2017年-Talkingdata_【T112017-智慧城市与政府治理分会场】多源位置大数据融合技术应用_18页_11mb

报告摘要

本文档主要探讨了多源位置大数据在城市规划与管理中的应用，强调了数据融合在提升城市治理和分析能力中的重要性。内容涵盖了数据来源的合法性、数据处理的复杂性，以及不同数据类型的分类与融合方法。

数据融合的重要性：
- 多源位置大数据的融合能够提供更全面、准确的城市运行状态分析。
- 数据融合不仅仅是技术问题，还涉及数据来源的可靠性、数据清洗和处理的准确性，以及结论推理的科学性。
数据类型分类：
- 有时效性：如城市道路交通指数、道路事故数据等。
- 无时效性：如用地性质、开发强度等。
- 数值型：如地价、租金信息等。
- 非数值型：如天气状况、空气质量等。
- 空间型：如地铁乘客刷卡数据、手机信令数据等。
数据来源的合法性与可靠性：
- 数据来源的合法性是构建数据证据链的前提。
- 数据的可靠性直接影响分析结果的可信度，需通过多源数据校核来提高。
数据处理的挑战：
- 文档指出，处理“脏数据”（dirty data）是主要工作，而非“干净数据”（clean data）。
- 数据清洗、处理和统计误差需被系统性地识别和纠正。

数据来源：
- 手机信令数据：用于分析居民出行行为。
- IC卡刷卡数据：用于统计地铁客流。
- 互联网数据：如新浪微博、大众点评、支付宝、微信等，用于补充和验证居民行为数据。
数据对比：
- 地铁客流：通过手机信令数据和IC卡刷卡数据对比，发现手机信令数据在某些站点上存在缺失，导致结果小于IC卡数据。
- 流动人口比例：
  - 双休日：22.70%
  - 工作日：21.05%
人口分类分析：
- 居住总人口：约65.6万，其中约5.28万单日乘地铁。
- 工作总人口：约37.3万，其中约3.11万单日乘地铁。
- 常住人口分布：
  - 大学园区：主要为学生，人数约194909人。
  - 普通居民点：多为城市常住居民，人数约177221人。
  - 工业区：可能聚集低收入务工群体，人数约107521人。
  - 已安置本地居民：人数约77848人。
  - 贸易市场区：人数约15942人。