城市快速发展监测的流动性普查

监测城市结构和发展需要高质量的高时空分辨率数据。尽管传统普查提供了城市生活在人口和社会经济方面的基础洞察，但它们的节奏可能并不总是与城市发展的速度一致。为了补充这些传统方法，我们探索了分析替代性大数据来源的潜力，例如人类流动性数据。然而，这些通常噪声大且无结构的大数据带来了新的挑战。在这里，我们提出了一种从这些数据中提取有意义的解释变量和分类的方法。利用来自北京的移动数据，这些数据是移动通信的副产品，我们展示了能够提取有意义特征的能力，例如揭示了次中心的出现和吸收。这种方法允许以高空间分辨率（这里是500米）和近实时频率进行城市动态分析，并且计算效率高，尤其适合追踪事件驱动的流动性变化及其对城市结构的影响.