用户名
密码
(30天内有效)
注册
注册
+ 我要分享数据和工具
你手上有闲置的数据、开发的工具或产品,
免费或有偿分享,立享知识变现!
  • 绿点

    【地级市人口迁徙数据分享】我国城市之间人口从哪来?到哪去?

    【欢迎投稿】如果你有与城市数据、城市创新、智慧城市、新技术等相关主题的稿件,欢迎来稿,稿费多多,请联系微信客服 lemon_udparty【本期看点】我国人口迁徙与我国的城市化进程息息相关,我国人口迁徙活动主要以务工、学习、交流合作等目的为主,我国城市化进程的加快导致了人口迁徙规模的扩大。这其中带来的疾病扩散、交通迁徙等方面的研究迫切需要相关数据分享,而现有的百度、腾讯等迁徙数据暂时没有地级市尺度的数据分享。通过本公众号推文提供的链接,可以下载有关人口迁入和迁出分布的有关数据,通过该数据,可以得知不同城市人口“从哪来”和“到哪去”,该数据也可以用来进行交通仿真、社会学、疾病扩散等研究。 本期投稿 作者:盖振宇现为南京林业大学城乡规划学在读硕士研究生,曾参与过绿地系统规划、大数据在城乡规划中的应用等方面研究数据来源与处理方法2017年,中国国家卫生和计划生育委员会(NHFPC)在中国进行了流动人口动态调查,样本点分布在31个省的356个地级市和地区。受访者是在流入居住地居住了一个月以上,没有在该城市进行户口登记且到2017年年龄在15岁以上的流动人口居民,当前居住地与户籍注册地相同的人口不包括在内。根据计划在356个地级市和地区,调查170,000个住所,实际访问169,989个,涉及667,122名居民,其中575,288名居民住在人口流入地。调查包括获得有关流动人口家庭、住房、基本公共卫生、户口所在地等的基本信息。这项调查数据于2018年底公开 (http://www.chinaldrk.org.cn/wjw/#/home),是目前有关中国人口流动的最新和最全的数据。首先,对收集到的流动人口调查问卷数据利用SPSS软件进行统计,根据被访问者的居住地和户籍地的行政代码来提取对应的地级市,并依据同一家庭成员、同一居住城市等标准进行分组汇总,并赋予相应的代码编号,以方便统计处理。之后,将各个地级市代码以及相对应的数据内容导入Python中,进行批量分类求和统计,将统计结果形成n阶矩阵,行和列分别代表居住地(调查地)和户籍地(出生地),以形成人口迁徙数量矩阵。在构建矩阵时,我们删除了以下人口样本:1)获得当地户口的人口;2)居住在外地的人口。目的是排除居住地与出生地相同的人口样本,以确保迁入和迁出矩阵计算时均为有效的迁徙人口样本,以便进行矩阵计算时,矩阵对角线均为0,即模型中不存在居住地与户籍地相同的人口样本。最后,通过这种方法,流动人口样本可以很好地反映某些流动人口的出生地,经过统计样本总数为432,933个。所形成的人口迁徙网络数量矩阵如下所示:其中代表调查数据中在节点城市i 中出生并在节点城市j中居住的居民数量;m表示城市数量,本研究中总共有356个城市或地区。因为排除了获得户籍的流动人口样本,所以矩阵对角线上的为0。在构建数量矩阵后,我们对每个居住地的概率进行标准化,将每一列或每一行的概率加起来,以形成称为人口迁徙网络概率矩阵,该矩阵类似地理加权空间矩阵。 其中代表出生地是城市j流动到城市i的流动人口居住概率。代表了出生地是城市i的流动人口中流动到节点城市j的居住的概率,总之,p值越高,表明对应的两个节点城市人口迁徙概率越高,即节点在网络中所占权重越高。因此我们可以得到不同城市的人口迁入和迁出概率分布,从而可以进一步预测春节期间交通流量或进行疾病传播等方面的研究。数据使用说明使用该数据时,打开压缩包会有两个shp文件,将其导入ArcGIS中,在属性表中可以查看不同城市对应的不同城市的迁入和迁出概率,以迁入概率为例,可以看到纵行表头为当前研究城市,横行则对应的为其他城市迁入到该城市的概率,迁出概率使用方法与迁入概率相同。图1 迁入概率属性表以武汉市为例,打开迁入概率shp文件,在符号系统中选择武汉市,选择一定的分类方法后,即可得到全国范围内武汉市迁入人口的分布图,如图1所示。图2 武汉市迁入概率选择示例图3 武汉市迁入人口概率分布同理,也可以得到武汉市迁出人口的分布概率,如下图所示:图4 武汉市迁出人口概率分布数据使用及引用方法数据使用说明:该数据仅供个人研究参考,不可用于商业或其他用途。使用该数据进行研究需在文章中标注并致谢:“本文使用了国家卫生计生委流动人口服务中心提供的2017年中国流动人口动态监测数据”。同时也欢迎引用使用该数据进行的研究文章:Fan Chenjing,Cai Tianmin,Gai Zhenyu,Wu Yuerong. The Relationship between the Migrant Population's Migration Network and the Risk of COVID-19 Transmission in China-Empirical Analysis and Prediction in Prefecture-Level Cities.[J]. International journal of environmental research and public health,2020,17(8).本文来自微信公众号:城市数据派,如需转载请联系城市数据派。
    免费
免费
没有更多数据……