[论文解读] Urban Attractors: Discovering Patterns in Regions of Attraction in Cities

May Alhazzani, Fahad Alhasoun+2 more|arXiv (Cornell University)|Nov 30, 2016

Human Mobility and Location-Based Analysis被引用 8

一句话总结

本文提出了一种计算框架，通过手机信令数据生成的起源-目的地（OD）数据，基于出行量、出发地的空间分散性以及道路网络上的出行距离分布，对利雅得城市区域的吸引力模式进行分类。该研究识别出三种不同的城市吸引源类型——全球型、市中心型和居住型，通过显著性检验将这些类型与特定类型的兴趣点（POI）相关联，揭示了不同服务如何驱动城市中不同的移动性动态。

ABSTRACT

Understanding the dynamics by which urban areas attract visitors is significant for urban development in cities. In addition, identifying services that relate to highly attractive districts is useful to make policies regarding the placement of such places. Thus, we present a framework for classifying districts in cities by their attractiveness to visitors, and relating Points of Interests (POIs) types to districts' attraction patterns. We used Origin-Destination matrices (ODs) mined from cell phone data that capture the flow of trips between each pair of places in Riyadh, Saudi Arabia. We define the attraction profile for a place based on three main statistical features: The amount of visitors a place received, the distribution of distance traveled by visitors on the road network, and the spatial spread of where visitors come from. We use a hierarchical clustering algorithm to classify all places in the city by their features of attraction. We detect three types of Urban Attractors in Riyadh during the morning period: Global which are significant places in the city, Downtown which the central business district and Residential attractors. In addition, we uncover what makes these places different in terms of attraction patterns. We used a statistical significance testing approach to rigorously quantify the relationship between Points of Interests (POIs) types (services) and the 3 patterns of Urban Attractors we detected. The proposed framework can be used for detecting the attraction patterns given by type of services related to each pattern. This is a critical piece of information to inform trip distribution models.

研究动机与目标

• 开发一种基于访客流向数据对城市区域吸引力进行分类的框架。
• 利用行程流的统计特征，识别并表征城市中不同的吸引力模式。
• 通过显著性检验，量化特定POI类型（如医院、企业、学校）与吸引力模式之间的关系。
• 通过将POI构成与区域级吸引力动态关联，支持城市规划与交通建模。
• 为服务选址与基础设施建设提供数据驱动的政策决策支持。

提出的方法

• 该框架利用从匿名化手机通话详单记录（CDRs）生成的起源-目的地（OD）矩阵，捕捉利雅得每日的出行流动。
• 三个核心统计特征定义了每个区域的吸引力特征：总流入出行量、出行起点的空间分散性，以及道路网络上的出行距离分布。
• 应用层次聚类方法，根据综合吸引力特征对区域进行分组，识别出不同的城市吸引源类型。
• 采用显著性检验方法（如卡方检验或Fisher精确检验），将POI类型与每种吸引源类型关联，识别出与每种模式显著相关的服务类型。
• 该方法评估早高峰时段的吸引力模式，以捕捉与工作和学校相关的出行行为。
• POI数据按类型（如医院、大使馆、清真寺）聚合，并与吸引源聚类交叉比对，以确定其构成的显著性。

实验结果

研究问题

• RQ1 在类似利雅得这样的大城市中，基于出行数据会涌现出哪些不同的城市吸引力模式？
• RQ2 不同城市吸引源类型在访客流数量、出发地空间分散性以及出行距离方面有何差异？
• RQ3 哪些类型的兴趣点（POIs）与每种城市吸引源类型显著相关？
• RQ4 POI构成在多大程度上可以解释一个区域的吸引力特征？
• RQ5 吸引力模式如何为城市规划与交通基础设施决策提供支持？

主要发现

• 在利雅得识别出三种不同的城市吸引源类型：全球型、市中心型和居住型，每种类型具有独特的移动性和空间特征。
• 全球型吸引源（如主要大学、医院、大使馆和工业区）吸引来自全市范围的大量访客，出行距离长，出发地空间分散性高。
• 市中心型吸引源表现出从较短距离流入的大量访客和中等程度的空间分散性，主要由与商业相关的POI（如企业、购物中心和服务提供商）驱动。
• 居住型吸引源的访客流入量最低，POI集中于本地服务，如清真寺、公立学校、餐馆和带家具的公寓。
• 显著性检验显示，工厂、大使馆、大学和医院在全局吸引源中显著集中（p < 0.01）。
• 以商业为导向的POI在市中心吸引源中表现出强显著性，而清真寺和公立学校等居住服务则与居住型吸引源显著相关。