[論文レビュー] Estimating hourly population distribution change at high spatiotemporal resolution in urban areas using geo-tagged tweets, land use data, and dasymetric maps

Ming‐Hsiang Tsou, Hao Zhang+2 more|arXiv (Cornell University)|Oct 15, 2018

Human Mobility and Location-Based Analysis参考文献 20被引用数 5

ひとこと要約

本研究では、地理的タグ付きツイート、土地利用データ、およびダシメトリックマッピングを用いて、カリフォルニア州サンディエゴ郡における都市部の時間別人口分布の変化を推定するための時空間フレームワークを提案する。著者らは、人為的生成のツイートをフィルタリングするための準手動による検証プロセスを適用し、1時間ごとおよび1kmグリッド解像度でユニークなユーザー数を算出し、その後、国勢調査データおよび土地利用から導出された時間的・空間的要因を用いてこれらの数を補正することで、サンディエゴ郡における高解像度の動的人口マッピングを実現した。比較地図による強力な妥当性評価がなされている。

ABSTRACT

This paper introduces a spatiotemporal analysis framework for estimating hourly changing population distribution in urban areas using geo-tagged tweets (the messages containing users' physical locations), land use data, and dasymetric maps. We collected geo-tagged social media (tweets) within the County of San Diego during one year (2015) by using Twitter's Streaming Application Programming Interfaces (APIs). A semi-manual Twitter content verification procedure for data cleaning was applied first to separate tweets created by humans and non-human users (bots). The next step is to calculate the number of unique Twitter users every hour with the two different geographical units: (1) census blocks, and (2) 1km by 1km resolution grids of LandScan. The final step is to estimate actual dynamic population by transforming the numbers of unique Twitter users in each census block or grid into estimated population densities with spatial and temporal variation factors. A temporal factor was based on hourly frequency changes of unique Twitter users within San Diego County, CA. A spatial factor was estimated by using the dasymetric method with land use maps and 2010 census data. Several comparison maps were created to visualize the spatiotemporal pattern changes of dynamic population distribution.

研究の動機と目的

• 都市環境における高時空間解像度での動的人口分布推定のための手法を開発すること。
• 静的人口データの限界を克服し、リアルタイムの人間の移動パターンを捉えること。
• ソーシャルメディアデータ（地理的タグ付きツイート）を土地利用データおよび国勢調査データと統合することで、人口推定の正確性を向上させること。
• 時空間的人口パターンの可視的および定量的比較を通じて、フレームワークの妥当性を検証すること。

提案手法

• 2015年1年間にわたり、TwitterのストーミングAPIを用いてカリフォルニア州サンディエゴ郡の地理的タグ付きツイートを収集した。
• ボット活動と人為的生成のツイートを区別するための準手動コンテンツ検証手順を適用した。
• 国勢調査ブロックおよび1km×1kmのLandScanグリッドの2つの空間解像度で、1時間ごとのユニークなTwitterユーザー数を集計した。
• 研究地域全体におけるユニークユーザー数の時間的変動に基づいて、時間要因を算出した。
• 2010年の国勢調査データを用いて、ダシメトリック手法を用いて、土地利用タイプごとに人口を割り当てることで空間要因を推定した。
• 時間的および空間的要因を組み合わせることで、時間的・空間的変動を伴う推定人口密度に、生のユーザー数を変換した。

実験結果

リサーチクエスチョン

• RQ1 地理的タグ付きツイートは、都市部における時間別に、実際の人口分布の変化をどれほど正確に反映できるか？
• RQ2 土地利用データおよびダシメトリックマッピングは、ソーシャルメディアから得られる人口推定の空間解像度および正確性をどの程度向上できるか？
• RQ3 ソーシャルメディア活動の時間的パターンは、都市環境における実際の人間の移動および人口動態とどの程度相関しているか？
• RQ4 非人為的ユーザーのフィルタリングが、ソーシャルメディアデータからの人口推定の信頼性に与える影響は何か？

主な発見

• 本フレームワークは、サンディエゴ郡において1km×1kmの高解像度で、時間別解像度を持つ動的人口マップを成功裏に生成した。
• ツイート活動の時間的パターンは、昼間に商業地区で人口がピークに達し、夜間には住宅地域でピークに達するという、既知の日周期的人間移動トレンドをよく反映していた。
• ダシメトリック補正により、均等割り当てやブロック単位の割り当てと比較して、土地利用タイプごとに人口をより現実的に分布させることで、空間的正確性が顕著に向上した。
• 比較地図により、人口変化の明確で一貫した時空間的パターンが示され、モデルが都市のダイナミクスを捉える能力を有していることが妥当性を示した。