شناسايي كاربري در محيط‌هاي شهري بر مبناي رفتار كاربران در شبكه‌هاي اجتماعي مكان‌مبنا

Land use characterization in urban environments based on the behaviors of location based social networks’ users

امروزه پس از گذشت زمان نسبتاً كوتاهي از ظهور شبكه‌هاي اجتماعي مكان‌مبنا، اين رسانه‌هاي اجتماعي به يك عنصر جدايي‌ناپذير از زندگي اجتماعي به‌خصوص در شهرهاي بزرگ تبديل ‌شده‌اند. افزايش محبوبيت شبكه‌هاي اجتماعي، پيشرفت فناوري‌هاي تعيين موقعيت مكاني از جمله سيستم تعيين موقعيت جهاني(GPS) و هم‌چنين فراگير شدن گوشي‌هاي تلفن هوشمند كه علاوه بر مجهز بودن به GPS به‌راحتي به شبكه جهاني وب متصل مي‌شوند، باعث توليد انبوه داده‌هاي مكاني به‌روز، كم‌هزينه و ارزشمند شده است. در كنار كاربرد‌هاي متعدد، از اين داده‌ها مي‌توان در راستاي برطرف نمودن چالش‌هاي شهري سود جست. به عنوان نمونه‌اي از اين كاربرد‌ها، در اين تحقيق از رفتار كاربران در شبكه‌هاي اجتماعي مكان‌مبنا جهت تعيين كاربري اجتماعي در محيط‌هاي شهري استفاده شده است. در اين راستا ابتدا با خوشه‌بندي داده‌هاي مكاني كاربران به تشخيص مناطق در محيط‌هاي شهري پرداخته شده، و سپس ضمن استخراج الگوهاي تغييرات تعداد داده‌هاي كاربران و جابجايي شهروندان در مناطق شهري در شبكه‌هاي اجتماعي در طول شبانه‌روز، از اين الگوها به ‌عنوان شاخص تعيين كاربري استفاده شده و به هر منطقه، يك نوع كاربري اجتماعي نسبت داده مي‌شود. به منظور ارزيابي روش پيشنهادي ماتريس در هم گسيختگي بر مبناي حضور مكان‌هاي ثبت شده با كاربري معين در مناطق شناسايي شده تشكيل شد و مقدار دقت كلي و شاخص كاپا به ترتيب 79 و 71 درصد محاسبه گرديد. همچنين مقايسه نتايج حاصل با تصاوير ماهواره‌اي نشان‌دهنده‌ پتانسيل بالاي شبكه‌هاي اجتماعي مكان‌مبنا براي شناخت محيط‌هاي شهري و حل چالش‌هاي موجود است.

Nowadays, after a relatively short time from the emergence of location-based social networks, these social media have become an inseparable element of social life, especially in big cities. The increased popularity of social networks, the development of location-based technologies including Global Positioning System (GPS) as well as the pervasive use of smart-phones that besides being equipped with GPS can connect to the world-wide web easily have led to the generation of update, low-cost and valuable spatial data. Beside various applications, these data can be used to resolve urban challenges. As an example, in this paper, the behaviors of the location-based social networks’ users were assessed to classify the land use in urban environments. In this regard, initially, we attempted to recognize regions in urban environments by clustering the users’ spatial data, then the variation patterns of users’ social behaviors through the day and night were extracted and used as an index to land use determination and a type of social land use was designated to each region. Evaluating the obtained results and comparing them with satellite images show the high potential of location-based social networks to recognize urban environments and resolve existing challenges