专栏名称: GISer last

GISer last 公众号主要以分享互联网数据资源为主。也分享过GIS、FME等技术教程方法。我个人对于大数据资源、可视化制作、地图制图等方面有很大兴趣，也会分享个人的一些应用和教程。

学术成果|IJGIS|增量时空流同位系数：一种面向地理流的时空关联分析新方法

GISer last · 公众号 · · 2025-01-26 21:07

正文

点击蓝字，关注我们

论文标题

Incremental spatiotemporal flow colocation quotient: a new spatiotemporal association analysis method for geographical flows

成果信息

论文地址：https://doi.org/10.1080/13658816.2024.2445180
引文格式：Mengjie Yang, Mengjie Zhou*, Xinguang He*, Yuhui Wang, Zhe Chen, and Jizhe Xia. (2025). "Incremental spatiotemporal flow colocation quotient: a new spatiotemporal association analysis method for geographical flows." International Journal of Geographical Information Science : 1–24.

成果成员

阳孟杰，湖南师范大学地理科学学院博士研究生，研究方向为面向地理流的时空统计方法、时空大数据分析与应用。
周梦杰，湖南师范大学地理科学学院副教授，研究方向为时空数据挖掘与可视化。(联系邮箱：[email protected])
贺新光，湖南师范大学地理科学学院教授，研究方向为地理大数据时空建模与分析。(联系邮箱：[email protected])
王玉辉，湖南师范大学地理科学学院研究生，研究方向为地理流的时空异常检测与时空预测。
陈哲，湖南师范大学地理科学学院本科生，研究方向为面向地理流的时空统计方法、地理空间因果发现和推断。
夏吉喆，深圳大学建筑与城市规划学院副教授、深圳市空间信息智能感知与服务重点实验室副主任，研究方向为空间智能计算、时空大数据与智慧城市应用。

成果介绍

内容导读

地理对象在不同时空位置之间的移动或交互可以表示为地理流。不同类型地理流之间的时空关联模式反映了地理对象移动的时空关系和时空依赖规律，有助于理解地理流之间复杂交互机制，可为多个领域提供有价值的见解。例如，分析疾病传播流与人群迁移流之间的时空关联模式，有助于揭示传染病在时间和空间上的传播趋势；研究搜索信息流与旅行流之间的时空关联模式，则有助于洞悉游客的信息搜寻习惯与实际出行行为之间的动态响应关系。

然而，目前的研究主要集中于地理流的空间关联分析，很少关注其时间特征，缺乏有效的方法来分析地理流时空关系。其次，许多地理流过程具有尺度依赖性，其时空关联模式会随着分析尺度的变化而显著不同，例如在小尺度上表现为时空排斥，而在大尺度上表现为时空相关。现有的多尺度关联分析大多依赖于一系列时空阈值实现，这使得大尺度上的关联模式容易受到小尺度模式累积效应的影响，且难以确定探测模式的真实尺度。此外，受人口分布格局、交通基础设施等潜在因素的影响，不同类型的流可能具有相似的分布特征，呈现出聚类分布模式。如果在分析中不考虑联合分布模式的影响，可能会检测到虚假的流关联模式。

为了解决上述问题，我们借鉴环形扫描方法的思想，构建了地理流的增量时空邻域，以消除多尺度累积效应的影响。在此基础上，我们提出了一种增量时空流同位系数（Incremental Spatiotemporal Flow Colocation Quotient，简称ISTFCLQ）的方法。该方法是对点同位系数的拓展和深化，充分考虑了联合分布的影响，能够有效识别两类流之间的多尺度时空关联模式。通过五个模拟数据集验证了ISTFCLQ的有效性，并结合厦门岛的出租车和网约车订单数据进行了实证研究。此外，我们还将其与当前领域内的先进方法进行了比较分析，突显了其优越性和实用性。

方法流程

(1) 地理流的增量时空邻域

地理流可以表达为由起点时空坐标（）、终点时空坐标（）以及流的属性（，本文特指类别）组成的有序点对多元组，且流之间的空间（时间）距离 ( ) 可以被定义如下：

其中 ( ) 是地理流和起点（终点）之间的欧式距离， ( ) 是和起点（终点）时间之间的绝对差值。基于地理流的表达模型和测度，给定空间阈值和时间阈值，地理流的时空邻域通常被定义为以为中心、为半径、为高的起点圆柱和终点圆柱的笛卡尔积（图1(a)）。在这种定义下，给定尺度下的流邻居是在较小尺度上观察到的邻居的累积，从而导致了多尺度累积效应。为解决这一问题，我们借鉴环形扫描方法的思想，引入空间（时间）宽度 ( ) 两个参数，定义了地理流的增量时空邻域：

图1. 地理流的时空邻域和增量时空邻域

(2) 增量时空流同位系数：ISTFCLQ

基于地理流的增量时空邻域的定义，我们将点同位系数扩展到流空间，构建了一种增量时空流同位系数的方法。给定两类地理流A和B（A≠B），A到B的全局ISTFCLQ被定义为在A类流的增量时空邻域内发现B类流的观测概率与期望概率的比值：

式中，、和分别代表所有地理流的总数、A类流的数量以及B类流的数量。操作符 ( ) 用于计算在特定时空区域内，与每个B类流（除外的每个流）之间的时空权重之和。其中，为指示函数（为B类时，，否则），为和之间的时空权重。考虑到空间维度和时间维度具有不同的语义，因此通过空间权重和时间权重的乘积来计算：

为了捕捉个体流动在空间和时间上的局部关联模式变化，设计了局部的增量时空流同位系数。具体地，第 i 个A类流到B类流的局部ISTFCLQ 被定义为在该流的增量时空邻域内发现B类流的观测概率与期望概率的比值：

与点同位系数方法类似，不同类别地理流彼此相互独立假设下，ISTFCLQ的期望值为1。

学术成果|IJGIS|增量时空流同位系数：一种面向地理流的时空关联分析新方法

正文

请到「今天看啥」查看全文