摘 要

近年来，城市发展带来的空气污染问题日益增多。随着武汉地区城市化与工业化的不断加速，能源在短时间内大量集中消耗，导致其空气污染问题日益严重。基于人人都是传感器的概念，从社交媒体发布的带有空间信息的自发地理信息文本数据，可以反映社会中存在的一些问题。对此，可以利用爬虫技术，采用特定的关键词，搜集武汉地区关于表达空气质量相关内容的新浪微博数据，通过数据清洗与人工判读等数据预处理，提取出具有签到信息且满足要求的微博。再使用武汉地区空气污染指数AQI（Air Quality Index）数据进行相关性分析，以评价所获取数据的质量及研究可行性。之后将获取数据划分为武汉十三个区域四个季度，在Arcgis中进行可视化，并绘制相应图表来进行时空维度上城市空气质量的研究分析与评价，最终所得分析结果与实际情况比较吻合。也证实了自发地理信息的社交媒体数据集可以用以进行城市空气质量的历史与现状问题的研究。

关键词： 爬虫技术；新浪微博；城市空气质量；自发地理信息；

Abstract

In recent years, the air pollution problems caused by urban development is increasing. With the acceleration of urbanization and industrialization in Wuhan, energy is consumed in a large number of time, which leads to a growing problem of air pollution. Based on the concept that everyone is a sensor, Volunteered Geographic Information text data with spatial information posted from social media can reflect some problems in society. In this regard, we can use crawler technology, the use of specific keywords, collect ingress in Wuhan area on the expression of air quality related content of Sina Weibo data, through data cleaning and manual interpretation and other data pre-processing, extract the check-in information and meet the requirements of the micro-blog. Correlation analysis was carried out using a certain data of the Air Pollution Index AQI(Air Quality Index) in Wuhan to evaluate the quality of the data obtained and the feasibility of the study. The obtained data are divided into four quarters in 13 regions of Wuhan, visualized in Arcgis, and the corresponding charts are drawn to analyze and evaluate urban air quality in space-time dimensions, The results of the final results are in line with the actual situation. It also confirms that Volunteered Geographic Information can be used in social media datasets to study the history and current situation of urban air quality.

Key Words: Crawler Technology; Sina Weibo; Air quality; Volunteered Geographic Information;

目录

第1章 绪论 1

1.1研究目的及意义 1

1.2研究现状 2

1.2.1VGI研究热点 2

1.2.2实时监测与预测类研究 2

1.2.3分析挖掘类研究 3

1.3研究内容与技术路线 4

1.3.1研究内容 4

1.3.2技术路线 4

第2章 理论基础 6

2.1VGI与POI 6

2.2网络爬虫 6

2.3相关性分析 7

第3章 研究区域及方法 8

3.1研究区概况 8

3.2数据获取 8

3.3数据预处理 10

3.4数据质量评价 12

第4章 城市空气质量研究 14

4.1数据可视化表达 14

4.2时空维度上的城市空气质量研究 14

4.2空气质量影响因素探究 16

第5章 结论与展望 18

5.1结论 18

5.2展望 18

参考文献 20

致谢 22

第1章 绪论

1.1研究目的及意义

近年来，在我国城市化进程不断提高的背景下，各地区城市的空气质量却在不断下降。空气质量的好坏与空气污染程度直接相关，其判断依据是通过空气中污染物浓度的高低进行确定的。空气污染现象十分复杂，某一地区某一时间的空气污染物浓度受到多重因素影响。其中来自固定或流动污染源的人的相关生产活动所造成的污染物排放大小是影响空气质量的最主要因素之一，这其中包括汽车，飞机的尾气、工业工厂的生产排放、居民生活中的供暖以及垃圾焚烧等。除此之外，城市发展的密度、地形地貌特征和气象条件等也是影响空气质量的重要因素。过去的2019年中，我国各地都的雾霾污染情况都逐渐加重。目前的城市空气质量监测是通过空气质量监测站来实现，通过对空气中的常规污染因子与气象参数进行分析得出空气质量指数AQI^[1]，进而定量描述空气质量状况。但由于城市内监测站数量有限，且无法完全覆盖同一城市的各个区域，故而可以对城市中不同区域的空气质量进行探索研究，为监测站监测数据提供支持与补充。

随着智能手机、笔记本电脑等小型移动设备逐渐普及，5G网络、GPS等无线通信发展迅速，移动信息网络已成为信息化的新趋势。当移动设备及其应用程序使我们的生活更加方便时，它也可以同时记录我们的行为。因此，移动通信基于定位的服务（LBS）是移动通信的热门服务之一^[13]，它可以通过移动终端基于多种定位技术获取当前位置信息，然后从无线网络获得某些服务。它通过获取定位与查询索引技术进而获取使用者的位置信息，之后可以反馈给用户本人，或者提供给信息通信系统本身、其他请求此用户定位信息的的个人或相关机构，以此实现个性化服务。定位服务生成的信息表示设备用户的地理空间活动特征，能够实时反映用户的位置信息，从而客观地反映用户的空间和时间分布城市人口的活动通过空间使用者的地理分布。因此，基于位置的服务目前已成为大量互联网大数据的主要来源之一。

作为国内主流网站中利用率最高、知名度最高的新浪微博，其提供基于LBS的签到服务，并逐渐成为最受人们所欢迎的应用之一^[2]。基于位置的服务生成的签到数据完全记录信息，包括地理信息（纬度和经度坐标）、时间信息、文本信息以及用户的其他相关内容。微博签到数据具有良好的现实性、丰富的信息、大量的数据等优点^[4]。近年来，签到数据受到国内学者的青睐，成为城市地理学的热门话题。而随着空气质量的不断恶化，人门对于空气质量的关心程度日益上升，并且会借助新浪微博等平台发表自身看法，在这种自发地理信息的分享过程中，用户通过移动互联设备的签到POI数据自发的贡献了地理空间信息^[12]。这种带有位置信息的新浪微博文本数据可以在一定意义上反映实际的空气质量状况。