|
从大规模的OD流网络数据中提取空间网络结构(Spatial network structure, SNS)是理解区域间关联模式和相互作用规律的重要途径。目前, SNS的提取主要依赖于复杂网络聚类方法或具有预定义区域约束的聚合统计方法实现。然而，这些方法往往忽略了一个或多个确保SNS提取结果有效性和精确性的基本原则: 1) 空间邻近且交互作用强的节点被合并为相同的簇，空间邻近且交互作用弱的节点应该被分离到不同的簇；2) 空间不邻近但交互作用强的交互关系尽可能被保留。3) 同一簇内的节点应具有空间连续性。 为应对这一挑战，一种提取多层次SNS的启发式方法被提出，该方法分别通过测度节点间的相对和绝对联系强度实现SNS提取。最后通过中国全域的人口流动数据验证了该方法的有效性和应用价值。该方法提供了一种从任何OD流数据中提取SNS通用方法。此外，该方法也可被视为一种通过聚合模式挖掘实现OD流数据的制图综合方法。 研究团队助理研究员张海平博士作为本研究的主要贡献者和通讯作者，与扬州大学周星星老师、德州农工大学叶信岳教授合作，近期在GIS顶级期刊《International Journal of Geographical Information Science》发表题为“A multi-hierarchical method to extract spatial network structures from large-scale origin-destination flow data”的论文成果。该成果中所提出的空间网络结构提取方法，将在洞察大规模复杂网络的结构的相关应用中发挥重要作用。 论文引用格式： Xingxing Zhou, Haiping Zhang* & Xinyue Ye (2024), A multi-hierarchical method to extract spatial network structures from large-scale origin-destination flow data, International Journal of Geographical Information Science, DOI: 10.1080/13658816.2023.2301305   相关概念与问题定义 1.1 从传统的空间点走向空间网络的结构提取 空间结构(Spatial structure)是指空间要素在空间上的排列、布局及其之间的空间关系。空间网络结构(Spatial network structure, SNS)是指抽象或聚合空间网络的边和节点，将一个复杂的空间网络以高度抽象(聚合)的节点和边的形式呈现其空间分布格局及相互关系特征。 过去，我们可以通过各种聚类和地图综合方法，将大规模的空间点数据聚合为更少的点，并用聚合后点的大小表征聚合位置原始点的分布密度特征，如图1(a)所示。对于大规模的复杂空间网络数据，也可以通过聚类等方法，通过聚合抽象得到更少数量的节点和边，并用节点的大小表征节点空间分布密度，用边粗细表征节点之间的交互强度大小，以反映原始网络的空间结构特征,如图1(b)所示。  图1 从空间点走向空间网络的结构提取逻辑示意图 问题定义与解决思路 在序言中提到，从空间网络中提取空间网络结构(SNS), 应该满足三个基本原则：1) 空间邻近且交互作用强的节点被合并为相同的簇，空间邻近且交互作用弱的节点应该被分离到不同的簇；2) 空间不邻近但交互作用强的交互关系尽可能被保留。3) 同一簇内的节点应具有空间连续性。过去，从空间OD流构成的网络数据中提取其结构特征，代表性的常用方法有两类： 一类是复杂网络方法，其方法实现逻辑如图2(b)-(d)所示。这类方法将空间网络视为一般的复杂网络数据，忽略了节点的位置信息对网络结构的约束，及节点之间的边的地理距离特征。因此提取的结果已经与空间位置和距离等无关。这类方法不能被称之为地理学方法，或者说不属于GIS方法。提取的结果也只能称之为网络结构，而非空间网络结构。本质上，这类方法的结构提取结果不能满足三个基本原则中的原则3。 另一类是基于预定义区域的聚合方法。其实现逻辑如图2(e)-(g)所示。这种处理思路就空间处理方法而言较为简单，即给定一种空间单元对网络节点的聚合所归属的簇进行约束。节点在哪个区域内，就将其视为该区域所在簇的节点成员。这类处理方式不能满足三个基本原则中的原则1和原则2。  图2 从空间网络中提取结构的传统方法 为此，我们提出了通过启发式算法来实现同时遵循以上三个基本原则的SNS提取方法。实现逻辑可以简单的描述为如图3所示的过程。这个提取思路同多变量的空间约束的聚类方法类似，但由于数据本身是流网络数据，因此在采用诸如遗传算法等智能优化方法时，需要处理多个实现逻辑的特殊性问题。  图3 同时遵循原则1,2和3的SNS提取思路 研究框架与方法 本研究提出了三步走的SNS提取框架，整个研究框架如图4所示。  图4 空间网络结构提取的方法框架 第一步：初始化种群，个体代表了一种可能得结构提取结果。个体的边作为遗传算法框架中的基因。个体的生成过程中，首先基于邻近且交互作用强的边构建最大生生成树，这里的“最大”是指邻近节点的交互作用最强。然后通过修剪边生成种群个体。 第二步：种群的迭代与更新，种群是通过对个体的交叉和变异操作而进化。主要关注和处理结构提取逻辑的特殊空间逻辑和适应度评价。 第三步：最优解选择。从最终种群中选择最适合的个体进行过滤，显示提取的最优空间社会网络。重点是基于mst的初始化，通过交叉和变异进行进化搜索，并提取最优解来呈现最终的空间网络结构。 最后，通过对提取得到的空间网络结构进行节点、边过滤，或同时对节点和边进行过滤，即可得到制图综合后的空间网络结构(SNS)。如图5所示为多层次空间网络结构进行结构过滤和可视化的示意图。  图5 空间网络结构过滤 案例分析 本研究以2020年全国372个地级市的人口迁移数据为主要数据源，采用本文提出的方法提取隐含SNS。数据来源于百度人口迁移大数据监测共享平台，该平台包含超过4400万条原始OD流量。  图6 研究样区与数据 图7-8分别为基于流量和强度的多层次空间网络结构提取结果。图9为两种权重下不同层级空间网络结构提取的模块度的敏感性评估结果。  图7 基于交互流量和交互强度的多层级网络结构提取结果. (SNS结果中的边表示交互值总量)  图8 基于交互流量和交互强度的多层级网络结构提取结果. (SNS结果中的边表示交互均值)  图9 不同层级空间网络结构提取的模块度的敏感性评 结论与讨论 本研究基于智能空间优化技术提出了一种从大规模复杂空间网络中提取多层次SNS的方法。该方法利用原始网络中节点之间的交互量和交互强度作为提取SNS的流权重。该方法考虑了相互作用量和作用强度，将节点聚合为具有子节点的最终节点，并结合统计分析，可以更全面地探索SNS的特征。通过对城际人口迁移数据的分析，验证了该方法的有效性和实用性。 本文构建的SNS提取方法遵循了两个地理学基本假设，即空间自相关和空间异质性规律。换言之，该方法聚合具有强相互作用的相邻节点，而分离连接较弱的节点。这个过程与地理学第一定律一致，该定律表明相邻节点往往具有更强的连接。这也反映了Goodchild的观点(空间异质性)，即邻近不一定联系紧密(Goodchild 2004)。通过遵循这些规律，SNS提取方法捕获了网络内部固有的空间模式和关系，从而更准确地表示了SNS。总之，本研究的方法根据节点间相互作用的流量和强度以更适当地逻辑聚集或分离节点，以有效地洞察空间网络的复杂性背后的结构特征。从地图学的视角来看，该方法也可以被视为通过聚合模式的方法，实现空间流网络数据制图综合的一种有效手段。将在地理学视角下空间复杂网络的结构提取和地图学视角下空间复杂网络的制图综合方面发挥重要作用。 相关代码、数据与文献 本文所提出的SNS的方法相关源代码和实验数据在 'www.figshare.com’可用, 代码和数据能够永久访问的链接如下: https:///10.6084/m9.figshare.24905853.
作者简介： 周星星 (第一作者)，扬州大学信息工程学院(人工智能学院)讲师，博士毕业于南京师范大学地图学与地理信息系统专业，主要研究方向为空间分析与建模、流大数据与制图综合、基于大地理数据的人文社会科学，在IJGIS，GIS&RS，TGIS， 地理研究等期刊发表学术论文10余篇。 张海平 (通讯作者)，中国科学院地理科学与资源研究所助理研究员，博士毕业于南京师范大学地图学与地理信息系统专业，主要从事社会与经济地理过程模拟、地理分区与区域系统建模、时空行为与复杂地理网络分析等方面的研究工作。主持国家重点研发子课题、国家自然科学基金等项目。一作/通讯在Annals of AAG, IJGIS, GIS&RS, Geographical analysis, CaGIS, TGIS, Cities, Applied geography, 地理学报和地理研究等国内外地理学主流期刊发表学术论文40余篇，其中一作/通讯20余篇，出版教材2部. 获得“全国GIS新秀”，“全国十大城市数据师个人贡献奖”等10余项奖项。 叶信岳 美国德州农工大学终身正教授。他是美国地理学会会士、英国皇家地理学会会士、Harold LAdams讲席教授。他是德州农工大学的城市规划、计算机科学、地理、以及跨学科工程等四个系的博士生导师。他的研究核心是时空数据分析与计算社会科学。他也是美国地理学会区域发展与规划杰出学者奖得主和第十届全球地理信息开发者大会评选的十大全球前沿科技青年科学家之一。他是空间决策支持系统联盟主席和国际华人地理信息科学学会前主席。在斯坦福大学公布的全球前2%顶尖科学家榜单里，叶教授同时入选“终身科学影响力排行榜“和“年度科学影响力排行榜”。 材料整理 | 张海平 内容排版 | 张海平 内容校审 | 杨 宇 思源流变,测国计策, 能源经济绘新图 |
|
|
