社会感知视角下的若干人文地理学基本问题再思考

刘瑜

1 大数据与社会感知

随着大数据时代的到来，学者们认识到了大数据对于地理学以及相关学科(如城市规划、环境保护、交通等)研究的机遇和挑战[1～4]。目前，关于大数据并没有一个标准的定义[1]。考虑到大数据这一概念的出现与传感网、移动互联网等信息技术的发展密切相关，通常把如下途径获取的数据归于大数据的范畴：直接的(如监控设备采集的视频影像)、自动的(如手机、公交卡获取的数据)、志愿的(如社交媒体数据)[3]。其中第二、三类数据近年来在地理研究中受到了广泛关注，其共同特点是每条记录具有时空标记并且可以关联到个体，而一个数据集中包含了大量个体的行为信息。在本文中，地理空间大数据特指这两类数据。目前研究较多的地理空间大数据有手机数据、公交卡数据、出租车轨迹、社交媒体数据等。

对于一个个体而言，其空间行为具有随机性而难以提取有价值的规律特征。然而，当样本变大，一个群体的行为的规律性就较为明显，这种规律性与地理环境，尤其是地理环境中的社会经济特征有关。因此，地理空间大数据为人们进一步定量理解社会经济环境提供了一种新的观测手段。最近，Liu等提出了“社会感知”(social sensing)概念及研究框架，指出社会感知是指借助于各类海量时空数据研究人类时空间行为特征，进而揭示社会经济现象的时空分布、联系及过程的理论和方法[5]。社会感知数据可从三个方面提取人的时空间行为特征：①对地理环境的情感和认知(如基于社交媒体数据中可以获取人们对于一个场所的感受)；②在地理空间中的活动和移动(如基于出租车、签到等数据可以获取海量移动轨迹)；③个体之间的社交关系(如基于手机数据可以获取用户之间的通话联系信息)。社会感知研究框架包括人、地、时三个基本要素。首先，在“人”的方面，社会感知数据可以获取人的活动与移动、社交关系、情感与认知等行为模式；其次，在“地”的方面，可以基于群体的行为特征揭示空间要素的分布格局、空间单元之间的交互以及场所情感与语义；最后，从“时”的视角，可以发现地理过程(尤其是人文地理过程，如城市空间结构演化)的规律和特征。与社会感知手段相比，传统的遥感技术利用光谱特征等获取地物信息，但无法有效感知社会经济环境特征，而大数据包含丰富的人群时空间行为信息，形成了对传统遥感数据的有力补充。

在传统的人文地理学研究中，由于样本量通常较少，难以直接根据人的行为特征去推断地理环境。而根据社会感知框架，相关研究主要有如下几个方向：①基于活动时间变化特征分析用地功能[6～8]；②基于空间交互发现城市或区域的空间结构[9～10]；③基于社交媒体语义数据提取特定地理事件与地理环境特征[11～14]。正如这些研究所展示的，大数据使基于人的时空行为感知并理解地理环境成为可能[5]。回顾人文地理学发展的几次转向，计量革命因为缺少对人的关注而受到批评，而后期行为主义则受限于样本太小，缺乏定量模型。大数据的出现以及相关的社会感知手段研究，在一定程度上弥补了上述两个方面的不足，对于地理学尤其是人文地理学研究具有重要意义。对于地理信息系统与科学而言，大数据的意义体现在两个方面。首先，大数据管理和分析需要研究实现新的数据模型和空间分析方法；其次，大数据也为实现以人为本的地理信息系统提供了支持[15]。

地理空间大数据及其提供的社会感知手段，带来了全新的研究范式，促进了人文地理学的研究[16]，也有助于重新审视地理学研究的一些基本问题。由于空间分布和空间交互是地理学研究的两个重要传统[17～18]，它们共同表征了空间异质性(spatial heterogeneity)，而定性方法与定量方法是人文地理学研究的两条重要途径，因此，本文围绕空间分布和空间交互以及定性方法和定量方法这两组问题，归纳最新研究进展，并探讨社会感知支持下的空间分布和空间交互研究，以及如何从“人”和“地”这两个视角去集成地理学中的定性与定量方法。

2 空间分布和空间交互

空间异质性是地理学的基础概念，它表现为观测变量的一阶分布(distribution)以及场所间二阶交互(interaction)的时空变化特征。空间分布和空间交互在现代地理学研究中受到广泛重视，Ullman、Hartshorne、Castells等著名学者均对此问题进行了探讨[19～21]。Tobler地理学第一定律正是阐述了分布的空间依赖(spatial dependence)及交互所受到的距离影响，从而在理论上支持相关的空间建模与分析[22～25]。

2.1 感知空间分布和空间交互

大数据同时提供了对于空间分布和空间交互的感知手段。首先，人类活动密度的空间差异及时间变化表达了相应地理现象的分布特征，如图1a所示，利用超过50万用户一年内的社交媒体签到位置，展现了中国城市化程度较高的区域以及主要交通干线的空间分布特征。

除了签到数据，手机的通话记录以及出租车的上下车点都可以用于量化人群活动的时空分布规律[26～27]。在城市尺度上，由于相同功能地块具有相近的人群活动密度以及日变化特征，例如，城市商业中心区的人群活动量呈现出“昼高夜低”的模式，而在居民区，其活动变化模式正好相反。因此，可以基于不同地块的活动时间变化曲线对研究区域进行土地利用分类[6，8]。此外，还可以从带有时空标记的社交媒体数据获取个体的认知和情绪信息，从而在群体层面构建与不同地点相关联的语义与情感，并刻画地理空间异质性，如Dodds利用Twitter数据研究了区域的“幸福感”(happiness)分布特征[28]。不论是活动随时间变化的特征，还是语义与情感特征，都可以用于表征地理单元间的空间差异性和依赖性，以及在此基础上展示的空间分布模式。

注：其中暖色调表示高值，冷色调表示低值。

图1 利用社交媒体签到数据得到的中国签到点分布及城市间交互模式

Fig.1 Spatial distribution of check-in points and spatial interactions between 370 cities in China(Both maps are created using a social media check-in data set,where the warm and cool colors denote high values and low values,respectively.)

地理学有很久的空间交互研究传统，其中空间交互的解释模型受到了学者的广泛关注[29]。利用大数据所反映的个体移动和联系，可以在聚集层面量化地理单元间的空间交互。例如，基于同样社交媒体签到数据获取的个体城市间移动轨迹，可以进行汇总并表达城市间的空间交互模式(图1b)[30]。近年来，随着大数据的广泛应用，许多学者基于空间交互构建嵌入空间的网络(spatially embedded network)，即网络的每个节点对应一个地理单元，并引入网络科学分析方法，如中心性度量和社区分割(community detection)，从而定量评价地理单元的重要性并发现研究区的结构特征。区域划分是处理地理空间异质性的一条重要途径。在大数据的支持下，目前主要有两类分区方法：第一种方法考虑地理单元所关联的活动时变特征相似性，或语义情感的相似性，利用聚类方法，如K均值聚类，将相似性高的区域进行合并；第二种则利用地理单元之间的联系强度，利用网络社区发现算法，将联系较为紧密的地理单元划分到同一区域[9～10]。这两种方法分别基于空间分布的依赖性和空间交互的强度，其区划结果的地理含义存在差异。前者将会得到特定属性(如土地利用)较为均质的区域，而后者得到的分区则往往拥有更为丰富的内部结构，并且可以归因于分区内地理单元功能的差异性和互补性(图2)。

2.2 空间分布和空间交互中的距离和尺度问题

2.2.1 距离衰减效应 正如Tobler第一定律所陈述的，空间邻近的区域往往具有相似的属性以及更强的交互。在空间分析中，前者可以通过空间自相关指数(如Moran's I等)加以度量，而后者则可通过重力模型等途径定量表征距离衰减。大数据提供了基于人的空间行为特征量化现象分布和交互中的距离影响的支持。

地理分布中的距离衰减效应意味着空间距离近的区域具有相似的观测值，即表现为正的空间自相关。地理空间的这种分布特性，对于空间分析至关重要，因为它是空间插值的理论基础[25]。例如在地统计学分析中，即利用方差随距离变化表示相似度的距离衰减，进而构建插值函数。对于自然地理现象，相似度的距离衰减容易被观测和理解，如Zhao对于中国气候以及植被相似度的空间衰减进行了定量研究[31]。而对于人文地理现象，尤其是与人的行为有关的现象，其相似度距离衰减及空间自相关程度尚需进一步研究。由于地理障碍及人群异质性的影响，导致人文地理现象空间自相关不显著甚至呈现负的空间自相关，典型的如城市的居住隔离(residential segregation)现象。在图3所示的北京市昌平区遥感影像中，仅仅一路(京藏高速公路)之隔，分别是别墅区和年轻中低收入者租住的城中村，无疑，其居民收入水准以及空间行为模式会有明显的差异。Liu等通过扩展Moran's I系数，利用城市出租车数据，初步印证了以上论断[32]。人文现象的这一分布特点，使得研究中基于观测样本的插值操作[33]需要谨慎。

注：其中不同颜色表示不同区块，采用数据为出租车轨迹数据。

图2 北京五环以内的城区基于相似性以及交互强度的空间划分方法

Fig.2 Two regionalization schemata based on similarity and spatial interaction(Different zones are depicted using different colors.The study area is the urban area inside the Fifth Ring Road of Beijing.Both are computed using a taxi trajectory data set.The subfigure a is created by classifying the diurnal variations of pick-ups and drop-offs in parcels,indicating that parcels in the same category have similar land use characteristics.The subfigure b is computed based on spatial interaction strengths between parcels,indicating that parcels in the same zone have relatively strong connections.)

图3 人文地理现象更为强烈的变化梯度

(a.北京市昌平区北四村以及碧水庄园别墅区的遥感影像；b.北四村为著名的“蚁族村”，约有9万年轻人租住于图示范围内；c.环境优美的碧水庄园别墅区，与北四村最近距离不到1km)

Fig.3 Rapid spatial change of human geography phenomena

(a.The remotely sensed image of Beisicun and Bishuizhuangyuan villa district; b.Subfigure b shows the street view of Beisicun,which is a well-known ant tribe village in Beijing; c.In contrast,Bishuizhuangyuan,only one kilometer away,has a beautiful view.)

Couclelis认为，所有经典的人文地理模型在表征空间时都将活动视为距离的函数[34]。随着信息通讯技术的发展，距离的空间阻隔作用被大大削弱[35]，因此许多学者提出了“距离的消亡”(death of distance)[36]。大数据提供了检视这一论断的支持，除了基于个体的空间移动度量场所之间的联系强度，还可以通过用户间利用信息通讯手段(如手机通话、微博互粉)等建立的联系感知空间交互。对于前者，人或物在空间中的移动由于成本原因会出现距离衰减；而对于后者，即基于信息通讯手段建立的联系中距离影响的程度，目前的研究表明该影响依然存在。例如Kang等利用手机数据，通过重力模型拟合，得到幂律(power-law)形式的距离衰减函数，其指数为0.5[37]。这说明在基于信息通讯技术建立的联系中，距离衰减效应尽管较弱，但并非已经“消亡”。这可以归因于人们在网络空间的联系可以认为是真实世界中联系的映射，即两个区域间的社会经济关联越强，通常其间居民的联系也越多，即两者存在正相关关系。由于前者存在距离衰减效应，使得在群体层面的联系依然受到空间约束，而不是与距离无关。

注：图c中三角符号和方形符号别表示轨迹起点和终点。

图4 个体和群体两个层面的空间分布与空间交互

Fig.4 Spatial distribution and interaction at both the individual and aggregate levels(a.Individual level point distribution.b.Aggregate level distribution based on areal units.c.Individual level interaction.d.Aggregate level interaction between areal units.)

2.2.2 尺度效应 空间分布和空间交互在传统地理学研究中，多在区域聚集层面进行分析。由于地理学缺乏天然的分析单元[38]，研究结果依赖于空间单元形状，即产生了可变面状单元问题(Modifiable Areal Unit Problem，MAUP)[39]。Armhein指出该问题的产生包括两种情形：从小面积单元到大面积单元的不同尺度的聚合方式，以及研究区的不同划分方案[40]。由于大数据的基本粒度是个体，使得研究者可以同时从个体和群体两个层面观察空间分布和交互模式(图4)。很明显，在个体层面的分布和交互模式中，并不存在分析尺度的影响。只有当试图依据不同空间分析单元概括群体层面的模式时，才需要处理MAUP问题。因此，可以基于大数据感知到的行为模式在不同聚合方案中的变化，考察地理现象的尺度效应。

与空间分析中的尺度效应相类似，基于大数据研究人的空间行为模式需要注意生态学谬误(ecological fallacy)问题。由于大数据具有海量的个体样本，使得研究者可以很容易观察整个样本的空间行为模式并建立解释模型。然而，由于人群异质性(population heterogeneity)的存在，基于整个人群得到的模式和模型未必适用于每个个体[30]。例如，对于一个人群中所有具有联系的个体之间的距离分布，尽管基于手机数据已经观察到距离衰减效应[37]，然而具体到每个人，其联系对象的空间分布未必随距离增加而变得稀疏。不论是地理空间的MAUP问题还是人群的生态学谬误问题，都需要在大数据研究中，建立微观个体到宏观群体两个层面模式的关联。

3 定性方法和定量方法

定性方法和定量方法是人文地理学研究中的两条重要途径。前者指通过访谈方式获取被研究对象(如特定人群)的属性进行分析并得到结论，后者则指利用数学工具尤其是统计方法量化地理现象并构建相关定量模型(如重力模型)，关美宝指出，“通过定量方法与定性方法在不同领域中的混合使用，(可以)实现对社会—文化与空间—分析隔阂的超越并形成更有洞察力的研究方法”[41]。我们认为，大数据由于其独特的对人的空间行为模式和地理环境的感知能力，有助于支持定性方法和定量方法的混合使用。

3.1 大数据和小数据

与大数据相对应，小数据指个体化的或者小样本的数据。由于地理学很少针对个体开展研究，因此本文中小数据特指利用访谈方式获取的小样本数据，其形式既可定量，亦可定性。小数据在地理研究中的重要意义也不能被忽视，图5从数量的角度比较了大数据与小数据的区别，并给出了基于大数据与小数据的不同研究实例，可以用数据表做比喻描述它们的差异，即大数据体现为“行数多而列数少”，而小数据则“行数少而列数多”。通常，大数据样本量较大，但是缺乏丰富的属性内容。例如，基于手机通话数据，可以提取手机用户的移动轨迹以及社交关系，然而移动轨迹对应的出行目的等信息却无从得知。与之相反，小数据样本量较小确拥有相对全面的描述性信息，如人的年龄、性别、家庭状况、历史迁居等，如在Kwan针对穆斯林妇女的环境恐惧研究中，采用访谈方式对37名受访对象进行了调查[42]，采集了每个个体的活动及感受的细节信息。因此，由于大数据和小数据的差异，也有将大数据视为“薄数据”(thin data)，而小数据视为“厚数据”(thick data)的说法[43]。

定性研究中获取的访谈数据，除了样本量较小外，根据研究目的，在属性上通常具有较高的均质性，例如，在文献[42]中，受访对象具有“穆斯林”和“女性”两个特征，而文献[44]则针对居住于单位大院的城市居民。与之相反，大数据的采集由于未经采样设计，所反映的人群通常是异质的。González等研究发现人群异质性对于所观测到的移动性模式的影响[45]；Xie则进一步指出人群异质性是社会学研究需要处理的重要问题[46]。对于地理研究而言，人群异质性使得基于大数据提取的模式较为平凡而针对性不强，这约束了大数据的应用价值；此外，样本有偏以及属性偏少的缺陷也影响了解释性模型的构建。例如，出租车轨迹数据只能反映了一个城市中的部分出行而且无法获取出行目的，使得难以基于该数据针对特定出行需求(如就医)优化城市规划从而减少出行总量。

图5 不同实证研究中人群样本大小的差异，表达了大数据与小数据的区别

Fig.5 Population sizes of different studies,indicating the difference between big data and small data

图6 空间、场所以及与场所相关联的人的体验

Fig.6 A class diagram of place,representing the concepts of space,place with human experiences,and their relationships

因此，尽管目前大数据已经被广泛应用，但为了弥补大数据的上述不足，小数据的重要性依然不可忽视[16]。从“人”的角度出发，大数据与小数据的集成需要解决大数据的人群异质性与属性信息少的问题。一条可行的途径是根据大数据所反映的空间行为模式，对人群进行聚类或根据预设规则识别出特定群组，从而得到相对均质的子集，并在此基础上集成多源大数据。该方法相当于增加了数据列数，从而更好地支持与小数据的组合，即可以通过传统方式对感兴趣子集收集更为丰富的属性信息。在实践中，对人群分组的依据包括空间行为模式的相似性以及社交关系强度等。例如，Long等利用公交卡数据提取了城市居民的极端出行行为，如早出晚归、长距离通勤等[47]，从而识别出了部分城市低收入人群的空间移动特征；而Shi等利用手机通话数据反映的个体联系，对城市居民进行分组，进而定量分析了特定人群(如由于单位集体购房而引起的职住分离人群)及其时空移动模式[48]。

3.2 空间与场所

空间(space)和场所(place)是理解地理环境的两条重要途径[49～50]。空间定义了地理分析的参考框架，空间视角的分析方法注重坐标、几何、距离等精确的度量[51]。而场所则与个人的体验有关[52]，在GIS中对于场所多基于地名及地名间的关系等定性方式建模。大数据不仅支持空间视角的分布和交互分析手段，而且为理解场所提供了基础[5]。由于大数据对于人的空间行为模式的揭示能力，使得可以从语义与情感、人群活动、空间交互等途径描述与一个场所相关联的人的体验。Sui等认为空间和场所分别提供了“自上而下”和“自下而上”的分析地理问题的视角[53]。如图6所示的UML类图，一个空间中可以嵌入多个场所，每个场所在定性GIS实现中拥有自己名称并且与其它场所具有不同的空间关系[51]。然而，人文地理学研究更关注人的场所体验，在传统研究中，该体验通常基于访谈、问卷等途径获得。

大数据从语义与情感、人群活动、交互模式等3个途径提供了对场所体验的感知(sense of place)手段。图7利用带位置的新浪微博数据，分析了与“北京大学”这一场所相关联的空间行为特征。其中，图7a展示了微博内容的关键词频率，部分反映了相应微博用户的场所情感。由于微博带有时空标记，还能够分析校园内以大学生为主体的人群的活动时间分布(图7b)和空间分布(图7c)特征，其中图7c所展示的活动热区分布与宿舍以及教学区高度吻合。图7c还展示了一个很有趣的现象，就是北京大学校园景色最为漂亮的未名湖区微博签到分布量并不高。由于数据时间范围为学期中间，校园内的签到微博主要由大学生发布。一方面大学生学业紧张，使得他们活动主要集中于宿舍和教室；另一方面本校学生对于未名湖景色习以为常，缺少在该区域发布微博的动机。根据文献的研究，旅游过程中的签到数量会偏高[30]，因此，可以想象到暑假期间，由于有大量游客参观北大校园，未名湖区的签到数量将会大大增加。以上通过微博所反映的时空行为模式，都体现了以大学生为主的相对均质的人群对于其生活的校园这样一个场所的体验。尽管信息通讯技术提高了人们的移动性和联系性，降低了场所与个体行为之间的耦合关系[35]，大数据所提供的群体体验依然有助于研究者理解一个场所的特征。

大数据同样可以用于感知场所的空间范围。由于场所与人的体验有关，属于认知边界(fiat boundary)对象而其边界通常具有含糊性[54]。基于大数据中具有相似语义的点数据，可以构造聚合点集(clustered point set)模型以表达场所的空间范围[55]，该模型能够较好处理场所边界含糊性[56]。此外，由于该方法“自下而上”的特征，可以防止特定观察尺度的丢失，从而在一定程度上规避了MAUP问题[57]。如前所述，这种自下而上的思路同样适合于人群的聚类，即基于人的时空行为特征，聚合得到相对均质的群组。由于人群和场所是定性研究方法的两个重要主题，从大数据中识别出有意义的人群和场所无疑有助于与定性方法的结合。这种结合使得不仅能够观察到人群与场所之间的耦合关系，而且可以探究其演化过程及驱动机制。

图7 利用微博数据对一个特定场所(北京大学)相关联空间行为的表达

Fig.7 Representing the activities and experience associated with a particular place,the campus of Peking University,using social media data(Sina Weibo)(a.Word cloud of Weibo contents posted in the campus; b.Temporal activity variation of posting Weibo; c.Spatial distribution of all Weibo posts inside Peking University)

4 结论

随着大数据时代的到来，地理学(尤其是人文地理学)研究拥有了全新的社会感知手段。就如同显微镜的出现，使我们能够观察到之前看不见的对象(如细胞等)，从而促进了生物学发展那样，大数据使得我们能够观察海量个体的空间行为细节并感知地理环境特征，从而为地理学打开了一条“从人到地”的研究路径。目前，在人地关系研究中，地理环境的概念外延已经拓展到建成环境(built environment)乃至行为环境(behavioral environment)[58]，大数据所提供的空间行为及环境感知能力，无疑可为研究人地关系这一地理学传统命题提供有力支撑。

大数据独特的“大样本”、“细粒度”的特点，促使我们在分析处理大数据过程中深入思考地理学的基本问题。本文针对基于大数据感知空间分布和空间交互，以及其中蕴含的距离、尺度等问题进行了讨论，指出量化距离衰减效应时及进行相关分析时需要考虑人群异质性，而基于个体层面的分布和交互进行自下而上的聚合，可以在空间分析中处理尺度效应。这种基于大数据的聚合方法形成了对人和空间的解构，能够识别特定属性的人群和场所，考虑到后两者是定性地理研究中的主要关注对象，大数据有助于实现定性方法和定量方法的混合使用。

尽管大数据作为一个整体概念，对于地理学研究的意义毋庸置疑。然而，在具体的研究及应用中，也要注意一些问题。首先，就目前得到广泛关注的手机信令数据等地理空间大数据而言，大都存在代表性不足以及语义信息偏少的问题[5]。例如，基于出租车数据，只能获取城市居民特定出行目的的信息，其中会过低估计通勤出行的比例[59]。换言之，大数据并非是全数据，研究中需要对于数据的代表性要有充分认识。解决大数据的上述两点不足，一个可能的途径是集成多源数据以及基于调查问卷等途径获取的小数据。其次，大数据主要是提供了一种观察手段并且具有一定预测能力，依然需要去构建模型，解释其中蕴含的行为模式和地理规律。否则，其预测结果可能会不可靠，就像Google流感预测失效那样[43，60]。在这个过程中，尽管有许多合适的定量空间分析方法可以用于分析处理大数据，但是同样不能忽视场所视角的定性方法。因此，对致力于地理空间分析方法的地理信息科学研究者而言，需要重视GIS的地理学根基。作为结论，大数据及其所提供的社会感知手段，有助于重新审视地理学的基本概念和基本问题；而在应用中为了避免大数据的不足，同样需要对地理学基本理论深刻而全面的把握。

原载于：《地理学报》2016年第4期，第564-575页。