[论文解读] A New Insight into Land Use Classification Based on Aggregated Mobile Phone Data

Tao Pei, Stanislav Sobolevsky+3 more|arXiv (Cornell University)|Oct 23, 2013

Human Mobility and Location-Based Analysis参考文献 7被引用 4

一句话总结

本文提出了一种利用聚合移动电话数据进行土地利用分类的新方法，通过小时呼叫量模式和相对活动节律，借助半监督模糊c均值聚类推断城市土地利用类型。在新加坡的评估中，该方法实现了58.03%的检测率，表明移动电话数据能够有效捕捉基于社会功能的土地利用差异，尤其在基站密度较高的区域表现更优。

ABSTRACT

Land use classification is essential for urban planning. Urban land use types can be differentiated either by their physical characteristics (such as reflectivity and texture) or social functions. Remote sensing techniques have been recognized as a vital method for urban land use classification because of their ability to capture the physical characteristics of land use. Although significant progress has been achieved in remote sensing methods designed for urban land use classification, most techniques focus on physical characteristics, whereas knowledge of social functions is not adequately used. Owing to the wide usage of mobile phones, the activities of residents, which can be retrieved from the mobile phone data, can be determined in order to indicate the social function of land use. This could bring about the opportunity to derive land use information from mobile phone data. To verify the application of this new data source to urban land use classification, we first construct a time series of aggregated mobile phone data to characterize land use types. This time series is composed of two aspects: the hourly relative pattern, and the total call volume. A semi-supervised fuzzy c-means clustering approach is then applied to infer the land use types. The method is validated using mobile phone data collected in Singapore. Land use is determined with a detection rate of 58.03%. An analysis of the land use classification results shows that the accuracy decreases as the heterogeneity of land use increases, and increases as the density of cell phone towers increases.

研究动机与目标

• 探索聚合移动电话数据作为城市土地利用分类补充数据源的潜力。
• 通过引入人类移动性中的社会功能指标，弥补遥感方法仅关注物理特征的局限性。
• 开发并验证一种基于聚类的方法，利用移动电话活动的时间模式推断土地利用类型。
• 评估土地利用异质性和基站密度对分类准确率的影响。

提出的方法

• 构建聚合移动电话数据的时间序列，捕捉每个地理单元的小时相对呼叫模式和总呼叫量。
• 应用半监督模糊c均值聚类算法，根据其时间活动特征对空间单元进行分组。
• 将移动电话使用的时间动态特征——如高峰时段和日常节律——作为土地利用社会功能的代理指标。
• 将聚类结果与新加坡的实地土地利用数据进行对比验证。
• 通过半监督方法引入空间约束，以提升聚类结果的可解释性与准确率。
• 基于活动模式定义聚类中心，实现对居住区、商业区及混合用地的识别。

实验结果

研究问题

• RQ1 聚合移动电话数据能否有效反映城市土地利用类型的社会功能？
• RQ2 在给定区域中，土地利用异质性如何影响土地利用分类的准确率？
• RQ3 基站密度在多大程度上影响分类性能？
• RQ4 移动电话活动的时间模式能否可靠地区分不同土地利用类型？
• RQ5 与传统遥感方法相比，该方法在捕捉功能型土地利用方面表现如何？

主要发现

• 所提出的方法在新加坡移动电话数据上实现了58.03%的土地利用分类检测率。
• 随着土地利用异质性增加，分类准确率下降，表明在混合用地区域中区分存在挑战。
• 更高的基站密度与更高的分类准确率相关，表明更好的数据分辨率可提升性能。
• 移动电话活动的时间模式，如高峰时段和日常节律，为土地利用功能提供了强有力指标。
• 将移动电话中获取的社会功能数据与遥感所捕捉的物理特征相结合，可提供更全面的土地利用分类方法。
• 半监督模糊c均值聚类能有效根据行为模式对空间单元进行分组，实现可解释的土地利用推断。