Journal of Geomatics Science and Technology

fa ارزیابی تغییرات خودهمبستگی مکانی زمانی بر اساس داده های حرکتی حاصل از شبکه های اجتماعی به منظور کشف و بررسی الگوهای جنبش درون شهری انسانی Study of Spatial Autocorrelation Changes Based on Newly Movement Data for the Purpose of Discovering Patterns of Human Inter-city Movement سامانه های اطلاعات مکانی GIS پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">کشف الگوهای جنبش انسانی در محیطهای درون‌شهری یکی از پارامترهای بسیار مهم در زمینه تحقیقات متعددی همچون برنامهریزیهای شهری، مطالعات جغرافیایی و مطالعات مرتبط با علوم مربوط به سیستمهای اطلاعات مکانی است. یکی از منابعی که امروزه به شکل گسترده در کشف و بررسی الگوهای جنبش انسانی استفاده میشوند، دادههای حرکتی حاصل از رسانههای اجتماعی مکانمبنا هستند. این رسانهها حجم عظیمی از دادهها را در دو بعد زمان و مکان فراهم میآورند. هدف از این مطالعه کشف و بررسی الگوهای پنهان جنبش درون شهری انسانی مبتنی بر دادههای حرکتی حاصل از فعالیتهای روزمره انسانها در فرآیند به اشترک گذاری اطلاعات در رسانههای اجتماعی مکانمبنا و با در نظر گرفتن خوشهبندی بعد معنایی دادهها بوده است. در انجام این مطالعه از دادههای حرکتی حاصل از رسانه اجتماعی مکانمبنا </span></span> <span dir="LTR">Foursquare</span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">به دلیل فراهم آوردن خوشهبندی بعد معنایی برای دادهها (اطلاعات به اشتراک گذاشته شده) استفاده شده است. به منظور کشف الگوهای پنهان جنبش درون شهری انسانی قابلیت و کارایی تحلیلهای خودهمبستگی مکانی زمانی مورد ارزیابی قرار گرفته شده است. در این تحقیق با استفاده از تحلیلهای آماری و با در نظر گرفتن بعد زمان در مرحله نخست روند معناداری از تغییرات صورت گرفته در خودهمبستگی مکانی زمانی دادههای مورد مطالعه نسبت به مناطق تقسیمبندی شده شهری مبتنی بر روش پلیگونبندی تیسن، کشف و در مرحله دوم مسئله روند تغییرات خودهمبستگی مکانی زمانی و ارتباط بین اشتراکگذاری اطلاعات، موقعیت و کاربری ناحیه شهری در طول ساعات روز به منظور استخراج الگوهای پنهان جنبش درون شهری به صورت جزئی و دقیقتر، با بهرهگیری از خوشهبندی معنایی دادههای مکانمبنا این رسانه اجتماعی، به تفکیک برجستهترین الگوهای جنبش شهری در هر بازه زمانی پرداخته شده است. نتایج بدست آمده در این تحقیق نشاندهنده قابلیت بالای تحلیلهای خودهمبستگی مکانی زمانی مبتنی بر خوشهبندی بعد معنایی دادههای حرکتی حاصل از رسانه اجتماعی مکانمبنا </span></span><span dir="LTR">Foursquare</span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">در کشف الگوهای پنهان ناشی از جنبش انسانی در سطح نواحی درون شهری بوده است.</span></span></div> <br>   <div id="gt-res-content"> <div class="trans-verified-button-small" dir="ltr" id="gt-res-dir-ctr" style="text-align: justify;">The discovery of patterns of human movement in inner-city environments is one of the most important parameters in studies such as urban planning and geospatial studies. One of the sources that are widely used today to explore patterns of human movement is movement-based social media data. These media provide a huge amount of data in two dimensions of time and space. The purpose of this study is to explore and survey the hidden patterns of human inter-urban movement based on movement data derived from human daily activities in the process of sharing information on location-based social media and taking into account the semantic dimension of the data. In this study, movement data from the foursquare social media is used to provide a semantic dimension to the data. In order to discover the hidden patterns of human inter-urban movement, the capability and efficiency of spatial-temporal autocorrelation analysis have been evaluated. In this research, using statistical analysis and considering the time dimension in the first stage, a significant process of changes in the spatial-temporal autocorrelation of the studied data is revealed with respect to the urban subdivision based on Thiessen polygonization method. Secondly, the problem of the trend of spatial-temporal autocorrelation changes and the relationship between information sharing, location and urban area at different times of day, in order to extract precise intra-urban movement patterns using semantic clustering of location-based data has been examined in the most prominent patterns of urban movement in different time periods. The results of this study demonstrate the high capability of spatial-temporal autocorrelation analyzes based on the semantic dimension of movement data derived from foursquare social media in discovering hidden patterns of human movement at the urban level<span dir="RTL">.</span><br>  </div> </div> الگوی جنبش درون شهری انسانی, رسانه اجتماعی مکان مبنا Foursquare , بعد معنایی, خودهمبستگی مکانی زمانی Pattern of Human Urban Movement, Foursquare Location Based Social Network, Semantic Dimension, Spatial Temporal Autocorrelation 29 50 http://jgst.issgeac.ir/browse.php?a_code=A-10-770-1&slc_lang=fa&sid=1 M. Ghanbari مرجان قنبری marjan.ghanbari.1126@gmail.com 10031947532846007594 10031947532846007594 No بدون سازمان F. Karimipour فرید کریمی پور fkarimipour@ut.ac.ir 10031947532846007595 10031947532846007595 Yes بدون سازمان