관심 지점과 위치 기반 소셜 네트워크에서의 인간 활동을 통해 도시 기능 지역 추출하기

초록 관심 지점(POI)에 대한 데이터는 도시 토지 이용 유형 연구 및 인간 행동 감지에 널리 사용되어 왔습니다. 그러나 특정 도시 기능을 나타내는 다양한 POI 유형 간의 올바른 혼합이나 공간 관계를 정량화하는 것은 어렵습니다. 본 연구에서는 POI 유형의 동시 발생 패턴을 기반으로 의미 있는 주제와 기능적 지역을 발견하기 위한 통계적 프레임워크를 개발합니다. 이 프레임워크는 잠재 Dirichlet 할당(LDA) 주제 모델링 기법을 적용하고 위치 기반 소셜 네트워크에서 사용자 체크인 활동을 포함합니다. 약 100,000 개의 Foursquare 장소와 미국 10대 대도시 지역에서의 사용자 체크인 행동에 대한 대규모 말뭉치를 사용하여, 우리 제안 방법론의 효과를 입증하고 뚜렷한 유형의 잠재 주제를 식별하며, K-평균 군집화 및 Delaunay 삼각 분할 공간 제약 군집화를 사용하여 도시 기능 지역을 추출합니다. 우리는 한 지역이 여러 기능을 지원할 수 있지만 서로 다른 확률로 지원할 수 있으며, 동일한 유형의 기능 지역이 지리적으로 인접하지 않은 여러 위치에 걸칠 수 있음을 보여줍니다. 각 지역은 다항 주제 분포로 구성된 벡터로 모델링될 수 있으므로, 주제 서명이 유사한 지역을 식별할 수 있습니다. 도시 환경의 물리적 경관을 주로 드러내는 원격 감지 이미지와 비교하여, 우리의 인기 기반 POI 주제 모델링 접근법은 인간 활동을 기반으로 한 도시 공간에 대한 보완적 사회 감지 관점으로 볼 수 있습니다.