Please wait a minute...
Data Analysis and Knowledge Discovery  2020, Vol. 4 Issue (9): 100-110    DOI: 10.11925/infotech.2096-3467.2020.0104
Current Issue | Archive | Adv Search |
Dynamic City Profile Based on Evolutionary Analysis
Ye Guanghui(),Xu Tong
School of Information Management, Central China Normal University, Wuhan 430079, China
Download: PDF (1001 KB)   HTML ( 2
Export: BibTeX | EndNote (RIS)      
Abstract  

[Objective] This paper reveals the changing of urban characteristics, aiming to describe the evolution of urban profiles.[Methods] We collected tourism data from social media, and used network analysis to exploring the evolution and driving forces of urban profiles.[Results] The tourism functions of scenic places were more multi-polarized, while the community structure of tourism network was more stable. The theme of scenic places posed positive impacts on the dynamic evolution of urban profile while the geographical distance among places of interest left negative impacts.[Limitations] More research is needed to extract extra insights from the collected data.[Conclusions] Our study effectively reveals the dynamic evolution of urban profiles, which benefits the urban planning process.

Key wordsCity Profile      Evolution Analysis      Network Analysis     
Received: 17 February 2020      Published: 17 June 2020
ZTFLH:  TP391  
Corresponding Authors: Ye Guanghui     E-mail: 4081@163.com

Cite this article:

Ye Guanghui,Xu Tong. Dynamic City Profile Based on Evolutionary Analysis. Data Analysis and Knowledge Discovery, 2020, 4(9): 100-110.

URL:

http://manu44.magtech.com.cn/Jwk_infotech_wk3/EN/10.11925/infotech.2096-3467.2020.0104     OR     http://manu44.magtech.com.cn/Jwk_infotech_wk3/EN/Y2020/V4/I9/100

Research Framework of Dynamic Evolution Analysis of Urban Portrait
时间窗口 游记数 路线数 时间窗口 游记数 路线数
2018.10 85 52 2019.5 84 74
2018.11 47 41 2019.6 97 67
2018.12 101 68 2019.7 68 62
2019.1 62 48 2019.8 53 42
2019.2 102 85 2019.9 61 47
2019.3 76 62 2019.10 77 65
2019.4 98 79
Urban Tourism Facet Data in Different Time Windows
类型 特征
A类节点 出度与入度都很高,是网络中的热门景点,对其他旅游节点具有一定的辐射作用
B类节点 高出度、低入度,该类节点在网络中扮演发送者的角色,更有可能为旅游路线中的起点
C类节点 低出度、高入度,该类节点在网络中扮演接受者的角色,更有可能为旅游路线中的终点
D类节点 出度与入度都很低,在网络中处于边缘位置,游客到访量不高
Characteristics of Different Types of Nodes
派系 规模 成员
1 18 昂坪 彩虹邨 大馆 东涌 兰桂坊 庙街 石澳 太平山 铜锣湾 湾仔 旺角 西贡 西环 香港大学 香港动植物园 油麻地 中环街区 重庆大厦
2 16 昂坪 彩虹邨 大馆 庙街 石澳 太平山 天星码头 铜锣湾 湾仔 旺角 西环 香港大学 香港动植物园 油麻地 中环街区 重庆大厦
3 19 彩虹邨 怪兽大楼 尖沙咀 弥敦道 庙街 上环街区 深水埗 石澳 太平山 天星码头 铜锣湾 湾仔 旺角 西环 香港大学 油麻地 中环半山扶梯 中环街区 重庆大厦
4 17 昂坪 彩虹邨 怪兽大楼 尖沙咀 庙街 深水埗 石澳 太平山 天星码头 铜锣湾 湾仔 旺角 西环 香港大学 油麻地 中环街区 重庆大厦
5 15 昂坪 彩虹邨 东涌 庙街 深水埗 石澳 太平山 铜锣湾 湾仔 旺角 西环 香港大学 油麻地 中环街区 重庆大厦
6 15 昂坪 彩虹邨 大馆 迪士尼乐园 庙街 石澳 太平山 天星码头 铜锣湾 湾仔 旺角 香港大学 香港动植物园 油麻地 中环街区
Analysis Results of the Travel Route Network Faction in October 2018
节点 关系节点 共现次数
彩虹邨 太平山;庙街 58
石澳 铜锣湾;旺角;太平山 58
油麻地 彩虹邨;中环街区;旺角;庙街 39
昂坪 太平山 36
香港大学 石澳;太平山;铜锣湾;旺角 34
天星码头 彩虹邨 33
维多利亚港 旺角;太平山 31
中环半山扶梯 彩虹邨;中环街区;旺角;铜锣湾 27
重庆大厦 中环半山扶梯;昂坪 27
The Co-occurrence Statistics of Faction Members
月份 节点 链接
2018年10月 36 1 620
2018年11月 39 1 202
2018年12月 53 2 345
2019年1月 42 1 804
2019年2月 52 2 762
2019年3月 38 1 373
2019年4月 52 2 328
2019年5月 51 1 494
2019年6月 50 1 519
2019年7月 44 1 920
2019年8月 40 960
2019年9月 36 655
2019年10月 49 866
The Scale of Hong Kong Tourist Route Network from October 2018 to October 2019
The Evolution of Node Types (Partial)
The Statistical Graph of the Role of Travel Nodes
The Number of Attractions Included in the Tourist Route in Each Month
月份 路线
2018年10月 彩虹邨-太平山-庙街
2018年11月 太平山-维多利亚港
2018年12月 尖沙咀-维多利亚港-中环街区-太平山
2019年1月 太平山-维多利亚港-中环街区-中环摩天轮
2019年2月 维多利亚港-尖沙咀-星光大道
2019年3月 铜锣湾-维多利亚港-太平山
2019年4月 尖沙咀-维多利亚港
2019年5月 尖沙咀-维多利亚港
2019年6月 维多利亚港-中环街区-西环
2019年7月 尖沙咀-星光大道-维多利亚港
2019年8月 天星码头-太平山-尖沙咀
2019年9月 尖沙咀-太平山-维多利亚港
2019年10月 尖沙咀-维多利亚港-中环街区
Summary of Popular Tourist Routes
The Organizational Structure Evolution of ‘Ngong Ping’
组织核心 组织成员 组织规模
昂坪 昂坪360;太平山;维多利亚港;尖沙咀;星光大道 6
昂坪360 昂坪 2
北潭凹 西贡;咸田湾 3
彩虹邨 尖沙咀;中环街区 3
赤径 西贡;咸田湾;西湾 4
赤柱 尖沙咀;维多利亚港;浅水湾 4
大澳 昂坪 2
大馆 太平山;维多利亚港;中环街区;旺角 5
迪士尼乐园 尖沙咀;太平山;维多利亚港 4
东涌 尖沙咀 2
怪兽大楼 彩虹邨;维多利亚港;中环街区 4
红磡 铜锣湾;油麻地;尖沙咀;维多利亚港;中环街区 6
黄大仙 维多利亚港 2
尖沙咀 维多利亚港 2
金紫荆广场 维多利亚港 2
九龙公园 尖沙咀;太平山;维多利亚港;星光大道 5
兰桂坊 尖沙咀;太平山;维多利亚港;中环街区;旺角 6
浪茄湾 西贡 2
乐华南邨 彩虹邨;太平山;旺角 4
弥敦道 尖沙咀;维多利亚港 3
The Community Structure of Each Node
主题 代表性主题词
T1 香港海洋公园、海洋、乐园、喜欢、玩、天地、太、项目、企鹅、萌、东西
T2 麦理浩径、徒步、西贡、西湾、山、露营、帐篷、万宜水库、风景、沙田
T3 吃、买、排队、缆车、孩子、海洋公园、逛、迪士尼、项目
T4 拍照、街道、大澳、缆车、昂坪360、大屿山、看到、渔村、昂坪、看着
T5 香港迪士尼乐园、酒店、米奇、公主、玩、餐厅、表演、巡游、探险、旋转
T6 城市、中环、维多利亚港、电影、文化、感觉、尖沙咀、地铁、石澳、夜景
T7 中环、维多利亚港、尖沙咀、太平山顶、天星小轮、历史、维港、深水埗、购物、夜景
T8 香港会展中心、浅水湾、签名、煲仔饭、西营盘、免税、报团、梅艳芳、油麻地、会议展览
T9 店、好吃、买、推荐、味道、旺角、尖沙咀、打卡、庙街、油麻地、铜锣湾
T10 挪亚方舟、交通、彩虹邨、中环、夜景、石澳、拍照、美食、打卡、特色
T11 港币、巴士、地铁、酒店、高铁、澳门、尖沙咀、中环、码头、排队
T12 吃、真的、买、酒店、太、看到、妈妈、喜欢、好吃、胶片、味道、可能、拍摄、拍照
T13 飘摇、芭蕉、福田、美术馆、大佛、公路口岸、人工岛、免税、南丫岛、天坛大佛
Topics and Representative Characteristic Words Discovered by LDA Method
景点节点 主题
昂坪 人文景观类
北潭凹 自然风光类
彩虹邨 现代城市景观类
赤柱 人文景观类
迪士尼乐园 主题公园类
怪兽大楼 现代城市景观类
观塘 现代城市景观类
黄大仙 人文景观类
尖沙咀 现代城市景观类
金紫荆广场 人文景观类
九龙公园 主题公园类
Topic of Attraction Node
月份 Obs Value Significance Average Std Dev
2018.10 0.1400 0.0010 0.0000 0.0350
2018.11 0.2790 0.0000 0.0010 0.0530
2018.12 0.2480 0.0000 -0.0010 0.0430
2019.1 0.2410 0.0000 -0.0010 0.0610
2019.2 0.1840 0.0000 0.0010 0.0400
2019.3 0.1840 0.0000 0.0000 0.0410
2019.4 0.0770 0.0660 -0.0010 0.0460
2019.5 0.2440 0.0000 0.0010 0.0430
2019.6 0.2140 0.0000 0.0000 0.0400
2019.7 0.2570 0.0000 -0.0010 0.0560
2019.8 0.1550 0.0000 0.0010 0.0460
2019.9 0.2620 0.0000 0.0000 0.0500
2019.10 0.2390 0.0000 -0.0010 0.0430
Tourism Node Theme and QAP Correlation Analysis of Tourism Route Network
月份 Obs Value Significance Average Std Dev
2018.10 -0.174 0.034 -0.003 0.100
2018.11 -0.329 0.000 0.002 0.096
2018.12 -0.206 0.001 0.002 0.087
2019.1 -0.167 0.023 0.000 0.093
2019.2 -0.167 0.013 0.001 0.087
2019.3 -0.202 0.009 0.000 0.106
2019.4 -0.110 0.082 -0.001 0.078
2019.5 -0.246 0.000 0.000 0.077
2019.6 -0.232 0.000 0.000 0.072
2019.7 -0.267 0.001 -0.001 0.096
2019.8 -0.221 0.001 -0.001 0.084
2019.9 -0.311 0.000 0.001 0.092
2019.10 -0.224 0.000 -0.001 0.067
Correlation Analysis of Geographic Distance among Tourism Nodes and Tourism Route Network QAP
[1] 凯文·林奇. 城市的印象[M]. 项秉仁译. 北京: 中国建筑工业出版社, 1990.
[1] ( Lynch K. The Image of the City [M]. Translated by Xiang Bingren. Beijing: China Architecture & Building Press, 1990.)
[2] 毕崇武, 叶光辉, 李明倩, 等. 基于标签语义挖掘的城市画像感知研究[J]. 数据分析与知识发现, 2019,3(12):41-51.
[2] ( Bi Chongwu, Ye Guanghui, Li Mingqian, et al. Discovering City Profile Based on Tag Semantic Mining[J]. Data Analysis and Knowledge Discovery, 2019,3(12):41-51.)
[3] Laaksonen P, Laaksonen M, Borisov P, et al. Measuring Image of a City: A Qualitative Approach with Case Example[J]. Place Branding, 2006,2(3):210-219.
[4] Luque-Martinez T, Barrio-Garcia S D, Ibanez-ZapataJ A, et al. Modeling a City’s Image: The Case of Granada[J]. Cities, 2007,24(5):335-352.
[5] 任思源, 郭斌, 张曼, 等. 寄递大数据城市画像[J]. 浙江大学学报(工学版), 2019,53(9):1779-1787.
[5] ( Ren Siyuan, Guo Bin, Zhang Man, et al. Urban Profiling Using Express Big Data[J]. Journal of Zhejiang University(Engineering Science), 2019,53(9):1-9.)
[6] Pan Y H, Tian Y, Liu X L, et al. Urban Big Data and the Development of City Intelligence[J]. Engineering, 2016,2(2):171-178.
[7] 滕致遥. 基于时空数据的城市行为可视画像[D]. 成都: 电子科技大学, 2018.
[7] ( Teng Zhiyao. Visual Image of Urban Behavior Based on Spatiotemporal Data[D]. Chengdu: University of Electronic Science and Technology of China, 2018.)
[8] Liu L, Zhou B L, Zhao J H, et al. 2016. C-IMAGE: City Cognitive Mapping Through Geo-tagged Photos[J]. GeoJournal, 2016,81(6):817-861.
[9] 胡燕祝. 城市安全生产画像构建与应用探讨[J]. 安全, 2019,40(10):1-7,88.
[9] ( Hu Yanzhu. Discussion on the Construction and Application of Urban Safety Production Portrait[J]. Safety & Security, 2019,40(10):1-7,88.)
[10] 刘妍. 基于人群移动大数据的城市结构画像和动态感知[D]. 厦门: 厦门大学, 2018.
[10] ( Liu Yan. Sensing Urban Structure and Dynamics with Mobility Big Data[D]. Xiamen: Xiamen University, 2018.)
[11] 魏淑清. 人口与经济发展的相关性分析——基于西部11个省会城市的时序和截面数据[J]. 北方民族大学学报(哲学社会科学版), 2015(3):52-56.
[11] ( Wei Shuqing. Correlation Analysis of Population and Economic Development—Based on the Time Series and Section Data of 11 Western Provincial Capitals[J]. Journal of Beifang University of Nationalities, 2015(3):52-56.)
[12] 王波, 甄峰, 张浩. 基于签到数据的城市活动时空间动态变化及区划研究[J]. 地理科学, 2015,35(2):151-160.
[12] ( Wang Bo, Zhen Feng, Zhang Hao. The Dynamic Changes of Urban Space-time Activity and Activity Zoning Based on Check-in Data in Sina Web[J]. Scientia Geographica Sinica, 2015,35(2):151-160.)
[13] 李帅. 基于大规模快递数据的时序分析研究与实现[D]. 北京: 北京邮电大学, 2018.
[13] ( Li Shuai. Research and Implementation of Timing Analysis Based on Large Scale Express Data[D]. Beijing: Beijing University of Posts and Telecommunications, 2018.)
[14] 李文璟, 陈晨, 喻鹏, 等. 基于S-ARIMA模型的无线通信网络业务量预测方法[J]. 北京邮电大学学报, 2017,40(S1):10-14.
[14] ( Li Wenjing, Chen Chen, Yu Peng, et al. Traffic Prediction for Wireless Communication Networks Using S-ARIMA Model[J]. Journal of Beijing University of Posts and Telecommunications, 2017,40(S1):10-14.)
[15] 马超, 李纲. 基于城市大数据的城市数据画像构建[J]. 现代情报, 2019,39(8):3-9.
[15] ( Ma Chao, Li Gang. Construction of City Profile Based on Urban Big Data[J]. Journal of Modern Information, 2019,39(8):3-9.)
[16] 夏立新, 曾杰妍, 毕崇武, 等. 基于LDA主题模型的用户兴趣层级演化研究[J]. 数据分析与知识发现, 2019,3(7):1-13.
[16] ( Xia Lixin, Zeng Jieyan, Bi Chongwu, et al. Identifying Hierarchy Evolution of User Interests with LDA Topic Model[J]. Data Analysis and Knowledge Discovery, 2019,3(7):1-13.)
[17] 谢永俊, 彭霞, 黄舟, 等. 基于微博数据的北京市热点区域意象感知[J]. 地理科学进展, 2017,36(9):1099-1110.
doi: 10.18306/dlkxjz.2017.09.006
[17] ( Xie Yongjun, Peng Xia, Huang Zhou, et al. Image Perception of Beijing’s Regional Hotspots Based on Microblog Data[J]. Progress in Geography, 2017,36(9):1099-1110.)
doi: 10.18306/dlkxjz.2017.09.006
[18] 张鹏, 郑垂勇, 丘萍. 基于引力模型的国内旅游实证研究[J]. 软科学, 2008,22(9):27-30.
[18] ( Zhang Peng, Zheng Chuiyong, Qiu Ping. Empirical Study on Domestic Tourism Based on Gravity Model[J]. Soft Science, 2008,22(9):27-30.)
[1] Peng Guan,Yuefen Wang. Advances in Patent Network[J]. 数据分析与知识发现, 2020, 4(1): 26-39.
[2] Chongwu Bi,Guanghui Ye,Mingqian Li,Jieyan Zeng. Discovering City Profile Based on Tag Semantic Mining[J]. 数据分析与知识发现, 2019, 3(12): 41-51.
[3] Chen Fen,Fu Xi,He Yuan,Xue Chunxiang. Identifying Weibo Opinion Leaders with Social Network Analysis and Influence Diffusion Model[J]. 数据分析与知识发现, 2018, 2(12): 60-67.
[4] Wang Zhongyi,Zhang Heming,Huang Jing,Li Chunya. Studying Knowledge Dissemination of Online Q&A Community with Social Network Analysis[J]. 数据分析与知识发现, 2018, 2(11): 80-94.
[5] Qu Jiabin,Ou Shiyan. Analyzing Topic Evolution with Topic Filtering and Relevance[J]. 数据分析与知识发现, 2018, 2(1): 64-75.
[6] Li Fei,Zhang Jian,Wang Zongshui. Review of Social Recommendation with Bibliometrics and Social Network Analysis[J]. 数据分析与知识发现, 2017, 1(6): 22-35.
[7] Wang Xiwei,Zhang Liu,Li Shimeng,Wang Nan’axue. The Dissemination of Online Public Opinion on Social Welfare Issues via New Media: Case Study of “Draw up the Lifeline” in Sina Weibo[J]. 数据分析与知识发现, 2017, 1(6): 93-101.
[8] Fan Ruxia,Zeng Jianxun,Gao Yaruixi. Recognizing Dynamic Academic Impacts of Scholars Based on Cooperative Network[J]. 数据分析与知识发现, 2017, 1(4): 30-37.
[9] Wang Yuefen,Jin Jialin. Characteristics and Development Trends of Papers from “New Technology of Library and Information Service”[J]. 现代图书情报技术, 2016, 32(9): 1-16.
[10] Wu Huijuan,Jia Tina Du,Sun Hongfei,Jannatul Fardous. Identifying Core Users in Social Resource Recommendation System with K-shell Collapse Sequences[J]. 现代图书情报技术, 2016, 32(9): 58-64.
[11] Wu Yingliang, Yao Huaidong, Li Cheng'an. An Improved Collaborative Filtering Recommendation Algorithm with Indirect Trust Relationship[J]. 现代图书情报技术, 2015, 31(9): 38-45.
[12] Ren Ni, Zhou Jiannong. The Discovery and Evaluation of Research Team Under the Mode of Weighted Co-Author Network[J]. 现代图书情报技术, 2015, 31(9): 68-75.
[13] Tan Min, Xu Xin. The Empirical Study of h-Degree in Recommendation Network of Academic Blogs——Taking ScienceNet.cn Blogs as an Example[J]. 现代图书情报技术, 2015, 31(7-8): 31-36.
[14] Huang Wei, Gao Junfeng, Li Rui, Zhou Shanshan. Research on Semantic Distance Measurement and Visualization of Tags in Folksonomy[J]. 现代图书情报技术, 2014, 30(7): 64-70.
[15] Bi Qiang, Zhou Shanshan, Ma Zhiqiang, Teng Guangqing. Study on Optimization Mechanism of Tag Cloud for Knowledge Relation[J]. 现代图书情报技术, 2014, 30(5): 33-40.
  Copyright © 2016 Data Analysis and Knowledge Discovery   Tel/Fax:(010)82626611-6626,82624938   E-mail:jishu@mail.las.ac.cn