基于移动数据和时间地理学的大学生行为模式构建与分析

杨倍倍，曲英杰，王金鑫

（1. 武汉大学 遥感信息工程学院，湖北 武汉 430079；2. 武汉大学 测绘学院，湖北 武汉 430079；3. 郑州大学 水利与环境学院，河南 郑州 450001）

0 引 言

20世纪60年代期间地理学理论框架建立，并于70年代掀起了应用热潮[1]。该理论框架注重时间和空间的一体化表达，旨在通过时间地理揭示空间几何和属性特征的变化[2-3]。随着城市化进程的不断加快，信息化时代的不断发展，时空行为研究已发展成为城市地理学、城市规划和交通规划中一种有影响力的研究方法[4]。Kazuo NISHII等提出基于时间和空间维度对城市铁路工人进行行为分析，通过对工作路径和停止位置的约束判定，基于线性模型确定工人通勤情况，有效地确定决策机制[5]。Kwan等基于地理网络空间数据以及进行三维可视化尝试，实现个体差异行为捕获，从不同维度分析个体行为差异[6]。Chen等提出一种基于个体的时空GIS方法，通过对时空活动日志数据的研究，提出人类轨迹聚类方法，涵盖了时空路径生成，时空路径分割，时空路径过滤等一系列概念，以发现个人活动的时空模型[7]。

传统的积分度量在进行行为分析时虽然有重要的指导意义，但在评估个人行为方面有一定的局限性[8]。时空路径作为时间地理学的理论基础，它可以实现对个体行为的信息从时间和空间两个维度进行提取和分析，从而将个体行为习惯量化，完成个人日常行为活动方式研究[9]。近些年来，随着GIS分析工具和高质量个体时空行为数据采集技术的发展，时空行为研究方法在当代的城市研究理论和方法中享有很大的声望和影响力。GNSS(GPS)/GIS技术的集成，可广泛获得时间和空间上的大数据；同时，GIS在对实时复杂数据的管理、整合、建模和可视化能力上的进步，都为先进的时空分析和建模、复杂环境和社会系统研究的一体化提供了很好的发展机遇。时空分析已发展成为当代地理学、地理信息系统和地理信息科学中的前沿研究领域[10-15]。本文基于室内外定位技术和GIS的集成，设计了相应的实验平台，着重阐述了大学生行为模式的构建与分析方法。本研究对高校学生管理及政策制定具有重要意义。

1 试验平台设计

实验平台的搭建由学生手环终端、处理中心、用户端（Web端）以及软件组成，如图1所示。

图1 试验平台架构Fig.1 Structure of the test platform

1.1 学生手环终端

学生手环终端包括GPS卫星定位系统、无线通信模块、显示模块、WiFi RSSI感应模块和供电系统。这里为GPS普通用户机，定位精度在标校站附近可以达到10m，满足了功能需求，在功能允许误差范围之内。

1.2 处理中心

信号接收与数据处理中心是整个系统的核心，处理中心可以接受属于其管理范围内的手环终端位置信息和身份信息，该部分包括信息传输模块、服务模块和系统维护模块。

1.3 用户端

通过Web发布到校园网教务在线，用户通过Internet浏览器实现操作与查看等功能，学生和管理员分别接入教务在线的学生端和管理端。选择Web端作为用户端是因其具有平台无关性，无论是何种操作系统，只要支持通用标准的Internet浏览器就可以访问服务器中的数据和实现其功能。同时其具有较强的互操作性，一个系统可以调用另一个系统的功能实现逻辑上的统一。另外在系统建设上成本较低，操作简单。

1.4 软件

软件包括系统软件、处理中心软件和用户端软件，处理中心系统软件为Windows，非系统软件包括GIS软件ArcGIS，发布软件ArcGIS Server，空间数据处理软件Arc SDE，数据库软件Oracle系统。

1.5 数据处理与分析流程

平台数据采集与分析的流程如图2所示。

图2 实验流程路线Fig.2 Route of experimental process

2 行为模式设计

时间地理学是一种从时间和空间两个层面来研究人的行为特征的理论架构[16-17]，本研究尝试将GNSS/GIS集成技术和基于时间地理学的时空分析技术应用到大学生日常行为分析和大学校园教学教务管理方面。系统利用随身携带的GPS定位系统和室内定位技术装置，每隔一定时间(3 min)自动记录一个时空位置信息(x,y,t)，并存储在服务器的数据库里，进而获得反映学生时空行为信息的大数据，然后利用GIS技术对数据进行分析，进而获取大学生日常行为的行为模式和规律。下面从时空行为元素、时空行为提取、时空分析方法3个部分进行阐述。

2.1 时空行为元素

时间地理学的基本概念包括路径、足迹、停止点、移动点、波动区等，如图3所示。

图3 时空行为元素Fig.3 Elements of spatio-temporal behaviors

路径：观察到的定位点连线，不受道路约束。

足迹：个体行为路线，通常与道路路线重合。

定位点：系统每隔一个固定时间段获取的点。

停止点：足迹上研究个体停留超过了规定时间的点，比如某人等公交停留点。

移动点：足迹上研究个体停留时间未超过限定时间的点。

波动区：基于GPS定位的空间分辨率，定位点位置与实际位置的误差范围。

2.2 时空行为提取

人的行为特征从路径分析中提取。其关键环节如下。

2.2.1 停止点的判定与优化

时空分析首先完成对停止点和移动点的判定。基于GNSS获取的大量定位点，通过两个尺度参数，即时间阈值(τ)和距离阈值(δ)完成定位点的判定。时间阈值主要反映诸如遇到交通车辆通过等段时间停留；距离阈值确定顺序定位点之间距离的大小，从而过滤掉样本噪声和包含小位置变换的停留事件。

为了构建个体行为模式，从定位时刻提取停止点后，通过停止点优化对偶然事件停留点进行筛除，获得规律性停留点。基于大学生生活行为的周期性是以一星期为单位，系统通过时序分析法计算同一工作日停止点的相似性，排除偶然事件，如图4所示。

图4 停止点的优化Fig.4 Optimized stop-point

2.2.2 波动区的判定

行为方式的分析离不开停留点的位置区域判读，定位技术的精确坐标对于行为的判断可能会产生一些误导。因此波动区的存在可能会影响一个行为特征的判定，需要进行缓冲判定。判定时，对某标志点（图书馆）划分一个空间不确定性的缓冲，这里以2 m为缓冲，同时判断其与波动区的关系，当两者相交大于波动区的50%时即定位改停留点的位置位于图书馆内，如图5所示。

图5 波动区判定Fig.5 Fluctuation zone judgment

2.3 时空分析方法

2.3.1 时间导向分析

以时间轴的分析为主导，通过时间上连续的停止点之间连线得出其行为路径，从而模拟大学生一天的生活轨迹，得出其一天的行为模式。系统主要从学院、专业、个人3个角度对大学生行为模式进行分析，如图6所示。

图6 时空路径分析学生典型的行为模式Fig.6 Students' typical behavior patterns by space-time path analysis method

2.3.2 空间导向分析

以空间为分析的主导因素，对大学生日常行为活动空间分布进行刻画，探讨出不同行为模式在一天时空的时间利用差异。系统对某空间停止点进行时间累积，从而对大学生时空行为分析。图7表示我们对一周内某同学在宿舍、教室、图书馆、操场各时间分配的研究结果（因为在时间分配中还有移动点所花费的时间及其他时间，所以总和不是24 h）。

图7 空间导向结构分析实例Fig.7 An example of spatial-oriented structure analysis

3 基于时空数据的个体行为判定

大学生的行为方式有很多种，每一种行为方式都有它的特点和规律[18]。通过对这些特征的研究，就可以辨识大学生的行为方式，实现对个体行为的建模。

GPS芯片所接收的信息是实时动态的，可以根据坐标的变化将其辨识并分类为停止、移动的运动行为。如上课时间段，若学生在教学区停止了20 min以上，以此判定该学生在上课。而“教学区”“停止”“20 min以上”这些特征描述便是个体行为特征解译标准。当有了这些解译标准，只需做简单组合，即可完成对大学生个体行为的判定。即：行为方式=地域特征+运动行为+持续时间[19]。因而，将大学生行为方式划分为上课、自习、运动、休息、用餐等。在校园内，每块地域有着明确的用途，可将地域加上相应的行为标签，使其附有地域特征，如图8所示。

图8 地域特征划分Fig.8 The division of geographical regional characteristics

上文已经对地域特征、运动行为进行了说明，只需再加上对行为方式持续时间即阈值的限定，便可根据公式：行为方式=地域特征+运动行为+持续时间，完成大学生个体行为判定。对大学生个体行为的判定，见表1。

表1 大学生个体行为判定Tab.1 Judgment of Individual college students behaviors

4 结束语

本研究设计了大学生时空数据采集与分析试验平台，构建了大学生日常行为模式，介绍了数据分析关键技术，进而可以从个体行为大数据中获取宏观行为模式，判读大学生行为规律；突破了单纯依赖问卷调查的传统方法局限，自动化程度高，智能性强，为快速采集学生个体行为时空大数据，智能提取与分析大学生日常行为模式与规律打下了坚实基础。本文的设计均基于目前成熟的技术，但由于涉及到硬件制造、分布式技术环境构建以及大量实验对象选定等复杂因素的影响，本研究并没有真正实现实验系统。下一步研究的重点是实现时空数据分析算法与功能，搭建实验分析原型系统。