利用停留信息进行大规模用户区域建模及 COVID-19 影响分析

了解人们如何使用城市空间在从市场营销到城市规划的广泛领域中都是有价值的信息。由于季节性变化和流行病等各种事件，区域使用情况会随时间发生变化。在智能手机普及之前，这些数据是通过问卷调查收集的。然而，从出结果的时间和成本来看，这不是一种可持续的方法。现有的许多区域建模研究使用兴趣点（Point of Interest, POI）或区域间移动数据，通过某种信息来表征区域特征。然而，由于 POI 是静态绑定到空间的数据，且区域间移动数据忽略了人们在区域内的行为，现有方法在捕捉区域使用变化方面并不充分。在本文中，受 Word2Vec 启发，我们提出了一种名为 Area2Vec 的新颖区域建模方法，该方法基于人们的地理位置数据对区域进行建模。该方法基于这样一个发现：通过利用人们在区域内的停留信息，可以根据其使用情况来表征该区域。这是一种能够将区域内人们动态变化的行为反映到建模结果中的新颖方法。我们通过对日本某地区的区域进行功能分类验证了 Area2Vec。结果表明 Area2Vec 可用于一般区域分析。我们还调查了日本两个地区因 COVID-19 导致的区域使用变化。我们发现 COVID-19 使得人们减少了不必要的外出，例如前往娱乐区。