بخشی از مقاله
چکیده
در سالهای اخیر افزایش محبوبیت شبکههای اجتماعی و اضافه شدن بعد مکانی به این شبکهها موجب تولید دادههای مکانی و زمانی بهروز، کمهزینه و ارزشمند شده است. در کنار کاربردهای متعدد، از این دادهها میتوان در راستای حل چالشهای شهری سود جست. بهعنوان نمونهای از این کاربردها، در این تحقیق از دادههای مکانی و زمانی کاربران در شبکههای اجتماعی مکانمبنا جهت شناخت محیطهای شهری استفاده شده است که میتواند در تعامل با شناخت حاصل از سنجش از دور به نتایج جامعتری منجر شود . در این راستا ابتدا محیط شهری با یک شبکه سلولی منظم پوشش داده شده و سپس سلولهای این شبکه بر مبنای فرکانس داده در طول شبانهروز و با بهکارگیری شاخص DB خوشهبندی می شوند. در مرحله بعد با تفسیر تغییرات فرکانسی هر یک از خوشهها، به هر خوشه یک کاربری اجتماعی تخصیص داده میشود . به منظور ارزیابی این روش از بعد معنایی دادهها استفاده شده است که نشاندهنده پتانسیل بالای شبکههای اجتماعی مکانمبنا برای شناخت محیطهای شهری است.
-1 مقدمه
شناخت محیطهای شهری یکی از ارکان اصلی در تصمیمگیریهای مکانی مربوط به شهرها است. این شناخت از یک سو میتواند دولتمردان را در اتخاذ سیاستهای جدید در زمینه مدیریت شهری و تخصیص منابع یاری دهد، و از سوی دیگر میتواند در تصمیم گیریهای مردم عادی تأثیرگذار باشد. بهعنوان مثال خانوادهای که به یک شهر جدید سفر می کنند، برای انتخاب محل اقامت ممکن است به اطلاعاتی نظیر منظره، امنیت، بعد اقتصادی، ترافیک و غیره نیاز داشته باشند .[12]
شناخت یک مکان میتواند از دو دیدگاه مورد بررسی قرار گیرد: نخست از دیدگاه ساختار فیزیکی که با منابع مختلفی ازجمله سنجش از دور حاصل میشود و سپس از دیدگاه کاربری اجتماعی که میتواند با بهرهگیری از منابع متعددی به دست آید، که شبکههای اجتماعی مکانمبنا از جمله آنهاست. ساختار فیزیکی یا همان تعیین نوع پوشش زمینی - شهری، جاده، زمین کشاورزی، مراتع و جنگلها و غیره - با تکنیکهایی نظیر طبقهبندی، ادغام و غیره در سنجش از دور حاصل می شود. حال اگر این شناخت با درک اجتماعی از محیط ترکیب شود میتواند نتایج با کارایی بالاتری را حاصل کند .[12]
حصول درک اجتماعی و تعیین کاربری اجتماعی از منابع حرکتی شهروندان ازجمله دادههای مربوط به محل سوار و پیاده شدن از تاکسی، دادههای حملونقل عمومی، دادههای بلیتهای مترو، دادههای GPS وسایل نقلیه شخصی و همچنین دادههای شبکههای اجتماعی مکانمبنا که مورد توجه این تحقیق است، استخراج میشود. به این نوع تحقیق و کاوش در محیطهای شهری اصطلاح "سنجش اجتماعی"1 اطلاق شده است. این اصطلاح از دو جهت با این نوع تحقیقات تناسب دارد:اولاً از نظر همراستا بودن با سنجش از دور و ثاناًی از این جهت که هر شهروند در یک اجتماع نقش یک سنسور را ایفا میکند .[9] جدول - 1 - شباهتها و تفاوتهای سنجش از دور و سنجش اجتماعی را به شکل واضحتری بیان می کند.
به صورت کلی یک شبکه اجتماعی، بازسازی کننده روابط اجتماعی افراد در محیطهایی مانند یک وبسایت بوده و به کاربران اجازه میدهد تا سرگرمیها، ایدهها، افکار و فعالیتهای روزمره خود را با یکدیگر به اشتراک بگذارند. با پیشرفت تکنولوژی و فراگیر شدن گوشیهای هوشمند و مجهز به GPS5 که به شبکه جهانی وب دسترسی دارند، شبکههای اجتماعی مکانمبنا ظهور کردند با توجه به وسعت کاربران و حجم عظیم دادههایی که در اخار میگذراند، که همان نقش فوقالذکر به عنوان بازسازی کننده روابط اجتماعی را در مقیاسی وسیعتر و با قابلیتهای جدید ایفا مینمایند.
در راستای بهرهبرداری از پتانسیل بالای دادههای شبکههای اجتماعی مکانمبنا تاکنون تحقیقاتی صورت گرفته است. یکی از جامعترین تحقیقات در زمینه شبکههای اجتماعی مکانمبنا توسط ژنگ و همکاران در بخش تحقیقات شرکت مایکروسافت انجام گردید. از اولین تحقیقات این گروه که در سال 2008 ارائه شد میتوان به محاسبه میزان مشابهت کاربران بر اساس پیشینه مکانی اشاره کرد [8]؛ اما به عنوان نقطه عطف تحقیقات انجام شده توسط این گروه میتوان به پروژه ژئولایف6 در سال 2009 اشاره کرد که هدف آن، ارائه یک شبکه اجتماعی مکانمبنا بود که بر مبنای دادههای خط السیر GPS که در شبکه به اشتراک گذاشته میشد عمل نماید. از مهمترین بخشهای این سیستم میتوان به مدل کردن دادههای خط السیر کاربران در یک چارچوب سلسله مراتبی، کاوش جذابترین مکانها در یک محدوده جغرافیایی و برنامهریزی سفر برای کاربران و ارائه سرویس توصیهگر فردگرا اشاره کرد .
[13] یکی از اولین تحقیقات بزرگمقیاس انجام شده بر روی شبکههای اجتماعی مکانمبنا تحقیق لی و همکاران در سال 2009 است که در آن برای مطالعه چگونگی به اشتراکگذاری دادههای مکانی توسط کاربران، دادههای زیادی از شبکهی اجتماعی مکانمبنای برایت کیت1 جمعآوری شده و نتایج تحلیل این دادهها ازنظر ویژگیهای کاربران، مشخصات حرکتی کاربران و ارتباط آنها ارائه شده است .[7] در حوزه استفاده از دادههای شبکههای اجتماعی مکانمبنا برای مطالعه ساختارهای اجتماعی، اسکلاتو2 و همکاران در سال 2010 با تحلیل داده چهار شبکه اجتماعی مکانمبنای مختلف و با استفاده از یک معیار ابتکاری فرضیه وابستگی ساختار اجتماعی کاربران به وضعیت جغرافیایی آنها را بررسی کردند .[11] در یکی دیگر از تحقیقات انجام شده، کرانشو3 و همکاران در سال 2012 با استفاده از دادههای شبکههای اجتماعی مکانمبنا و نیز با استفاده از الگوریتم خوشهبندی به شناسایی مناطق شهری تحت عنوان لایوهودز4 پرداختهاند .[1]
مقاله حاضر، با بهرهگیری از دادههای مکانی کاربران در شبکههای اجتماعی، به طبقهبندی کاربری در مناطق شهری میپردازد. از جمله تحقیقاتی که پیش از این در این راستا صورت گرفته است میتوان به تحقیق نوآلاس5 و همکاران در سال 2011 اشاره کرد که در آن، کاربری شهری را با استفاده از دادههای شبکه شبکه فوراسکوئر برای دو شهر لندن و نیویورک تعیین کردند. در این تحقیق از دادههای معنایی موجود در دادههای این شبکه که نوع فعالیت کاربران را مشخص می کند، بهرهگیری شد .[10] همچنین در سال 2013، هاسان6 و همکاران با استفاده از دادههای شبکه توییتر و با بهرهگیری از بعد معنایی دادهها به تعیین کاربری محیط شهری پرداختند. آنها با استفاده از تابع چگالی کرنل و برای شش کاربری مختلف و در بازههای سه ساعته شبانهروز، چگالی هر کاربری در سطح محیط شهری برآورد کردند .[5]
در ادامه این مقاله، در بخش دوم مبانی نظری مورد نیاز برای این تحقیق شرح داده شده است. در بخش سوم دادههای مورد استفاده معرفی میشود. سپس در بخش چهارم به بیان روش انجام تحقیق و ارائه مدل پیشنهادی برای شناخت محیط شهری و تعیین کاربری اجتماعی میپردازیم. در بخش پنجم نتایج حاصل از پیادهسازی رویکرد تحقیق برای دادههای نمونه را ارائه نموده و مورد ارزیابی قرار میدهیم. در نهایت، در بخش ششم نتیجهگیری تحقیق بیان گردیده و پیشنهادهایی برای تحقیقات آینده در این زمینه ارائه خواهد شد.
-2 تعاریف پایه و مبانی نظری تحقیق
این بخش، به تشریح مبانی نظری تحقیق شامل شبکه های اجتماعی مکان مبنا، خوشهبندی طیفی و شاخص DB میپردازیم.
