景区节点驱动的位置微博用户时空行为计算方法

发布时间：2024-03-13 05:51

　　互联网的发展极大地拓展了人类传统的社交手段和交互模式,很大程度上降低了社交成本同时吸引了多层面信息的注入与汇聚,越来越多的用户通过互联网社区分享经历和心得、发布照片,产生了大量与生活相关的用户贡献内容,这些数据在样本的覆盖度、精细空间单元与时间尺度等方面与传统数据源形成有效互补。人类的时空行为一直以来都是地理学研究的重点,正开始从利用传统调查问卷等信息的方法转变为利用互联网等新技术手段获取研究数据的阶段。互联网不仅仅反映用户群体间的虚拟关系和联系,也是区域实体活动在网络空间中的体现,越来越多的学者开始尝试利用这些互联网用户产生的数据进行学术研究。本文以特定节点为切入点,提出一套基于特定节点的用户行为的计算方法,首先进行用户时空行为概念界定并设计数据计算统计指标,并根据计算量标定义了各统计指标之间的关系,完成了用户时空行为计算所需的数据组织。在计算指标的基础上,设计了用户时空行为计算方法:基于时空特征完成了用户属性分类计算方法;用户时间行为的计算方法是基于时间尺度的数理统计方法,统计不同时间尺度下用户数据时间分布特征,完成用户时间行为计算方法;用户时空分布计算方法的实现,利用ArcGIS...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图1.1技术路线图

图2.1以用户属性表为中心的属性表结构图

实现属性表间的动态连接，并且将属性表和空间实体匹配，以实现从空间上查询、分析属性数据（图2.1）。（5）数据库构建：本研究基于Geodatabase构建的用户时空行为数据库在内容上包括基础数据、专题数据、关系数据和栅格数据。基础数据包括省级行政区、市级行政区、县级行政区、城市....

图2.2数据库基本框架图

2.3用户时空行为计算方法2.3.1用户中的旅游者识别方法本文以节点入口景区及周边限定数据范围，利用时空特征方法区分景区旅游用户与本地普通居民用户。方法流程图如图2.3所示。算法描述如下：1）将微博数据按用户ID进行排序，使个体用户发布的所有微博存放在一起2）将微....

图2.3基于微博时间聚类属性特征的旅游者用户提取流程

代码如下List<微博>=>Sort(用户ID(String))=>List<用户ID>List<用户ID>=>Sort(微博发布时间(Time))=>List<用户ID_发布时间>List

本文编号：3927288