نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

به دلیل در دسترس بودن نسبتاً بالا و هزینه کم، به نظر می رسد داده های شبکه اجتماعی مبتنی بر مکان (LBSN) (به عنوان مثال، چهار ضلعی) (نوع محبوبی از اطلاعات جغرافیایی داوطلبانه) جایگزین یا مکملی برای داده های نظرسنجی در مطالعه رفتار سفر و تجزیه و تحلیل فعالیت برای نشان دادن این وضعیت، اخیراً تعدادی از مطالعات سعی کردند از داده های LBSN (به عنوان مثال، ورود به سیستم چهار ضلعی) برای بررسی الگوهای سفر و فعالیت انسانی استفاده کنند. نکته قابل توجه این است که در مقایسه با سایر ویژگی‌های سطح فردی کاربران، مانند سن، حرفه، تحصیلات، درآمد و غیره، جنسیت نسبتاً در پروفایل کاربران Foursquare در دسترس است. علاوه بر این، در نظر گرفتن تفاوت های جنسیتی در تحلیل سفر و فعالیت یک موضوع تحقیقاتی رایج است و در درک بهتر تغییرات نقش زنان در خانواده، مشارکت نیروی کار، جامعه و غیره مفید است. بنابراین، این مقاله به طور تجربی چگونگی تأثیر جنسیت بر الگوهای سفر و فعالیت کاربران محلی فعال Foursquare در شهر نیویورک را بررسی می‌کند. تحقیقات تجربی تفاوت های جنسیتی در الگوهای سفر و فعالیت در هر دو سطح فردی و کل انجام می شود. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در شهر نیویورک در سطح فردی و کلی وجود دارد. در نهایت، نتایج مطالعه تجربی و میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد. مشارکت نیروی کار، جامعه و غیره. بنابراین، این مقاله به طور تجربی چگونگی تأثیر جنسیت بر الگوهای سفر و فعالیت کاربران محلی فعال Foursquare در شهر نیویورک را بررسی می‌کند. تحقیقات تجربی تفاوت های جنسیتی در الگوهای سفر و فعالیت در هر دو سطح فردی و کل انجام می شود. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در شهر نیویورک در سطح فردی و کلی وجود دارد. در نهایت، نتایج مطالعه تجربی و میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد. مشارکت نیروی کار، جامعه و غیره. بنابراین، این مقاله به طور تجربی چگونگی تأثیر جنسیت بر الگوهای سفر و فعالیت کاربران محلی فعال Foursquare در شهر نیویورک را بررسی می‌کند. تحقیقات تجربی تفاوت های جنسیتی در الگوهای سفر و فعالیت در هر دو سطح فردی و کل انجام می شود. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در شهر نیویورک در سطح فردی و کلی وجود دارد. در نهایت، نتایج مطالعه تجربی و میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد. این مقاله به طور تجربی چگونگی تأثیر جنسیت بر الگوهای سفر و فعالیت کاربران محلی فعال Foursquare در شهر نیویورک را بررسی می‌کند. تحقیقات تجربی تفاوت های جنسیتی در الگوهای سفر و فعالیت در هر دو سطح فردی و کل انجام می شود. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در شهر نیویورک در سطح فردی و کلی وجود دارد. در نهایت، نتایج مطالعه تجربی و میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد. این مقاله به طور تجربی چگونگی تأثیر جنسیت بر الگوهای سفر و فعالیت کاربران محلی فعال Foursquare در شهر نیویورک را بررسی می‌کند. تحقیقات تجربی تفاوت های جنسیتی در الگوهای سفر و فعالیت در هر دو سطح فردی و کل انجام می شود. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در شهر نیویورک در سطح فردی و کلی وجود دارد. در نهایت، نتایج مطالعه تجربی و میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در شهر نیویورک در سطح فردی و کلی وجود دارد. در نهایت، نتایج مطالعه تجربی و میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در شهر نیویورک در سطح فردی و کلی وجود دارد. در نهایت، نتایج مطالعه تجربی و میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد.
کلید واژه ها: 

اطلاعات جغرافیایی داوطلبانه شبکه اجتماعی مبتنی بر مکان ؛ GIS _ رفتار سفر فضای فعالیت ; تفاوت جنسیتی

 

1. معرفی

به طور معمول، تحقیقات تجربی الگوهای سفر و فعالیت از داده‌های خاطرات سفر جمع‌آوری‌شده از نظرسنجی‌ها استفاده می‌کنند. داده های خاطرات سفر مبتنی بر نظرسنجی چندان در دسترس نیست. داده‌های خاطرات سفر مبتنی بر نظرسنجی دسترسی آزاد ندارند، یا با کمبود اطلاعات دقیق در سطح فردی در مورد مسافران (به عنوان مثال، جنسیت، سن و غیره ) باز هستند و جمع‌آوری داده‌ها بر اساس پرسشنامه‌های خانوار همیشه زمان‌بر است. وظیفه. در دهه گذشته، ردیابی GPS و داده های تلفن همراه راه را برای مطالعات بیشتر در مورد سفر و فعالیت هموار کرده است [ 1 ، 2 ، 3 ]. با این حال، مانند داده های نظرسنجی، این دو نوع داده هر دو در دسترس بودن محدودی دارند.
اخیراً، با توسعه فناوری اطلاعات و ارتباطات (ICT)، رسانه های اجتماعی در حال محبوب شدن هستند و میلیون ها کاربر فعال دارند [ 4 ]. به طور خاص، به عنوان یک نوع محبوب از اطلاعات جغرافیایی داوطلبانه (VGI)، داده های ثبت نام جغرافیایی ارائه شده توسط شبکه های اجتماعی مبتنی بر مکان (LBSNs) (Foursquare، Google Latitude، Facebook Places، و غیره ) پتانسیلی برای تجزیه و تحلیل تحرک انسان ایجاد می کند [ 5 ، 6 ]. علی‌رغم برخی محدودیت‌ها در نمایش تحرک انسان، به عنوان مثال، تعصب گروه سنی و دسته مکان، داده‌های ورود به سیستم توانایی کشف تحرک انسان را بر اساس مکانیسم‌های خاصی دارد [ 5 ، 6 ]]. در مقایسه با انواع داده های سفر ذکر شده، داده های LBSN بسیار در دسترس و کم هزینه هستند. علاوه بر این، پروفایل کاربران LBSN می تواند ویژگی های سطح فردی (جنس، سن و غیره ) مسافران را ارائه دهد. بنابراین، به نظر می‌رسد که داده‌های LBSN پتانسیلی برای بررسی روابط بین الگوهای سفر و فعالیت و ویژگی‌های سطح فردی ایجاد می‌کند.
هدف این مطالعه بررسی چگونگی تأثیر جنسیت بر الگوهای سفر و فعالیت با استفاده از داده های LBSN است. از یک طرف، در مقایسه با انواع دیگر ویژگی‌های سطح فردی (سن، حرفه، و غیره )، جنسیت نسبتاً در نمایه‌های کاربر LBSN مشخص می‌شود. به عنوان مثال، 97٪ از کاربران Foursquare اطلاعات جنسیت خود را درج می کنند [ 7 ]. از سوی دیگر، تفاوت جنسیتی در الگوهای سفر و فعالیت یک موضوع تحقیقاتی رایج در تحقیقات فمینیستی است [ 8 ، 9 ، 10 ]. بررسی تفاوت‌های جنسیتی در الگوهای سفر و فعالیت به درک بهتر تغییر در نقش زنان در خانواده، مشارکت نیروی کار، جامعه و غیره کمک می‌کند [ 11 ، 12 ]، 13 ]. علاوه بر این، تفاوت جنسیتی نیز یک موضوع تحقیقاتی مرتبط در تحقیقات حمل و نقل است [ 14 ، 15 ]. تحقیقات در مورد جنسیت و تحرک به ترسیم مسیرهای حمل و نقل پایدار کمک می کند [ 16 ، 17 ]، که یک هدف مشترک برنامه ریزی شهری است. به طور سنتی، محققان تفاوت های جنسیتی در مسافت سفر، زمان سفر، فضای تحرک، حالت سفر، هدف سفر و غیره را بررسی می کنند [ 11 ، 12 ، 13 ، 14 ، 15 ، 16 ، 17 ، 18 ، 19 ، 20 ].
برخی مطالعات وجود دارد که از داده های LBSN برای تجزیه و تحلیل رفتار سفر و فعالیت استفاده می کنند [ 21 ، 22 ، 23 ، 24 ، 25 ، 26 ، 27 ، 28 ، 29 ]. اکثر این مطالعات تاثیرات ویژگی های سطح فردی را بر رفتار سفر و فعالیت در نظر نمی گیرند. در مقابل، این مطالعه تلاش می‌کند تا ویژگی‌های سطح فردی را با استفاده از داده‌های LBSN در تجزیه و تحلیل رفتارهای سفر و فعالیت ترکیب کند.
هدف خاص این مقاله بررسی تجربی تفاوت‌های جنسیتی در الگوهای فعالیت با استفاده از داده‌های LBSN است. به طور خاص، اول از همه، تفاوت های جنسیتی در الگوهای فعالیت در سطح فردی بررسی می شود. ثانیاً، تفاوت‌های جنسیتی در توزیع فضایی فعالیت‌ها و دسته‌های مکان بازدید شده در سطح کل بررسی می‌شوند. در نهایت، بر اساس نتایج مطالعه تجربی، میزان استفاده از داده های LBSN برای تولید داده های خاطرات سفر مورد بحث قرار می گیرد.
بقیه این مقاله به شرح زیر سازماندهی شده است: بخش 2 داده های LBSN و داده های تجربی مورد استفاده در این مطالعه را معرفی می کند. بخش 3 روش های تحقیق مورد استفاده در این تحقیق را ارائه می کند. بخش 4 مطالعه تجربی را ارائه و نتایج آن را تجزیه و تحلیل می کند. در نهایت، مقاله نتیجه گیری و کار آینده را ارائه می دهد.

2. داده های شبکه اجتماعی مبتنی بر مکان

Foursquare محبوب ترین LBSN است که 31 درصد از کاربران تلفن همراه در شبکه های اجتماعی از آن استفاده می کنند. بنابراین، ما Foursquare را به عنوان نمونه معمولی برای معرفی داده های LBSN انتخاب کرده ایم.

2.1. نمایندگی سفر

در LBSN ها مانند Foursquare، هر مکان نشان دهنده یک مکان فیزیکی است ( شکل 1 را ببینید ). انواع متداول مکان ها شامل رستوران ها، دفاتر، آپارتمان ها، هتل ها، ایستگاه های اتوبوس، فروشگاه ها و سالن های ورزشی است. به عنوان مثال، در شکل 1 ، یک کاربر به طور متوالی در محل A (یک خانه) و محل B (یک دفتر) چک می کند. بنابراین، می‌توانیم استنباط کنیم که او از مکان A به مکان B می‌رود، صرف نظر از مسیر خاصی که کاربر بین دو مکان طی می کند. در این مورد، بررسی‌های تاریخی کاربر شامل ثبت سفرهای تاریخی کاربر در میان مکان‌های متمایز است. بنابراین، یک سری بررسی های متوالی می تواند دفتر خاطرات سفر کاربر را ثبت کند. نکته قابل توجه این است که برخلاف ردیابی‌های GPS، بررسی‌ها به ندرت مسیرهای سفر دقیق کاربران را بین مکان‌های متمایز به دلیل فرکانس نمونه‌گیری پایین منعکس می‌کند.
Ijgi 04 01512 g001 1024
شکل 1. نمونه هایی از تحرک کاربر.

2.2. نمایندگی

در مقایسه با داده‌های خاطرات سفر جمع‌آوری‌شده از نظرسنجی‌ها، داده‌های خاطرات سفر تولید شده از Foursquare دارای سطح نسبتاً پایینی از نمایندگی است. این نتیجه از ناهمگونی در استفاده از Foursquare است. به طور خاص، داده‌های دفتر خاطرات سفر تولید شده از بررسی‌های Foursquare تحت تأثیر سوگیری در مورد گروه سنی، فراوانی استفاده و دسته مکان قرار می‌گیرند. اولاً، تعداد کاربران Foursquare در گروه‌های سنی مختلف با توزیع سنی جمعیت واقعی متناسب نیست. از آنجایی که Foursquare در درجه اول یک سایت برای افراد جوان است [ 30]، تعداد کاربران جوان بسیار بیشتر از کاربران قدیمی است. به عنوان مثال، 40٪ از کاربران Foursquare 18-29 ساله هستند، در حالی که تنها 5٪ از کاربران Foursquare در سنین 54-65 هستند. ثانیاً، کاربران فعال اغلب از رسانه های اجتماعی استفاده می کنند، در حالی که کاربران کمتر فعال به ندرت این کار را می کنند. تجزیه و تحلیل آماری مجموعه داده های چهار ضلعی ساخته شده توسط [ 31] نشان می دهد که تقریباً 20٪ از کاربران فقط یک بار ورود، 40٪ بیش از 10، در حالی که تقریباً 70000 کاربر فعال (حدود 10٪) بیش از 100 اعلام حضور داشتند. بنابراین، تاریخچه مکان‌های بازدید شده توسط کاربران فعال بیشتر از کاربران کمتر فعال است. ثالثاً، تعداد ورود به برخی از دسته‌های مکان‌ها با تعداد بازدیدهای واقعی متناسب نیست. اکثر کاربران Foursquare زمانی که واقعاً از این مکان‌ها بازدید می‌کنند، به ندرت در برخی از دسته‌های مکان‌ها (به عنوان مثال، مکان‌های خانگی) اعلام حضور می‌کنند. بنابراین، تعداد معینی از بازدیدهای کاربران از برخی مکان‌ها توسط ورود ثبت نمی‌شود، و در نتیجه دفتر خاطرات روزانه ناقص سفر از آن سری از ورودهایی که موفق به ثبت برخی بازدیدها نشده‌اند، تولید می‌شود. به طور شهودی، هر چه کاربران فعال تر باشند، احتمال بیشتری وجود دارد که در دسته‌های محل برگزاری که نسبتاً به ندرت ثبت می‌شوند (مثلاً مکان‌های خانگی) مراجعه کنند. در نتیجه، ما فرض می‌کنیم که هر چه کاربران فعال‌تر باشند، احتمال بیشتری وجود دارد که همه مکان‌هایی را که واقعاً بازدید می‌کنند ضبط کنند. با توجه به کل این موضوع ناهمگونی، به نظر می رسد که Foursquare می تواند یک منبع داده جدید مرتبط برای تولید لبنیات مسافرتی کاربران فعال رسانه های اجتماعی تلفن همراه به جای جمعیت به عنوان یک کل باشد.

2.3. داده های تجربی

این بخش به معرفی داده های تجربی مورد استفاده در این مطالعه می پردازد. اول از همه، شهر نیویورک (NYC) به عنوان منطقه مورد مطالعه انتخاب شد، زیرا دارای حجم زیادی از چک-این های Foursquare و کاربران فعال است. نیویورک از پنج ناحیه (شهرستان) تشکیل شده است: منهتن، بروکلین، کوئینز، برانکس و استاتن آیلند. منهتن محله مرکزی نیویورک است. در محدوده اداری نیویورک، 148169 اعلام حضور در 28075 مکان مجزا توسط 2207 کاربر (1216 کاربر مرد و 991 کاربر زن) طی 12 هفته مداوم (از 3 مارس 2014 تا 27 آوریل 2014) از طریق برنامه Fourre جمع آوری شد. رابط برنامه نویسی (API). Foursquare یک سیاست کاربری سختگیرانه دارد. اگر اعلام حضورها به فیدهای عمومی مانند توییتر ارسال شود، با امضای Foursquare قابل دسترسی هستند. در غیر این صورت، آنها فقط برای دوستان قابل مشاهده هستند [28 ]. مجموعه داده‌های ورود جمع‌آوری‌شده از اعلام حضورهای اشتراک‌گذاری شده در توییتر تشکیل شده است. یک بررسی آماری در مورد بررسی‌های Foursquare که توسط [ 28 ] انجام شد، نشان می‌دهد که تقریباً 10٪ از کل بررسی‌های Foursquare از طریق فیدهای توییتر منتشر می‌شود و بنابراین برای بررسی عمومی باز است.
در مجموعه داده‌های مورد استفاده، به‌طور میانگین، هر مکان تقریباً 5 ورود دارد و تقریباً 2.5 کاربر مجزا از آن بازدید کرده‌اند. با توجه به موضوع ناهمگونی فوق الذکر، لازم است فقط کاربران فعال برای تشکیل نمونه کاربران انتخاب شوند تا از سطح نسبتاً بالایی از نمایندگی اطمینان حاصل شود. علاوه بر این، کاربرانی که احتمالاً گردشگر هستند باید از مجموعه نمونه کاربر حذف شوند، زیرا این مطالعه بر روی الگوهای فعالیت ساکنان متمرکز است و گردشگران ممکن است الگوهای فعالیت متمایز از ساکنان نیویورک داشته باشند. در مراحل بعدی، نحوه تولید مسیرهای روزانه از داده های ورود و نحوه انتخاب مسیرهای روزانه کاربران را برای اطمینان از سطح نسبتاً بالایی از نمایندگی ارائه می دهیم.
(1) ما بررسی های تکراری را فیلتر می کنیم. طبیعی است که هنگام ورود به یک مکان، کاربر یک بار در آن مکان بررسی کند. با این حال، گاهی اوقات کاربر چندین بار در همان مکان هنگام ورود یا پس از ورود چک می کند. این عمدتاً از جانب کاربرانی می آید که ممکن است حوصله شان سر رفته یا کار دیگری برای انجام دادن نداشته باشند. ما باید اینگونه اعلام حضورهای مکرر را حذف کنیم. پس از این مرحله، 109,053 ورود نگهداری و 39,116 ورود حذف شد.
(2) ما مسیرهای روزانه را با اتصال بررسی های متوالی انجام شده توسط همان کاربر در همان روز تولید می کنیم. یک مسیر روزانه باید حداقل 2 مکان مجزا را به هم متصل کند. پس از این مرحله روزانه 38052 خط سیر تولید شد.
(3) ما مسیرهای روزانه حاوی سفرهای “غیر قابل اعتماد” را فیلتر می کنیم. دو نوع سفر “غیر قابل اعتماد” وجود دارد:

(آ)
سفرهای “جعلی”: اگر سرعت سفر، یعنی (فاصله از ورود قبلی تا ورود بعدی)/(فاصله زمانی بین ورود قبلی و ورود بعدی)، بیشتر از 200 کیلومتر در ساعت باشد. ، یعنی کاربر با سرعت بسیار بالایی سفر می کند. چنین سرعتی از همه حالت های حمل و نقل شهری اعم از اتوبوس، مترو، ماشین و … بیشتر است، این گونه سفرها سفرهای جعلی محسوب می شوند.
(ب)
سفرهای “ناقص”: اگر زمان سفر، یعنی، فاصله زمانی بین ورود قبلی و ورود بعدی، بیش از 8 ساعت است، به این معنی که برخی از بازدیدها از برخی مکان‌ها به احتمال زیاد از دست رفته است. به عنوان مثال، یک فرد در ساعت 09:00 در دفتر خود چک-این می کند و در ساعت 19:00 در آپارتمان خود چک-این می کند. فاصله زمانی بین دو ورود متوالی 10 ساعت است. چنین جفت چک‌این فقط می‌تواند سفر از دفتر به آپارتمان را نشان دهد، به این معنی که فرد حدود 10 ساعت کار می‌کند یا در دفتر می‌ماند. این خیلی معقول نیست، زیرا فرد به احتمال زیاد 10 ساعت کار نمی کند یا در دفتر می ماند. او به احتمال زیاد در این مدت به غیر از محل کار و خانه به مکان های دیگری نیز سر خواهد زد. احتمال اینکه فردی ساعت 17:00 دفتر را ترک کند و قبل از بازگشت به خانه در ساعت 19:00 به سوپرمارکت برود، بیشتر است. با این حال،
پس از این مرحله، 29057 مسیر حفظ شد و 8995 مسیر حاوی سفرهای “غیر قابل اعتماد” حذف شد.
(4) ما مسیرهای روزانه را با سطح بالاتری از نمایندگی انتخاب می کنیم. برای این کار، ما مسیرهای روزانه را حذف می کنیم که شامل 2 مکان مشخص بازدید شده اما فقط 1 سفر است. به طور مشابه، مسیرهای روزانه با تنها 2 مکان مشخص بازدید شده اما تنها 1 سفر به احتمال زیاد “ناقص” هستند، زیرا آنها به احتمال زیاد بازدید از مکان های بعدی را حذف می کنند. به عنوان مثال، شخصی در ساعت 09:00 در دفتر خود چک می کند و بعداً در ساعت 19:00 در آپارتمان خود چک می کند. در این مورد، اگرچه او از دو مکان مجزا بازدید کرده است، اما تنها یک سفر از دفتر به آپارتمان وجود دارد که توسط چک‌این‌های تاریخی آشکار می‌شود. این سفر یک مسیر روزانه را تشکیل می دهد. بدیهی است که سفر از آپارتمان به دفتر که باید زودتر اتفاق می افتاد (مثلاً صبح)، توسط مسیر روزانه تولید شده از چک-این ها آشکار نمی شود. پس از این مرحله، 13162 مسیر روزانه با سطح نمایندگی نسبتاً بالا و گرفته شده توسط 1835 کاربر حفظ شد.
(5) ما کاربرانی را انتخاب می کنیم که سطح نمایندگی بالایی دارند. انتخاب کاربران محلی فعال بسیار مهم است. در اینجا، ما کاربران محلی فعال را به عنوان کاربرانی در نظر می گیریم که (1) احتمالاً هر زمان که واقعاً از این مکان ها بازدید می کنند تا آنجا که ممکن است در مکان ها اعلام حضور می کنند و (2) احتمالاً مسیرهای روزانه را برای تعداد روز کافی دارند. به طور خاص، ما کاربرانی را انتخاب کردیم که حداقل ۲۸ مسیر روزانه دارند، یعنی کسانی که حداقل ۲۸ روز (۴ هفته) مسیر روزانه دارند. از 1835 کاربر فوق الذکر، ما 96 کاربر محلی فعال را انتخاب کرده ایم که مسیرهای روزانه در 28 تا 56 روز متمایز (یعنی 4 تا 8 هفته) دارند.
(6) در نهایت، ما مسیرهای روزانه کاربران فعال محلی منتخب را حفظ کردیم.
در نتیجه، 96 کاربر نمونه (50 کاربر مرد و 46 کاربر زن) برای تشکیل نمونه‌های کاربر انتخاب شدند و 3734 مسیر روزانه آن‌ها که شامل 18815 چک‌این بود، به‌عنوان نمونه مسیر انتخاب شدند. تعداد مسیرهای روزانه و اعلام حضور کاربران مرد و زن در جدول 1 فهرست شده است. این 96 کاربر نمونه برداری شده احتمالاً کاربران فعال محلی هستند زیرا (1) آنها مسیرهای روزانه را در 28 تا 56 روز متمایز دارند ( یعنی 4 تا 8 هفته) و (2) 78 نفر از آنها (حدود 81٪) در مکان های خانگی (خانه های خصوصی، آپارتمان ها و غیره ).). هر یک از مسیرهای انتخابی روزانه حداقل از 3 مکان مجزا تشکیل شده است و یک کاربر منتخب به طور متوسط ​​5.2 بار در روز اعلام حضور می کند. علاوه بر این، بیش از 80 درصد از کاربران منتخب در مکان‌های خانگی که به دسته‌های مکان‌هایی تعلق دارند که به ندرت بازدید می‌شوند، اعلام حضور می‌کنند، که تا حدودی نشان می‌دهد که این کاربران احتمالاً حداکثر یا همه مکان‌هایی را که واقعاً بازدید می‌کنند، اعلام حضور می‌کنند. با توجه به عادات استفاده کاربران Foursquare، مجموعه داده ( به عنوان مثال ، 3734 مسیر روزانه و 18815 ورود) مورد استفاده در مطالعه تجربی را می توان نمونه هایی برای ایجاد دفتر خاطرات روزانه سفر کاربران محلی فعال در نیویورک در نظر گرفت.
از آنجایی که به‌دست آوردن سن کاربران Foursquare در نیویورک دشوار است، ما سعی کرده‌ایم از توزیع سنی کاربران Foursquare در شهرها، مناطق یا کشورها دیگر استفاده کنیم تا تقریباً ساختار سنی نمونه‌های کاربر خود را برای نیویورک نشان دهیم. تا جایی که ما می دانیم، هیچ بررسی آماری از ساختار کاربران Foursquare در نشریات تحقیقاتی دانشگاهی وجود ندارد. در همین حال، ما یک بررسی آماری از ساختار سنی کاربران Foursquare در سراسر جهان پیدا کردیم که توسط یک آژانس رسانه‌های اجتماعی به نام Ignite Social Media Agency ( http://www.ignitesocialmedia.com/ ) در دسترس است. طبق این بررسی آماری، تقریباً 80 درصد از کاربران Foursquare بین 25 تا 54 سال سن دارند [ 32 ].]. بر اساس این فرض که ساختار سنی کاربران Foursquare در نیویورک مشابه ساختار کل جهان است، ما فرض می‌کنیم که اکثر کاربران نمونه احتمالاً در سنین 25 تا 54 سال هستند.
جدول
جدول 1. شرح مجموعه داده های تجربی مورد استفاده در این مطالعه.

3. روش شناسی

در این بخش، رویکرد مورد استفاده برای بررسی تفاوت های جنسیتی در الگوهای فعالیت کاربران LBSN ارائه شده است. ابتدا، در سطح فردی، تفاوت های جنسیتی در الگوهای فعالیت بررسی می شود. به طور خاص، معیارهای مبتنی بر بیضی برای توصیف فعالیت های افراد استفاده می شود. در مرحله دوم، در سطح کل، تفاوت‌های جنسیتی در توزیع فضایی فعالیت‌ها و مقوله‌های مکان بازدید شده بررسی می‌شود. توزیع فضایی فعالیت های کاربران زن و مرد با استفاده از روش تحلیل فضایی مقایسه شده است. علاوه بر این، ارتباط بین ویژگی‌های کاربری زمین و تفاوت‌های جنسیتی در توزیع فضایی فعالیت‌ها در سطح کل بررسی می‌شود. سپس،

3.1. ویژگی های فعالیت فردی

اول از همه، در سطح فردی، این مطالعه از معیارهای مبتنی بر بیضی برای توصیف فعالیت های روزانه افراد استفاده می کند. معیارهای مبتنی بر بیضی مانند بیضی انحراف استاندارد (SDE) برای مقایسه نه تنها اندازه فضاهای فعالیت، بلکه همچنین پراکندگی فضاهای فعالیت بین مسافران استفاده شده است [ 33 ، 34 ، 35 ]. برای توصیف فعالیت‌های روزانه افراد، در این مطالعه از چهار شاخص مبتنی بر بیضی استفاده می‌کنیم. شکل 2 مکان های بازدید شده توسط یک فرد را در طول یک روز ترسیم می کند که نشان دهنده دفتر خاطرات روزانه سفر فرد است. یک SDE از مکان‌های بازدید شده تولید می‌شود که تمام مکان‌هایی را که فرد در آن روز بازدید کرده است، پوشش می‌دهد. در شکل 2، بیضی نشان دهنده SDE و دو خط محور X و Y هستند که نشان دهنده محور بلند و کوتاه بیضی هستند. چهار شاخصی که ما استفاده می کنیم به صورت زیر تعریف می شوند:
(1) مساحت SDE برای نشان دادن اندازه فضای فعالیت استفاده می شود [ 35 ].
(2) نسبت محور طولانی به کوتاه نشان دهنده پر بودن بیضی است که نشان دهنده میزان انحراف مسافر از منطقه مسیر اصلی سفر است [ 35 ].
(3) شمارش مکان متمایز (DLC) تعداد مکان های متمایز بازدید شده توسط کاربر در یک روز است.
(4) شمارش دسته‌بندی مکان متمایز (DLCC) تعداد دسته‌های مکان متمایز بازدید شده توسط کاربر در یک روز است.
Ijgi 04 01512 g002 1024
شکل 2. SDE فعالیت های روزانه یک فرد.

3.2. ویژگی های فعالیت ها در سطح کل

در این بخش فرعی، نحوه بررسی تفاوت‌های جنسیتی در توزیع فضایی فعالیت‌ها و مقوله‌های مکان بازدید شده در سطح کل را به طور خلاصه معرفی می‌کنیم.
ابتدا، توزیع فضایی فعالیت های کاربران زن و مرد با استفاده از روش موران I محلی دو متغیره مقایسه شده است. روش آماری موران I محلی دو متغیره [ 36 ] به طور گسترده برای اندازه گیری ارتباط فضایی دو ویژگی مجزا استفاده می شود. در اینجا برای اندازه گیری همبستگی خودکار فضایی فعالیت ها بین کاربران زن و مرد استفاده می شود. جزئیات بیشتر در مورد تفاسیر روش آماری موران I محلی دو متغیره با یک مطالعه تجربی در بخش 4.2.1 ارائه شده است.
ثانیاً، تفاوت جنسیتی در دسته‌های مکان بازدید شده با مقایسه درصد ورود کاربران مرد (بازدید) به دسته‌های مکان مختلف و کاربران زن بررسی می‌شود. برای اندازه گیری بهتر تفاوت جنسیتی در درصد، به جای تفاوت مطلق، از تفاوت نسبی استفاده می کنیم. تفاوت نسبی به صورت زیر بیان می شود:

تفاوت نسبی = 2×| P m − P f | / ( P m + P f )،

که در آن Pm و Pf به ترتیب درصد بازدید کاربران مرد و زن از یک دسته مکان خاص را نشان می دهند.

4. مطالعه تجربی

در این بخش، نتایج بررسی تجربی تفاوت های جنسیتی در الگوهای فعالیت ارائه و مورد بحث قرار می گیرد. به طور خاص، تفاوت های جنسیتی در الگوهای فعالیت فردی به طور تجربی بررسی می شود. تفاوت‌های جنسیتی در توزیع فضایی فعالیت‌ها و مقوله‌های مکان بازدید شده در سطح کل به طور تجربی به طور جداگانه بررسی شده و بعداً ارائه می‌شوند. علاوه بر این، نتایج تجربی مورد بحث قرار گرفته و در نتیجه، برخی از یافته‌ها استخراج می‌شوند.

4.1. تفاوت های جنسیتی در الگوهای فعالیت فردی

در این بخش، تفاوت های جنسیتی در الگوهای فعالیت فردی به صورت تجربی مورد بحث قرار می گیرد. 3794 SDE روزانه تولید شد و پس از آن، چهار شاخص فردی برای 3794 مسیر روزانه محاسبه شد.
در ابتدا، ما به توزیع چهار شاخص برای کاربران مرد و زن نگاه می کنیم. شکل 3 توابع توزیع تجمعی مکمل (CCDFs) چهار شاخص را برای کاربران زن و مرد نشان می دهد. بطور شهودی، توزیع چهار شاخص برای کاربران مرد و زن از قوانین مشابهی پیروی می کند. به عنوان مثال، به نظر می رسد توزیع نسبت محور طولانی به محور کوتاه برای کاربران مرد و زن، هر دو تقریباً از یک قانون توان پیروی می کنند ( شکل 3 ب را ببینید)، در حالی که به نظر می رسد توزیع DLC برای کاربران مرد و زن هر دو تقریباً از یک قانون نمایی پیروی می کنند. ( شکل 3 ج را ببینید). شکل 3بیشتر نشان می دهد که به طور شهودی، شکاف های نسبتا زیادی در ناحیه SDE ، DLC و DLCC بین کاربران مرد و زن وجود دارد، در حالی که یک شکاف نسبتاً کوچک در نسبت محور بلند به کوتاه بین کاربران مرد و زن وجود دارد.
ثانیاً، از آزمون Wilcoxon برای آزمایش آماری استفاده می‌شود که آیا شکاف‌های مشاهده‌شده هنگام اندازه‌گیری چهار شاخص برای کاربران مرد و زن قابل توجه هستند یا خیر. تست Wilcoxon همیشه به عنوان جایگزینی برای T- test استفاده می شود، زمانی که نمی توان جمعیت را به طور معمول توزیع کرد. جدول 2 میانگین مساحت SDE ، نسبت محور طولانی به محور کوتاه ، مقادیر DLC و DLCC را برای کاربران مرد و زن و نتایج آزمون Wilcoxon نشان می دهد. در نتایج آزمون Wilcoxon ، مقدار p مربوط به مساحت SDE است، DLC و DLCC همه کمتر از 0.01 هستند. این بدان معناست که سطح متوسط ​​مقدار SDE برای کاربران مرد از نظر آماری به طور قابل توجهی بزرگتر از کاربران زن است، در حالی که میانگین مقادیر DLC و DLCC برای کاربران مرد هر دو از نظر آماری به طور قابل توجهی کوچکتر از کاربران زن در سطح 0.01 هستند. با این حال، مقدار p مربوط به نسبت محور طولانی به محور کوتاه 0.25 است، به این معنی که میانگین نسبت مقدار محور طولانی به کوتاه برای کاربران مرد از نظر آماری به طور قابل توجهی بزرگتر از کاربران زن نیست.
نتایج تجزیه و تحلیل تجربی سه یافته را نشان می دهد، که در نیویورک، (1) کاربران مرد فضای فعالیت روزانه بزرگتری دارند. (2) کاربران زن در عرض یک روز از مکان‌های متمایزتر و دسته‌های مکان متمایزتر بازدید می‌کنند. و (3) تفاوت جنسیتی قابل توجهی در میزان انحراف مسافر از منطقه مسیر اصلی سفر وجود ندارد.
اولین یافته با یافته های قبلی که توسط برخی ادبیات فاش شده بود، مطابقت دارد، که به موجب آن مردان بیشتر از زنان به یک سفر طولانی سفر می کنند [ 11 ، 17 ، 18 ، 19 ]. این یافته احتمالاً ریشه در این دارد که زنان احتمالاً در مکان‌های نزدیک‌تر به خانه خود کار می‌کنند [ 12 ، 13 ، 18 ]. دومین یافته حاصل از این تحلیل تجربی، یافته جدیدی است. این ممکن است ناشی از این واقعیت باشد که مشارکت در فعالیت ها بین زن و مرد متفاوت است. برخی از تحقیقات موجود [ 19 ، 20] نشان می دهد که زنان نسبت به مردان فعالیت های کاری کمتر اما فعالیت های غیر کاری بیشتری انجام می دهند. شرکت در فعالیت‌های غیر کاری بیشتر احتمالاً منجر به بازدید از مکان‌های متمایزتر و دسته‌های مکان متمایزتر می‌شود. سومین یافته به دست آمده از این مطالعه نیز یک یافته جدید است.
Ijgi 04 01512 g003 1024
شکل 3. CCDFهای چهار شاخص برای کاربران مرد و زن در نمودارهای log-linear و log-log نمودارها. (الف) منطقه SDE. (ب) نسبت طول به محور کوتاه. (ج) DLC؛ (د) DLCC.

4.2. تفاوت های جنسیتی در الگوهای فعالیت در سطح کل

در این زیر بخش، تفاوت های جنسیتی در الگوهای فعالیت به طور تجربی در سطح کل مورد بحث قرار می گیرد. به طور خاص، ما به طور تجربی تفاوت‌های جنسیتی را در توزیع فضایی فعالیت‌ها و در دسته‌های مکان بازدید شده به طور جداگانه بررسی می‌کنیم.
جدول
جدول 2. میانگین مساحت SDE ، نسبت محور بلند به کوتاه، مقادیر DLC و DLCC برای کاربران زن و مرد و نتایج آزمون Wilcoxon .

4.2.1. تفاوت های جنسیتی در توزیع فضایی فعالیت ها در سطح کل

اول از همه، تفاوت های جنسیتی در توزیع فضایی فعالیت ها به طور تجربی در سطح کل بررسی می شود. علاوه بر این، ارتباط بین ویژگی‌های کاربری زمین و تفاوت‌های جنسیتی در توزیع فضایی فعالیت‌های کل به صورت تجربی مورد بررسی قرار می‌گیرد.
داده‌های منطقه جدول‌بندی همسایگی (NTA)، که در آن NTAها انباشته‌ای از مناطق سرشماری در نیویورک هستند، برای نشان دادن تقسیم‌بندی‌های فضایی نیویورک در این مطالعه استفاده می‌شوند، زیرا چندین نوع جمعیت‌شناسی بر اساس این تقسیم‌بندی‌ها ساخته شده‌اند. به‌روزترین داده‌های NTA و کاربری زمین در نیویورک همگی از اداره برنامه‌ریزی شهر (DCP)، نیویورک [ 37 ] دانلود می‌شوند. داده‌های NTA و کاربری زمین مورد استفاده در این مطالعه تجربی هر دو در سال 2010 جمع‌آوری شدند. نکته قابل توجه این است که برخی از NTA از بیش از یک چند ضلعی غیر مجاور تشکیل شده‌اند. چنین NTAهایی باید بیشتر به چند ضلعی های فضایی مجزا تقسیم شوند که به آنها sub-NTA می گویند. در نتیجه، 195 NTA نیویورک به 352 NTA فرعی تبدیل شدند ( شکل 4 را ببینید). در این مطالعه تجربی، sub-NTAs به عنوان ویژگی های فضایی اساسی در تجزیه و تحلیل توزیع فضایی استفاده شد.

(1) توزیع فضایی فعالیت های کاربران زن و مرد در سطح کل

برای بررسی تفاوت‌های جنسیتی در توزیع فضایی فعالیت‌ها، از روش آماری موران I محلی دو متغیره استفاده شد. Sub-NTA به عنوان ویژگی فضایی در اجرای دو متغیره محلی Moran’s I انتخاب شدروش آماری تعداد اعلام حضورهای کاربران مرد و زن در یک ویژگی فضایی (Sub-NTA) این دو ویژگی را تشکیل می‌دهند که به ترتیب تعداد کل فعالیت‌ها را برای کاربران مرد و زن در این ویژگی فضایی نشان می‌دهند. 10 کیلومتر به عنوان آستانه فاصله همسایه انتخاب شد. در این مورد، هر ویژگی فضایی (sub-NTA) تقریباً 80 همسایه دارد. تقریباً 350 ویژگی فضایی (sub-NTAs) وجود دارد، بنابراین 80 ویژگی فضایی بیش از 20٪ از تعداد کل ویژگی های فضایی را نشان می دهد.
پس از 999 شبیه سازی مونت کارلو، خوشه های آماری معنی دار و نقاط پرت از فعالیت ها تولید شد. شکل 4 خوشه ها و نقاط پرت فعالیت های شناسایی شده در نیویورک را نشان می دهد. در شکل 4 ، یک خوشه High-High نشان دهنده خوشه بندی فضایی مقادیر بالای تعداد فعالیت کاربران زن و مرد است، در حالی که یک خوشه Low-Low نشان دهنده خوشه بندی فضایی مقادیر کم تعداد فعالیت کاربران زن و مرد است. به طور مشابه، یک عدد پرت پایین-بالا نشان می‌دهد که مقادیر کم تعداد فعالیت کاربران مرد با مقادیر همسایه بالای تعداد فعالیت کاربران زن مرتبط است، در حالی که مقدار زیاد-کمپرت نشان می دهد که مقادیر بالای تعداد فعالیت کاربران مرد با مقادیر کم همسایه تعداد فعالیت کاربران زن مرتبط است. در نهایت، مقوله غیر قابل توجه به این معنی است که هیچ وابستگی فضایی یا ارتباط آماری معنی‌داری بین تعداد فعالیت کاربران زن و مرد وجود ندارد.
Ijgi 04 01512 g004 1024
شکل 4. خوشه ها و نقاط پرت تعداد فعالیت کاربران زن و مرد در نیویورک.

(2) ارتباط خوشه ها و نقاط پرت با ویژگی های کاربری زمین

ما بیشتر تلاش می‌کنیم تا ارتباط بین خوشه‌ها و نقاط پرت، و از سوی دیگر، ویژگی‌های کاربری زمین را با تجزیه و تحلیل نسبت‌های مقوله‌های کاربری زمین در خوشه‌ها و نقاط پرت کشف کنیم ( جدول 3 را ببینید ). نتایج تجزیه و تحلیل ارتباط به صورت زیر تفسیر می شود:
اولاً، خوشه های High-High عمدتاً در مناطقی قرار دارند که یا (1) نسبت بیشتری از زمین تجاری و صنعتی ( یعنی 14٪ و 14٪) در مقایسه با مناطق تحت پوشش سه نوع خوشه و نقاط پرت دیگر دارند. (2) نسبت کمتری از زمین مسکونی ( یعنی 26٪) در مقایسه با مناطق تحت پوشش سه نوع دیگر دارند. و (3) احتمالاً مناطق تجاری مرکزی (CBD) یا CBDهای فرعی (به عنوان مثال، منهتن پایین، مرکز شهر بروکلین و هادسون یاردز) هستند.
ثانیاً، خوشه‌های کم-پایین عمدتاً در مناطقی واقع شده‌اند که (1) نسبت بالایی از زمین مسکونی دارند ( یعنی 49٪). (2) نسبت نسبتاً کمی از زمین های تجاری و صنعتی دارند. و

(3) از CBD یا CBDهای فرعی دور هستند.

ثالثاً، نقاط دورافتاده کم-بالا عمدتاً در مناطقی قرار دارند که (1) نسبت نسبتاً کمی از زمین مسکونی ( یعنی 36٪) دارند. (2) نسبت نسبتاً بالایی از زمین تجاری ( یعنی 12٪) دارند. و (3) نزدیک به CBDها یا CBDهای فرعی (مانند هارلم و شهر لانگ آیلند) هستند.
چهارم، نقاط پرت بالا-پایین عمدتاً در مناطقی واقع شده‌اند که (1) بیشترین نسبت زمین مسکونی را دارند ( یعنی 53%). (2) دارای بالاترین نسبت زمین های تفریحی در فضای باز ( به عنوان مثال ، 18٪). و (3) کمترین نسبت زمین تجاری و صنعتی را دارند. و (4) از CBD یا CBDهای فرعی دور هستند.
در نهایت، مقایسه ویژگی‌های کاربری زمین در مناطق تحت پوشش کم-بالا و بالا-پایین نشان می‌دهد که (1) کاربران زن به احتمال زیاد از زمین‌های تجاری نزدیک به CBD یا زیر CBD بازدید می‌کنند، در حالی که (2) کاربران مرد. به احتمال زیاد از زمین های تفریحی در فضای باز بازدید می کنند که از CBD یا زیر CBD دور هستند. این نشان می‌دهد که کاربران مرد بیشتر از کاربران زن از مکان‌های دور از CBD بازدید می‌کنند. در مقایسه با سفر از مکان‌های نزدیک به CBD به مکان‌هایی در انواع دیگر مناطق، سفر از مکان‌های حاشیه به مکان‌هایی در انواع دیگر مناطق می‌تواند با توجه به هندسه پراکندگی شهری منجر به فضای فعالیت نسبتاً بزرگی شود.
به طور خلاصه، در نیویورک، کاربران زن به احتمال زیاد از زمین های تجاری نزدیک به CBD یا sub-CBD بازدید می کنند، در حالی که کاربران مرد به احتمال زیاد از زمین های تفریحی در فضای باز که از CBD یا sub-CBD دور هستند بازدید می کنند. این یافته تا حدودی توضیح می دهد که چرا کاربران مرد فضای فعالیت بیشتری نسبت به کاربران زن دارند. در نیویورک، توزیع فضایی مکان‌هایی که کاربران زن اغلب از آن بازدید می‌کنند ممکن است فضاهای فعالیت کاربران زن را محدود کند.
جدول
جدول 3. درصد دسته های کاربری زمین در خوشه ها و نقاط پرت.

4.2.2. تفاوت‌های جنسیتی در دسته‌های مکان بازدید شده

در این زیربخش، تفاوت‌های جنسیتی در دسته‌های مکان بازدید شده به طور تجربی در سطح کل بررسی می‌شوند. ابتدا، تفاوت‌های جنسیتی را در درصد تعداد بازدیدهای جمع‌آوری شده در دسته‌های مکان متمایز فهرست می‌کنیم. جدول 4 10 مقوله مکان پربازدید و مقادیر تفاوت نسبی مرتبط با آنها را فهرست می کند که با استفاده از معادله ارائه شده در بخش 3.2 محاسبه شده است. در جدول 4 ، مقادیر تفاوت نسبی برای سه دسته مکان آخر (به عنوان مثال، ایستگاه اتوبوس، لباس، کفش و لوازم جانبی، و دفتر) به طور قابل توجهی بزرگتر از موارد مرتبط با سایر دسته ها هستند. به طور خاص، مقادیر تفاوت نسبی مرتبط با سه دسته مکان آخر بیش از 0.4 است، در حالی که مقادیر تفاوت نسبی برای سایر دسته ها از 0.25 تجاوز نمی کند. این نشان می‌دهد که در سطح کل، تفاوت‌های جنسیتی نسبتاً زیادی در تعداد بازدید از برخی دسته‌های مکان (عمدتاً ایستگاه اتوبوس، لباس، کفش و لوازم جانبی و دفتر) که توسط کاربران محلی فعال در نیویورک بازدید می‌شود، وجود دارد. به طور خاص، کاربران مرد بیشتر از ایستگاه‌های اتوبوس و دفاتر بازدید می‌کنند، در حالی که کاربران زن بیشتر از مکان‌های پوشاک، کفش و لوازم جانبی بازدید می‌کنند. علاوه بر این، همانطور که در بالا نشان داده شد، High-Highخوشه‌ها (خوشه‌بندی فضایی مقادیر بالای تعداد فعالیت کاربران زن و مرد) در مناطقی قرار دارند که نسبت بیشتری از زمین‌های تجاری و صنعتی دارند. با در نظر گرفتن این نتایج اضافی، یافته‌های مربوط به تفاوت‌های جنسیتی در مقوله‌های مکان‌های بازدید شده نشان می‌دهد که با در نظر گرفتن زمین‌های تجاری و صنعتی، کاربران مرد به احتمال زیاد از دفاتری که عموماً در زمین‌های صنعتی یافت می‌شوند بازدید می‌کنند، در حالی که کاربران زن تمایل بیشتری به بازدید دارند. پوشاک، کفش و لوازم جانبی معمولاً در زمین های تجاری یافت می شود.
جدول
جدول 4. تفاوت های جنسیتی در درصد تعداد کل بازدیدها از دسته های مکان مجزا.

4.3. اعتبار تحقیقات

در این بخش فرعی، برای بحث در مورد اعتبار تحقیقاتی که انجام داده‌ایم، سعی می‌کنیم برخی از نتایج تجربی تولید شده از بررسی‌های Foursquare را تأیید کنیم. داده‌های مرجعی که برای این منظور استفاده کرده‌ایم، داده‌های خاطرات سفر روزانه از یک نظرسنجی سفر به نام بررسی منطقه‌ای سفر خانواده [ 38 ] است. این نظرسنجی توسط شورای حمل و نقل شهری نیویورک (NYMTC) و سازمان برنامه ریزی حمل و نقل شمال جرسی (NJTPA) حمایت شده است. یک کتابچه راهنمای کاربر موجود در وب سایت نحوه جمع آوری داده ها را توضیح می دهد و یک نمای کلی از مجموعه داده ارائه می دهد [ 39]. در اینجا، اطلاعات کلیدی منتخب را از کتابچه راهنما برای گزارش مختصری از مجموعه داده ها ذکر می کنیم. طبق دستورالعمل، استخدام تصادفی خانوارها به صورت تلفنی و از طریق مصاحبه استخدامی انجام شد. خانواده‌های شرکت‌کننده یک «روز سفر» مشخص (معمولاً 10 روز پس از مصاحبه استخدام) برای ثبت سفر خود تعیین کردند. از هر یک از اعضای خانواده خواسته شد تا اطلاعات سفر خود را در یک دفتر خاطرات سفر برای دوره 24 ساعته مشخص شده ثبت کنند. آخرین نظرسنجی از سپتامبر 2010 تا نوامبر 2011 انجام شد. مجموعه داده های کلی مربوط به 18965 خانوار و 43558 نفر در منطقه شهری نیویورک است. 4923 شرکت کننده (1) که 25 تا 54 سال سن دارند وجود دارد. (2) کسانی که اطلاعات جنسیت خود را به اشتراک گذاشته اند و (3) آدرس خانه آنها در نیویورک است. بر این اساس، این شرکت کنندگان (2129 مرد و 2730 زن) به عنوان نمونه کاربر مرجع انتخاب شدند، زیرا آنها ساکن نیویورک هستند و احتمالاً ساختار سنی مشابهی با نمونه کاربران Foursquare دارند. آنها 34536 رکورد از بازدیدهای خود از مکان هایی با انواع فعالیت های دقیق ارائه کردند.
از آنجایی که مجموعه داده های نظرسنجی منتشر شده دارای سطح دقت موقعیت نسبتاً پایینی است (دقت کمتری نسبت به سطح خیابان)، از خاطرات روزانه سفر شرکت کنندگان عمدتاً برای بررسی تفاوت های جنسیتی در شاخص های مربوط به تعداد فعالیت ها (مانند DLC و DLCC) به جای بررسی تفاوت‌های جنسیتی در شاخص‌های مربوط به موقعیت دقیق فعالیت‌ها (به عنوان مثال، منطقه SDE و نسبت محور بلند به کوتاه ). به طور خاص، ما از دو شاخص دیگر ( یعنی تعداد مکان بازدید شده و تعداد فعالیت متمایز ) استفاده کرده ایم.) به عنوان جایگزینی برای DLC و DLCC به منظور مشخص کردن دقیق فعالیت های فردی هنگام استفاده از داده های نظرسنجی. این عمدتاً به این دلیل است که در داده های نظرسنجی، کمبود اطلاعات در مورد منحصر به فرد بودن مکان های بازدید شده وجود دارد، در حالی که انواع فعالیت ها به وضوح نشان داده شده است. در این مورد، شمارش مکان بازدید شده ممکن است بازدید مجدد شرکت‌کنندگان از برخی مکان‌ها (مثلاً آپارتمان‌ها) در یک روز را محاسبه کند. به دلیل عدم منحصر به فرد بودن شناسایی مکان، ما قادر به محاسبه DLC برای شرکت کنندگان در نظرسنجی نبودیم. در عوض، ما از تعداد مکان بازدید شده به عنوان جایگزینی برای DLC استفاده کرده‌ایم، با این فرض که بازدید مجدد شرکت‌کنندگان از برخی مکان‌ها، بخش زیادی از تعداد کل بازدیدها را نشان نمی‌دهد.
جدول 5 میانگین تعداد مکان بازدید شده و مقادیر متمایز تعداد فعالیت را برای شرکت کنندگان منتخب مرد و زن در نظرسنجی و نتایج آزمون Wilcoxon فهرست می کند. به راحتی می توان مشاهده کرد که میانگین تعداد مکان بازدید شده و تعداد فعالیت متمایزمقادیر برای شرکت کنندگان مرد هر دو از نظر آماری به طور قابل توجهی کوچکتر از شرکت کنندگان زن در سطح 0.01 است. این نشان می دهد که شرکت کنندگان زن در یک روز در نیویورک از مکان های بیشتری بازدید می کنند و در فعالیت های متمایز تری نسبت به شرکت کنندگان مرد درگیر می شوند. این یافته درباره تفاوت‌های جنسیتی با یافته‌ای که از بررسی‌های Foursquare به دست آمده است، مطابقت دارد که در آن «کاربران زن از مکان‌های متمایزتر و دسته‌های مکان متمایزتر در یک روز بازدید می‌کنند» (به بخش 4.1 مراجعه کنید ). علاوه بر این، نکته قابل توجه این است که میانگین مقادیر تعداد مکان بازدید شده برای شرکت کنندگان منتخب مرد و زن در نظرسنجی بزرگتر از میانگین مقادیر DLC برای کاربران مرد و زن Foursquare نمونه برداری شده است ( جدول 2 وجدول 5 ). این احتمالاً به این دلیل است که تعداد مکان بازدید شده ممکن است بازدیدهای مجدد را ظرف یک روز حساب کند. علاوه بر این، میانگین مقادیر متمایز تعداد فعالیت‌ها برای شرکت‌کنندگان منتخب مرد و زن در نظرسنجی، نزدیک به میانگین مقادیر DLCC برای کاربران مرد و زن Foursquare نمونه‌گیری شده است. این تا حدودی نشان می دهد که کاربران نمونه گیری از سطح نسبتاً بالایی از نمایندگی برخوردار هستند.
جدول
جدول 5. میانگین تعداد مکان بازدید شده و مقادیر متمایز تعداد فعالیت برای شرکت کنندگان منتخب مرد و زن در نظرسنجی و نتایج آزمون Wilcoxon .

5. نتیجه گیری و کار آینده

این مقاله در مورد بررسی تجربی، با استفاده از داده‌های بررسی چهار ضلعی، گزارش می‌دهد که چگونه جنسیت بر الگوهای سفر و فعالیت کاربران فعال رسانه‌های اجتماعی تأثیر می‌گذارد. نتایج تجربی نشان می‌دهد که تفاوت‌های جنسیتی در الگوهای سفر و فعالیت کاربران محلی فعال در نیویورک در هر دو سطح فردی و کلی وجود دارد. به طور خاص، (1) کاربران مرد به طور کلی فضای فعالیت بیشتری دارند، در حالی که کاربران زن عموماً از مکان‌های متمایزتر و دسته‌های مکان متمایزتر بازدید می‌کنند. (2) تفاوت جنسیتی قابل توجهی در میزان انحراف مسافر از منطقه اطراف مسیر اصلی سفر وجود ندارد. (3) در سطح کل، کاربران زن به احتمال زیاد از زمین های تجاری نزدیک به CBD یا sub-CBD بازدید می کنند. در حالی که کاربران مرد به احتمال زیاد از زمین های تفریحی در فضای باز که از CBD یا CBD فرعی دور هستند بازدید می کنند. و (4) کاربران مرد به احتمال زیاد از ایستگاه‌های اتوبوس و دفاتر بازدید می‌کنند، در حالی که کاربران زن تمایل بیشتری به بازدید از مکان‌های لباس، کفش و لوازم جانبی دارند.
بر اساس نتایج مطالعه تجربی، ما در اینجا بحث می‌کنیم که تا چه حد می‌توان از داده‌های LBSN برای تولید خاطرات سفر روزانه استفاده کرد. به طور خاص تر، ما مزایا و معایب داده های LBSN را با توجه به این کار فهرست می کنیم. در مقایسه با سایر منابع دفتر خاطرات سفر (مانند بررسی‌ها، ردیابی‌های GPS و سوابق تلفن همراه)، داده‌های ثبت نام LBSN دارای مزایایی مانند هزینه کم و دقت فضایی بالا هستند. با این حال، داده‌های ورود نیز دارای محدودیت‌هایی مانند سوگیری گروه سنی، تعداد کم نمونه‌گیری و سوگیری دسته‌بندی مکان هستند. به طور خلاصه، داده های LBSN به احتمال زیاد مکملی هستند تا جایگزینی برای داده های خاطرات سفر جمع آوری شده از طریق نظرسنجی ها.
جدا از محدودیت‌های ذاتی داده‌های LBSN، برخی از محدودیت‌های کشف‌شده در طول مطالعه تجربی باید مورد توجه قرار گیرند. اولاً، حجم نمونه مجموعه داده های تجربی مورد استفاده در این مطالعه خیلی بزرگ نیست. تعداد مردان و زنان بیش از 50 نفر نیست. ثانیاً، کاربران نمونه مجموعه داده های تجربی احتمالاً مسافرانی هستند که نسبتاً جوان هستند. بنابراین، نتایج مطالعه تجربی باید با احتیاط تفسیر شود. ثالثاً، اگر چه ممکن است یافته‌های بیشتری به دست آید اگر این مطالعه بتواند بعد زمانی (آخر هفته در مقابل روزهای هفته، صبح در مقابل عصر و غیره ) را ادغام کند.، به دلیل مجموعه داده های نسبتاً کوچک امکان انجام این کار وجود نداشت. در نهایت، در تحقیقات موجود در مورد تجزیه و تحلیل روابط بین رفتارهای سفر و عوامل در سطح فردی، بیشتر متداول است که ببینیم چگونه عوامل مجزا در سطح فردی (مانند سن، جنسیت، حرفه، درآمد و تحصیلات) با هم بر سفر تأثیر می‌گذارند. رفتار به جای نگاه کردن به اینکه چگونه یک عامل خاص به طور مستقل بر آن تأثیر می گذارد. با این حال، جدا از جنسیت، سایر عوامل در سطح فردی در دسترس بودن بسیار محدود در LBSN ها هستند. با مجموعه داده های تجربی مورد استفاده در این مطالعه، ما نتوانستیم عوامل بیشتری را در سطح فردی در نظر بگیریم.
در کارهای آینده، می توان برخی از بهبودها را انجام داد. اول از همه، بررسی تفاوت‌های جنسیتی در توزیع مکانی-زمانی فعالیت‌های کاربران می‌تواند زمانی اجرا شود که مجموعه داده‌های نسبتاً بزرگی در یک دوره زمانی طولانی‌تر (مثلاً یک سال) جمع‌آوری شود. ثانیاً، این مطالعه یک بررسی مقدماتی از تأثیرات عوامل در سطح فردی (سن، جنسیت، حرفه، درآمد، تحصیلات، وضعیت تأهل و غیره ) است.) در مورد رفتار سفر. علاوه بر جنسیت، سایر عوامل در سطح فردی، به عنوان مثال، سن، تحصیلات و حرفه، می توانند برای بررسی اینکه چگونه عوامل متمایز با هم بر رفتار سفر تأثیر می گذارند، گنجانده شوند. برای به دست آوردن سایر عوامل در سطح فردی (به عنوان مثال، سن، جنسیت، حرفه، درآمد و مالکیت خودرو) که همیشه در پروفایل کاربران رسانه های اجتماعی موجود نیستند، می توان از پرسشنامه هایی استفاده کرد که از طریق ایمیل، تلفن یا رسانه های اجتماعی ارسال می شود. به طور خاص، می‌توانیم تعدادی از کاربران فعال Foursquare را دعوت کنیم تا در پروژه‌ای که به جمع‌آوری خاطرات روزانه سفر کاربران با ویژگی‌های دقیق سطح فردی (به عنوان مثال، سن، جنسیت، حرفه، درآمد و مالکیت خودرو) اختصاص دارد، شرکت کنند. شرکت‌کنندگان دعوت‌شده هنگام ورود به مکان جدید بررسی می‌کردند و مشخصات دقیق سطح فردی خود را ارائه می‌کردند.

منابع

  1. گونزالس، ام سی؛ هیدالگو، سی. Barabási، AL درک الگوهای تحرک فردی انسان. طبیعت 2008 ، 453 ، 779-782. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. لیو، ال. آندریس، سی. راتی، سی. کشف الگوهای رفتاری تاکسیران از ردپای دیجیتالی آنها. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 541-548. [ Google Scholar ]
  3. آهنگ، سی. Qu، Z. بلوم، ن. Barabási، AL محدودیت های قابل پیش بینی در تحرک انسان. Science 2010 ، 327 ، 1018-1021. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. رویک، او. هوسر، اس. شبکه های اجتماعی مبتنی بر مکان – تعریف، وضعیت فعلی هنر و دستور کار تحقیقاتی. ترانس. GIS 2013 ، 17 ، 763-784. [ Google Scholar ] [ CrossRef ]
  5. چنگ، ز. کاورلی، جی. تره فرنگی.؛ Sui, D. کاوش میلیون‌ها ردپا در خدمات اشتراک‌گذاری مکان. در مجموعه مقالات پنجمین کنفرانس بین المللی وبلاگ ها و رسانه های اجتماعی، بارسلون، اسپانیا، 17 تا 21 ژوئیه 2011.
  6. وو، ال. ژی، ی. سویی، ز. لیو، ی. تحرک انسانی درون شهری و انتقال فعالیت: شواهدی از داده های ورود به شبکه های اجتماعی. PLOS ONE 2014 , 9 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  7. Fact Browser: The Research Discovery Engine. در دسترس آنلاین: http://www.factbrowser.com/tags/foursquare/ (دسترسی در 07 ژوئیه 2010).
  8. Kwan، MP تجسم فمینیستی: بازبینی GIS به عنوان روشی در تحقیقات جغرافیایی فمینیستی. ان دانشیار Am.Geogr. 2002 ، 92 ، 645-661. [ Google Scholar ] [ CrossRef ]
  9. Kwan، MP جنسیت و دسترسی فردی به فرصت‌های شهری: مطالعه با استفاده از اندازه‌گیری فضا-زمان پروفسور Geogr. 1999 ، 51 ، 210-227. [ Google Scholar ] [ CrossRef ]
  10. کوان، نماینده مجلس بر فناوری‌های جغرافیایی: به سوی سیاست فمینیستی احساسات. پروفسور Geogr. 2007 ، 59 ، 22-34. [ Google Scholar ] [ CrossRef ]
  11. هانسون، اس. جانستون، I. تفاوت های جنسیتی در طول سفر کاری: توضیحات و مفاهیم. جئوگر شهری. 1985 ، 6 ، 193-219. [ Google Scholar ] [ CrossRef ]
  12. Singell، LD; Lillydahl، JH تجزیه و تحلیل تجربی از الگوهای رفت و آمد به محل کار مردان و زنان در خانواده های دو نفره. مطالعه شهری. 1986 ، 2 ، 119-129. [ Google Scholar ] [ CrossRef ]
  13. Blumen، O. تفاوت های جنسیتی در سفر به محل کار. جئوگر شهری. 1994 ، 15 ، 223-245. [ Google Scholar ] [ CrossRef ]
  14. قانون، R. فراتر از “زنان و حمل و نقل”: به سوی جغرافیای جدید جنسیت و تحرک روزانه. Prog. هوم Geogr. 1999 ، 23 ، 567-588. [ Google Scholar ]
  15. فراندبرگ، ال. Vilhelmson، B. سفر کم و بیش: روندهای تحرک شخصی در جمعیت سوئد با تمرکز بر جنسیت و گروه. J. Transp. Geogr. 2011 ، 19 ، 1235-1244. [ Google Scholar ] [ CrossRef ]
  16. روت، الف. زنان، سفر و ایده «حمل و نقل پایدار». ترانسپ Rev. 2000 , 20 , 369-383. [ Google Scholar ] [ CrossRef ]
  17. هانسون، اس. جنسیت و تحرک: رویکردهای جدید برای اطلاع رسانی پایداری. جنس. فرقه مکان. 2010 ، 17 ، 5-23. [ Google Scholar ] [ CrossRef ]
  18. بلومن، او. کلرمن، A. تفاوت های جنسیتی در مسافت رفت و آمد، محل سکونت و محل کار: متروپولیتن حیفا، 1972-1983. پروفسور Geogr. 1990 ، 42 ، 54-71. [ Google Scholar ] [ CrossRef ]
  19. گوردون، پی. کومار، ا. ریچاردسون، HW تفاوت‌های جنسیتی در رفتار سفر شهری. Reg. گل میخ. 1989 ، 23 ، 499-510. [ Google Scholar ] [ CrossRef ]
  20. Kwan، MP تفاوت‌های جنسیتی در محدودیت‌های فضا-زمان. Area 2000 , 32 , 145-156. [ Google Scholar ] [ CrossRef ]
  21. بائو، جی. ژنگ، ی. موکبل، ام. توصیه مبتنی بر مکان و اولویت آگاه با استفاده از داده های شبکه های جغرافیایی-اجتماعی پراکنده. در مجموعه مقالات بیستمین کنفرانس بین المللی پیشرفت در سیستم های اطلاعات جغرافیایی، ردوندو بیچ، کالیفرنیا، ایالات متحده آمریکا، 7 تا 9 نوامبر 2012.
  22. بائو، جی. ژنگ، ی. ویلکی، دی. موکبل، ام. توصیه‌هایی در شبکه‌های اجتماعی مبتنی بر مکان: یک نظرسنجی. GeoInformatica 2015 ، 19 ، 525-565. [ Google Scholar ] [ CrossRef ]
  23. Zheng, Y. شبکه های اجتماعی مبتنی بر مکان: کاربران. در محاسبات با مسیرهای فضایی ; Zheng, Y., Zhou, X., Eds. اسپرینگر: نیویورک، نیویورک، 2011؛ ص 243-276. [ Google Scholar ]
  24. ژنگ، ی. Xie, X. شبکه های اجتماعی مبتنی بر مکان: مکان ها. در محاسبات با مسیرهای فضایی ; Zheng, Y., Zhou, X., Eds. اسپرینگر: نیویورک، نیویورک، 2011؛ ص 277-308. [ Google Scholar ]
  25. چو، ای. مایرز، SA; Leskovec, J. دوستی و تحرک: حرکت کاربر در شبکه های اجتماعی مبتنی بر مکان. در مجموعه مقالات هفدهمین کنفرانس بین المللی ACM Sigkdd در مورد کشف دانش و داده کاوی، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 21 تا 24 اوت 2011.
  26. نولاس، ا. اسکلاتو، اس. لامبیوت، آر. پونتیل، ام. ماسکولو، سی. داستان بسیاری از شهرها: الگوهای جهانی در تحرک شهری انسان. PLoS ONE 2012 , 7 . [ Google Scholar ] [ CrossRef ]
  27. نولاس، ا. اسکلاتو، اس. لاتیا، ن. Mascolo، C. ویژگی‌های تحرک کاربر استخراج برای پیش‌بینی مکان بعدی در خدمات مبتنی بر مکان. در مجموعه مقالات دوازدهمین کنفرانس بین المللی IEEE در مورد داده کاوی، بروکسل، بلژیک، 10-13 دسامبر 2012.
  28. لی، ام. سان، ی. Fan, H. ارزیابی ارتباط متنی اطلاعات جغرافیایی برای کاربران تلفن همراه در شبکه های اجتماعی مبتنی بر مکان. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 799-814. [ Google Scholar ] [ CrossRef ]
  29. کرنشاو، جی. شوارتز، آر. هنگ، جی. Sadeh, N. پروژه زندگی: استفاده از رسانه های اجتماعی برای درک پویایی یک شهر. در مجموعه مقالات ششمین کنفرانس بین المللی AAAI در وبلاگ ها و رسانه های اجتماعی، دوبلین، ایرلند، 4 تا 7 ژوئن 2012. انتشارات AAAI: منلو پارک، کالیفرنیا، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  30. براندون گیل. 26 جمعیت چهار ضلعی بزرگ. در دسترس آنلاین: http://brandongaille.com/26-great-foursquare-demographics/ (در 13 ژانویه 13 2015 قابل دسترسی است).
  31. نولاس، ا. اسکلاتو، اس. ماسکولو، سی. پونتیل، ام. مطالعه تجربی الگوهای فعالیت کاربر جغرافیایی در چهار مربع. در مجموعه مقالات پنجمین کنفرانس بین المللی AAAI در وبلاگ ها و رسانه های اجتماعی، بارسلون، اسپانیا، 17 تا 21 ژوئیه 2011.
  32. چاپل، برایان. گزارش تجزیه و تحلیل شبکه های اجتماعی 2012 – اطلاعات جمعیتی – جغرافیایی و جستجو آشکار شد. در دسترس آنلاین: http://www.ignitesocialmedia.com/social-media-stats/2012-social-network-analysis-report/#Foursquare/ (در 31 ژوئیه 2012 قابل دسترسی است).
  33. Buliung، RN; کاناروگلو، PS یک جعبه ابزار GIS برای کاوش در جغرافیای فعالیت های خانگی/رفتار سفر. J. Transp. Geogr. 2006 ، 14 ، 35-51. [ Google Scholar ]
  34. Buliung، RN; Roorda، MJ; Remmel، TK بررسی تنوع فضایی در الگوهای فعالیت-رفتار سفر: نتایج اولیه از بررسی پانل سفر-فعالیت تورنتو (TTAPS). حمل و نقل 2008 ، 35 ، 697-722. [ Google Scholar ] [ CrossRef ]
  35. کامروزمان، م. هاین، جی. تحلیل فضاهای فعالیت روستایی و معایب حمل و نقل با استفاده از رویکرد چند روشی. ترانسپ سیاست 2012 ، 19 ، 105-120. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  36. Anselin، L. شاخص های محلی ارتباط فضایی-LISA. Geogr. مقعدی 1995 ، 27 ، 93-115. [ Google Scholar ] [ CrossRef ]
  37. اداره برنامه ریزی شهری (DCP) شهر نیویورک. مناطق جدول بندی محله. در دسترس آنلاین: http://www.nyc.gov/html/dcp/ (دسترسی در 5 مه 2015).
  38. شورای حمل و نقل شهری نیویورک (NYMTC)؛ سازمان برنامه ریزی حمل و نقل شمال جرسی (NJTPA). بررسی سفرهای خانوار منطقه ای 2010/2011 (RHTS). در دسترس آنلاین: http://www.nymtc.org/project/surveys/survey2010_2011RTHS.html (در 13 اوت 2013 قابل دسترسی است).
  39. شورای حمل و نقل شهری نیویورک (NYMTC)؛ سازمان برنامه ریزی حمل و نقل شمال جرسی (NJTPA). مجموعه داده استفاده عمومی و کتابچه راهنمای کاربر داده. در دسترس آنلاین: http://www.nymtc.org/project/surveys/Travel%20survey/Task%209%202%20Final%20Users%20Manual_2013-11-04_for%20Public_Use_Data_Set.pdf (دسترسی در نوامبر 2013).

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370