融合多源數據的鹽城市空間格局研究

摘要：隨著社會經濟的不斷發展，各類空間信息呈現爆發式增長，獲取方式也變得多樣化。針對城市精細化管理的不足與需求，文章選擇鹽城市為研究區域，依托探索性空間分析方法，以2022年微博簽到數據、2022年POI數據為基礎，對鹽城市的地理空間信息進行研究，旨在為城市管理、災害預警、基礎設施建設提供信息支撐與技術支持。結果表明：（1）從簽到數量來看，簽到數最高的地點為鹽都區的“瀆上·老西門”，簽到數最低的地點為阜寧縣的新盛街21號；（2）從冷熱點的空間分布角度來看，整個鹽城市的熱點地區呈現“一主多副”的特征，主熱點位于鹽都區，平均最鄰近比率僅為0.2，且相對于其他區縣，集聚程度也最高。

關鍵詞：探索性空間分析；冷熱點分析；鹽城市；平均最鄰近比率；社交媒體

中圖分類號：TP391文獻標志碼：A

0引言

隨著社會經濟的發展，記錄人類活動的方式愈來愈多，類型涉及生活、社交、出行等多個方面，但隨之帶來數據的爆炸性增長［1］。社交媒體數據中蘊含了空間基因，在一定程度上豐富了空間數據獲取的方法，推動了空間信息獲取向數字化、智慧化的革新。受限于數據獲取方式及頻次，傳統的空間信息研究多專注于實體地物、現象演變，而對于人類活動、人群行為等研究較少［2-3］。互聯網進入Web2.0時代更關注于用戶的行為習慣、瀏覽交互等，典型的如微媒體代表，結合了空間信息、社會化信息，同時兼具社交功能。這種自發式的帶有空間基因的“采集”方式被美國科學院院士稱為志愿者地理信息服務（Volunteered Geographic Information， VGI），通過廣大用戶集中參與、共同參與地理信息數據創建與支撐，極大提升了地理信息獲取與傳播的效率，豐富了對應的數據類型。這種社交媒體是一種交互式，允許用戶通過網絡、社區進行信息、想法的表達與分析［4-6］。

業界專家利用社交媒體進行多領域的研究，如聚焦于自然災害和現象的研究，依托社交媒體豐富數據獲取方式進行災情災害、空氣質量時空分布分析［1］；醫學類的社交媒體數據還可以輔助知識圖譜模型的構建［2］；區別于對空間現象的模擬與分析，還有專家利用社交媒體數據進行人類活動或情感的研究［3-6］，如基于社交媒體的“文本-位置-時間”特征，深入挖掘旅游者的情緒感知；利用海量社交媒體數據進行心理指標識別的建模，破解心理特征識別的瓶頸；根據游客的社交媒體反饋，分析群體特征的景觀偏好等［7］。這些研究能夠從新的角度來解決問題，但數據類型相對單一，無法多角度進行空間分析成果支撐［8-10］。

因此，針對這些需求與不足，本文選擇鹽城市作為研究區域，搜集覆蓋研究范圍的社交媒體簽到數據、POI數據等，在此基礎上進行數據清洗與可視化，利用空間探索性分析方法進行研究區域的冷熱點分析，以探索數據的空間聚類特征，為城市規劃、空間布局做支撐。

1數據來源與研究方法

1.1研究區概況

鹽城市是江蘇省的省轄市，位于江蘇沿海的中部，地處119°27′E-120°54′E，30°34′N-32°28′N，東臨黃海，南與泰州市、南通市兩市接壤，西與揚州市、淮安市毗鄰，北隔灌河與連云港市相望。鹽城市是江蘇省土地面積最大、海岸線最長的設區市，全市土地總面積約1.77萬平方千米，其中沿海灘涂面積4553平方千米，占全省沿海灘涂面積的70%；海岸線總長約582千米，是占全省海岸線總長度的56%，其擁有得天獨厚的灘涂、土地、海洋資源，射陽河口以南沿海地段仍以每年10多平方千米的速度向大海延伸，也是江蘇最大、最具潛力的土地后備資源。

鹽城市轄建湖縣、射陽縣、阜寧縣、濱海縣、響水縣5縣，鹽都區、亭湖區、大豐區3個區。2023年，鹽城市GDP為7403.9億元，常住人口668.9萬人。

1.2數據來源本研究所需數據如表1所示，共包括以下3個部分：（1）覆蓋鹽城市全域的POI數據，現勢性為2022年，經過數據預處理，得到最終的數據185260條；（2）覆蓋鹽城市全域的社交媒體簽到數據（微博簽到數據），現勢性為2022年12月，經數據清洗、坐標轉換，得到數據28282條；（3）行政區劃數據，包含了設區市范圍及鹽城市轄縣（區）范圍。

其中，社交媒體簽到數據需要通過調用微博API獲取，主要分為兩個步驟，即數據獲取、數據處理，首先，進行微博開發者的注冊得到相應的App Key及App Secret，并直接進行調用API獲取數據，得到的數據為JSON（JavaScript Object Notation）格式，因而還需對數據進行轉換、處理等；其次，對數據進行清洗，剔除相同的重復記錄，形成最終的結果，形成最終的數據。

1.3研究方法

2空間分析

對處理后的微博數據進行匯總分析，得到鹽城市微博簽到數據，具體統計如表2所示。

從表2可知，鹽都區的簽到點數為最多，超過7000個，而最高的位置則位于“瀆上·老西門”，商業步行街；市轄區簽到數最少的則出現在阜寧縣為1376個，其簽到數最高的位置位于新盛街21號。

搜集得到的簽到數據包含經緯度的空間屬性，因此，可將結果進行可視化。

在計算結果的基礎上，運用平均最近鄰工具進行鹽城市各市轄縣（區）微博簽到平均最近鄰比率測算，具體如表3所示。從表3中結果可知，市轄縣集聚現象明顯，其中，鹽都區的最鄰近比率為0.2，是所有區縣中最低值，說明鹽都區內集聚程度最高。究其原因，主要是鹽都區是市政府所在地，其范圍內包含大縱湖東晉水城等系列熱門景點，是吸引外地游客駐足游玩的主要地點。

利用ArcGIS軟件的冷熱點分析工具進行微博簽到數據的冷熱點分析，從計算結果可以看出，微博簽到數據總體呈現高密度集聚特征，其中熱點主要呈現“一主多副”的特征，主熱點位于鹽都區，副熱點位于亭湖區、濱海縣、建湖縣等地。

在空間分布上，大豐區作為經濟發展靠前的區縣不僅經濟會理強，同時沿海人口聚集較多，因而微博簽到次數相對較多，而阜寧、建湖、響水三縣的熱點相對集中在縣（市）主城區，其余農村地區相對聚集較差，即呈現冷點趨勢。

從人口分布的角度來看（見表3），射陽、阜寧、濱海、鹽都、亭湖5個區縣的常住人口已超80萬人，而濱海、亭湖兩區甚至超過了90萬人，人口基數非常大，因而聚集程度非常高，簽到次數也比較多，無疑成為整個鹽城市的熱點地區，監測的結果與人口統計分布的結果一致性較高。熱點地區的分布在一定程度上反映了各地區的基礎設施配置、經濟發展水平。可以看出，亭湖區、鹽都區等老城區的經濟水平較高，配置相對較為完備，對外地游客的吸引力也較高，而大豐區高度重視沿海資源的開發，也吸引了越來越多的外地游客，其境內聚集的人群數量也較多。

3結語隨著經濟社會的不斷發展，獲取空間數據的方式也逐漸豐富。本文嘗試從社會空間的視角，依托探索性空間分析的冷熱點分析等方法，以覆蓋鹽城市的2022年微博簽到數據、POI數據為基礎，對鹽城市的相關地理空間信息進行研究，得出的結論如下：

（1）從簽到數據數量來看，最高的簽到點數位于鹽都區，即“瀆上·老西門”，商業步行街，簽到總數超過了7000，市轄區縣最少的簽到點數位于阜寧縣，其最高的簽到數地點即新盛街21號。

（2）從冷熱點的空間分布角度來看，鹽城市的熱點地區主要呈現“一主多副”的特征，主熱點位于鹽都區，同時鹽都區的平均最鄰近比率為0.2，是所有區縣中最低值，說明鹽都區內集聚程度最高，副熱點位于亭湖區、濱海縣、建湖縣等地，這也符合鹽城“一核多城”的發展戰略。

參考文獻

［1］王艷東，荊彤，姜偉，等.利用社交媒體數據模擬城市空氣質量趨勢面［J］.武漢大學學報：信息科學版，2017（1）：7-12.

［2］王華瓊，俞定國，錢歸平.基于醫學社交媒體數據的多模態知識圖譜構建［J］.醫學信息學雜志，2023（4）：35-39.

［3］王艷東，劉森保，姜偉，等.利用社交媒體數據探測商業區顧客空間分布［J］.地理空間信息，2018（2）：3-7.

［4］高靜，李佳霓，馮雅茹.基于社交媒體數據的西懷遠村游客景觀偏好及其時空特征研究［J］.園林，2023（3）：79-83.

［5］韓華瑞，代偵勇.湖北省微博簽到活動空間差異分析——以新浪微博為例［J］.測繪與空間地理信息，2016（10）：5-10.

［6］陳曉艷，張子昂，胡小海，等.微博簽到大數據中旅游景區客流波動特征分析——以南京市鐘山風景名勝區為例［J］.經濟地理，2018（9）：9-14.

［7］徐敏，黃震方，曹芳東，等.基于大數據分析的城市旅游地網絡結構特征及其演化模式——以新浪微博簽到數據為例［J］.地理研究，2019（4）：13-17.

［8］SUI D， ELWOOD S，GOODCHILD M F. Crowd-sourcing Geographic Knowledge： Volunteered Geogra-phic Information （VGI） in Theory and Practice［M］. New York： Springer， 2012.

［9］GOODCHILD M F. Citizens as sensors：the world of volunteered geography［J］GeoJournal，2007 （4）：211-221.

［10］GILANY N ， IQBAL J ， HUSSAIN E . Geospatial Analysis and Simulation of Glacial Avalanche Hazard in Hunza River Basin［J］. International Journal of Envir-onmental Science and Development， 2021 （2）：51-57.

［11］王勁峰.空間分析［M］.北京：科學出版社，2006.

（編輯李春燕）Research on the spatial pattern of Yancheng city by integrating multi source dataZHU" Chenxi

（1.Hohai University， Nanjing 210098， China; 2.Jiangsu Provincial Land and Resources

Research Center， Nanjing 210024， China）Abstract：" With the continuous development of the social economy， various types of spatial information are experiencing explosive growth， and the ways of obtaining them have become more diverse. In response to the shortcomings and needs of refined urban management， this article selects Yancheng City as the research area， relying on exploratory spatial analysis methods and based on 2022 Weibo check-in data and 2022 POI data， to study the geographic spatial information of Yancheng City， aiming to provide information and technical support for urban management， disaster warning， and infrastructure construction. The results show that： （1） in terms of the number of signs in， the location with the highest number of signs in is “Dushang Laoximen” in Yandu District， and the location with the lowest number of signs in is No. 21 Xinsheng Street in Funing County; （2） From the perspective of spatial distribution of cold and hot spots， the hot spots in the entire Yancheng City exhibit a characteristic of “one main hot spot and multiple secondary hot spots”. The main hot spot is located in Yandu District， with an average nearest neighbor ratio of only 0.2， and the degree of agglomeration is also the highest compared to other districts and counties.

Key words： exploratory spatial data analysis; cold and hot spot analysis; Yancheng; average nearest neighbor ratio; social media