这是中国地质大学 Urban Comp 城市之光团队在和鲸社区举办的「城市地理信息系统大数据分析 UGIS WORKSHOP」系列活动的第三期，旨在利用真实场景 Python 案例+作业练习，让你学得会、用得上，更好地应对地球科学科研与应用挑战。
在信息技术突飞猛进的时代，地理大数据（Geospatial Big Data）正以前所未有的方式重塑着我们的世界。这些数据通过传感器、网络和定位技术等多种渠道获取，揭示了不同位置之间复杂而动态的交互。这其中，地理流数据（Geographical Flow Data）尤为关键，它记录了位置间的互动，勾勒出从人口迁徙到交通流量的多样场景。
然而，面对如此庞大的数据集，我们所面临的挑战包括：
-
如何有效地从数据中提取有价值的信息？
-
如何在这些交织的流动中辨识出有意义的模式？
-
怎样理解这些流动对城市规划、交通运输和公共卫生的影响？这也是我们需要解决的“痛点”。
在本次 workshop 中，我们将以高德开放平台提供的全中国城市级人口迁徙指数数据为示例，带你探索如何构建和分析地理网络。在这里，您将学习如何利用社会网络分析方法，揭示节点的度、出度、入度，以及整体网络的规模、密度与中心势。我们还将深入探讨社区发现算法，挖掘节点间的关系并划定不同的社区。
· 教学大纲 ·
背景知识
- 识别大数据中的地理流
- 网络的基本要素及构成
数据与处理
- 数据来源：高德地图中的全中国地级市级人口迁徙指数数据（采集时间为2019年1月）
- 数据处理：基于pandas构建OD流
- 网络可视化：基于NetworkX的网络构建
数据分析
- 实现社会网络分析：使用构建的网络计算各类指标（包括有向/无向图的节点指标和网络指标
- 实现社区发现算法：使用Louvain与Infomap两种算法理解社区的聚类过程
总结与讨论
作业
- 地理流数据的处理与可视化：绘制网络图，并实现节点度、中心性、中心度的计算（基础）
- 社会网络分析（基础）
- 复现Louvain和Infomap两种社区发现算法（基础）
- 图网络如何结合深度学习模型（进阶）
延伸应用场景
- 城市群空间结构优化：依托城市间的经济或信息联系网络，识别城市群结构，为国土空间规划布局提供决策。
- 快递物流智能优化：基于物流网络的空间结构特征，分析其空间流动规律，为智能化快递提供优化策略。
- 人口流动的社区调整：从区域间人口的流动中识别动态社区，为缓解人口聚集压力与公共突发事件的应急疏散提供先决条件。
- 文献定量化分析方法：定量挖掘文献之间的合作或引用信息，实现最底层的文献计量方法。
核心挑战
- 如何在地理流大数据中识别并构建网络？
- 如何度量网络的节点和整体网络的结构？
- 如何根据网络的随机游走实现聚类（即发现社区）？
导师介绍
宋延弟 中国地质大学（武汉）GIS硕士研究生在读。研究兴趣包括地理大数据挖掘、GeoAI、社会感知计算。已在《Information Fusion》等期刊上发表SCI论文2篇。
特别致谢
非常感谢中国地质大学地理与信息工程学院教授、博导 姚尧 老师对本次活动筹备的代理帮助！
参与信息
活动报名
网页链接>> https://www.heywhale.com/u/b4717f
交流群
描下方二维码添加方小鲸，回复 地理 即可等待方小鲸分批拉入群聊。
参与步骤
STEP1： 点击报名
STEP2： 点击学习材料链接
STEP3： 点击教案
STEP4： 点击右上角运行
STEP5： 运行代码学习（注意这次有6个notebook）
STEP6： 回到STEP3的页面，完成里面的课后作业（DDL 7.3 12:00）
STEP7： 参加 7.5 线上讲解交流会，会议号:526-417-564
主办方介绍
「和鲸社区」，heywhale.com，人工智能实践社区，注册人数近百万。
「和鲸社区」隶属于和鲸科技，和鲸科技旗下除和鲸社区外，还有一个工具产品「ModelWhale」，是我司主要的营收业务。和鲸科技愿意持续拿出一定比例的收益，建设「和鲸社区」，为中国的科研发展和人才培养贡献绵薄之力。
Q.E.D.