人口流動(dòng)是人口在地區(qū)之間所作的各種各樣短期的、重復(fù)的或周期性的運(yùn)動(dòng)。一方面，流動(dòng)人口的增加有益于提高城市的經(jīng)濟(jì)效益、文化效益和社會(huì)效益。另一方面，大量人口的涌入也會(huì)對(duì)城市帶來環(huán)境、住房、交通、教育和衛(wèi)生設(shè)施等方面的負(fù)擔(dān)。

　　城市間人口流動(dòng)分析既可以用于研究城鎮(zhèn)體系聯(lián)系、識(shí)別城市群，也可以反映城市職能及城市的吸引力，用于商業(yè)中研判城市的市場(chǎng)開拓和投資前景，哪些地區(qū)更有發(fā)展?jié)摿?，哪些城市在增長，哪些城市在收縮。針對(duì)個(gè)人投資和發(fā)展也能提供建設(shè)性意見。

　　然而人口流動(dòng)數(shù)據(jù)的獲取十分不易。通常大家使用統(tǒng)計(jì)局的數(shù)據(jù)來做人口分析，但是統(tǒng)計(jì)局的數(shù)據(jù)，滯后性比較嚴(yán)重、有坑、而且匯總的數(shù)據(jù)形式體現(xiàn)不出城市和地區(qū)之間的關(guān)聯(lián)關(guān)系。

　　位和云平臺(tái)部署的中國城市間人口流動(dòng)數(shù)據(jù)挖掘分析云服務(wù)，集成了從2015年至今每日更新的全國地級(jí)市之間人口流動(dòng)OD數(shù)據(jù)，區(qū)分三種不同的交通方式：公路、鐵路和航空。通過每日更新的人口流動(dòng)數(shù)據(jù)，可以監(jiān)測(cè)每年、每季度和每月的人口流動(dòng)變化，及時(shí)調(diào)整戰(zhàn)略。

　　用戶可以在云端方便地聚合任意空間范圍和任意時(shí)段的人口流動(dòng)數(shù)據(jù)。支持多時(shí)段對(duì)比、城市對(duì)比、城市群對(duì)比、灣區(qū)對(duì)比，便于研究人口流動(dòng)結(jié)構(gòu)的時(shí)空變化和城市/區(qū)域之間的差異分析。

　　平臺(tái)匯總和計(jì)算了多項(xiàng)指標(biāo)，如總?cè)丝?、人口增量、自然增長率、流入人口、流出人口、凈流入（流入-流出）、凈流出（流出-流入）、流入增量、流出增量、凈流入增量、凈流出增量等，用于不同人口專題的分析。

　　數(shù)據(jù)無縫集成到位和云平臺(tái)的數(shù)據(jù)挖掘系列工具中，通過機(jī)器學(xué)習(xí)和交互可視化，深入分析人流數(shù)據(jù)和各項(xiàng)統(tǒng)計(jì)指標(biāo)，研究人流聯(lián)系強(qiáng)度、人流時(shí)空變化、城市輻射影響、城市人口供給等。分析成果一鍵發(fā)布和分享。

　　平臺(tái)根據(jù)各種統(tǒng)計(jì)模型計(jì)算人流的期望值，如Modularity，Likelihood Ratio， Edge Ratio，Even Size等，并基于復(fù)雜網(wǎng)絡(luò)計(jì)算、優(yōu)化計(jì)算和各種流模型，探索由人流數(shù)據(jù)構(gòu)成的空間交互網(wǎng)絡(luò)的組團(tuán)結(jié)構(gòu)和層次結(jié)構(gòu)。

　　突破常規(guī)流圖可視化的局限，基于位和空間交互掃描統(tǒng)計(jì)算法，跳出給定單元的限制，自動(dòng)尋找人流空間交互的最優(yōu)尺度，挖掘多尺度和跨尺度的人口流動(dòng)模式，并提供規(guī)范的統(tǒng)計(jì)檢驗(yàn)。

　　區(qū)域人流聚合和區(qū)域人流對(duì)比

　　平臺(tái)支持聚合某個(gè)區(qū)域內(nèi)的城市間人流，譬如全國范圍內(nèi)、省內(nèi)、城市群內(nèi)、灣區(qū)內(nèi)、自定義區(qū)域邊界內(nèi)。

　　平臺(tái)支持的城市群包括：長三角、珠三角、京津冀、成渝、長江中游、哈長、中原、北部灣、關(guān)中平原、呼包鄂榆和蘭西。

　　平臺(tái)支持的灣區(qū)包括：粵港澳灣區(qū)、環(huán)長江口灣區(qū)、環(huán)渤海灣灣區(qū)、海西灣區(qū)、北部灣灣區(qū)。

　　用戶可以選定一個(gè)或多個(gè)區(qū)域聚合數(shù)據(jù)。下圖中的例子選擇了2018年四個(gè)城市群的日均人流做對(duì)比。

　　切換到數(shù)據(jù)表，對(duì)人流量進(jìn)行排序，這幾個(gè)城市群中聯(lián)系最緊密的幾對(duì)城市依次是廣州-佛山、深圳-東莞、上海-蘇州、北京-廊坊。

　　城市對(duì)比

　　另一種數(shù)據(jù)聚合的形式是從某個(gè)主體城市到某個(gè)區(qū)域之間的人流聚合，譬如武漢到全國其它城市之間的人流，武漢到湖北省其它城市之間的人流等。主體城市可以是一個(gè)或多個(gè)。下圖所示選擇了武漢和成都兩個(gè)主體城市進(jìn)行對(duì)比。

　　不同時(shí)段的人流對(duì)比

　　除區(qū)域?qū)Ρ群统鞘袑?duì)比外，平臺(tái)還支持不同時(shí)段的人流對(duì)比。下圖所示為環(huán)長江口灣區(qū)2016年-2017年-2018年日均人流對(duì)比。

　　從2016年至2017年，聯(lián)系增強(qiáng)；但從2017年至2018年，聯(lián)系減弱。灣區(qū)南部的變化尤其明顯。在中國其它地區(qū)也有2018年人口流減弱的現(xiàn)象，我們判斷，這和2018年經(jīng)濟(jì)下行有關(guān)。

　　挖掘人口流動(dòng)的空間結(jié)構(gòu)

　　平臺(tái)基于復(fù)雜網(wǎng)絡(luò)計(jì)算、優(yōu)化計(jì)算和各種流模型，探索由人流OD數(shù)據(jù)構(gòu)成的空間交互網(wǎng)絡(luò)的組團(tuán)結(jié)構(gòu)和層次結(jié)構(gòu)。下圖所示為粵港澳大灣區(qū)2018年日均人流聯(lián)系（左上）和幾個(gè)不同層次的組團(tuán)結(jié)構(gòu)（右上、左下、右下）。組團(tuán)內(nèi)聯(lián)系緊密。

　　挖掘統(tǒng)計(jì)顯著的人口流動(dòng)模式

　　基于常規(guī)的流圖可視化方法，無論是日均人流（左圖），還是春節(jié)前遷徙人流（右圖），表現(xiàn)出來的形式都是經(jīng)典的“鉆石”結(jié)構(gòu)，很難看出差異。

　　然而春節(jié)前的遷徙模式和日常的人口流動(dòng)模式必然是不同的。

　　針對(duì)人流量進(jìn)行分類的可視化，只適用于展示大流量OD線之間的聯(lián)系，卻丟失了諸多小流量OD線之間的信息。大流量聯(lián)系通常發(fā)生在人口多的城市之間。“鉆石”結(jié)構(gòu)體現(xiàn)出來的信息，幾乎是人人皆知的常識(shí)。我們需要新的方法來更深入地挖掘人口流動(dòng)模式。

　　位和空間交互掃描統(tǒng)計(jì)，能夠跳出給定單元的限制（在這里給定的單元是城市），自動(dòng)尋找空間交互的最優(yōu)尺度，計(jì)算出跨尺度的統(tǒng)計(jì)顯著的人口流動(dòng)模式。

　　注：流的統(tǒng)計(jì)顯著性 （ https://0x9.me/Bzu4q）和流量是兩個(gè)不同的概念。

　　對(duì)比下圖中的2018年日均遷徙模式（上）和春節(jié)前十天遷徙模式（下），可以看出明顯的差異。

　　2018年統(tǒng)計(jì)顯著的日均遷徙模式

　　2018年統(tǒng)計(jì)顯著的春節(jié)前十天遷徙模式

　　匯總流入流出到空間單元

　　在聚合人流OD的時(shí)候，平臺(tái)同時(shí)也把流入和流出匯總到了空間單元，可以和OD疊加顯示。匯總字段包括總流入、總流出、凈流入（流入-流出）、凈流出（流出-流入）、流入增量、流出增量、凈流入增量、凈流出增量；區(qū)分三種不同交通方式。

　　下圖所示為2018年上半年（左）和下半年（右）武漢到全國其他城市的人流，能看出明顯的聯(lián)系減弱的趨勢(shì)。與OD線相比，把人流匯總到空間單元更適于表達(dá)城市的輻射影響范圍。

　　城市人口供給分析也適宜用匯總到空間單元的人流數(shù)據(jù)來表達(dá)。聚合2016年、2017年、2018年春節(jié)前十天從北上廣深到全國其他城市的人流，匯總到空間單元。

　　我們認(rèn)為春節(jié)前從北上廣深流入到每個(gè)城市的人群即為外出去北上廣深打工的人群。這幾年來，去一線城市打工的人增加還是減少了呢？

　　下圖從左到右為2016年，2017年，2018年。

　　單純從OD線上來看，差異并不明顯。

　　對(duì)匯總到空間單元的北上廣深流出人口做分類，可以看出，每年春節(jié)前從北上廣深返鄉(xiāng)的人越來越少，北京減弱的程度最高。說明越來越少的人外出到北上廣深打工。

　　近幾年來，中國春節(jié)前的遷徙總量在持續(xù)減少中。一方面國家要求嚴(yán)控特大城市人口規(guī)模，北上廣都出臺(tái)了相應(yīng)的政策限制外來人口。另一方面，大城市的企業(yè)人工成本高、打工者的生活成本高，兩方面都在抑制流動(dòng)。房貸壓力和高房租也抑制了消費(fèi)和旅游。

　　下圖所示為2016年、2017年、2018年春節(jié)前十天全國日均遷徙總量和從北上廣深流出的日均遷徙總量的走勢(shì)圖。

　　對(duì)其他城市的流入人口做分類，可以看出，流入人口較多的城市（紅黃色）逐漸減少，流入人口比較少的城市（藍(lán)白色）逐漸增多。

　　匯總和計(jì)算統(tǒng)計(jì)指標(biāo)

　　平臺(tái)提供匯總統(tǒng)計(jì)局發(fā)布的上年度總?cè)丝诤妥匀辉鲩L率的選項(xiàng)，并根據(jù)統(tǒng)計(jì)數(shù)據(jù)計(jì)算自然增長人口、凈遷入人口、人口增量和凈遷入人口增量。

　　下圖所示為根據(jù)國家統(tǒng)計(jì)數(shù)據(jù)計(jì)算出的2014年-2015年-2016年廣東省凈流入人口變化。廣東省的流入人口向廣深核心區(qū)聚集。2016年凈流入人口前三甲依次為：深圳、佛山、廣州。深圳遠(yuǎn)超廣佛。其他凈流入人口大于0的城市還有：湛江、汕頭、東莞、惠州、珠海、中山、清遠(yuǎn)。遠(yuǎn)離廣深的城市，人口遷出日益增多（藍(lán)色）。

　　疊加2015-2016-2017年廣東省春節(jié)前人流OD。紅色是流出，藍(lán)色是流入。紅色集中的地區(qū)是遷出最為廣泛的地區(qū)。

　　不同交通方式的人流

　　平臺(tái)的各項(xiàng)數(shù)據(jù)指標(biāo)都區(qū)分三種不同的交通方式。下圖從左到右為2015年，2016年，2017年，從上到下依次為公路、鐵路和航空人流的變化。

　　如何訪問位和人口流動(dòng)挖掘分析云服務(wù)

　　登錄位和云平臺(tái)（www.wayhe.com），訪問“數(shù)據(jù)”頁面，然后切換到“人口流動(dòng)數(shù)據(jù)”。

　　提交人流數(shù)據(jù)聚合的請(qǐng)求后，平臺(tái)提示需要支付的費(fèi)用。價(jià)格根據(jù)所請(qǐng)求的數(shù)據(jù)量來計(jì)算。點(diǎn)擊“確定”，開始聚合數(shù)據(jù)，計(jì)算完成后從賬戶中扣費(fèi)。之后即可在平臺(tái)上對(duì)數(shù)據(jù)進(jìn)行挖掘分析。

　　平臺(tái)支持微信和支付寶充值，也可以聯(lián)系我們，通過合同的方式，從后臺(tái)充值。如果對(duì)數(shù)據(jù)的需求量不大，在線支付比較方便。如需反復(fù)聚合不同時(shí)段相同地區(qū)的數(shù)據(jù)，請(qǐng)聯(lián)系我們采購權(quán)限。權(quán)限分為城市、省、全國三個(gè)級(jí)別。

　　注：

　　人流OD的單位為出行熱度。

　　充值請(qǐng)?jiān)L問“賬戶”頁面。

　　位和人口流動(dòng)數(shù)據(jù)挖掘分析云平臺(tái)極大程度地降低了數(shù)據(jù)獲取、數(shù)據(jù)處理和數(shù)據(jù)挖掘分析的成本和門檻，賦能用戶，更加快速便捷和智能。在后續(xù)的更新中，平臺(tái)會(huì)提供更多形式的數(shù)據(jù)聚合，匯總更多相關(guān)指標(biāo)，集成更多計(jì)算和可視化呈現(xiàn)。小伙伴們?cè)谑褂玫倪^程中如果有任何問題或定制化需求，請(qǐng)隨時(shí)聯(lián)系我們：info@wayhe.com
 

　　位和GeoAI云平臺(tái)

　　www.wayhe.com

　　讓數(shù)據(jù)獲取變得容易，讓數(shù)據(jù)挖掘變得簡(jiǎn)單