه، از تراکم هسته برای شناسایی الگوی نقطه‌ای مکانی فعالیت‌های انسانی و عملکردهای شهری استفاده کردیم و ویژگی‌ها و الگوهای اساسی توزیع فضایی هر ایستگاه تحقیقاتی را بررسی کردیم. قلمرو علاوه بر این، ما بیشتر رابطه متغیر بین فعالیت‌های جمعیت و عملکردهای شهری در فضای قلمرو ایستگاه را با حداقل مربعات معمولی (OLS) تحلیل کردیم.

۳٫۳٫۱٫ تجزیه و تحلیل چگالی هسته

تجزیه و تحلیل تراکم هسته می تواند توزیع کل منطقه را با نشان دادن تجمع نقاط بر اساس تراکم بر اساس مقادیر عناصر نقطه ورودی و توزیع آنها منعکس کند و یک نمودار شطرنجی پیوسته (نقشه حرارتی) تولید کند [ ۵۶ ]. در این مطالعه، از تحلیل چگالی هسته برای بررسی وضعیت توزیع فضایی فعالیت‌های انسانی و امکانات عملکردی در هر قلمرو ایستگاه استفاده می‌شود. تجزیه و تحلیل تراکم هسته به طور گسترده در زمینه تحقیقات مرتبط با فضای شهری استفاده شده است [ ۵۷ ، ۵۸ ، ۵۹ ]. معادله محاسبه به صورت زیر است:

Dهnسمنتیy=1(rآدمنتوس)۲∑من=۱n[3π·پoپمن(۱-(دمنستیمنrآدمنتوس)۲)۲]برای دورمن<شعاع

که i = ۱، …، n نقاط ورودی هستند. فقط نقاطی در مجموع درج می شوند که در فاصله شعاع موقعیت ( x , y ) قرار گیرند. Disti فاصله بین نقطه I و موقعیت ( x , y ) است.

۳٫۳٫۲٫ حداقل مربعات معمولی

حداقل مربعات معمولی (OLS) رایج ترین روش رگرسیون مورد استفاده برای ارزیابی روابط بین عناصر فضایی شهری است [ ۶۰ ، ۶۱ ]. در این مقاله ما بر روی ضریب هر متغیر توضیحی تمرکز می‌کنیم که قدرت و نوع رابطه بین متغیرهای توضیحی و وابسته را نشان می‌دهد. وقتی علامت مرتبط با ضریب مثبت باشد، ضریب با متغیر وابسته رابطه مثبت دارد و بالعکس رابطه منفی دارد. علاوه بر این، احتمالات ( p -values) می توانند به ما کمک کنند تا بفهمیم کدام متغیرها از نظر آماری معنادار هستند ( ۰۱/ ۰p <) و بنابراین مستحق تجزیه و تحلیل بیشتر هستند. مدل OLS را می توان به صورت معادله (۲) توصیف کرد:

y=β۰+β۱ایکس۱+β۲ایکس۲+⋯βnایکسn+ε

جایی که yمتغیر وابسته است، ایکسnمتغیر توضیحی است، βnضریب رگرسیون است و εخطای تصادفی است در این مطالعه، تعداد افراد فعال در قلمرو ایستگاه مطالعه، متغیر وابسته و تعداد POI در هر تسهیلات کاربردی، متغیر توضیحی است. جدول ۴ متغیرهای توضیحی و آمار توصیفی آنها را نشان می دهد.

۴٫ نتایج

۴٫۱٫ توزیع فضایی فعالیت های جمعیتی

اندازه شعاع جستجو در تجزیه و تحلیل چگالی هسته تأثیر قابل توجهی بر اصلاح نتایج تجزیه و تحلیل دارد. با توجه به ادبیات مرتبط [ ۶۲ ]، ما میانگین طول ضلع ۲۰۰ متری بلوک های طبیعی متشکل از جاده ها در هر قلمرو ایستگاه مطالعه را به عنوان مقدار آستانه در نظر گرفتیم و شعاع ۵۰ متر، ۱۰۰ متر، ۱۵۰ متر، ۲۰۰ متر را در نظر گرفتیم. و بالاتر، به ترتیب، برای تجزیه و تحلیل تشخیص. نتایج نشان می‌دهد که نقاط داغ سطح اول بیش از حد در ۱۰۰ متر ( شکل ۹ الف) و تعداد بیش از حد یکپارچه بالای ۲۰۰ متر ( شکل ۹ e) وجود دارد، در حالی که سطوح هات اسپات بین ۱۰۰ تا ۲۰۰ متر اساساً پایدار هستند ( شکل ۹).b–d)، که فقط بر سطوح کوچکتر نقاط داغ تأثیر می گذارد. بنابراین، این مقاله عدد میانی ۱۵۰ متر را به عنوان شعاع جستجو در نظر می گیرد.
تجسم نتایج تراکم هسته فعالیت های جمعیت در هر قلمرو ایستگاه تحقیقاتی در شکل ۱۰ نشان داده شده است . نتایج نشان می‌دهد که مکان، شکل و اندازه منطقه تجمع فعالیت جمعیت در طول روز از نظر مکانی به همراه زمان تغییر می‌کند که نشان می‌دهد فعالیت جمعیت در قلمرو ایستگاه از نظر فضایی غیر ساکن است. از نظر توزیع فضایی کلی، فاصله بین مناطق اوج تراکم هسته‌ای فعالیت جمعیت (مناطق تاریک) و ایستگاه‌های هر قلمرو ایستگاه تحقیقاتی را با استفاده از ابزار متریک ArcGIS اندازه‌گیری کردیم و دریافتیم که این مناطق اوج عمدتاً در ۵۰۰ متری محیط ایستگاه توزیع شده است ( شکل ۱۱) که نشان دهنده سطح بالای فعالیت جمعیت در این محدوده است. از نظر موقعیت مکانی، فعالیت های جمعیتی در قلمرو ایستگاه XZZX عمدتاً در مرکز خرید بزرگ در سمت جنوبی متمرکز شده است. فعالیت‌های جمعیتی در قلمرو ایستگاه LSY عمدتاً در محله‌ها و مجتمع‌های تجاری اطراف ایستگاه توزیع می‌شوند. فعالیت های جمعیتی در قلمرو ایستگاه BDJ عمدتاً در تعدادی از موسسات پزشکی بزرگ در سمت شرقی ایستگاه و مرکز خرید بزرگ در سمت جنوبی متمرکز شده است. چندین دانشگاه و دهکده شهری در قلمرو ایستگاه WYJ وجود دارد، بنابراین فعالیت‌های جمعیتی عمدتاً در این مناطق متمرکز است.
از نظر ویژگی های توزیع زمانی، اوج تراکم هسته فعالیت های جمعیت در چهار قلمرو ایستگاه مطالعه برای هر دوره در روزهای کاری و روزهای تعطیل در شکل ۱۲ نشان داده شده است.. در طول روزهای کاری، فعالیت جمعیت اساساً تحت تأثیر ویژگی های رفت و آمد است، به طوری که دوره اوج صبح معمولاً از ۷:۰۰ صبح تا ۹:۰۰ صبح طول می کشد، و اوج عصر عمدتاً بین ۶:۰۰ بعد از ظهر تا ۸:۰۰ بعد از ظهر در روزهای تعطیل متمرکز است. ، زمان اوج فعالیت جمعیت عموماً در ساعت ۱۱:۰۰ صبح یا بعد از آن است. این نشان می دهد که در روزهای تعطیل مردم به دلیل عدم وجود خواسته هایی مانند کار و مدرسه دیرتر در مقایسه با روزهای کاری بیرون را انتخاب می کنند. علاوه بر این، مقدار میانگین تراکم هسته فعالیت جمعیت در روزهای تعطیل بیشتر از روزهای کاری پس از ساعت ۱۱ صبح است که می تواند نشان دهنده فعالیت جمعیت در روزهای تعطیل نسبت به روزهای کاری در آن دوره باشد.
شایان ذکر است که فعالیت جمعیت در قلمرو ایستگاه LSY بین ساعت ۶:۰۰ تا ۲۲:۰۰ افزایش مستمر نشان می دهد و تراکم هسته فعالیت جمعیت در ساعت ۱۰:۰۰ شب به بالاترین مقدار خود می رسد. بررسی میدانی نشان می دهد که میزان زیادی در این مدت تعدادی بازار شبانه در اطراف ایستگاه ظاهر می شود که جمعیت را برای جمع شدن در اینجا جذب می کند.

۴٫۲٫ توزیع فضایی تسهیلات عملکردی

نتایج تجزیه و تحلیل چگالی هسته برای هر نوع POI در چهار قلمرو ایستگاه تحقیقاتی در شکل ۱۳ نشان داده شده است.
همانطور که در شکل ۱۳ نشان داده شده است ، POIهای عملکردهای مختلف در قلمرو ایستگاه Xing Zheng Zhong Xin یک ویژگی توزیع فضایی بالا در جنوب و پایین در شمال را نشان می‌دهند. POI امکانات عملکردی مختلف در قلمرو ایستگاه Long Shou Yuan به طور کلی در اطراف ایستگاه توزیع شده است ( شکل ۱۳ ب)، به ویژه شش نوع تسهیلات، یعنی POI های خرید، POI های پذیرایی، POI های زندگی، POI های حمل و نقل، POI های آژانس دولتی و POI های اقامتی که هر چه به ایستگاه نزدیک تر باشند، دارای ویژگی تراکم بالاتری هستند. همانطور که در شکل ۱۳ نشان داده شده استج، ویژگی های توزیع هر یک از امکانات کاربردی در قلمرو ایستگاه Bei Da Jie به طور قابل توجهی متفاوت است. پنج نوع تسهیلات، یعنی POI خرید، POI پذیرایی، POI زندگی، POI محل اقامت، و POI مالی، در جنوب قلمرو ایستگاه پراکنده تر از شمال توزیع شده اند. علاوه بر این، توزیع تراکم POI های پزشکی و بهداشتی در بخش شرقی-مرکزی قلمرو ایستگاه بسیار بیشتر از سایر مناطق است. نتایج تجزیه و تحلیل چگالی هسته قلمرو ایستگاه وی یی جی ( شکل ۱۳ د) نشان می دهد که ما متوجه می شویم که POI هر یک از تاسیسات کاربردی در امتداد دو طرف جاده جنوبی چانگ آن (جهت شمالی-جنوبی) و چانگ توزیع شده است. جاده مینگ (جهت شرق به غرب).
به طور کلی، POI های خدمات خرید، POI های خدمات پذیرایی، و POI های خدمات زندگی، ویژگی های توزیع فضایی را در اطراف ایستگاه ها در هر قلمرو ایستگاه تحقیقاتی نشان می دهند. با این حال، ترکیب زمین های مختلف در انواع مختلف قلمروهای ایستگاه باعث می شود که ویژگی های توزیع چگالی امکانات عملکردی به طور قابل توجهی متفاوت باشد، مانند POI های سرگرمی، POI های آژانس دولتی، و POI های پزشکی و بهداشتی. با این حال، از طریق تجزیه و تحلیل تطبیقی، متوجه شدیم که فعالیت‌های جمعیتی و تأسیسات عملکردی از نظر جغرافیایی دارای مناطق پوشش حداکثر تراکم هسته در قلمرو ایستگاه هستند، که نشان می‌دهد مناطقی با توزیع تراکم بالا از امکانات عملکردی در قلمرو ایستگاه برای مردم جذاب‌تر هستند. حرکت کردن در

۴٫۳٫ تأثیر متفاوت مکانی-زمانی تأسیسات عملکردی بر فعالیت های جمعیتی

به منظور ارزیابی دقیق‌تر رابطه تأثیر دینامیکی بین امکانات عملکردی و فعالیت‌های جمعیتی، بر اساس مرزهای هر قلمرو ایستگاه مطالعه، شبکه‌ای با مقیاس عنصر تصویر ۲۵×۲۵ متر بر روی پلت فرم ArcGIS به عنوان واحد آماری فضایی ایجاد شد. برای تجزیه و تحلیل رگرسیون در این مقاله (که با مقیاس مجموعه داده های فعالیت جمعیت ما سازگار است). سپس متغیر وابسته (فعالیت جمعیت) و متغیر توضیحی (امکانات کاربردی) برای تحلیل رگرسیون OLS به این شبکه متصل شدند. با این حال، فاکتورهای تورم واریانس (VIFs) نیز برای جلوگیری از چند خطی بودن در بین متغیرهای توضیحی مدل و حذف متغیرهایی با مقادیر VIF بیشتر از ۱۰ نیاز داشت [ ۶۳ ]. همانطور که در نشان داده شده استجدول ۵ ، مقادیر VIF هر متغیر توضیحی در چهار قلمرو ایستگاه تحقیقاتی کمتر از ۱۰ است که نشان می‌دهد بین متغیرهای توضیحی هم انباشتگی وجود ندارد و آنها برای تشکیل یک مدل رگرسیونی مناسب هستند.
همانطور که در جدول ۶ نشان داده شده است، متغیرهای توضیحی در قلمرو ایستگاه Xing Zheng Zhong Xin (نوع ترکیبی) – POI های پزشکی و بهداشتی (V4)، POI های پذیرایی (V6)، POI های زندگی (V7)، POI های خرید (V8) و POI های حمل و نقل (V9)- تقریباً در تمام ساعات روزهای کاری و روزهای تعطیل با فعالیت جمعیت رابطه مثبتی دارند. این نشان می دهد که تعداد بیشتر این امکانات کاربردی برای فعالیت های جمعیتی نیز جذابیت بیشتری دارد. به طور خاص، POI های پذیرایی و POI های زنده همبستگی مثبت و معنی داری دارند. POI سرگرمی (V1) در بیشتر مواقع رابطه منفی با فعالیت جمعیت دارد، که نشان می دهد افزایش تعداد چنین امکانات کاربردی، فعالیت بیشتری را جذب نمی کند. علاوه بر این،
نتایج رگرسیون OLS برای قلمرو ایستگاه لانگ شو یوان (نوع مسکونی) در جدول ۷ نشان داده شده است. در میان آنها، POI های مالی (V2)، POI های اقامتی (V5) و POI های پذیرایی (V6) رابطه مثبت معناداری را در روزهای کاری و روزهای تعطیل نشان می دهند، که نشان می دهد این سه نوع تسهیلات برای فعالیت های جمعیتی بسیار جذاب هستند. زمان. POI های پزشکی و بهداشتی (V4) در بیشتر مواقع تأثیر منفی بر فعالیت جمعیت دارند. علاوه بر این، POI های سرگرمی (V1) در بیشتر اوقات در روزهای کاری نسبت به روزهای تعطیل رابطه مثبت دارند، که نشان می دهد POI های سرگرمی (V1) برای فعالیت جمعیت در روزهای کاری جذاب تر از روزهای تعطیل هستند.
همانطور که در جدول ۸ نشان داده شده است، POI های پزشکی و بهداشتی (V4)، POI های پذیرایی (V6)، POI های خرید (V8) و POI های حمل و نقل (V9) در قلمرو ایستگاه Bei Da Jie (نوع خدمات تجاری) رابطه مثبتی با فعالیت جمعیت در طول بیشتر دوره ها دارند. روزهای کاری و روزهای تعطیل به طور خاص، POI های پزشکی و بهداشتی (V4) به دلیل وجود چندین بیمارستان عمومی بزرگ یا جامع در قلمرو ایستگاه Bei Da Jie، تأثیر مثبت قابل توجهی در تمام دوره های زمانی دارند، و دسترسی بالای مترو باعث می شود آن را یکنواخت کنید. راحت تر برای ساکنان مناطق دیگر که برای مراقبت های پزشکی به اینجا بیایند. این نشان می دهد که منابع پزشکی با کیفیت می تواند برای فعالیت جمعیت جذاب تر باشد. POI های مالی (V2) و POI های مؤسسه دولتی (V3) فقط در زمان های خاصی از روز کاری رابطه مثبتی با فعالیت جمعیت دارند. شایان ذکر است POIهای خدمات اقامتی (V5) با فعالیت جمعیت در روزهای تعطیل رابطه مثبت دارند، در حالی که در روزهای کاری بیشتر منفی است. همراه با نتایج تجزیه و تحلیل تراکم هسته فعالیت جمعیت، می توان دریافت که قلمرو ایستگاه Bei Da Jie ممکن است توسط افراد خارجی در روزهای تعطیل بازدید شود، بنابراین جذابیت POI های خدمات اقامتی برای فعالیت جمعیت را افزایش می دهد.
همانطور که در جدول ۹ نشان داده شده است ، بیشتر امکانات کاربردی در قلمرو ایستگاه وی یی جی (نوع خدمات عمومی) رابطه مثبتی با فعالیت جمعیت دارند، به جز POI های سرگرمی (V1) و POI های مؤسسه دولتی (V3). علاوه بر این، از طریق بررسی میدانی، دریافتیم که چندین مدرسه آموزش عالی و موسسات آموزشی آموزشی در قلمرو ایستگاه وی یی جی وجود دارد که منجر به وجود بسیاری از اتاق‌های اجاره‌ای ارزان قیمت، رستوران‌ها، فروشگاه‌های لوازم مدرسه، ایستگاه‌های پیک و موارد دیگر شده است. امکاناتی که ارتباط نزدیکی با زندگی پردیس در داخل منطقه دارد. بنابراین، POI های محل اقامت (V5)، POI های پذیرایی (V6) و POI های خدمات زندگی (V7) در بیشتر مواقع جذابیت زیادی برای فعالیت های جمعیت دارند.
از نظر روابط فضایی کلی، «نقاط مکان‌های اقامتی (V5)»، «نقطه‌های مهم پذیرایی (V6)»، «نقاط POI زندگی (V7)»، «نقاط POI خرید (V8)» و «نقطه‌های مهم حمل و نقل (V9)» در هر کدام قلمرو ایستگاه تحقیقاتی در بیشتر مواقع با فعالیت جمعیتی رابطه مثبت دارد. به ویژه، POI های خدمات پذیرایی جذابیت مثبت زیادی برای فعالیت های جمعیتی دارند که دلیل آن را می توان در فرهنگ غذایی دیرینه شیان جستجو کرد، جایی که رستوران ها به یکی از مهم ترین مکان ها برای فعالیت های اجتماعی برای شهروندان تبدیل شده اند. . از سوی دیگر، POI تسهیلات حمل و نقل عموماً رابطه مثبت معناداری با فعالیت جمعیت از ساعت ۱۲:۰۰ بعد از ظهر تا ۶:۰۰ بعد از ظهر دارد که نشان می دهد مردم در این مدت استفاده بالایی از حمل و نقل عمومی دارند.
علاوه بر این، از منظر زمانی، POIهای خدمات سرگرمی (V1) معمولاً فقط در عصر رابطه مثبتی با فعالیت جمعیت دارند. POIهای خدمات مالی (V2) عموماً تأثیر مثبتی بر روزهای کاری دارند (به استثنای ایستگاه BDJ). از آنجایی که موسسات مالی معمولاً در روزهای تعطیل تعطیل هستند، در بیشتر ساعات روز تأثیر منفی دارند. POIهای آژانس دولتی (V3) عموماً فقط برای کارکنان آنها باز است، بنابراین یک همبستگی منفی قابل توجهی برای فعالیت جمعیت در هر قلمرو ایستگاه تحقیقاتی در بیشتر مواقع وجود دارد، خواه یک روز کاری یا یک روز تعطیل باشد.
شایان ذکر است که مراکز درمانی و بهداشتی (V4) به جز ایستگاه LSY در اکثر مواقع با فعالیت جمعیتی همبستگی مثبت دارند. چندین بیمارستان دولتی استانی یا شهری (به عنوان مثال، بیمارستان مرکزی شیان، بیمارستان وابسته دوم دانشگاه شیان جیائوتنگ، و غیره) در قلمرو ایستگاه BDJ متمرکز شده‌اند و امکانات پزشکی و بهداشتی (V4) مثبت قابل توجهی هستند. جاذبه برای فعالیت های جمعیتی تقریباً در تمام طول روز. برعکس، اگرچه چندین کلینیک خصوصی و مراکز خدمات پزشکی اجتماعی در قلمرو ایستگاه LSY وجود دارد، اما POI امکانات پزشکی و بهداشتی به دلیل فقدان بیمارستان‌های دولتی بزرگ اغلب با فعالیت جمعیت همبستگی منفی دارد.

۵٫ بحث

این مطالعه ویژگی‌های فضایی چهار قلمرو ایستگاه مطالعاتی خط ۲ مترو شیان را بر اساس داده‌های موقعیت‌یابی از اپلت Easygo و داده‌های POI از نقشه AutoNavi بررسی کرد و روابط تأثیر دینامیکی تسهیلات عملکردی با فعالیت‌های جمعیتی در قلمرو ایستگاه را بیشتر تحلیل کرد. دوره های زمانی مختلف از طریق مدل های OLS.
نتایج حاصل از شناسایی الگوی نقطه مکانی موارد زیر را نشان می دهد:
  • مجموعه ای از فعالیت های جمعیتی در قلمرو ایستگاه مترو، به ویژه در مناطقی در ۵۰۰ متری ایستگاه وجود دارد. یافته‌های ثابت توسط چندین مطالعه در شهرهای مختلف نشان داده شد [ ۶۴ ، ۶۵ ، ۶۶ ]. علاوه بر این، اوج فعالیت جمعیت در قلمرو ایستگاه بین ساعات ۷:۰۰ تا ۹:۰۰ صبح و بین ۶:۰۰ تا ۲۰:۰۰ در روزهای کاری است. در روزهای تعطیل، فعالیت جمعیت در بازه زمانی ۱۱:۰۰ صبح تا ۵:۰۰ بعد از ظهر در شیان فعال تر است، اگرچه نسبت سفرهای حمل و نقل عمومی سال به سال در حال افزایش است و نسبت مترو بیش از ۵۰٪ است. در سال ۲۰۲۱ [ ۵]، تراکم ترافیک شهری هنوز یک مشکل جدی است. بنابراین، شناسایی تغییرات در زمان فعال فعالیت های جمعیتی به مدیران شهری کمک می کند تا زمان بهره برداری و ساختار حمل و نقل عمومی را به طور دقیق و موثر بهینه کنند و در نتیجه مشکلاتی مانند تراکم ترافیک در شهر را کاهش دهند.
  • در این مقاله، ما دریافتیم که سه نوع تسهیلات کاربردی، یعنی خدمات خرید، خدمات پذیرایی، و خدمات زندگی، در هر قلمرو ایستگاه مطالعه این ویژگی را نشان می‌دهند که توزیع تراکم آنها زمانی که به ایستگاه نزدیک‌تر هستند، بیشتر است. ویژگی های توزیع چگالی سایر امکانات کاربردی در انواع مختلف قلمرو ایستگاه ها بسیار متفاوت است. در واقع، توسعه ترانزیت ریلی در چین در مقایسه با کشورهای توسعه‌یافته دیر آغاز شد و ایستگاه‌ها اغلب در محیط‌های شهری از قبل توسعه‌یافته ساخته می‌شوند [ ۶۷ ]، که همچنین منجر به محدود شدن توسعه فضایی قلمرو ایستگاه‌ها توسط سیاست‌های عمومی، عرضه حمل‌ونقل، مکان ایستگاه، ساختار کاربری زمین و غیره [ ۶۸ ، ۶۹]، تشکیل ساختارهای عملکردی با چگالی بالا و ترکیبی در اطراف ایستگاه ها را دشوار می کند، همانطور که توسط TOD و مدل های ادغام ایستگاه-شهر حمایت می شود. در این مقاله، ویژگی‌های توزیع فضایی امکانات عملکردی مختلف در انواع مختلف قلمرو ایستگاه‌ها را خلاصه می‌کنیم. با این حال، تحقق عملکردهای شهری متنوع در اطراف ایستگاه با حمایت از سیاست‌های ملی و نوسازی شهری با کیفیت بالا، در نتیجه توسعه جامع، ترکیبی و کارآمد قلمرو ایستگاه، یک موضوع پیچیده باقی مانده است. رابطه بین حمل و نقل ریلی و امکانات کاربردی شهری نیاز به تحقیقات بیشتری دارد.
  • شایان ذکر است که اگرچه داده‌های POI نمی‌توانند امکانات «فعالیت غیررسمی» را که متحرک و خودسازمان‌دهی شده‌اند ثبت کند، اما با استفاده از داده‌های مکان واقعی و بررسی‌های میدانی، ما به وجود بازارهای شبانه در برخی از قلمروهای ایستگاه‌ها پی بردیم که باعث خوشه‌بندی جمعیت می‌شود. شب ادبیات موجود نشان می دهد که بازارهای شبانه بر توسعه اقتصادی و کیفیت زندگی ساکنان یک منطقه تأثیر می گذارد [ ۷۰ ]. از یک سو، بازارهای شبانه می‌توانند وسیله‌ای برای امرار معاش برای برخی از بیکاران فراهم کنند [ ۷۱ ] و همچنین می‌توانند به عنوان وسیله‌ای برای فرهنگ و آداب و رسوم منحصربه‌فرد منطقه عمل کنند [ ۷۲ ]]، کمک به توسعه اقتصادی. از سوی دیگر، روشنایی بیش از حد، سر و صدا، و ضایعات تولید شده توسط فعالیت های بازار شبانه می تواند تاثیر منفی بر سلامت تامین کنندگان و همچنین ساکنان محلی داشته باشد [ ۷۳ ، ۷۴ ]. بنابراین، توسعه اقتصاد بازار شبانه در قلمروهای ایستگاهی با پایگاه فعالیت‌های بازار شبانه می‌تواند در افزایش سرزندگی منطقه مؤثر باشد، اما مسائل ایمنی عمومی ناشی از آن باید مورد توجه مدیران شهری و پژوهشگران شهری باشد.
نتایج تحلیل رگرسیون موارد زیر را نشان داد:
  • متغیرهای POI، مانند پذیرایی، زندگی، خرید و حمل‌ونقل، جذابیت مثبت بالایی برای فعالیت‌های جمعیت در قلمرو ایستگاه نشان دادند. این نشان می‌دهد که این نوع خدمات و امکانات بیشتر برای جذب فعالیت‌ها در این حوزه خواهند بود که با نتایج مطالعات مرتبط فعلی نیز مطابقت دارد [ ۳۷ ، ۷۵ ].]. به طور خاص، POIهای خدمات پذیرایی و فعالیت جمعیت دارای همبستگی مثبت و معناداری در هر چهار قلمرو ایستگاه تحقیقاتی هستند، که نشان می دهد پذیرایی به شدت فعالیت جمعیت را جذب می کند. برای مدیران شهری، تمرکز بر توسعه فرهنگ غذایی محلی می‌تواند به طور موثری سرزندگی قلمرو ایستگاه‌ها را بهبود بخشد. علاوه بر این، این مطالعه نشان داد که POI های پزشکی و مراقبت های بهداشتی همبستگی مثبت و معنی داری با فعالیت جمعیت در قلمرو ایستگاه ها با غلظت نسبتاً بالایی از بیمارستان های عمومی یا دولتی دارند. به ویژه تحت تأثیر همه گیری COVID-19، تقاضا برای ظرفیت منابع پزشکی و امکانات خدمات پزشکی به شدت افزایش یافته است و تخصیص منابع پزشکی و بهداشتی با کیفیت را برای فعالیت جمعیت جذاب تر کرده است.
  • از دیدگاه پویا، ضرایب متفاوتی از تغییرات در روزهای هفته و روزهای تعطیل برای همه دسته‌های POI در انواع مختلف قلمرو ایستگاه‌ها وجود دارد. برای مثال، POIهای خدمات مالی، POIهای دولتی و خدمات اقامتی در قلمرو ایستگاه Xing Zheng Zhong Xin فقط در روزهای کاری رابطه مثبتی با فعالیت جمعیت دارند. در قلمرو ایستگاه Bei Da Jie، POI خدمات اقامتی برای فعالیت های جمعیتی در روزهای تعطیل جذاب تر از روزهای کاری است. علاوه بر این، تسهیلات حمل و نقل به طور قابل توجهی با فعالیت جمعیت در روزهای کاری نسبت به روزهای تعطیل ارتباط مثبت بیشتری دارد. این نشان می‌دهد که در روزهای کاری، مردم بیشتر از وسایل نقلیه عمومی به محل کار، مدرسه و سایر فعالیت‌های روزانه استفاده می‌کنند. در حالی که در روزهای تعطیل مردم ممکن است بیشتر در خانه استراحت کنند یا با ماشین شخصی سفر کنند. در نتیجه، چارچوب تحلیلی توسعه‌یافته در این مقاله اساساً رابطه بین انواع مختلف امکانات POI و فعالیت‌های جمعیتی را توصیف می‌کند و این نتایج تحقیقات می‌تواند به مدیران شهری کمک کند تا نیازهای فعالیت‌های روزانه مردم در انواع مختلف قلمرو ایستگاه‌ها را از منظر پویا درک کنند. به منظور بهبود تخصیص منابع عمومی شهری به طور موثرتر.
از نظر داده، بر خلاف کاوش ویژگی‌های توزیع جمعیت با استفاده از داده‌های بزرگ مانند سیگنال‌دهی تلفن همراه، رسانه‌های اجتماعی، و فناوری‌های سیگنال‌دهی Wi-Fi [ ۲۵ ، ۲۶ ، ۲۷ ، ۲۸ ، ۲۹ ، ۳۰ ، ۳۱ ، ۳۲ ]، این مقاله از دقت بالاتر و به‌موقع بودن داده‌های موقعیت‌یابی Easygo، که یک منبع داده قابل اعتماد برای محققان برای شناسایی ویژگی‌های توزیع پویا فعالیت‌های جمعیت از دیدگاه میکروسکوپی فراهم می‌کند. مطالعات موجود اهمیت داده‌های POI را برای مطالعه ویژگی‌های توزیع مکانی و زمانی و مکانیسم‌های تراکم جمعیت شهری نشان داده‌اند [ ۷۶ ]]. بنابراین، داده‌های موقعیت‌یابی بی‌درنگ Easygo و داده‌های POI نقشه AutoNavi استفاده شده در این مقاله به محققان کمک می‌کند تا نتایج تحلیل قانع‌کننده‌تری به دست آورند.
با این حال، هنوز محدودیت‌هایی در این مطالعه وجود دارد که ممکن است یک جهت عملی برای بهبود باشد. اول، به دلیل کمبود کارکنان و محدودیت زمانی، تنها چهار ایستگاه در خط ۲ مترو شیان برای این مطالعه انتخاب شدند تا تحقیقات و تحلیل های خاص انجام شود. اگر بتوان تمام ایستگاه‌های خط ۲ مترو را بررسی و مطالعه کرد، ویژگی‌های فضایی قلمرو ایستگاه‌های حمل‌ونقل ریلی کاملاً درک می‌شد. علاوه بر این، داده های پیمایش در این مطالعه به اندازه کافی جامع نیستند تا داده هایی در مورد وضعیت کاربری اراضی و جریان جمعیت قبل از تکمیل خط ۲ مترو به دست آورند. اگر ویژگی های فضایی قلمرو ایستگاه قبل و بعد از اتمام مترو می تواند باشد مقایسه و تجزیه و تحلیل در آینده،

۶٫ نتیجه گیری

حمل و نقل ریلی عمومی در سفرهای روزانه مردم ضروری است. با توسعه سریع متروی شهری و افزایش فراوانی استفاده مردم از ایستگاه ها، کارکردهای مختلف شهری که راحتی زندگی مردم را فراهم می کند به تدریج در ایستگاه ها و مناطق اطراف که مسافران در آن جمع می شوند متمرکز می شوند. در این زمینه، درک کامل ویژگی‌های فضایی قلمرو ایستگاه مترو موجود و مکانیسم نفوذ بین این دو برای نوسازی شهری آینده منطقه و همچنین برنامه‌ریزی سایرین بسیار مهم است. این مطالعه به تحقیقات کمی در مورد توزیع فضایی فعالیت‌های جمعیت و امکانات عملکردی شهری با ترکیب داده‌های موقعیت‌یابی بلادرنگ و داده‌های POI برای کمک به شناسایی ویژگی‌های فضایی قلمرو ایستگاه دست می‌یابد. با ساخت مدل های OLS، ما همچنین دریافتیم که «کترینگ»، «زندگی»، «خرید» و «حمل و نقل» در بیشتر مواقع با فعالیت‌های جمعیتی در قلمرو ایستگاه‌های مترو ارتباط مثبت دارند، در حالی که مؤسسات مالی و سازمان‌های دولتی در زمان‌های خاص روابط مثبتی دارند. به ویژه امکانات پزشکی و بهداشتی در قلمرو ایستگاه‌هایی که بیمارستان‌های عمومی یا دولتی متمرکز هستند، ارتباط قوی‌تری دارند. علاوه بر این، نتایج رگرسیون اساساً پدیده و علل تجمع جمعیت در زمان و مکان را توضیح می دهد که به درک بهتر ویژگی ها و الگوهای توزیع فضایی قلمروهای ایستگاه کمک می کند و تدوین استراتژی های مرتبط را مؤثرتر می کند. و «حمل و نقل» در بیشتر مواقع با فعالیت‌های جمعیتی در قلمرو ایستگاه‌های مترو ارتباط مثبت دارند، در حالی که مؤسسات مالی و سازمان‌های دولتی در زمان‌های خاص روابط مثبتی دارند. به ویژه امکانات پزشکی و بهداشتی در قلمرو ایستگاه‌هایی که بیمارستان‌های عمومی یا دولتی متمرکز هستند، ارتباط قوی‌تری دارند. علاوه بر این، نتایج رگرسیون اساساً پدیده و علل تجمع جمعیت در زمان و مکان را توضیح می دهد که به درک بهتر ویژگی ها و الگوهای توزیع فضایی قلمروهای ایستگاه کمک می کند و تدوین استراتژی های مرتبط را مؤثرتر می کند. و «حمل و نقل» در بیشتر مواقع با فعالیت‌های جمعیتی در قلمرو ایستگاه‌های مترو ارتباط مثبت دارند، در حالی که مؤسسات مالی و سازمان‌های دولتی در زمان‌های خاص روابط مثبتی دارند. به ویژه امکانات پزشکی و بهداشتی در قلمرو ایستگاه‌هایی که بیمارستان‌های عمومی یا دولتی متمرکز هستند، ارتباط قوی‌تری دارند. علاوه بر این، نتایج رگرسیون اساساً پدیده و علل تجمع جمعیت در زمان و مکان را توضیح می دهد که به درک بهتر ویژگی ها و الگوهای توزیع فضایی قلمروهای ایستگاه کمک می کند و تدوین استراتژی های مرتبط را مؤثرتر می کند. به ویژه امکانات پزشکی و بهداشتی در قلمرو ایستگاه‌هایی که بیمارستان‌های عمومی یا دولتی متمرکز هستند، ارتباط قوی‌تری دارند. علاوه بر این، نتایج رگرسیون اساساً پدیده و علل تجمع جمعیت در زمان و مکان را توضیح می دهد که به درک بهتر ویژگی ها و الگوهای توزیع فضایی قلمروهای ایستگاه کمک می کند و تدوین استراتژی های مرتبط را مؤثرتر می کند. به ویژه امکانات پزشکی و بهداشتی در قلمرو ایستگاه‌هایی که بیمارستان‌های عمومی یا دولتی متمرکز هستند، ارتباط قوی‌تری دارند. علاوه بر این، نتایج رگرسیون اساساً پدیده و علل تجمع جمعیت در زمان و مکان را توضیح می دهد که به درک بهتر ویژگی ها و الگوهای توزیع فضایی قلمروهای ایستگاه کمک می کند و تدوین استراتژی های مرتبط را مؤثرتر می کند.
به طور کلی، تحقیق بر روی منابع کلان داده مبتنی بر مکان مانند اپلت Easygo WeChat و POI نقشه AutoNavi، محققان را قادر می‌سازد تا وضعیت توزیع مکانی و زمانی فعالیت‌های جمعیت و امکانات عملکردی را در سطح خرد به وضوح شناسایی کنند و تقاضای مردم برای عملکردهای شهری را از منظر پویا درک کنند.

منابع

  1. هو، ام. تأثیر حمل و نقل ریلی بر چیدمان فضایی شهری. مد. Urban Res. ۲۰۰۷ ، ۱۱ ، ۳۴-۳۹٫ [ Google Scholar ]
  2. چو، دی. وی، اس. از تأثیر چند معنایی تا ادغام شهر: تفکر تعریف و روش مرزی تا قلمرو تابشی ایستگاه حمل و نقل ریلی شهری. در رشد هوشمند و توسعه پایدار ; Springer: Cham, Switzerland, 2017; جلد ۱۲۲، ص ۳۵–۵۳٫ [ Google Scholar ] [ CrossRef ]
  3. یین، زی. از «R+P» تا یک شهر فشرده راه‌آهن – داستان پشت آمار راه‌آهن هنگ کنگ. Architect ۲۰۱۸ , ۱۹۵ , ۵۵–۶۰٫ [ Google Scholar ]
  4. ششمین نظرسنجی سفر افراد منطقه شهری توکیو. در دسترس آنلاین: https://www.tokyo-pt.jp/special_6th (در ۷ آوریل ۲۰۲۱ قابل دسترسی است).
  5. حساب رسمی چین نیوز. در دسترس آنلاین: https://baijiahao.baidu.com/s?id=1694018781800096450&wfr=spider&for=pc (در ۲۵ مارس ۲۰۲۱ قابل دسترسی است).
  6. همکاران Calthorpe. رهنمودهای طراحی توسعه ترانزیت گرا ; Calthorpe Associates: San Diego, CA, USA, 1990; پ. ۵٫ [ Google Scholar ]
  7. Maeda، A. هدف برای ایجاد فضای جدید: توسعه شهر ایستگاه توکیو. JR East Tech. Rev. ۲۰۰۷ , ۱۰ , ۴-۷٫ [ Google Scholar ]
  8. یو، ایکس. ژنگ، جی. ژونگ، P. مطالعه موردی توسعه یکپارچه سایت (SID) – بازدید از مرکز راه آهن پرسرعت لیون. Traffic Transp. ۲۰۱۲ ، ۲۸ ، ۴۰-۴۲٫ [ Google Scholar ]
  9. دستورالعمل برنامه ریزی و طراحی مناطق اطراف ترانزیت ریلی شهری. در دسترس آنلاین: http://std.samr.gov.cn/gb/search/gbDetailed?id=71F772D7E4FBD3A7E05397BE0A0AB82A (در ۱۲ آوریل ۲۰۲۱ قابل دسترسی است).
  10. دستورالعمل های طراحی برای ادغام حمل و نقل ریلی شیان و شهر. در دسترس آنلاین: http://www.xa.gov.cn/xw/rdgz/jt/list/47.html (در ۱۲ آوریل ۲۰۲۱ قابل دسترسی است).
  11. باتاچارجی، اس. Goetz، AR سیستم حمل و نقل ریلی و تغییر کاربری زمین در منطقه مترو دنور. J. Transp. Geogr. ۲۰۱۶ ، ۵۴ ، ۴۴۰-۴۵۰٫ [ Google Scholar ] [ CrossRef ]
  12. ژانگ، ی. لو، ی. زو، ایکس. یانگ، پی. Gu، Z. تغییر فضایی شغل-مسکن در حوضه های آبریز ایستگاه های حمل و نقل ریلی: مطالعه موردی شهر شنژن. طرح شهری. انجمن ۲۰۲۰ ، ۳ ، ۴۸–۵۶٫ [ Google Scholar ] [ CrossRef ]
  13. لیو، اس. گوا، جی. لی، آر. لی، Q. تجزیه و تحلیل ویژگی های کاربری زمین در اطراف ایستگاه های معمولی حمل و نقل ریلی در پکن. توسعه شهری Res. ۲۰۱۴ ، ۲۱ ، ۶۶-۷۱٫ [ Google Scholar ]
  14. نیو، س. هو، ا. شن، ز. سیو، اس. لاو، ی. Gan, X. مطالعه بر روی ویژگی‌های کاربری زمین سایت‌های TOD ترانزیت ریلی در شهرهای جدید – سنگاپور را به عنوان مثال در نظر بگیرید. J. آرشیت آسیایی. ساختن. مهندس ۲۰۱۹ ، ۱۸ ، ۱۶-۲۷٫ [ Google Scholar ] [ CrossRef ]
  15. Wu, Y. تحقیق در مورد الگوی فضایی خدمات تولید کننده در ایستگاه های حمل و نقل ریلی شیان. پایان نامه کارشناسی ارشد، دانشگاه معماری و فناوری شیان، شیان، چین، ۲۰۱۷٫ [ Google Scholar ]
  16. یوان، م. تجزیه و تحلیل ویژگی های توزیع فضای تجاری و عوامل موثر بر منطقه ایستگاه حمل و نقل ریلی در مناطق مرکزی شهری شانگهای. خدمات حمل و نقل ریلی شهری ۲۰۱۸ ، ۲۱ ، ۱-۴٫ [ Google Scholar ] [ CrossRef ]
  17. پان، اچ. ژانگ، ام. اثرات حمل و نقل ریلی بر استفاده از زمین: شواهدی از شانگهای، چین. ترانسپ Res. ضبط ۲۰۰۸ ، ۲۰۴۸ ، ۱۶-۲۵٫ [ Google Scholar ] [ CrossRef ]
  18. کالوو، اف. د اونا، جی. Arán, F. تاثیر متروی مادرید بر اسکان جمعیت و استفاده از زمین. سیاست کاربری زمین ۲۰۱۳ ، ۳۱ ، ۶۲۷-۶۳۹٫ [ Google Scholar ] [ CrossRef ]
  19. لوئیس-ورکمن، اس. Brod, D. اندازه گیری مزایای محله دسترسی حمل و نقل ریلی. ترانسپ Res. ضبط ۱۹۹۷ ، ۱۵۷۶ ، ۱۴۷-۱۵۳٫ [ Google Scholar ] [ CrossRef ]
  20. سونگ، اچ. چوی، ک. لی، اس. Cheon, S. بررسی تأثیرات استفاده از زمین توسط پوشش خدمات و دسترسی در سطح ایستگاه بر حمل و نقل ریلی. J. Transp. Geogr. ۲۰۱۴ ، ۳۶ ، ۱۳۴-۱۴۰٫ [ Google Scholar ] [ CrossRef ]
  21. گادزینسکی، جی. Radzimski، A. اولین خط سریع تراموا در لهستان: چگونه بر رفتارهای سفر، انتخاب مسکن و رضایت، و قیمت آپارتمان تأثیر گذاشته است؟ J. Transp. Geogr. ۲۰۱۶ ، ۵۴ ، ۴۵۱-۴۶۳٫ [ Google Scholar ] [ CrossRef ]
  22. چن، ایکس. چن، جی. تحلیل چیدمان فضایی و پیوند توسعه اموال ایستگاه‌های خط ۴ مترو ووهان. Huazhong Archit. ۲۰۱۹ ، ۳۷ ، ۹۰–۹۳٫ [ Google Scholar ]
  23. Zhuo, X. مطالعه در مورد سرزندگی فضای عمومی در مجاورت ایستگاه‌های حمل‌ونقل ریلی بر اساس نحو فضایی-خط ۱ حمل‌ونقل ریلی Xuzhou را به عنوان مثال در نظر بگیرید. پایان نامه کارشناسی ارشد، دانشگاه معدن و فناوری چین، جیانگ سو، چین، ۲۰۱۸٫ [ Google Scholar ]
  24. شاو، اس.-ال. تسو، M.-H. Ye, X. تحریریه: پویایی انسان در عصر موبایل و کلان داده. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۶ ، ۳۰ ، ۱۶۸۷-۱۶۹۳٫ [ Google Scholar ] [ CrossRef ]
  25. هوانگ، Q. یانگ، ی. خو، ی. یانگ، اف. یوان، ز. Sun، Y. نظارت بر ترافیک شبکه جاده ای در سطح شهر با استفاده از داده های سیگنالینگ تلفن همراه در مقیاس بزرگ. محاسبات عصبی ۲۰۲۱ ، ۴۴۴ ، ۱۳۶-۱۴۶ . [ Google Scholar ] [ CrossRef ]
  26. ژائو، پی. لو، جی. هو، اچ. تطابق فضایی بین دایره زندگی روزمره ساکنان و امکانات خدمات عمومی با استفاده از تجزیه و تحلیل داده های بزرگ: موردی از پکن. Prog. Geogr. ۲۰۲۱ ، ۴۰ ، ۵۴۱-۵۵۳٫ [ Google Scholar ] [ CrossRef ]
  27. وانگ، ز. هو، ی. زو، پی. Qin، Y. جیا، ال. الگوی تجمیع حلقه سفرهای مسافری مترو: مطالعه ای با استفاده از داده های کارت هوشمند. فیزیک یک آمار مکانیک. برنامه آن است. ۲۰۱۸ ، ۴۹۱ ، ۴۷۱-۴۷۹٫ [ Google Scholar ] [ CrossRef ]
  28. خو، X. زی، ال. لی، اچ. Qin, L. یادگیری رفتار انتخاب مسیر مسافران مترو از داده های AFC. سیستم خبره Appl. ۲۰۱۸ ، ۹۵ ، ۳۲۴-۳۳۲٫ [ Google Scholar ] [ CrossRef ]
  29. کواچ، ز. ویدا، جی. Elekes، Á. Kovalcsik، T. ترکیب رسانه های اجتماعی و داده های موقعیت یابی موبایل در تجزیه و تحلیل جریان های توریستی: مطالعه موردی از Szeged، مجارستان. پایداری ۲۰۲۱ ، ۱۳ ، ۲۹۲۶٫ [ Google Scholar ] [ CrossRef ]
  30. Condeço Melhorado، A.; موهینو، آی. مویا گومز، بی. گارسیا-پالومارس، جی سی بازی های المپیک ریو: نگاهی به پویایی شهر از طریق لنز داده های توییتر. پایداری ۲۰۲۰ ، ۱۲ ، ۷۰۰۳٫ [ Google Scholar ] [ CrossRef ]
  31. زو، دبلیو. ما، دی. ژائو، ز. Guo, R. بررسی پیچیدگی تعاملات فضایی بین واحدهای اداری مختلف در چین با استفاده از داده های فلیکر. پایداری ۲۰۲۰ ، ۱۲ ، ۹۷۷۸٫ [ Google Scholar ] [ CrossRef ]
  32. زولا، ای. بارسلو-آرویو، اف. تحلیل مقایسه ای رفتار کاربر در شبکه های Wi-Fi دانشگاهی. در مجموعه مقالات ششمین کارگاه ACM در مورد نظارت بر عملکرد و اندازه‌گیری شبکه‌های بی‌سیم و سیمی ناهمگن، میامی، فلوریدا، ایالات متحده آمریکا، ۳۱ اکتبر ۲۰۱۱٫ انجمن ماشین‌های محاسباتی: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۱۱; صص ۵۹-۶۶٫ [ Google Scholar ] [ CrossRef ]
  33. وایت، جی. Wells, I. استخراج اطلاعات مقصد مبدا از داده های تلفن همراه. در مجموعه مقالات یازدهمین کنفرانس بین المللی اطلاعات و کنترل حمل و نقل جاده ای، لندن، انگلستان، ۱۹ تا ۲۱ مارس ۲۰۰۲٫ صص ۳۰-۳۴٫ [ Google Scholar ] [ CrossRef ]
  34. لی، ZF; یو، ال. گائو، ی. وو، ی. گونگ، دی. Song, G. روش استخراج ویژگی های زمانی و مکانی سفرهای ساکنان بر اساس داده های سیگنالینگ سلولی. ترانسپ Res. ۲۰۱۶ ، ۲ ، ۵۱-۵۷٫ [ Google Scholar ]
  35. جیا، اف. لی، اچ. جیانگ، ایکس. Xu, X. مدل ترکیبی مبتنی بر یادگیری عمیق برای پیش‌بینی کوتاه‌مدت جریان مسافران مترو با استفاده از داده‌های جمع‌آوری خودکار کرایه. IET Intel. ترانسپ سیستم ۲۰۱۹ ، ۱۳ ، ۱۷۰۸–۱۷۱۶٫ [ Google Scholar ] [ CrossRef ]
  36. خو، آر. Xu, YS یک روش پیش‌بینی بلادرنگ برای توزیع جریان مسافر در خطوط ریلی شهری. J. Tongji Univ. نات. علمی اد. ۲۰۱۱ ، ۳۹ ، ۸۵۷-۸۶۱٫ [ Google Scholar ]
  37. ژانگ، ایکس. سان، ی. چان، TO; هوانگ، ی. ژنگ، ا. لیو، زی. بررسی تأثیر تسهیلات خدماتی اطراف بر سرزندگی شهری با استفاده از داده‌های آگاه از موقعیت مکانی Tencent: موردی از گوانگژو. پایداری ۲۰۲۱ ، ۱۳ ، ۴۴۴٫ [ Google Scholar ] [ CrossRef ]
  38. لی، ال. لیو، ام. لی، کیو. چنگ، اچ. جین، سی. پشتیبانی جدید از تحقیقات فعالیت های انسانی: ویژگی ها، وضعیت تحقیق، و چشم انداز کاربرد داده های Wi-Fi. Prog. Geogr. ۲۰۲۱ ، ۴۰ ، ۱۹۷۰-۱۹۸۲٫ [ Google Scholar ] [ CrossRef ]
  39. Duan، YM; لیو، ی. لیو، XH; دونگ، HE اندازه گیری ساختار شهری چند مرکزی با استفاده از داده های بزرگ Easygo: مطالعه موردی منطقه شهری چونگ کینگ. Prog. Geogr. ۲۰۱۹ ، ۳۸ ، ۱۹۵۷–۱۹۶۷٫ [ Google Scholar ] [ CrossRef ]
  40. شن، ال. وانگ، ی. ژانگ، سی. جیانگ، دی. لی، اچ. مطالعه بر روی رابطه بین محیط ساخته شده و رفت و آمد راه آهن در محدوده معقول قابل پیاده روی ایستگاه های راه آهن – نمونه ای از ۴۴ ایستگاه راه آهن در پکن. جی. جئوگر. ۲۰۱۸ ، ۷۳ ، ۲۴۲۳-۲۴۳۹٫ [ Google Scholar ] [ CrossRef ]
  41. اداره آمار استانی شانشی ۲۰۲۱٫ در دسترس آنلاین: http://tjj.shaanxi.gov.cn/tjsj/ndsj/tjgb/qs_444/202105/t20210528_2177393.html (در ۱ ژوئن ۲۰۲۱ قابل دسترسی است).
  42. مترو شیان در دسترس آنلاین: https://en.wikipedia.org/wiki/Xi%27an_Metro (در ۲۲ اکتبر ۲۰۲۱ قابل دسترسی است).
  43. دوان، دی. Zhang، F. مطالعه طبقه بندی ایستگاه های حمل و نقل ریلی شهری از دیدگاه بهینه سازی کاربری زمین: مطالعه موردی در خط ۲ مترو شیان. طرح شهر. Rev. ۲۰۱۳ , ۳۷ , ۳۹-۴۵٫ [ Google Scholar ]
  44. Quan, L. عوامل مؤثر بر ساختار دایره مدلهای متحدالمرکز TOD. طرح شهری. بین المللی ۲۰۱۷ ، ۵ ، ۷۲-۷۹٫ [ Google Scholar ] [ CrossRef ]
  45. کلتورپ، پی. کلان شهر بعدی آمریکا: اکولوژی، جامعه و رویای آمریکایی . انتشارات معماری پرینستون: نیویورک، نیویورک، ایالات متحده آمریکا، ۱۹۹۳٫ [ Google Scholar ]
  46. اوسالیوان، اس. Morrall, J. فاصله‌های پیاده‌روی به و از ایستگاه‌های حمل و نقل ریلی سبک. ترانسپ Res. ضبط ۱۹۹۶ ، ۱ ، ۱۹-۲۶٫ [ Google Scholar ] [ CrossRef ]
  47. هنیگان، دسترسی به منطقه ایستگاه MFBA در توسعه ترانزیت گرا: یک تحلیل تیپولوژیکی. پایان نامه کارشناسی ارشد، دانشگاه تگزاس در آستین، آستین، تگزاس، ایالات متحده آمریکا، ۲۰۰۶٫ [ Google Scholar ]
  48. وانگ، جی. ژنگ، ایکس. Mo, YK ساخت منطقه بندی چگالی و تعیین نسبت حجم برای توسعه TOD ترانزیت ریلی – خط ترانزیت ریلی شنژن ۳ به عنوان مثال. طرح شهری. ۲۰۱۱ ، ۳۵ ، ۳۰-۳۵٫ [ Google Scholar ]
  49. سه ماهه دوم و نتایج موقت Tencent برای سال ۲۰۲۱٫ در دسترس آنلاین: https://static.www.tencent.com/uploads/ (در ۲۵ سپتامبر ۲۰۲۱ قابل دسترسی است).
  50. گزارش تحلیل توسعه صنعت اینترنت موبایل چین، سه ماهه سوم ۲۰۲۰٫ در دسترس آنلاین: http://www.100ec.cn/detail—۶۵۷۵۱۱۶٫html (در ۲۵ سپتامبر ۲۰۲۱ قابل دسترسی است).
  51. لیو، ز. کیان، جی ال. دو، ی. وانگ، ن. یی، جی. سان، ی. ما، تی. پی، تی. ژو، سی. مدل تخمین توزیع فضایی چند سطحی جمعیت مهاجر بین منطقه ای با استفاده از داده های بزرگ فضایی-زمانی چند منبعی: مطالعه موردی مهاجران از ووهان در طول گسترش COVID-19. J. Geo Inf. علمی ۲۰۲۰ ، ۲۲ ، ۱۴۷-۱۶۰٫ [ Google Scholar ] [ CrossRef ]
  52. لانگ، ی. Shen, Z. کشف مناطق عملکردی با استفاده از داده های کارت هوشمند اتوبوس و نقاط مورد علاقه در پکن. در تجزیه و تحلیل جغرافیایی برای حمایت از برنامه ریزی شهری در پکن ; Springer: Cham, Switzerland, 2015; صص ۱۹۳-۲۱۷٫ [ Google Scholar ] [ CrossRef ]
  53. شو، بی. یانگ، سی. کوی، جی. Chen, L. مطالعه مقدماتی در مورد ساختار عملکردی شهر در منطقه اطراف ایستگاه مترو تحت مدل TOD: تجزیه و تحلیل تجربی بر اساس داده های POI در امتداد مترو چنگدو. Huazhong Archit. ۲۰۱۹ ، ۵ ، ۷۹-۸۳٫ [ Google Scholar ] [ CrossRef ]
  54. وو، ZQ; Ye, ZN تحقیق در مورد ساختار فضایی شهری بر اساس نقشه حرارتی Baidu: مطالعه موردی در شهر مرکزی شانگهای. طرح شهر. Rev. ۲۰۱۶ , ۴۰ , ۳۳-۴۰٫ [ Google Scholar ]
  55. Zhang, L. تحقیق در مورد استاندارد طبقه بندی POI. گاو نر Surv. نقشه ۲۰۱۲ ، ۱۰ ، ۸۲-۸۴٫ [ Google Scholar ]
  56. یو، دبلیو. Ai, T. تجسم و تحلیل نقاط POI در فضای مجازی با پشتیبانی از روش تخمین چگالی هسته. J. Surv. نقشه ۲۰۱۵ ، ۴۴ ، ۸۲-۹۰٫ [ Google Scholar ]
  57. Leslie, TF شناسایی و تمایز مراکز شهری در فونیکس از طریق یک رویکرد چند معیاره هسته-دانش. بین المللی Reg. علمی Rev. ۲۰۱۰ , ۳۳ , ۲۰۵-۲۳۵٫ [ Google Scholar ] [ CrossRef ]
  58. کانگ، ی. چو، ن. پسر، S. ویژگی‌های فضایی-زمانی حوادث ترافیکی جمعیت سالمند در سئول با استفاده از تخمین چگالی هسته فضا-زمان و مکعب فضا-زمان. PLoS ONE ۲۰۱۸ , ۱۳ , e0196845. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  59. ایسکی، ح. Eom، H. تاثیرات دسترسی حمل و نقل ریلی بر توزیع فضایی شرکت: مطالعه موردی در منطقه شهری واشنگتن، دی سی. ترانسپ Res. ضبط ۲۰۱۹ ، ۲۶۷۳ ، ۲۲۰-۲۳۲٫ [ Google Scholar ] [ CrossRef ]
  60. Dark، SJ جغرافیای زیستی گیاهان بیگانه مهاجم در کالیفرنیا: کاربرد GIS و تجزیه و تحلیل رگرسیون فضایی. غواصان. توزیع کنید. ۲۰۰۴ ، ۱۰ ، ۱-۹٫ [ Google Scholar ] [ CrossRef ]
  61. ماهارا، جی. وانگ، سی. یانگ، ک. چن، اس. گوا، جی. گائو، کیو. وانگ، دبلیو. وانگ، کیو. Guo, X. ارتباط بین عوامل محیطی و بروز مخملک در منطقه پکن: با استفاده از GIS و مدل‌های رگرسیون فضایی. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۶ ، ۱۳ ، ۱۰۸۳٫ [ Google Scholar ] [ CrossRef ]
  62. ژانگ، اچ. ژو، ایکس. تانگ، جی. ژو، ال. Ye, X. کشف Hotspot و تحلیل الگوی فضایی آن برای خدمات پذیرایی در شهرها بر اساس مدل میدانی در GIS. Geogr. Res. ۲۰۲۰ ، ۳۹ ، ۳۵۴-۳۶۹٫ [ Google Scholar ]
  63. جیمز، جی. ویتن، دی. هستی، تی. تبشیرانی، ر . مقدمه ای بر یادگیری آماری ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۱۳; جلد ۱۱۲، ص. ۱۸٫ [ Google Scholar ]
  64. وانگ، جی. هو، L. محدوده جاذبه ایستگاه حمل و نقل ریلی شهری به جریان مسافری حمل و نقل عمومی معمولی. سیستم مهندس ۲۰۱۰ ، ۱ ، ۱۴-۱۸٫ [ Google Scholar ]
  65. یین، زی. از انباشتگی تا فشردگی: مطالعه بر روی ویژگی های توزیع ساختمان های مسکونی در حوضه آبریز ایستگاه های MTR. معمار جنوبی. ۲۰۱۶ ، ۶ ، ۱۲۲-۱۲۶٫ [ Google Scholar ] [ CrossRef ]
  66. ژو، ی. نیش، ز. ژان، Q. هوانگ، ی. Fu، X. استنباط عملکردهای اجتماعی موجود در منطقه ایستگاه مترو از فعالیت های اقامت مسافران در داده های کارت هوشمند. ISPRS Int. J. Geo Inf. ۲۰۱۷ ، ۶ ، ۳۹۴٫ [ Google Scholar ] [ CrossRef ]
  67. Cervero، R. ارتباط حمل و نقل شهری و استفاده از زمین در کشورهای در حال توسعه. J. Transp. کاربری زمین ۲۰۱۳ ، ۶ ، ۷-۲۴٫ [ Google Scholar ] [ CrossRef ]
  68. بله، ز. چن، ی. Zhang، L. تجزیه و تحلیل استفاده از فضا در اطراف ایستگاه های مترو شانگهای با استفاده از داده های پویا از برنامه های تلفن همراه. ترانسپ Res. Proedria ۲۰۱۷ ، ۲۵ ، ۳۱۴۷–۳۱۶۰٫ [ Google Scholar ] [ CrossRef ]
  69. لیانگ، ی. آهنگ، دبلیو. دونگ، ایکس. ارزیابی استفاده از فضا از مناطق ایستگاه هاب راه آهن بزرگ در پکن به سمت توسعه یکپارچه ایستگاه-شهر. Land ۲۰۲۱ , ۱۰ , ۱۲۶۷٫ [ Google Scholar ] [ CrossRef ]
  70. آویزان، HK; Wu, CC تأثیر بازارهای شبانه بر کیفیت زندگی ساکنان. Soc. رفتار شخصی. بین المللی J. ۲۰۲۰ ، ۴۸ ، ۱-۱۲٫ [ Google Scholar ] [ CrossRef ]
  71. هو، جی. دستفروشان دوره گرد و جامعه شهری مدرن چین . انتشارات علوم اجتماعی چین: پکن، چین، ۲۰۱۹٫ [ Google Scholar ]
  72. حسیه، AT; چانگ، جی. بازارهای شبانه خرید و توریستی در تایوان. تور. مدیریت ۲۰۰۶ ، ۲۷ ، ۱۳۸-۱۴۵٫ [ Google Scholar ] [ CrossRef ]
  73. ژانگ، اس. پنگ، SC; چن، تی. Wang, JZ ارزیابی قرار گرفتن در معرض استنشاق افراد با PAHهای سرطان زا وابسته به PM10 در بازارهای شبانه یک منطقه شهری در کلانشهری در شرق چین. Aerosol Air Qual. Res. ۲۰۱۵ ، ۱۵ ، ۱۹۴۴-۱۹۵۴٫ [ Google Scholar ] [ CrossRef ]
  74. نگوین، TPL؛ پنیا-گارسیا، الف. آگاهی، نگرش و ادراک کاربران از خطرات سلامتی مرتبط با روشنایی بیش از حد در بازارهای شبانه: پیامدهای سیاست برای توسعه پایدار. پایداری ۲۰۱۹ ، ۱۱ ، ۶۰۹۱٫ [ Google Scholar ] [ CrossRef ]
  75. وانگ، ایکس. ژانگ، ی. یو، دی. چی، جی. لی، اس. بررسی الگوی فضایی-زمانی سرزندگی شهری و عوامل تعیین کننده آن: تجزیه و تحلیل داده های بزرگ فضایی در پکن، چین. خط مشی استفاده از زمین ۲۰۲۲ ، ۱۱۹ ، ۱۰۶۱۶۲٫ [ Google Scholar ] [ CrossRef ]
  76. لی، جی. لی، جی. یوان، ی. لی، جی. ویژگی های توزیع فضایی و زمانی و تجزیه و تحلیل مکانیسم تراکم جمعیت شهری: موردی از شیان، شانشی، چین. شهرها ۲۰۱۹ ، ۸۶ ، ۶۲–۷۰٫ [ Google Scholar ] [ CrossRef ]
Ijgi 11 00485 g001 550
شکل ۱٫ نمودار آمار جریان مسافر یک هفته ای مترو شیان. منبع: حساب رسمی Weibo مترو شیان، https://weibo.com/xianditie (در تاریخ ۱۸ تا ۲۴ اکتبر ۲۰۲۱ قابل دسترسی است).
Ijgi 11 00485 g002 550
شکل ۲٫ موقعیت چهار ایستگاه تحقیقاتی در خط ۲ مترو شیان.
Ijgi 11 00485 g003 550
شکل ۳٫ چارچوب فرآیند تحقیق.
Ijgi 11 00485 g004 550
شکل ۴٫ زمان راه رفتن عابر پیاده ( a ) و سرعت راه رفتن ( b ) در قلمرو ایستگاه BDJ.
Ijgi 11 00485 g005 550
شکل ۵٫ فرآیند تنظیم دامنه قلمرو ایستگاه BDJ: ( الف ) قبل از تنظیم. ( ب ) پس از تعدیل.
Ijgi 11 00485 g006 550
شکل ۶٫ محدوده چهار قلمرو ایستگاه تحقیقاتی: ( الف ) ایستگاه XZZX، ( ب ) ایستگاه LSY، ( ج ) ایستگاه BDJ، ( د ) ایستگاه WYJ.
Ijgi 11 00485 g007 550
شکل ۷٫ منطقه جمع آوری داده ها و داده های جزئی. ( الف ) منطقه جمع آوری داده های خط ۲ مترو؛ ( ب ) توزیع داده های نقطه ای فعالیت های جمعیت.
Ijgi 11 00485 g008 550
شکل ۸٫ آمار تعداد POI برای هر قلمرو ایستگاه تحقیقاتی.
Ijgi 11 00485 g009 550
شکل ۹٫ تجسم نتایج تجزیه و تحلیل چگالی هسته تحت شعاع جستجوی مقیاس مختلف: ( الف ) شعاع ۵۰ متر، ( ب ) شعاع ۱۰۰ متر، ( ج ) شعاع ۱۵۰ متر، ( د ) شعاع ۲۰۰ متر، ( e ) بیش از ۲۰۰ متر شعاع.
Ijgi 11 00485 g010a 550 Ijgi 11 00485 g010b 550
شکل ۱۰٫ توزیع زمانی و مکانی فعالیت های انسانی در هر قلمرو ایستگاه مطالعه: ( الف ) ایستگاه XZZX، ( ب ) ایستگاه LSY، ( ج ) ایستگاه BDJ، ( د ) ایستگاه WYJ.
Ijgi 11 00485 g011 550
شکل ۱۱٫ اوج تراکم هسته ای فعالیت جمعیت در ۵۰۰ متر از قلمرو هر ایستگاه تحقیقاتی: ( الف ) قلمرو ایستگاه XZZX. ( ب ) قلمرو ایستگاه LSY. ( ج ) قلمرو ایستگاه BDJ. ( د ) قلمرو ایستگاه WYJ.
Ijgi 11 00485 g012 550
شکل ۱۲٫ اوج تراکم هسته فعالیت های جمعیت در قلمرو ایستگاه مطالعه در طول روزهای کاری و روزهای تعطیل: ( الف ) ایستگاه XZZX، ( ب ) ایستگاه LSY، ( ج ) ایستگاه BDJ، ( د ) ایستگاه WYJ.
Ijgi 11 00485 g013a 550 Ijgi 11 00485 g013b 550
شکل ۱۳٫ تجزیه و تحلیل چگالی هسته هر POI عملکردی در قلمرو ایستگاه مطالعه. نتایج تجزیه و تحلیل ( a ) ایستگاه XXZX. ( ب ) ایستگاه LSY. ( ج ) ایستگاه BDJ; ( د ) ایستگاه WYJ.

ونوس نصیرفام

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

خانهدربارهتماسارتباط با ما