CN109002961B - 一种基于网络数据的跨区域文化景观间功能结构规划方法 - Google Patents
一种基于网络数据的跨区域文化景观间功能结构规划方法 Download PDFInfo
- Publication number
- CN109002961B CN109002961B CN201810605200.8A CN201810605200A CN109002961B CN 109002961 B CN109002961 B CN 109002961B CN 201810605200 A CN201810605200 A CN 201810605200A CN 109002961 B CN109002961 B CN 109002961B
- Authority
- CN
- China
- Prior art keywords
- data
- network
- analysis
- cultural
- regional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 238000003012 network analysis Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000005728 strengthening Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 230000008676 import Effects 0.000 claims 1
- 230000014759 maintenance of location Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 13
- 238000011835 investigation Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008278 dynamic mechanism Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Primary Health Care (AREA)
- Architecture (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于网络数据的跨区域文化景观间的功能结构规划方法,利用网络开源数据,并通过空间分析、网络分析和文本分析等方法技术,以跨区域文化景观的地理数据为模型输入数据,以网络平台上的游客轨迹识别文化景观之间的关联结构,以对某景区的介绍、游记等文本内容和兴趣点POI等明确景区的功能特点,根据功能‑结构的匹配关系对文化景观网络中的各节点和联系进行调整设计,进行跨区域文化景观的定位和规划。本发明能够解决跨区域规划实践中存在的数据获取困难、现状调研耗时耗力等问题,从客观使用的角度进行规划定位和调整。
Description
技术领域
本发明涉及景观功能结构规划方法,尤其涉及一种基于网络数据的跨区域文化景观间功能结构规划方法,具体是一种基于网络获取的数据在进行整体文化景观的网络联系和景点功能评价基础上进行跨区域文化景观规划的方法。
背景技术
跨区域文化景观是指运河、道路以及铁路线等这类拥有特殊文化资源集合的跨区域尺度的物质和非物质的文化遗产族群,如京杭大运河、黄河、长城、丝绸之路、茶马古道、青藏铁路等都属于跨区域文化景观。
本技术方法的跨区域文化景观规划是从跨区域的角度,以区域的基本特征和属性出发,基于运河、道路等规划地域的整体性、***性和连续性,对跨越多个行政区的文化景观进行的综合规划和部署,确保文化景观能够不受各种因素的割裂,以保证其完整性保护。
目前,现有技术多未从跨区域文化景观的整体性考虑,多从单一文化景观片面孤立地进行分析研究,不利于跨区域大尺度的文化景观的保护利用,此外,由于跨区域文化景观的现状调研耗时耗力、现状资料时效性差、数据获取困难,跨区域文化景观规划制定过程存在现状了解不充分、规划结果主观性大、工作效率低下等问题,现有技术多存在获取数据手段困难,实地调研存在客观性偏差等问题,为跨区域文化景观的研究带来了很多不便因素。本技术方法是结合近年来新兴的网络数据环境,这类数据以其海量、众创、开源、共享等优势,为区域文化景观的规划方法创新提供了契机。本技术方法能够给予跨区域文化景观数据支持,并能为文化景观的区域分析给予契合的方法手段,能够实现跨区域的文化景观数据获取便捷高效,数据分析客观清晰,数据***性联系性强,规划成效显著,能够为整体文化景观的保护提供规划方法。
发明内容
为了解决上述现有技术的不足,本发明提供了一种加强网络***性的跨区域文化景观规划方法,将跨区域的景观文化联系在一起,通过网络数据获取和网络分析等方法,高效并准确地获取区域景观地理空间结构与文化景观节点流量网络结构的关系,能够对文化景观进行整体性保护提供技术支持。
由于现有的文化景观保护技术往往忽视跨区域之间多个文化景观之间的关联性,引发了破碎化和孤岛化危机,需要加强整体性保护的技术手段。本发明提出文化景观安全格局的“节点-背景-联系”模型,由于跨区域文化景观的现状调研耗时耗力、现状资料时效性差、数据获取困难,为了解决以上问题,本发明基于网络数据进行区域文化景观功能结构规划。通过网络数据获取和网络分析等方法,高效并准确地研究区域景观地理空间结构与文化景观节点流量网络结构的关系,有利于对文化景观进行整体性地保护。
本发明技术方案如下:
一种基于网络数据的区域文化景观功能结构规划方法,包括以下步骤:
1)通过网络爬虫技术和网络平台提供的应用程序接口(ApplicationProgramming Interface,API),获取规划范围的游览者轨迹、各景区的交通时间数据和各文化景观的兴趣点(Point of Interest,POI)以及游记、评论等数据;
2)以所述步骤1)获取的数据为基础,建立跨区域文化景观功能结构分析的方法和流程,对规划范围内的各文化景观进行联系识别和功能定位;
3)利用所述步骤2)中的跨区域文化景观结构和功能分析步骤和分析结构,明确各文化景观节点的现状、功能定位和在整体网络中所起的作用,进行跨区域文化景观功能结构的规划,并通过绘图设备输出为方案图纸。
进一步的,步骤1)获取数据包括如下操作:
1.1)通过网络爬虫技术编写爬虫程序。网络爬虫(Web crawler),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本,它们被广泛用于互联网搜索引擎或其他类似网站,可以自动采集所有其能够访问到的页面内容,以获取或更新这些网站的内容和检索方式。从功能上来讲,爬虫一般分为数据采集,处理,储存三个部分。网络爬虫技术从一个或若干初始网页的URL开始,获得初始网页上的URL,在抓取网页的过程中,不断从当前页面上抽取新的URL放入队列,直到满足***的一定停止条件。所有被爬虫抓取的网页将会被***存贮,进行一定的分析、过滤,并建立索引,以便之后的查询和检索,这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导;
1.2)通过网络爬虫技术在网络平台许可的范围内,按照一定的时间范围,采集在线地理轨迹分享网站提供的游客GPS轨迹数据、照片分享网站提供的带地理标记的照片元数据。对带地理标记的照片元数据,按照用户名相同、拍摄时间连续的原则,识别出游客轨迹并编码。在进行网络数据处理时,因为网络上采集到的轨迹数据是零散的坐标点,需要用excel根据用户名和时间信息识别为一段段轨迹,对各坐标点编上轨迹号;
1.3)将1.2)的数据属性统一整理为游客编号(Identification,ID)、时间、轨迹编码、经度、纬度,之后在ArcGIS软件中新建后缀名为shp数据格式的图层名,并将上述获取的数据复制至后缀名为shp图层数据框中,实现基于地理信息***(Geography InformationSystem,GIS)的数据分析。利用ArcGIS的空间分析功能识别出每个坐标点对应的研究对象的各景点,这需要事先掌握研究对象各景点空间范围的矢量底图,如果无法获得该数据可以通过百度兴趣点(Point of Interest,POI)数据建立缓冲区来替代。缓冲区(buffer)是围绕地理空间要素周围的一种影响范围或服务范围。缓冲区分析是围绕点要素,自动建立其周围一定距离的多边形,用以识别这些实体或主体对邻近对象的辐射范围或影响度;
1.4)通过在线地图平台(如百度地图网站),获取规划范围内各景区之间的公交可达时间数据,即景区之间乘坐公交的时间数据,再获取各景区的兴趣点(Point ofInterest,POI)数据,包含数据的地理坐标,并转换成后缀名为shp格式输入ArcGIS数据库,形成实际地理空间网络结构;
1.5)通过网络爬虫技术编写爬虫程序,在网络平台许可的范围内对在线评论网站和游记分享网站中规划范围内的内容进行抓取,将获取的内容整理为包括景区名称、游客游客编号(Identification,ID)、文本内容、评论时间和地理标签等字段的数据集格式,形成文本数据集。
进一步的,所述步骤2)包括:
2.1)以所述步骤1.3)中获取的景区POI数据的缓冲区为基础,按照一定的缓冲距离确定各景区各自不重叠的功能范围,以确定各个景区对邻近对象的辐射范围或影响度,并与所述步骤1.3)中的游客轨迹的各个数据点通过ArcGIS软件建立空间连接,按照数据点落在景区空间范围内这一关系,识别每个数据点所对应的景区,进而筛选出跨越多个景区的游客轨迹;
2.2)将2.1)步骤中的游客轨迹数据,以及步骤1.4)中获取的各景区公交可达性时间数据,利用矩阵分析方法(Matrix Data Analysis Chart)制作为景区的游客联系矩阵和公交可达性时间矩阵。矩阵分析方法指的是矩阵图上各元素间的关系用数据进行量化,主要是填数据,形成一个分析数据的矩阵,使整理和分析结果更加精确,这种用数据表示的矩阵图法,叫做矩阵分析法。应用这种方法,往往需求借助电子计算机来求解;
2.3)将步骤2.2)中的游客联系矩阵和公交可达时间矩阵导入网络分析软件如UCINET等进行网络分析。网络分析起源于图论,侧重于描述特定景点之间联结的结构,并运用定量技术来研究整体网络结构特征和个体景点在网络中的作用和地位,适合作为研究区域文化景观功能结构规划的基础分析方法。UCINET是一种功能强大的社会网络分析软件,全名为University of California at Irvine NETwork。UCINET是一窗体驱动程序,用于社交网络及其它相近数据分析。导入UCINET软件能够实现数据二值化处理,之后进行一系列网络分析操作。UCINET将二值化阈值要基于网络结构清晰和数据分布断点的原则来确定,具体操作可利用UCINET的可视化模块,形成文化联系网络;
2.4)将步骤2.3)导入UNICET软件中的数据进行对应的网络结构分析(包括:凝聚子群分析、中间人分析和核心-边缘分析等)。网络凝聚子群分析是用于揭示和刻画群体内部子结构状态,适合于本方法中的跨区域文化景观的研究。找到景点网络中凝聚子群的个数以及每个凝聚子群包含哪些景点成员,分析凝聚子群间关系及连接方式,主要用来衡量一个大的网络中小团体现象是否十分严重。中间人分析是指中间人能够向一个位置发送资源,却从另外一个位置那里得到资源的行动者。如果一个网络可以分成若干相对互斥的子群体,作为中间人的子群体能够成为另外两个子群体的纽带桥梁,另外两个子群体通过中间人实现关联。在跨区域文化景观中,在A、B、C三个文化景点关系中,如果A景点有一个指向B景点的关系,同时B景点有一个指向C景点的关系,但是A景点没有指向C景点的关系,那么B景点就是中间人,就是成为联系A景点和C景点最主要的纽带,中间人也成为区域文化景观留存整体性最关键的因素。核心一边缘(Core—Periphery)分析的目的是研究社会网络中哪些节点处于核心地位,哪些节点处于边缘地位。跨区域文化景观中主要分析哪些景点处于核心位置,对区域联系最为重要,哪些属于边缘位置,对区域联系贡献较弱。本步骤中的网络结构分析能够较好地解释不同景点对跨区域文化景区的联系程度和作用形式,以及在跨区域文化景观中所承担的角色和功能;
2.5)将步骤2.3)UNICET软件中的数据进行节点功能性评价,即景点功能性评价(包括:中心性分析和结构洞分析等)。中心性分析(centrality)是度量整个网络中心化程度的重要指标,在群体网络中,处于中心位置的景点更易获得资源和信息,拥有更大的权力和对其他景点更强的影响力。网络中心性又可以分为点度中心度、接近中心度和中间中心度三个指标,都可以通过UNICET软件实现。结构洞分析强调网络群体中存在的结构洞可以为处于该位置的组织和个人带来信息和其他资源上的优势,所谓“结构洞”就是指社会网络中的空隙,即社会网络中某个或某些个体和有些个体发生直接联系,但与其他个体不发直接联系,即无直接关系或关系间断,从网络整体看好像网络结构中出现了洞穴。通过分析不同景点个体之间的联系,来分析各个景点之间相互影响的关系,包括三种类型,一种是较强的直接关系,一种是没有直接关系,需要通过第三者实现间接联系,还有一种是存在较弱的关系。该方法也可以通过UNICET软件实现。景点功能性评价主要强调从网络空间结构上分析空间数据,利用社会网络,能够将跨区域的文化景观紧密联系起来,分析更为清晰,更易于把握和实际操作;
2.6)在步骤2.5)中的景点功能性评价的基础上,进一步利用步骤1.4)中获取的POI数据集计算某类POI的区位熵,以对景区的功能做出评价,计算公式如下:
式中,Si为该景区i类POI的区位熵,Li为该景区i类POI的数量,Pi为该区域所有i类POI的数量,P为该区域POI的总数量;
2.7)在步骤2.6)的基础上,采用文本分析方法,进一步对步骤1.5)中获取的文本数据集进行文本分析,文本分析主要包括对景区的主要游览内容、景观保存状况、设施便利程度、环境状况和游客满意程度等五个方面进行评价;
2.8)进一步的,所述步骤2.7)中的文本分析方法,可采用文本分析软件ImageQ语义分析软件、采用开源工具如Python或R语言的自然语言处理模块完成等,将步骤1.5)中获取的文本数据集输入到ImageQ软件文本框中,就能出现相关处理信息,为每个分词结果中的单词标注一个正确的词性,确定每个词是名词、动词、形容词或其他,对已标注的词性进行汇总,统计各个词性在文本中的所占比例,再通过软件自动识别文本中具有特定意义的实体,主要包括人名、地名、时间、专有名词等,可实现对景区五方面的文本分析内容评价;
进一步的,所述步骤3)包括:
3.1)以所述步骤2.4)中的网络结构分析结果,即步骤2.3)中的文化联系网络与步骤1.4)实际地理空间网络结构进行对比,对于差异性明显的部分进行背景要素(人居建设、自然地形、行政管辖等)分析,深入探究文化联系网络与地理空间网络的差异形成原因,再根据文化联系网络中不同形态(如带状、星形、环状、完备网络状等)的子结构进行对比,分析各个文化景观基本特征和演化规律;
3.2)以所述步骤3.1)中的文化联系网络和实际地理空间网络结构的差异为基础,以文化联系网络为参照对象,将文化联系网络图和实际地理空间网络结构图进行空间叠加,运用ArcGIS软件中的空间叠加分析工具实现,通过空间叠加后的叠加图之间的差异比对,将实际地理空间网络结构图存在的差异部分依据理想的文化联系网络图来调整,从而达到优化地理空间中公交线路配置的目的,以强化跨区域文化景观间的联系;
3.3)以所述步骤2.5)中的景点功能评价为基础,将景点功能评价反映的景区在整体网络中的作用与所述步骤2.6)中的兴趣点和步骤2.8)中的文本分析内容反映的景区现状进行对比,概括各景区的优势、劣势、潜力及挑战,根据步骤2.5)中的景点功能评价的中心性分析和结构洞分析,中心性强的景点可作为区域重心发展,以此确定跨区域文化景观的各个景点的功能定位;
3.4)将步骤3.1)、3.2)和3.3)的结合整合成跨区域文化景观的功能结构规划方案,并将结果输出为功能结构规划图。
与现有技术相比,本发明的有益效果是:
本发明解决了区域文化景观规划实践中存在的数据获取困难、现状调研耗时耗力等问题,从客观使用的角度进行规划定位和调整。,通过构建一种研究区域文化景观的技术方案,可以较好的联系区域内文化景观,在文化景观安全格局的视角下应用网络分析法,借用文化景观格局构建的“节点—联系—背景”模型,在传统的网络分析的基础上引入背景要素的分析,以探究网络的塑造机制。具体来说体现为以下几方面:
(一)本发明构建“跨区域文化景观”网络,即为“节点—背景—联系”网络,增加区域、跨区域尺度,与已有的单体、地段和城镇尺度的文化景观一起,形成系列层级的空间和文化体系,从而借助单个文化景观之间的文化关联,实现对文化景观更为***、完整、全面的保护,扩大文化景观的价值影响范围,推动文化景观所包含的价值传承与丰富。“节点—背景—联系”在空间上相互作用反映了文化景观的结构特征;在时间上通过影响物质流动和人流迁移反映了文化景观的塑造过程。在强调线性文化景观在跨区域尺度上的整体性保护时,应不止于关注文化景观单体及其空间联系,更应考虑其赖以存在的环境背景,基于***和网络思维进行分析与保护。
(二)本发明获取数据的技术方法,采用网络爬虫技术,实现数据海量、众创、开源、共享等特点,为区域文化景观的规划方法创新提供了契机。尤其是在应用大数据的基础上进行精细化研究,克服了传统研究中对地域线性文化景观的基础资料稀缺的瓶颈,为网络分析法与轨迹数据在地理研究领域的交叉应用提供了思路。
(三)本发明分析数据的技术方法,采用网络分析方法,从跨区域角度探索遗产的相互关联及其保护问题,突破了单体保护,更有利于解决文化景观破碎化和孤岛化问题。
(四)本发明创新性地将区域文化景观的地理空间结构与文化联系结构进行对比分析,从二者的差异入手,从动态机制上分析文化联系网络是基于现实地理空间结构实现的,这对传统的区域景观地理空间结构研究的相关理论进行了补充。
附图说明
图1是本发明基于网络数据的跨区域文化景观间功能结构规划方法的流程框图。
图2是本发明实施例的跨区域文化景观功能结构图;
图中,数字01,02,…,35,表示各个区域的文化景观。
图3是本发明实施例中跨区域文化景观的景点功能评价图;
其中,(i)为点度中心性(Degree Centrality);(ii)为接近中心性/亲密中心性(Closeness Centrality);(iii)为中介中心性/中间中心性(Between Centrality);图中数字01,02,…,34表示各个区域的文化景观。
图4是本发明实施例的跨区域文化景观各个景点的中心等级图;
其中,数字01,02,…,38,表示各个区域的文化景观。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,本发明实施例公开的基于网络数据的跨区域文化景观功能结构规划方法,以下结合北京长城文化带功能结构规划为例来详细地说明本发明的技术方案,主要包括如下步骤:
1)通过网络爬虫技术和网络平台提供的应用程序接口(ApplicationProgramming Interface,API),获取北京长城文化带范围内的游览者轨迹、文化带上各景区的交通时间数据和各文化景观的POI以及游记、评论等数据。
将区域文化景观安全格局的“节点-背景-联系”模型为核心框架,将北京长城文化带视为一个复杂的网络***(它包含各种不同维度的网络结构),并将其各个景区视为节点,景区间的旅游流视为文化联系,景区间的交通可达性视为地理空间联系,其自然和人文环境视为背景,分别构建文化联系网络与地理空间网络。构建网络需要数据支持,数据采集步骤如下:
1.1)通过网络爬虫技术编写爬虫程序,一种是通过图片分享网站(如Flickr网站)的地理标记照片元数据挖掘出轨迹信息;另一种是通过Wikiloc网站的徒步者GPS轨迹,直接得到轨迹信息。再根据游客GPS轨迹数据、Flickr网站提供的带地理标记的照片元数据,按照一定的时间范围,抓取规划范围内的游客轨迹及照片元数据。对带地理标记的照片原数据,按照用户名相同、拍摄时间连续的原则,识别出游客轨迹并编码。将上述数据的属性统一整理为游客编码、时间、轨迹编码、经度、纬度。Flickr地理标记照片原数据来源于亚马逊网络服务平台上的Yahoo Flickr Creative Commons 100M数据集,Wikiloc轨迹数据是在Wikiloc网站上搜索并人工记录涉及案例地的轨迹得到的。之后在ArcGIS软件中新建shp数据格式的图层名,并将上述获取的数据复制至shp图层数据框中,实现基于GIS的数据分析。
1.2)相应地,通过百度在线地图平台,获取规划范围内各景区之间的可反映地理通达性的公交可达时间数据,节点间的公交可达时间数据是利用百度地图人工搜索公交最短可达时间得到的。公交可达时间数据来揭示长城文化带各景区间的客观地理联系强度与各节点间地理通道的阻力大小,而地理通道的阻力大小可由交通通道的距离和通达性表示。再通过百度在线地图平台获取各景区的8个节点的兴趣点(POI)数据,数据清洗后获取有效数据量,每个数据点包括拍摄者姓名、地点、经度、纬度。之后将上述数据转换成shp格式输入ArcGIS数据库,形成实际地理空间网络;
1.3)通过网络爬虫技术编写爬虫程序,在网络平台许可的范围内对在线Wikiloc评论及游记分享网站中北京长城文化带内的内容进行抓取,将获取的内容整理为包括景区名称、游客ID、文本内容、评论时间和地理标签等字段的格式化的文本数据集。
2)以所述步骤1)获取的数据为基础,建立区域文化景观功能结构分析的方法和流程,对规划范围内的各文化景观进行联系识别和功能定位。图2反映了北京长城带的功能结构图。采用网络分析法测度两种网络的节点功能和网络结构。为探究文化联系网络的塑造机制,进一步地将其与地理空间进行对比,并分别从“节点——背景——联系”的角度阐释其差异是如何产生的。
2.1)以所述步骤1.3)中获取的北京长城文化带各个POI数据为基础,对景区POI数据进行坐标纠偏后,考虑到景区的实际范围,对每个景区的POI创建2km半径的缓冲区和泰森多边形,并与所述步骤1.1)中的游客轨迹的各个数据点相交以确定景区空间范围,然后识别每个数据点对应的景区,将各Flickr数据点对应于各节点,进而筛选出跨越多个景区的游客轨迹。
2.2)将2.1)步骤中的游客轨迹数据,以及步骤1.2)中获取的各景区公交可达性时间数据,以用户名相同和拍摄日期连续为原则,在Excel平台中将Flickr数据从点重组织为游览轨迹。具体步骤如下:将长城带上各景点间的数据关系列为矩阵,先根据同一游客游览事件中的景点内容,组织各个长城带上的景点,形成一个完整的有联系的游览轨迹,将出现在同一段跨景区游览轨迹中的各景点(节点)视为互相有联系,仅利用景点与游览轨迹间的从属关系信息,丢弃同一游览轨迹中节点的时间序列信息,以规避因间断拍摄导致的照片数据曲解真实游览轨迹的问题。经Excel统计识别出437条涉及长城景区的轨迹,其中有49条跨景区轨迹。此外,Wikiloc网站提供了62条涉及长城景区的轨迹,其中有23条跨景区轨迹。汇总Flickr和Wikiloc数据则得到72条跨景区游览轨迹及每条轨迹游览的景区,由此得到游览轨迹数据。
2.3)将步骤2.2)中的游览轨迹数据和步骤1.2)中的公交可达时间数据导入社会网络分析软件UCINET软件中,二值化后进行一系列网络分析操作。基于网络结构清晰和数据分布断点的原则,确定了前者的二值化阈值为0,后者为140min(即认为可达时间大于140min的节点对之间没有便捷的公交联系)。网络分析法的基本操作包括节点功能性评价和网络结构分析。有关节点功能性评价:主要利用节点的中心度和结构洞指数评价节点在网络中的角色和作用。其中程度中心度与亲近中心度用于评价节点的中心地位,中介中心度与结构洞指数用于评价节点的中介地位。图3反映了北京长城文化带上的各个景观间的联系。有关网络结构分析主要运用UCINET软件对应的分析工具,其中包括:
(1)凝聚子群是具有相对较强、直接、紧密或者积极关系的节点群(Wasserman andFaust 1994),进行凝聚子群分析(含分派与派系分析等)可以识别网络中的子结构与各节点的等级聚类关系,并进行组团划分。
(2)中间人分析可以进一步识别各组团内部的节点角色,中间人角色包括协调人、守门人、联络人等。
(3)核心边缘分析可以测定网络的整体结构在多大程度上符合核心边缘模型,并通过关系密度矩阵识别各组团的发育程度。核心—边缘理论对探讨区域发展过程和不平衡格局具有积极意义。
根据步骤2.2)中的游览轨迹数据和步骤2.3)中节点功能性评价和网络结构分析,进一步在空间上叠加,形成文化联系网络。
2.4)在步骤2.3)中的网络节点功能性评价的基础上,进一步利用步骤1.2)中获取的POI数据集计算某类POI的区位熵,以进一步说明北京长城文化带上各类景点的重要程度及其功能定位,计算公式如下:
(公式中,Si为该景区i类POI的区位熵,Li为该景区i类POI的数量,Pi为该区域所有i类POI的数量,P为该区域POI的总数量)。
2.5)在步骤2.4)的基础上,进一步利用步骤1.3)中获取的文本数据集,采用文本分析方法对景区的主要游览内容、景观保存状况、设施便利程度、环境状况和游客满意程度等五个方面进行评价。文本分析方法可采用文本分析软件ImageQ语义分析软件等,将步骤1.3)中获取的文本数据集输入到ImageQ软件文本框中,就能出现相关处理信息,为每个分词结果中的单词标注一个正确的词性,确定每个词是名词、动词、形容词或其他,对已标注的词性进行汇总,统计各个词性在文本中的所占比例,再通过软件自动识别文本中具有特定意义的实体,主要包括人名、地名、时间、专有名词等,可实现对景区五方面的文本分析内容评价。
3)利用所述步骤2)中的北京长城文化带结构和功能分析步骤和分析结构,明确各文化景观节点的现状、功能定位和在整体网络中所起的作用,进行区域文化景观功能结构的规划,并通过绘图设备输出为规划方案图4。
3.1)对比步骤2.3)中的文化联系网络和步骤1.2)中的实践地理空间网络的差异。以文化联系网络为参照对象,将文化联系网络图和实际地理空间网络结构图进行空间叠加,运用ArcGIS软件中的空间叠加分析工具实现,通过空间叠加后的叠加图之间的差异比对,将北京长城文化带实际地理空间网络结构图存在的差异部分依据理想的长城文化带文化联系网络图来调整,从而达到优化地理空间中公交线路配置的目的,以强化长城文化带文化各个景观间的联系。
3.2)以所述步骤3.1)中的文化联系网络和实际地理空间网络结构的差异为基础,以文化联系网络为参照对象,将文化联系网络图和实际地理空间网络结构图进行空间叠加,运用ArcGIS软件中的空间叠加分析工具实现,通过空间叠加后的叠加图之间的差异比对,将实际地理空间网络结构图存在的差异部分依据理想的文化联系网络图来调整,从而达到优化地理空间中公交线路配置的目的,以强化跨区域文化景观间的联系;
3.3)以所述步骤2.3)中的景点功能评价和步骤2.4)中的景点区位熵为基础,将景点功能评价反映的景区在整体网络中的作用和区位熵与所述步骤1.2)中的兴趣点和步骤2.5)中的文本分析内容反映的景区现状进行对比,概括各景区的优势、劣势、潜力及挑战,根据步骤2.3)中的景点功能评价的中心性分析和结构洞分析,中心性强、区位熵大的景点可作为北京文化长城带发展保护的重心,以此确定北京文化长城带的各个景点的功能定位;
3.4)将步骤3.1)、3.2)和3.3)的结合整合成区域文化景观的功能结构规划方案,并将结果输出为功能结构规划图4。
Claims (6)
1.一种基于网络数据的跨区域文化景观间功能结构规划方法,包括以下步骤:
1)通过网络爬虫技术和网络平台提供的应用程序接口API,获取规划范围的相关数据,包括:规划范围的游览者轨迹、各景区的交通时间数据、各文化景观的兴趣点POI、游记、评论数据;具体执行如下操作:
1.1)通过网络爬虫技术实现自动采集访问的页面内容,获取网站内容,得到相关的网络数据;处理获取网络数据的空间数据,包括:按照时间范围,采集在线地理轨迹分享网站提供的游客GPS轨迹数据、照片分享网站提供的带地理标记的照片元数据;对带地理标记的照片元数据,按照用户名相同、拍摄时间连续的原则,识别出游客轨迹并编码;根据用户名和时间信息将游客GPS轨迹数据和基于对带地理标记的照片元数据识别并编码后得到的游客轨迹识别为多段轨迹,对各坐标点编上轨迹号;将数据属性统一整理为游客编号ID、时间、轨迹编码、经度、纬度,利用GIS软件新建图层,利用空间分析功能识别出每个坐标点对应的景点,实现基于GIS的数据分析;
1.2)通过在线地图平台获取规划范围内各景区之间的公交可达时间数据和各景区的兴趣点POI数据,包含POI数据的地理坐标;并转换格式输入GIS数据库,形成地理空间网络结构;
1.3)处理获取网络数据的文本内容数据:将获取的内容构建为包括景区名称、游客编号、文本内容、评论时间和地理标签字段的数据集格式,形成文本数据集;
2)利用步骤1)获取的数据,建立跨区域文化景观功能结构分析的方法和流程,对规划范围内的各文化景观进行联系识别和功能定位;执行如下操作:
2.1)利用步骤1.2)中获取的景区POI数据,按照缓冲距离确定各景区各自不重叠的功能范围,并与步骤1.1)中的游客轨迹的各个坐标点建立空间连接,识别每个坐标点对应的景区,进而筛选出跨越多个景区的游客轨迹;
2.2)将2.1)步骤中的游客轨迹数据及步骤1.2)中获取的各景区公交可达性时间数据,通过矩阵分析方法得到景区的游客联系矩阵和公交可达性时间矩阵;
2.3)对步骤2.2)中的矩阵数据进行网络分析、节点功能性评价和网络结构分析,形成文化联系网络;通过对比获取文化联系网络和地理空间网络的差异,进行网络节点功能性评价;
2.4)进一步利用步骤1.2)中获取的POI数据集通过式1计算得到某类POI的区位商,对景区的功能做出评价:
式中,Si为该景区i类POI的区位商,Li为该景区i类POI的数量,Pi为该区域所有i类POI的数量,P为该区域POI的总数量;
2.5)利用步骤1.3)中获取的文本数据集,采用文本分析方法对景区进行多方面评价,包括:景区的主要游览内容、景观保存状况、设施便利程度、环境状况和游客满意程度;
3)利用步骤2)中的跨区域文化景观结构和功能分析方法,明确各文化景观节点的现状、功能定位和在整体网络中所起的作用,进行跨区域文化景观功能结构的规划,并通过绘图设备输出为方案图纸;具体执行如下操作:
3.1)根据步骤2.3)中的文化联系网络和地理空间网络的差异,以文化联系网络为参照对象优化地理空间中公交线路的配置,强化区域文化景观间的联系,并确定区域文化景观的线性结构;
3.2)通过步骤2.3)中的网络结构分析及步骤3.1)中公交线路优化的结果,确定区域文化景观的面状结构;
3.3)根据步骤2.3)中的节点功能评价,将节点功能评价中相应的景区在整体网络中的作用与兴趣点POI和文本分析中相应的景区现状进行对比,概括各景区的优势、劣势、潜力及挑战,并确定区域文化景观的点状结构及所有节点的功能定位;
通过上述步骤生成区域文化景观的功能结构规划方案,并将结果输出为功能结构规划图。
2.如权利要求1所述基于网络数据的跨区域文化景观间功能结构规划方法,其特征是,步骤2.2)所述矩阵分析方法具体是用数据表示矩阵图,用数据对矩阵图上各元素间的关系进行量化,形成分析数据的矩阵。
3.如权利要求1所述基于网络数据的跨区域文化景观间功能结构规划方法,其特征是,步骤2.3)具体地,将矩阵数据导入网络分析软件Ucient进行网络分析。
4.如权利要求1所述基于网络数据的跨区域文化景观间功能结构规划方法,其特征是,步骤2.3)具体地,网络结构分析包括:凝聚子群分析、中间人分析和核心-边缘分析;通过所述凝聚子群分析得到包括:景点网络中凝聚子群的个数、每个凝聚子群包含的景点成员、凝聚子群间关系及连接方式;通过所述中间人分析将一个网络分成多个相对互斥的子群体,将作为中间人的子群体作为另两个子群体的纽带桥梁,另两个子群体通过中间人实现关联,将中间人作为区域文化景观留存整体性的最关键因素;通过核心-边缘分析得到网络中处于核心地位或边缘地位的节点;由此得到不同景点对跨区域文化景区的联系程度、作用形式及在跨区域文化景观中所承担的角色和功能。
5.如权利要求1所述基于网络数据的跨区域文化景观间功能结构规划方法,其特征是,步骤2.3)中,节点功能性评价包括:中心性分析和结构洞分析;中心性分析指标包括点度中心度、接近中心度和中间中心度指标;通过结构洞分析得到不同景点个体之间的联系。
6.如权利要求1所述基于网络数据的跨区域文化景观间功能结构规划方法,其特征是,步骤2.5)所述文本分析方法具体采用文本分析软件ImageQ语义分析软件进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810605200.8A CN109002961B (zh) | 2018-06-13 | 2018-06-13 | 一种基于网络数据的跨区域文化景观间功能结构规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810605200.8A CN109002961B (zh) | 2018-06-13 | 2018-06-13 | 一种基于网络数据的跨区域文化景观间功能结构规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109002961A CN109002961A (zh) | 2018-12-14 |
CN109002961B true CN109002961B (zh) | 2020-01-21 |
Family
ID=64600713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810605200.8A Active CN109002961B (zh) | 2018-06-13 | 2018-06-13 | 一种基于网络数据的跨区域文化景观间功能结构规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002961B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516119A (zh) * | 2019-08-27 | 2019-11-29 | 西南交通大学 | 一种自然资源场景数据的组织调度方法、装置和存储介质 |
CN111026823B (zh) * | 2019-11-27 | 2020-11-03 | 北京大学 | 基于地理位置数据的资源利用关联网络模型规划方法 |
CN112990654B (zh) * | 2021-02-03 | 2021-11-02 | 北京大学 | 基于人口流动数据的城乡基础设施***协同规划方法 |
CN114819469B (zh) * | 2022-02-24 | 2022-10-21 | 北京清华同衡规划设计研究院有限公司 | 基于大数据的旅游智能规划设计方法与*** |
CN115082250B (zh) * | 2022-05-18 | 2024-02-09 | 深圳大学 | 个体移动与生态空间的网络关系分析方法、装置及终端 |
CN117454319A (zh) * | 2023-09-13 | 2024-01-26 | 中国科学院地理科学与资源研究所 | 一种基于gps大数据的旅游流数据分析方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995837A (zh) * | 2014-04-25 | 2014-08-20 | 西北工业大学 | 一种基于群体足迹的个性化旅游路线规划方法 |
CN106126593B (zh) * | 2016-06-20 | 2019-05-21 | 国家基础地理信息中心 | 基于网络开放照片资源的地表实景信息生成方法及装置 |
CN107679661B (zh) * | 2017-09-30 | 2021-03-19 | 桂林电子科技大学 | 一种基于知识图谱的个性化旅游路线规划方法 |
-
2018
- 2018-06-13 CN CN201810605200.8A patent/CN109002961B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109002961A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002961B (zh) | 一种基于网络数据的跨区域文化景观间功能结构规划方法 | |
Mou et al. | Tourists’ digital footprint: The spatial patterns of tourist flows in Qingdao, China | |
Gao et al. | Constructing gazetteers from volunteered big geo-data based on Hadoop | |
CN107092680B (zh) | 一种基于地理网格的政务信息资源整合方法 | |
Kádár et al. | Where do tourists go? Visualizing and analysing the spatial distribution of geotagged photography | |
Hong et al. | Hierarchical community detection and functional area identification with OSM roads and complex graph theory | |
CN103514234B (zh) | 一种页面信息提取方法和装置 | |
Zheng et al. | Chinese tourists in Nordic countries: An analysis of spatio-temporal behavior using geo-located travel blog data | |
Ali et al. | Rule-guided human classification of Volunteered Geographic Information | |
Brovelli et al. | Citizen science in support of digital earth | |
Bordogna et al. | Clustering geo-tagged tweets for advanced big data analytics | |
Jia et al. | Measuring the vibrancy of urban neighborhoods using mobile phone data with an improved PageRank algorithm | |
Bordogna et al. | An interoperable open data framework for discovering popular tours based on geo-tagged tweets | |
Tu et al. | User-generated content and its applications in urban studies | |
El Gouj et al. | Urban morphogenesis analysis based on geohistorical road data | |
Bandt et al. | Building a spatial decision support system for tourism and infrastructure planning: Τechnical solution and data integration challenges | |
Lu et al. | Exploring travel patterns and static rebalancing strategies for dockless bike-sharing systems from multi-source data: a framework and case study | |
Song et al. | Recovering individual’s commute routes based on mobile phone data | |
Exner et al. | Urban monitoring laboratory: New benefits and potential for urban planning through the use of urban sensing, geo-and mobile-web | |
Amiri et al. | Massive Trajectory Data Based on Patterns of Life | |
Mobasheri | An introduction to open source geospatial science for urban studies | |
Chen et al. | Modeling tourism using spatial analysis based on social media big data: A review | |
Meier | An analysis of quality for volunteered geographic information | |
Encalada et al. | Mining big data for tourist hot spots: Geographical patterns of online footprints | |
Du et al. | A novel semantic recognition framework of urban functional zones supporting urban land structure analytics based on open‐source data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |