ComputEnvironUrbanSyst|探索空间复杂

Comput Environ Urban Syst | 探索空间复杂性：利用地理空间大数据探索华南特大区域的重叠社区重叠结构，尽管常常被忽视，但在塑造全面的城市发展和更广泛的大都市区域战略中至关重要。为了解决这一缺口，本研究利用2018年的大规模地理空间数据，对中国南方珠江三角洲（PRD）进行重叠社区分析。采用了一种基于密度峰值的重叠社区检测（OCDDP）新方法，为60个子城市区的通勤网络中的不同节点生成具有多种功能的多个社区。我们在PRD中识别出八个重叠社区，主要围绕深圳和广州两个类别的社区，揭示了双中心空间结构。值得注意的是，中心子城市区表现出低重叠属性，而外围子城市区则表现出高重叠倾向。此外，研究通过岭回归分析了这些社区背后的驱动力，考察了包括政策、投资金额和次数、分支机构资金和数量、旅行成本和距离、共同专利和搜索指数等各种空间流动的影响。结果发现，四个深圳为中心的社区主要受旅行成本、共同专利、分支机构资金和数量驱动，而四个广州为中心的社区则受到共同专利、投资金额和次数的影响。该研究强调了差异化的功能联系以及精确政策定位和资源配置的必要性，为大都市区域协调和整体发展提供了路径。我们通过采用一种基于密度峰值的重叠社区检测新方法（OCDDP）和岭回归，探讨了中国南方珠江三角洲（PRD）的多层次空间结构及其驱动力，旨在为有效的大都市区整合战略提供有价值的见解。我们首先追踪了2018年4月16日至5月1日期间从或到PRD其他子城市区的1,718,068条流动数据，这些数据来自一个大型匿名手机信令（MPS）数据集。这些数据集分布在3600对子城市对中，以构建子城市网络并检测不同类型的重叠社区。我们利用了一系列新的多源空间大数据，包括分支流动、投资模式、创新网络、信息交流、政策干预和交通模式的流动，来探讨每个重叠社区形成的因果效应。我们试图探讨以下三个研究问题：（1）重叠社区的基本模式和特征是什么？（2）重叠社区形成的主要驱动力是什么，这些社区如何影响大都市区整合战略？（3）各种因素在多大程度上对重叠社区的形成和稳定性作出贡献？