[论文解读] Ghost Cities Analysis Based on Positioning Data in China

Guanghua Chi, Yü Liu+2 more|arXiv (Cornell University)|Oct 28, 2015

Human Mobility and Location-Based Analysis参考文献 5被引用 42

一句话总结

本研究利用百度定位数据识别并分析中国境内的鬼城——即住房空置率较高的城市区域——绘制其空间分布图，并将这些区域分类为城市或旅游景点。该研究首次基于大数据实现对鬼城的精细化分析，揭示了空置城区内独特的人类活动模式，展示了移动定位数据在城市感知与政策相关城市分析中的强大潜力。

ABSTRACT

Real estate projects are developed excessively in China in this decade. Many new housing districts are built, but they far exceed the actual demand in some cities. These cities with a high housing vacancy rate are called ghost cities. The real situation of vacant housing areas in China has not been studied in previous research. This study, using Baidu positioning data, presents the spatial distribution of the vacant housing areas in China and classifies cities with a large vacant housing area as cities or tourism sites. To the best of our knowledge, it is the first time that we detected and analyzed the ghost cities in China at such fine scale. To understand the human dynamic in ghost cities, we select one city and one tourism sites as cases to analyze the features of human dynamics. This study illustrates the capability of big data in sensing our cities objectively and comprehensively.

研究动机与目标

• 利用大规模移动定位数据识别并绘制中国空置住房区域的空间分布。
• 基于人类活动模式，将高空置率城市分类为城市中心或旅游景点。
• 研究鬼城中的人类活动动态，以理解低入住率城市区域的社会与行为特征。
• 展示大数据在客观、大规模城市监测与政策相关城市分析方面的潜力。
• 提供一种数据驱动的框架，用于超越传统房地产或人口普查指标，检测与分析城市空置现象。

提出的方法

• 利用百度的移动定位数据追踪用户随时间的位置变化，从而重建每日活动模式。
• 应用家庭-工作地识别算法，基于定位数据中的时空模式识别居民住宅与工作地点。
• 计算人口流动与人口密度变化，以区分住宅区与非住宅区城市区域。
• 根据夜间人口密度低和白天空置率高的指标，将城市区域分类为鬼城。
• 采用空间聚类与热力图可视化技术，揭示中国各城市空置住房的地理分布模式。
• 对一个城市与一个旅游景点开展案例研究，比较空置城区与旅游区域的人类活动动态差异。

实验结果

研究问题

• RQ1 中国的主要鬼城位于何处？其在城市区域中的空间分布特征如何？
• RQ2 鬼城与活跃城市中心或旅游景点的人类活动模式有何不同？
• RQ3 移动定位数据在多大程度上能够准确识别并分类高住房空置区域？
• RQ4 空置城区中人群具有哪些独特的行为与人口统计学特征？
• RQ5 如何利用移动定位的大数据实现城市空置的监测，并为城市政策提供支持？

主要发现

• 本研究识别出中国多个空置率较高的城市，尤其集中在二、三线城市，表明城市扩张项目存在显著的过度开发现象。
• 空间分析显示，鬼城集中分布在特定区域，特别是中国西北部与中部地区，这些地区曾快速建设新城区。
• 鬼城中的人类活动模式表现为夜间人口密度低，且工作日与周末之间活动变化微弱，表明居民活动水平极低。
• 相比之下，旅游景点表现出强烈的日周期性，周末与节假日期间活动达到高峰，与长期低入住的城区形成鲜明对比。
• 案例研究证实，鬼城中居民人口极少，绝大多数定位信号源自临时性或非居住活动。
• 该方法成功在精细空间尺度上识别出鬼城，证明了利用大数据实现城市实时感知与空置监测的可行性。