数字足迹在城市空间研究中的潜力与价值

21 世纪对于城市研究而言，绝对是一个令人兴奋的时代——社会、经济、文化领域中积累的海量数据为城市变革带来可能。当“数字化生存”（being digital）成为一种大众生活方式，各种便携装置与穿戴设备的普及使我们挣脱了时空的束缚。由此，数据不再只是信息设备的衍生物，其巨大的容量以及相对便捷的获取方式彻底改变了全球的社会形态与经济面貌[1]。纵观全球经济形态的发展以及信息交互技术的变革，我们可以从其演进规律中发现两者在某些方面的耦合（表1）：随着世界经济从以标准化商品生产和交换为表征的商品经济时代，过渡到以定制化商品服务为特色的服务经济时代，再演进到追求用户情感体验的体验经济时代[2]；互联网也从最初仅提供简单的信息搜索服务，过渡到提供自我展示与信息交互的个性化仿真服务，并进一步演进为提供深度社交参与和沉浸式体验的拟人化商业服务。这一耦合的结果促使数字信息技术从传统数据时代的消极记录，直接跨越到大数据时代的积极利用，并伴随着厚数据概念的提出演进为个性化数据的主动呈现[3]。当前，随着数字信息的外延、广度和体量不断扩大，各种体现数据背后复杂关系的非结构和半结构化数据也开始用于各项研究。在这种背景下，挖掘各种数据折射出的复杂情感和行为规律，并对新型数字信息的应用场景与创新前景进行剖析，可以促使城市空间研究变得更加丰富而生动。

2 数字足迹的概念与内涵

2.1 数字足迹的产生

在互联网初创的Web1.0 时代，数字信息首次实现了资源的聚合共享[4]。自此，数据可以作为实体商品的意识受到启发，“数字涎线”（slug trail）的概念被提出，用以指代用户在使用互联网过程中被动留下的痕迹[1]。发展到Web2.0时代，互联网开始从用户只读形式转换为人机交互模式[4]；随着用户与数字环境交互内容的增多，大量可用于分析的机读数字信息被释放出来，由此数字涎线的概念被“数字尾气”（data exhaust）所取代；那些由数字设备产生的数字尾气迅速达到前所未有的量级，成为一种几乎零成本地观察社会进程和社会交往的宝贵资源[5]。在以用户深度体验为核心的Web3.0 时代，随着社交媒体与饭圈文化的崛起，数字信息不再单纯地像尾气一般被动排出，而是会产生一种由用户基于社交需求主动表达的数据类型，从而出现了“数字足迹”（digital footprint）的概念。所谓数字足迹，指用户在使用数字设备或互联网后，保存在服务器端的关于用户使用记录、浏览历史、情感体验和使用反馈等方面的数据[6]。由于数字足迹中存在反映用户需求满足情况和时空移动信息的数字记录，并且记录了用户行为与各种活动的关联状态，因此能够帮助我们以前所未有的细节，建立高度动态化的城市空间、社会生活和基础设施网络研究的模型。由此，我们可以发现大数据时代科学模式的转型：城市空间研究将更多地依赖数字足迹来寻求社会现象背后的数学规律；在未来城市化的创新过程中，数字足迹将发挥至关重要的作用。

2.2 数字足迹的类型与价值

近年来，随着移动技术的普及和数字信息可获取性的增强，数字足迹这一基于地理感知传感网络形成的技术，因其低成本和易获取性的特点而逐渐成为研究热点，并被用以分析用户的时空行为和情感体验[5]。数字足迹一般包含以下两种类型[7]：一种是由用户与无线基础设施因无形的交互作用所产生的数据，如手机与通信网络交互时产生的位置日志、用户使用接触式芯片卡产生的位置信息，以及网络浏览记录等，在当前城市研究中应用较广。由于这种数据并非由用户主动提供，因此属于被动型数字足迹，是数字尾气在大数据时代的演化发展。另一种则是由用户上传内容到公共网页时明确生成的数据，包括使用评论、网络游记以及上传到社交平台的照片和短视频等。由于这种数据由用户主动提供，并且包含极为丰富的情感信息，因此属于主动型数字足迹，是在厚数据（thick data）概念提出之后产生的一种特定的大数据类型（表1）。相较于被动记录的数字信息，主动型数字足迹因为附加了游憩者的“意识权重”，表现出非常真实的丰富性，因而比过去任何能够接触到的GPS 日志都更有价值[8]。“我在那里”这一类由用户生成的、包含地理位置信息的数字足迹正迅速成为城市空间研究的重要信息来源[9]，并被广泛用于揭示用户的选择偏好与游憩喜好[10]。由于这种数据为我们提供了一种带有主观性的、反映用户与场所之间相互关联的信息，因而成为一种研究城市空间的独特视角[11]。相较于传统数据，主动型数字足迹因为是由用户自主提供而非被动记录，因此配合程度高，信息真实可靠，可以相对自由地反映用户的兴趣爱好[7]。此外，这种数据没有固定的评价框架，公众反馈的评论信息富有较强的多样性与延展性，可用于分析的信息量远多于传统评价方式。有观点认为，数字足迹的出现可以帮助我们不再丢失已经过去的瞬间；在某种程度上，我们拥有了一种可以重现城市旧貌及其发展历程的新方法[8]。这种重现城市历史的可能性，正好与近年来城市研究对于大数据的兴趣相呼应。由此，数字足迹为我们带来一个详细评估城市建成环境使用情况以及事件影响力的机会，可以帮助我们作出更好的城市设计和管理决策。

3 数字足迹的应用场景与研究现状

3.1 数字足迹应用场景分析

为了明确数字足迹的研究热点及其在不同领域的应用现状，笔者利用文献可视化分析软件CiteSpace 对Web of Science 数据库中主题词为“digital footprint”的354 篇文献和中国知网数据库中主题词为“数字足迹”的571 篇文献进行关键词和领域主题的共现聚类分析。具体操作为：在Web of Science 和中国知网分别检索关键词，然后将相关文献导入CiteSpace 并勾选关键词（keyword）和研究领域（category）两种节点类型，之后再对聚类计算结果进行可视化时区分析（visual timezone analysis）。结果显示：近5 年来，国外涉及数字足迹的研究领域较为广泛，包括信息科学、经济学、心理学、医学、管理学、教育学以及环境科学等众多学科领域，并且出现较多跨学科的研究实践；国内对于数字足迹的研究则主要集中于游憩、社交和消费等日常领域（图1）。这一显著差异表明：国外对于数字足迹在基础学科的应用研究更为深入，例如商务领域对于用户注册信息、访问数据和消费记录的研究关注，以及医疗领域对于个人健康数据的应用管理等。数据类型的多样性与公示信息获取的便利性，使数字足迹的应用场景与研究范畴变得越加丰富。

总体而言，国内外数字足迹的应用场景目前主要集中于信息科学、电子商务、旅游学、社会学、物联网、医疗健康和城市研究七大领域。其中，信息科学领域在数据挖掘、深度学习以及文字、图像、语音自动识别方面取得重要进展，对网络社会结构、信息传播模式的数字化分析实现了多源异构数据融合[12]。在电子商务领域，数字足迹主要用于商务智能与数字营销，相关学者对移动广告优化和精准营销的方法进行了总结[13]。旅游学对于主动型数字足迹的挖掘更加深入——利用网络游记和地理照片对游客的时空行为、游憩偏好、旅行需求展开分析，同时对景区空间结构、客流网络格局以及旅游线路优化等空间规划问题展开讨论[14]。此外，社会学领域对于个人数字图像、数字人格和隐私安全的研究，物联网领域对于智慧城市与智能运输系统的研究，以及医疗健康领域对于疾病智能监测报告系统的研究，均拓展了数字足迹的应用前景与研究面向。对上述研究进行聚类分析，可以发现：当前各领域对于数字足迹的研究呈现跨领域交叉与多学科融合的趋势，相关成果对于深化数字足迹在城市空间中的研究提供了技术支持。目前，数字足迹在城市空间中的研究基本可以概括为两大类型：一是以被动型数字足迹为主导的城市空间结构研究，二是以主动型数字足迹为主导的城市服务体验研究。

3.2 被动型数字足迹与城市空间结构研究

城市空间结构研究中使用的被动型数字足迹主要包括手机信令数据、公共交通数据、网络活动信息和消费能耗记录等。这些信息较为客观地反映了特定时空范围内由大量基础数据所形成的规律特征，构成智慧城市建设的主要内容。由于被动型数字足迹涵盖了城市交通、区域结构、人口流动以及环境评价等方面内容（图2），研究其在城市空间结构中的作用，对于实现城市精细化治理具有重要现实意义。

城市交通系统规划与决策是被动型数字足迹应用较早、较普遍的领域。智能手机、移动电子设备以及各类交通工具的GPS 定位技术能够精准追踪人群交通轨迹，地铁、汽车、共享单车等交通工具所形成的时空数据在改善城市交通功能方面潜力巨大。该领域的研究主要包括交通基础设施配置优化，如根据单车停放与使用记录优化场地布置及数量配给；以及根据智能设备使用记录，从时空需求角度优化充电桩的选址与覆盖方式[15]。相关研究还包括城市动态交通决策的优化，如通过GPS 定位系统优化机动车运营效率，减少排放与拥堵情况；以及通过GPS 数据与智能卡数据（SCD: Smart Card Data）分析客流量与人口、就业、土地利用和道路密度间的关联，从而帮助决策者提升城市多式交通联运的能力[16]。

随着城市空间结构中新型数据集群的出现，数字足迹为城市空间形态、热点层次结构和中心性模式研究提供了更加精细的时空粒度以及动态化的研究视角[17]。城市区域结构研究涵盖不同时空尺度，并且注重动态变化过程，如在小尺度上，通过检测不同时段交通网络状况来分析城市结构的日常动态变化；而在大尺度上，则通过交通信息与社会经济数据的耦合来推演城市多中心度、紧密度和社会环境的变化，以及区域结构变迁如何与关键的社会经济因素和战略规划政策共同演变[18]。同时，该方面的研究还具备多关联性：其一体现在数据来源上，如通过手机信令、兴趣点（POI: Point of Interest）以及多源静态数据叠加来定位城市中心区域并探索公共中心形成的动力机制；其二体现在耦合结果上，如通过行车轨迹来识别交通网络中的功能节点，并以此分析区域网络结构与住宅、商业和工业间的作用关系[19]。

由于数字足迹中含有大量关于人群动态活动规律的信息，因此能够与社会经济方面的多维信息进行耦合产生跨界研究。目前，有关人群行为规律的研究主要集中于三个方面：其一是城市土地利用时空分布特征研究，如通过POI 与开放街道地图（OSM: Open Street Map）开源数据提取人群动态信息和城市地块功能，并以此对城市土地利用强度进行评估[20]；其二是城市动态特征研究，如基于手机信令数据反映的居民行为周期规律对城市空间活动的周期特征进行分析[21]；其三是城市发展预测，如基于公交刷卡数据建立人群流动信息模型，并以此预测城市发展对居住流动以及居民出行时间成本的影响。另有学者通过耦合手机GPS 数据与自然灾害数据来检测通勤活动波动情况，并以此量化城市系统的韧性与脆弱性[22]，从而拓展了数字足迹在城市风险评估方面的应用潜力。

此外，城市发展现状与建成环境评价也常用到定位数据、通信信息以及能耗记录方面的数字足迹。如部分学者利用手机信令数据，从用地强度、职住关系、交通出行和空间结构等方面对城市建成环境进行分析评价[23]。由于其成本较低，一些发展中国家以此为依据评估区域人口密度和经济变化规律，并为基础设施规划和社会动态组织提供参考。另有学者通过综合利用POI 密度、城市功能混合度、房价与人口变化方面的信息，测度城市增长方式与城市活力间的影响机制[24]。总体而言，被动型数字足迹能够客观反映城市空间结构的动态变化特征，其分析结果可为城市规划和社会管理提供具体参考，具有较强的现实指导意义。

3.3 主动型数字足迹与城市服务体验研究

相较于被动型数字足迹，主动型数字足迹的研究主要涉及由用户自主生成或主动分享的、含有时空地理信息的电子数据。主动型数字足迹的应用对象尺度跨度较大，在城市服务体验方面的研究基本可以归纳为游憩服务体系优化、环境感知与体验评价、区域结构协调与功能提升三个方向（图3）。其中，游憩服务体系优化是主动型数字足迹应用较为广泛且深入的方向，涵盖游客行为研究、旅游流网络结构研究、景区环境容量测控、遗产保护利用研究四个方面。游客时空行为研究是智慧景区与城市精细化治理的先导性与支撑性内容[25]，主要利用签到数据、游记评论和地理标记照片来分析游憩时序规律以及游憩行为的集聚与散布特征[5]，对于提升景区服务管理水平具有重要意义。旅游流研究利用签到密度和用户自主分享的客流轨迹来分析游客在城市内部和城市之间的动态旅行规律以及路径迁移模式，研究内容包括城市旅游热区分布、旅游流网络结构等[26]，对于精准规划旅游路线以及优化游憩供给情况具有重要参考价值。景区环境容量测控主要是利用数字足迹对访客时空分布特征、游憩满意度及其与环境要素的耦合关系进行分析，以提升景区的游憩体验质量[27]。遗产保护利用方面的研究则通过比较官方宣传文本与网络游记文本，分析遗产地的关注度与共现效应，以理解访客游憩意愿与官方宣传意图产生偏差的原因[28]，从而为遗产保护利用提供更加科学合理的营销策略。

环境感知与体验评价聚焦微观层面的用户情感与情绪感知分析，研究内容包括景观要素偏好、环境形象感知和景观评价与优化三个方面。其中，景观要素偏好分析主要通过挖掘文本信息或解析图像内容，研究景观要素与用户游憩喜好和情绪感知间的耦合关系[29]；随着眼动追踪技术的发展，利用实景眼动仪研究用户视觉行为，可以揭示不同环境要素的视觉吸引力以及视像与心理活动的关联机制[30]，推进了环境心理学支持下的景观环境特征研判。环境形象感知分析主要通过网络游记或社交平台上的图片来分析用户对目的地形象的感知[31]，为景观环境设计与空间形象展示提供了更加精细的依据。近年来，网络短视频作为新兴的主动型数字足迹，开始被用于研究城市形象建构与空间意象传播[32]，不过由于缺乏对视频内容的深度学习，该方向的研究目前较少。景观评价与优化方面的研究主要是基于机器学习和关键词匹配技术，对景观满意度和情感状态进行系统评价[33]，对于强化绿色空间的服务质量具有重要作用。

与以上两个方向的研究相比，宏观层面的区域结构协调与功能提升研究对主动型数字足迹的挖掘尚处初级阶段，已有研究主要关注游憩差序格局、社交网络分布、区域资源空间结构以及城市活动区动态选择偏好等。其中，游憩差序格局主要研究不同类别的游憩者在城市尺度上时空行为的格局差异，以保障不同类型的游憩需求，协调游憩资源的空间分布[34]。社交网络分布研究主要通过分析在线社交网络使用情况来研究地理隔离与社会网络结构的关系，从而在保护社会网络完整性的同时促进区域间的混合与交流，保持城市均衡发展[35]。区域资源空间结构优化将旅游资源与产业资源（如住宿和餐饮业）作为研究对象，通过分析不同资源的空间格局与网络关系[36]，为城市服务业水平及服务产品质量的提高提供参考依据。城市活动区动态选择偏好研究主要通过分析基于位置服务的社交签到数据，探究用户对于游憩目的地选择偏好的动态变化；随着多源数据的融合，尤其是与被动型数字足迹的联用，该方面的研究目前已经扩展至城市群尺度[37]，相关成果为优化城市群结构、协调城市间发展提供了科学依据。

4 总结

4.1 单一类型数字足迹的应用局限

随着大数据与智慧城市的纵深化发展，目前可供利用的数字足迹种类与数量与日俱增，但单一类型数字足迹的应用局限也愈加凸显。早期手机信令数据等被动型数字足迹在城市空间研究中应用单一且数量较少，究其原因是由于原始数据获取困难，而且与之相配套的软件应用和系统开发较少；加之被动型足迹中缺乏语义信息，并且缺少精准化的个体信息，无法获取较详细的社会、经济和人口属性，致使部分探索个体或特定群属潜在行为的机制模型难以精准建立[38]。不过，被动型数字足迹的定位误差较小，一般可以控制在数米之内。与之相比，主动型数字足迹的空间分辨率一般较低——来自社交网络的电子数据只能定位到事件发生时所在天线的覆盖范围内，精度一般在数百米到数十米之间。因此，主动型数字足迹更适合区域尺度或城市层级的研究。此外，主动型数字足迹的时间分辨率也存在不确定性，加之不同社交平台与主题网站的使用覆盖率、数据更新频率和目标用户不同，导致主动型数字足迹在空间上分布并不均匀，且质量各不同[39]，从而使单一数据集产生一定偏见性。可见，有必要将多种数据类型结合使用，从而有效减少单一数据源造成的偏差。

4.2 两种类型数字足迹的耦合趋势

总体而言，使用被动型数字足迹利于研究基础物理空间，使用主动型数字足迹则利于研究人类行为情感。随着数字化的推进，手机信令数据等被动型数字足迹开始被运营商以网络管理的目的保存利用；诸多存储主动型数字足迹的开源社交平台，如OSM、大众点评、微博等，使用规模也开始扩增。随着各种数字足迹的获取成本不断降低，许多电子数据开始以可视化的形态向公众开放，推动了公众感知参与城市建设的进程。于是，将二者结合使用，互相校对补充，成为未来城市进行交叉研究、综合运用的有效技术手段。目前，两种数字足迹的结合使用基本分为两种情况：一是利用主动型数字足迹对被动型数字足迹的分析结果进行校正，如基于手机信令、POI 和OSM 数据的分析结果，利用点评和签到数据对其进行二次校核[40]，从而将客观的物质空间研究与主观的感知体验研究进行耦合；二是将两种类型的数字足迹作为多源大数据同时使用，并找出多个数据源之间的相关性，从看似杂乱无章的数据中找出它们的特征和内在联系，进而勾勒出研究对象的全貌。当前针对数字足迹的研究已经意识到：数据割裂容易造成研究结论走向片面，数据融合则能导向新规律与新价值的发现。

4.3 数字足迹与数字鸿沟

互联网兴起之初，由于社会阶层、教育程度、地理位置、年龄以及种族等方面的差异，导致不同群体在接入网络服务与获取通信技术时产生差异，形成了“数字鸿沟”（digital divide）。根据第45 次《中国互联网络发展状况统计报告》显示，截至2020 年3 月，我国非网民规模为4.96 亿，使用技能缺乏、文化程度限制以及年龄因素是造成非网民无法接入网络的主要原因。由于数字鸿沟的存在，以及软硬件设备的客观差异，使得留下数字足迹的用户可能无法代表研究对象的随机样本，造成分析结果需要进行二次处理才能得到适当解释。虽然数字鸿沟是科技与社会急速发展带来的副作用，但不应成为必然结果。要解决数字鸿沟问题，需要构建更加健全的社会支持体系，在其背后则是城市治理精细化的长期议题。随着积极社交方式的推进，线上用户开始加入各种专业群组，并朝着线上线下互动的方向发展；加之新媒体和智能产品在开发层面更加注重弱势群体的信息获取手段与内容友好设计，均为跨越数字鸿沟提供了系统、科学的全方位支持。由此，传统意义上的数字鸿沟正逐步被填补。

4.4 数字足迹的发展前景

进入21 世纪，大数据正以空前的速度重构着人类对于世界的认知和理解方式，未来数字足迹的研究也愈将精细化。首先是数据精度的强化：随着地理信息感知设备和物联网技术的普及，研究者将能获取更加精确的定位，以及更为精细、具体的数据信息；随着研究范式的转型，新问题的发现将有助于深入挖掘城市的动态变化过程和人类活动状态，从而拓展数字足迹在城市空间研究中的分析尺度与内容；如若行政部门与移动通信运营商和互联网公司之间的壁垒能够进一步打破，多源大数据的共享将有助于提高数字足迹的研究效率与分析范畴。

其次是研究对象的细化：既往研究普遍关注集群的空间分布与时空行为，随着可穿戴设备与VR 技术的深入发展，研究个体在空间环境中的生理反应和情绪感知变化将成为城市研究的重要方向[41]。目前，虚拟空间技术的发展促使人类的日常行为模式和实体空间利用方式发生重大变革；尤其受到新冠疫情影响，人类日常行为逐渐呈现虚拟化与线上化趋势，导致数字足迹在个人生活足迹中的占比不断增大，数字足迹涉及的研究范畴和数据内涵得到极大提升。随着元宇宙（metaverse）概念的提出，基于数字足迹刻画的用户画像（personas）对于虚拟空间精细化建设具有较大应用价值。此外，在防疫的背景下，被动型数字足迹已经成为疫情监测、防控的有效工具，不仅能够帮助行政部门迅速获取风险区域、感染规模、病例时空分布与流动的情况，还能协助其更加合理地部署管控政策并协调医疗资源，其中与时空位置数据紧密相连的健康码和行程码，便是数字足迹保障疫情联防联控的成功应用范例。然而，在后疫情时代，如何突破仅从时间维度纵向对比疫情前后数据变化的传统方法，并且创造性地将数字足迹与城市空间精细化治理和防疫策略弹性化管控相结合，则是数字足迹研究亟待拓展的全新领域。

2019 年，习总书记在视察城市治理工作时提出“人民城市人民建，人民城市为人民”的重要理念，并再次强调城市是为人类而生，任何城市分析或规划行动都应以提高城市生活质量为最终目标。随着数字足迹在城市研究中的广泛使用，众多无序随机的非结构数据可以转化为有意义的社会组织形式加以利用。由此，城市空间的动态规律与感知体验将不单作为一项活动被研究，其背后蕴含的具像化与个性化的人亦将作为社会实体而被认真对待。

注：文中所有图表均为作者绘制。

[1] NEGROPONTE N.Being digital[M].New York: Vintage Books,1995.

[2] PINE B J,GILMORE J H.The experience economy[M].Brighton: Harvard Business Review Press,2011.

[3] 孙智中,张晨.基于厚数据的信息分析：内涵与模式[J].情报资料工作,2020,41(3): 69-75.

[4] 刘畅.网人合一：从Web1.0 到Web3.0 之路[J].河南社会科学,2008（2）:137-140.

[5] SALAS-OLMEDO M H,MOYA-GÓMEZ B,GARCÍA-PALOMARES J C,et al.Tourists’ digital footprint in cities: comparing big data sources[J].Tourism management,2018,66:13-25.

[6] OSBORNE N,CONNELLY L.Managing your digital footprint[J].ALISS quarterly,2015,11: 22-26.

[7] GIRARDIN F,CALABRESE F,FIORE F D,et al.Digital footprinting:uncovering tourists with user-generated content[J].IEEE pervasive computing,2009,7(4): 36-43.

[8] GIRARDIN F.Catching the world’s eyes[M]// OFFENHUBER D,RATTI C.eds.Decoding the city: urbanism in the age of big data[M].Basel:Birkhauser Verlag AG,2014.

[9] ROSE G,WILLIS A.Seeing the smart city on Twitter: colour and the affective territories of becoming smart[J].Environment and planning d:society and space,2018,37(3): 411-427.

[10] STOCK K.Mining location from social media: a systematic review[J].Computers,environment and urban systems,2018,71(5): 209-240.

[11] DOURISH P.Re-space-ing place[C]// Proceedings of the 2006 ACM Conference on Computer Supported Cooperative Work,2006: 299-308.

[12] KONG C,GAO M,XU C,et al.Entity matching across multiple heterogeneous data sources[C]// International Conference on Database Systems for Advanced Applications,2016: 133-146.

[13] ARYA V,SETHI D,PAUL J.Does digital footprint act as a digital asset?enhancing brand experience through remarketing[J].International journal of information management,2019,49: 142-156.

[14] OENDER I,KOERBITZ W,HUBMANN-HAIDVOGEL A.Tracing tourists by their digital footprints: the case of Austria[J].Journal of travel research,2016,55(5): 566-573.

[15] TU W,LI Q,FANG Z,et al.Optimizing the locations of electric taxi charging stations: a spatial-temporal demand coverage approach[J].Transportation research part c,2016,65: 172-189.

[16] TU W,CAO R,YUE Y,et al.Spatial variations in urban public ridership derived from GPS trajectories and smart card data[J].Journal of transport geography,2018,69: 45-57.

[17] LOUAIL T,LENORMAND M,CANTU ROS O,et al.From mobile phone data to the spatial structure of cities[J].Scientific reports,2014,4(1): 1-14.

[18] ZHANG Y,MARSHALL S,CAO M,et al.Discovering the evolution of urban structure using smart card data: the case of London[J].Cities,2021,112(3): 103-157.

[19] ZHOU Y,FANG Z,THILL J C,et al.Functionally critical locations in an urban transportation network: identification and space-time analysis using taxi trajectories[J].Computers,environment and urban systems,2015,52: 34-47.

[20] ZENG C,YANG L,DONG J.Management of urban land expansion in China through intensity assessment: a big data perspective[J].Journal of cleaner production,2017,153: 637-647.

[21] 钟炜菁,王德.基于居民行为周期特征的城市空间研究[J].地理科学进展,2018,37(8): 98-110.

[22] YABE T,TSUBOUCHI K,SEKIMOTO Y.City flow fragility: measuring the fragility of people flow in cities to disasters using GPS data collected from smartphones[J].Proceedings of the ACM on interactive mobile wearable & ubiquitous technologies,2017,1(3): 1-17.

[23] 谢栋灿,王德,钟炜菁,等.上海市建成环境的评价与分析：基于手机信令数据的探索[J].城市规划,2018,42(10): 103-114,126.

[24] HE Q,HE W,SONG Y,et al.The impact of urban growth patterns on urban vitality in newly built-up areas based on an association rules analysis using geographical ‘big data’[J].Land use policy,2018,78: 726-738.

[25] 李渊,郑伟民,王德.景区旅游者空间行为研究综述[J].旅游学刊,2018,33(4): 103-112.

[26] VU H,LI G,LAW R,et al.Exploring the travel behaviors of inbound tourists to Hong Kong using geotagged photos[J].Tourism management,2015,46: 222-232.

[27] WALDEN-SCHREINER C,LEUNG Y,TATEOSIAN L.Digital footprints:incorporating crowdsourced geographic information for protected area management[J].Applied geography,2018,90: 44-54.

[28] 梁保尔,潘植强.基于旅游数字足迹的目的地关注度与共现效应研究——以上海历史街区为例[J].旅游学刊,2015,30(7): 80-90.

[29] 唐佳薇.基于旅游照片的湖南省国家森林公园游客景观偏好研究[D].湖南: 中南林业科技大学,2018.

[30] 李渊,高小涵,黄竞雄,等.基于摄影照片与眼动实验的旅游者视觉行为分析——以厦门大学为例[J].旅游学刊,2020,35(9): 41-52.

[31] 邓宁,刘耀芳,牛宇,等.不同来源地旅游者对北京目的地形象感知差异——基于深度学习的Flickr 图片分析[J].资源科学,2019,41(3): 416-429.

[32] 张琳,朱文一.抖音短视频空间意象初探——以三处重庆网红打卡地为例[J].城市设计,2020,1: 36-45.

[33] 朱钟炜.基于社交媒体数据的城市绿地景观满意度评价方法[D].北京:北京大学,2020.

[34] 刘震,戴泽钒,楼嘉军,等.基于数字足迹的城市游憩行为时空特征研究——以上海为例[J].世界地理研究,2019,28(5): 95-105.

[35] TÓTH G,WACHS J,DI CLEMENTE R.et al.Inequality is rising where social network segregation interacts with urban topology[J].Nature communications,2021,12(1): 1-9.

[36] 秦萧,甄峰,朱寿佳,等.基于网络口碑度的南京城区餐饮业空间分布格局研究——以大众点评网为例[J].地理科学,2014,34(7): 810-817.

[37] 潘碧麟,王江浩,葛咏,等.基于微博签到数据的成渝城市群空间结构及其城际人口流动研究[J].地球信息科学学报,2019,21(1): 68-76.

[38] CALABRESE F,FERRARI L,BLONDEL V.Urban sensing using mobile phone network data: a survey of research[J].ACM computing surveys,2014,47(2): 1-20.

[39] GRAHAM M,ZOOK M.Augmented realities and uneven geographies:exploring the geolinguistic contours of the web[J].Environment & planning a,2013,45(1): 77-99.

[40] 陈圆圆.上海市公共活动中心空间绩效及影响因素研究[J].上海国土资源,2019,40(3): 13-19.

[41] 陈筝,刘颂.基于可穿戴传感器的实时环境情绪感受评价[J].中国园林,2018,34(3): 12-17.