基于標簽語義挖掘的城市畫像研究評述

葉光輝 畢崇武

摘?要：[目的/決義]基于標簽語義挖掘的城市畫像是表達公眾認知視角下城市多維特征的結構視圖，其計算與應用研究可為城市治理中的交互式服務提供有效的數據支撐和評測尺度。[方法/過程]隨著城市所處技術環境的變遷，城市畫像研究可劃分為3個序貫相連的階段：傳統社會學階段是萌芽期，此時城市畫像研究逐步由實體層面的認知分析拓展到心理層面的認知分析;社會化標簽的多維分析是過渡期，為后續以標簽資源為基礎的研究提供了多角度分析的路徑;自媒體時代研究是拓展期，強調運用機器學習等智能方法從大規模標簽資源中挖掘公眾認知。[結果/結論]各階段的研究成果將有效拓展標簽利用場景及理論方法，系統構建城市畫像計算與應用范式提供參考。

關鍵詞：社會化標簽;城市畫像;語義挖掘;結構視圖;位置數據

DOI：10.3969/j.issn.1008-0821.2021.02.017

〔中圖分類號〕G203?〔文獻標識碼〕A?〔文章編號〕1008-0821（2021）02-0162-06

Abstract：[Purpose/Significance]The city profile based on tags semantic mining is a structural view of urban multidimensional features from the perspective of public cognition，the study of its calculation and application can provide effective data support and evaluation criteria for interactive services in urban governance.[Method/Process]According to the change of the technical environment in which the city is located，the study of urban portraits can be divided into three sequential stages as follows：the traditional sociological analysis is the germination stage.At this time，the urban portrait study was gradually extended from the cognitive analysis at the substantive level to the cognitive analysis at the psychological level;The multidimensional analysis of socialized tags was a transitional period that provides a multi-angle analysis path for subsequent research based on tag resources;Research in the media era was an extended period，emphasizing the use of intelligent methods such as machine learning to mine public perception from large-scale tag resources.[Pesult/Conclusion]The research results at each stage would effectively expand the label utilization scenarios and theoretical methods，and provide a reference for systematically constructing urban image calculation and application paradigms.

Key words：social tags;city profile;semantic mining;structural view;location data

當前許多智慧城市建設項目主要關注城市基礎設施布局，著力通過新一代信息技術來提升城市硬件的智能化程度，但隨著智慧城市建設熱度的不斷上升，城市間基礎設施的差距正在逐步縮小，“如何培育城市形象，改善公眾印象”已成為新時期城市智慧化管理和服務的焦點議題。

隨著移動網絡和政務社交媒體的融合發展，面向公眾的交互式服務平臺越來越多，它們正逐步發展成為公眾“連接政務”的重要窗口。據中國互聯網絡信息中心（CNNIC）發布的第41次《中國互聯網絡發展狀況統計報告》顯示，截至2017年12月，我國在線政務服務用戶規模達到4.85億，占總體網民的62.9%，微信城市服務、政務微博等政務服務平臺不斷擴張服務范圍，上線并完善多類服務，并向縣域下沉。與此同時，平臺本身所集聚的標簽、評論等語義資源也正呈指數級增長，這既給信息保管帶來了極大的挑戰，也給城市畫像研究提供了大數據分析的契機。目前美國聯邦機構、英國國家圖書館與檔案館、加拿大圖書檔案館等都已開展了政務社交媒體信息保管項目（如美國“總統奧巴馬社交媒體歸檔”項目），呼吁從管理、司法、技術與人文等方面識別目前的挑戰與構建適用的策略。標簽作為政務社交媒介資源中最為輕量級的語義片段，承載著公眾對城市某一特征的看法、認知、評價和情感?；跇撕炚Z義挖掘的城市畫像正是基于大數據分析、機器學習、交互可視化等創新應用獲取的公眾對城市整體特征的群體性描述，是大多數人對城市擁有的共同心理圖像，是具有社會化權重的城市印象集合。

這種由公眾依據自我認知形成的共同記憶，就像城市的一張名片，能夠充分反映城市個性與特征，展現城市形象與內涵，對驅動新型社會治理模式的形成具有重要作用，集中體現為：

1）構建基于標簽語義挖掘的城市畫像計算模型，有助于拓展標簽在公眾認知發掘中的有效利用場景及理論方法。城市畫像是標簽語義挖掘的可視結果，是表達公眾認知視角下城市多維特征的結構視圖。該結構視圖的形成需要經歷數據采集、數據整合、數據分析、數據可視化等一系列計算環節，涵蓋個體認知特征智能提取與分面融合、城市畫像特征計算等核心內容。城市畫像計算模型可為城市網絡社群發掘、公共政策有效性評估等一系列交互式服務提供數據支撐和評測尺度，同時拓展標簽數據建模與挖掘方法的應用場景，形成從標簽整合到特征選擇，再到特征計算的分析模式。

2）設計基于城市畫像的多維分析算法，推動城市畫像衍生性應用的創設。通過城市畫像計算模型可獲取目標城市多個連續周期的數據畫像，借此可挖掘城市畫像的演化路徑及誘發機理。城市畫像關聯到的特征標簽具有情感極性，借助相關算法和領域詞典可對公眾認知的情感傾向進行分析，同時標簽詞間還存在著客觀知識聯系，通過語義關系及強度分析可對不同分面下的城市耦合網絡進行深度語義挖掘。時序分析、情感分析、網絡分析等共同形成了城市畫像多維分析的計算內核，面向城市治理的典型場景，該內核可為城市畫像衍生性應用的創設提供基礎方法支撐，規范和推動現有城市畫像應用基礎研究。

本文融合了數據科學、網絡科學、計算科學等多主題領域的研究成果，以城市畫像演進路徑為脈絡，研究從城市畫像的傳統社會學研究、社會化標簽的多維度分析和自媒體時代的城市畫像研究等主題來解析國內外研究現狀及發展動態。

1?城市畫像的傳統社會學研究

20世紀60年代，MIT城市規劃大師Lynch K[1]首次將印象（Mental-image，或譯為意象）的概念應用于城市畫像研究，認為印象是觀察者與城市之間雙向作用的產物，他采用繪制認知地圖的方法，詳細分析了美國波士頓、澤西城和洛杉磯三地的城市畫像，將城市畫像的構成要素概括為5種：道路、邊沿、區域、節點和標識[1-2]。此后，很多學者普遍采用與之相似的問卷調查、深度訪談、意向草圖等社會學調查方法，對城市畫像的構成要素、區域分布及品質特征展開研究。由于印象是公眾對城市特征的主觀感受，生活經歷、文化背景等個體差異均會對城市畫像的形成產生影響，為此部分學者避開了心理學家感興趣的個性差異問題，重點考慮公眾對城市的共同畫像。研究發現，盡管不同個體形成的城市畫像有所差異，但是相似個體形成的城市畫像之間具有很多共同點，如Lee W J等[4]對比分析了不同環境下本地居民和外地游客對城市畫像的感知差異;白凱等[3]探究了不同文化群體對城市色彩畫像的差異，發現個體的城市色彩畫像會隨著周圍文化情境的轉變而變化，但相近文化群體間的城市色彩畫像具有相似性。

自20世紀80年代末，學者轉變了城市畫像研究的視角，認為城市畫像不僅包括實體的視覺感知，還包括伴隨著公眾活動的更為復雜的社會感知，即城市畫像構成中的非實體性元素。城市畫像研究從原本單純的實體空間結構研究，發展到綜合政治、經濟、文化、環境等多種要素的社會研究，如Laaksonen P等[6]采用視覺拼接技術和群體焦點訪談法將城市畫像劃分為觀察層面、評價層面和氛圍層面3個層面，城市畫像的構成劃分為自然屬性、建筑環境、文化和產業4個方面;Luque-Martinez T等[7]在深入訪談的基礎上，建構了一般性的城市畫像結構模型，將城市畫像劃分為歷史、環境、社會、文化等12個與城市居民居住滿意度呈強正相關的構成因素。

綜上分析可知，城市畫像的傳統社會學研究與“城市印象”內涵的變化存在著緊密的聯系：最初城市印象限定并強調了城市觀察者的所見事物，只關注構筑城市的實體環境，忽略了公眾對城市的非物質認知;后期城市印象內涵延伸到了城市系統的社會屬性，城市畫像構建與分析方法也由實體層面的認知分析拓展到心理層面的認知分析。

2?社會化標簽的多維度分析

作為適應Web 2.0環境下的一種網絡分析方法，社會網絡分析不僅關注單個實體的個體特征，更關注實體之間構成的社會關系的屬性、結構及其潛在特征。大量學者從社會化網絡的結構與功能入手，開展了網絡結構的計量分析和動態演化分析，試圖發現社會網絡結構中的關鍵節點和具有相似特征的節點集合，從而為個性化網絡服務提供路徑。在眾多研究中，有關標簽的研究尤其突出，而且不同領域學者的研究視角存在著一定差異，主要分為：①采用自然語言處理（NLP，Natural Language Processing）技術和方法處理標簽問題：標簽是大眾分類法的產物，受控程度較低，層級結構未被清晰揭示，用戶使用標簽進行話題標記，規范化程度不高，因而會出現異詞同義、一詞多義、上下文語境等自然語言處理問題，這些問題對標簽組織、標簽網絡分析、標簽應用分析的效果都造成了較大影響，因此計算機領域研究者類比半結構化文本處理方式，對標簽集合進行了清洗去重[8]、可信度評估[9]、層級關系構建[10]、情感分析[11-12]、聚類及分類[13-14]等研究工作。②采用網絡科學方法進行標簽分析：網絡科學改變了基于數據庫、關聯規則的標簽分析策略，試圖通過社會網絡和復雜網絡的分析指標、模型、算法等來發掘在線社交網絡的熱點話題、熱點人物及網絡結構。在線社交網絡可理解成以多維語義元素為節點，不同語義元素相互關聯形成的元網絡[15]，在此概念模型基礎之上，鑒于標簽、話題、用戶間的多重性關系，通過主題發掘[16]、社團發現[17]、鏈路預測[18]、協同過濾[19]等方法深化揭示出節點的網絡特征、整體或局部網絡特征，進而為用戶興趣建模[20-21]、內容推薦[22]、知識發現與推送[23-24]等應用的實現提供參考路徑。③采用傳播學、心理學理論與方法進行標簽分析：在線社交網絡為用戶提供了交流的信息空間，用戶因話題而聚集在一起，而話題是社會化輿情產生、發酵、傳播的重要載體。為加強輿情監控，實現對網絡輿情信息流的截斷和引導，傳播學和心理學領域對標簽傳播[25]、信息擴散[26]、輿情分析[27]、行為分析與挖掘[28]、基于標簽的用戶人格預測[29]等主題開展了深入研究。④采用文獻學理論與方法進行標簽分布分析：社交媒介的發展正改變著傳統科學文獻交流的范式，為揭示科學文獻交流過程的重要經驗法則是否適用于標簽分布分析，相關研究[30-33]開展了一系列驗證分析和應用分析。驗證分析主要說明傳統經驗法則在網絡環境的適用性;在驗證分析基礎之上，應用分析主要說明上述定律在資源發現等實際應用中的關鍵作用。

綜上分析可知，社會化標簽研究是多學科交叉融合的主題領域，各學科研究邊界相對模糊，且研究之間存在著相互支撐，共同形成了標簽研究的全貌。本研究顯然更關注第一、二部分研究進展，但目前這部分研究更偏向于標簽網絡宏觀結構的揭示，將虛擬標簽與現實問題相結合的研究明顯不足，對標簽網絡增長態勢與語義挖掘模式的研究仍需完善。結合上述現狀分析，研究將以描述公眾印象的社會化標簽為計算資源，探索城市畫像計算與應用模型。

3?自媒體時代的城市畫像研究

隨著移動設備和社交網絡的普及，公眾可隨時隨地在社交網絡中發表自身對某座城市的真實感受，這些都為城市畫像提供了海量的分析數據。社交網絡使得人成為海量數據的分享者，而這些數據又匯聚起來以群體智慧的方式為城市發展貢獻價值。通過對用戶描述城市特征的文字、圖片、表情、標簽等行為數據的分析，可歸納出公眾對某座城市整體印象的共同認知。社交媒體為過去以調查、訪談、認知地圖等傳統社會科學為主要研究手段的城市畫像研究，提供了大數據分析的入口，典型研究如謝永俊等[34]基于社交網絡中的微博數據，運用文本挖掘和地理大數據分析方法獲取城市各個熱點區域的城市特征，感知不同人群在不同場所的活動態度和偏好;鄧力凡等[35]采用支持SVM的機器學習算法，將微博用戶自動分類為城市居民和外地游客兩類，并探究了不同人群在城市感知區域和強度上的差異;Wong C U I等[36]利用TripAdvior旅游網站上2005—2013年用戶在線評論數據，通過文本分析方法提取澳門在這一時間段的城市畫像，并應用可視化技術展現畫像的演化過程;Liu L等[42]利用深度學習技術對Panoramio和Flickr照片數據集進行印象分類，統計分析全球7個典型城市的印象特征及其空間分布，并且進一步探討了不同城市之間的相關性和差異性，為城市之間的相互借鑒提供了參考;Salesses P等[43]通過分析數千張帶有明顯城市特征的地理照片，比較紐約、波士頓、林茨和薩爾茨堡4座城市在社會階層、安全性、獨特性感知等方面的差異，最終發現紐約某街區的自殺者數量與其安全性和社會階層感知具有顯著相關性;Pan B等[44]使用群體感知方法收集城市市民在社交網絡中的時間數據和地理位置數據，通過用戶行為分析和道路匹配算法對城市交通狀況進行異常檢測，以此為駕駛人員推薦合理的行駛路線;Orsi F等[45]利用游客在社交網絡中共享的景區信息（如地理標記的照片、GPS軌跡等），粗略估計各景區景點的游客流量，分析游客的行為特征和情感傾向，對偏離位置的異常游客和潛在的踩踏事故做出預警，提供了應對突發狀況的解決方案。

除學術研究外，利用社交平臺數據獲取城市畫像，并將分析結果應用于城市規劃與管理，也已受到部分學者的足夠重視，尤其引人注意的是微軟亞洲研究院鄭宇博士提出的有關城市計算的實踐項目，這些項目試圖將無處不在的感知技術、高效的數據管理和分析算法，以及新穎的可視化技術相結合，致力于提高人們的生活品質、保護環境和促進城市運轉效率[39-41]，目前這些項目主要借助時空大數據，獲取觀測對象的移動規律和特定行為，以為智慧城市創新性應用的開發和運營提供參考。這些應用參與的主體既包括數據擁有方政府機構，還包括數據管理方信息技術公司，二者充分配合可有效實現數據共享和技術共融。但作為信息資源管理重要的參與者，圖書情報機構明顯參與度不夠，已有的用戶畫像研究也多集中于數字圖書館層面的知識發現研究[37-38]，因此在大數據背景下，圖書情報機構應充分發揮其在信息資源組織與分析上的優勢，融入城市畫像研究，提升在城市公共管理中的服務意識和能力。

綜上分析可知，城市畫像研究與大數據分析、交互式設計、信息組織與融合等存在著緊密聯系，其目標是從多維度獲取公眾認知視角下的城市特征標識，是對以往社交網絡用戶畫像研究的拓展和延伸。雖然目前城市畫像計算資源還主要集中于人流、車流和物流等時空大數據，對政務社交媒介資源尤其是標簽資源的挖掘還不夠完善，但已有算法、模型及處理策略為基于標簽語義挖掘的城市畫像計算與應用模型研究奠定了良好的基礎。

4?結?語

通過文獻梳理和應用調研發現，城市畫像研究起始于城市印象分析，活躍于大數據挖掘。城市畫像分析范式經歷了從實體感知到社會感知的轉變過程，促使這一轉變的動力在于城市系統本身具有極強的社會屬性，單單考慮其物質屬性，對城市畫像深層次問題無法有效認知，而通過傳統社會學調研方式又難以全面及時地獲取可靠的第一手分析資料。隨著信息技術的進步，公開渠道信息（PAI，Public Access Information）的數量，尤其是基于UGC模式的社交媒介信息正呈指數級增長，這些開源信息為城市畫像分析提供了前所未有的契機和挑戰，運用經驗和技術從中獲取公眾意向的城市畫像，將助推基于公眾認知驅動的新型社會治理模式的形成。在充分調研社會化標簽研究進展的基礎上，研究以社交元網絡（Meta-network）中的標簽資源為載體，開展城市畫像計算與應用模型研究，雖然目前該領域研究已積累了部分研究成果，但依然存在一定不足，主要體現為：

1）缺乏系統完整的基于標簽語義挖掘的城市畫像計算模型。基于標簽語義挖掘的城市畫像計算包括社會化標簽整合分析、個體認知特征提取、表達、融合及可視化等一系列過程，其效果直接決定著后續分析與應用的效力，但目前有關研究顯然更關注個體用戶畫像分析，對基于個體認知融合的群體涌現性行為，尤其是基于真實社交媒介場景的公眾認知分析缺乏深刻的探討。此外，當前已經開展的城市畫像研究往往聚焦時空大數據，通過位置網絡建模及演化分析手段來探究特定節點群的移動規律，再結合節點自身屬性信息來追蹤和揭示群體行為，然而開源信息的大量涌入卻不斷強化保管及開發利用社會化標簽資源的迫切程度。

2）尚未形成成熟的城市畫像分析與應用范式。城市畫像是結構化的公眾認知視圖，是進行公共政策有效性評估的重要測度指標，更是城市管理決策者與公眾溝通的中介。但目前城市畫像分析與應用模塊尚未有效融入城市管理決策支撐體系中來，亟待形成成熟的城市畫像分析與應用范式，主要體現為：①城市畫像動態更新，需要公眾印象計算引擎的有力支撐，微軟亞洲研究院等機構都在開展城市計算的實踐項目，但目前這些項目側重軌跡數據關聯研究，有關城市畫像的多維度分析（諸如時序分析、情感分析、網絡分析等）還需拓展;②城市畫像不能只是對公眾認知的現狀調研，還應是具有相當權重的決策影響因素，現實中隨著政務社交媒介的發展，公眾形式上參與決策的途徑雖然增多，但對決策的實質引導作用并未充分顯現，導致現如今城市管理所倡導的社會治理模式缺乏持續的公眾關注與大規模的數據支撐，圍繞城市畫像衍生的創新性應用將有助于改變這一困境，但應用創設規范及服務架構等基礎問題還需解決。

參考文獻

[1]Lynch K.The Image of the City[M].Cambridge，Massachusetts：The MIT Press，1960.

[2]林奇·凱文.城市的印象[M].項秉仁，譯.北京：中國建筑工業出版社，1990.

[3]白凱，趙安周.城市意象與旅游目的地意象研究中的趨同與分野[J].地理科學進展，2011，30（10）：1312-1320.

[4]Lee W J，Gretzel U，Law R.Quasi-trial Experiences Through Sensory Information on Destination Web Sites[J].Journal of Travel Research，2010，49（3）：310-322.

[5]白凱，張春暉，鄭榮娟，等.跨文化群體游客的中國旅游目的地意象色彩認知[J].地理科學進展，2011，30（2）：231-238.

[6]Laaksonen P，Laaksonen M，Borisov P，et al.Measuring Image of a City：A Qualitative Approach with Case Example[J].Place Branding，2006，2（3）：210-219.

[7]Luque-Martinez T，Barrio-Garcia S D，Ibanez-Zapata J A，et al.Modeling a City's Image：The Case of Granada[J].Cities，2007，24（5）：335-352.

[8]張恒婷.社交網絡圖像垃圾標簽去除研究[D].北京：華北電力大學，2012.

[9]王賢兵.社會標注可信度評價方法研究[D].武漢：華中科技大學，2012.

[10]劉蘇祺，白光偉，沈航.基于用戶自描述標簽的層次分類體系構建方法[J].計算機科學，2016，43（7）：224-229，239.

[11]李綱，劉廣興，毛進，等.一種基于句法分析的情感標簽抽取方法[J].圖書情報工作，2014，58（14）：12-20.

[12]宋靈超，黃崑.基于社會標簽的圖像情感分類標注研究[J].圖書情報工作，2016，60（21）：103-112.

[13]于海鵬，翟紅生.一種子空間聚類算法在多標簽文本分類中應用[J].計算機應用與軟件，2014，31（8）：288-291，303.

[14]楊尊琦，趙瑾珺.新浪微博用戶領域分類標簽的結構和互動研究[J].情報雜志，2014，33（4）：122-127.

[15]葉光輝，李綱.社會語義網絡結構分析——以MetaFilter為例[J].情報理論與實踐，2015，38（12）：57-63.

[16]Chen J，Feng S，Liu J.Topic Sense Induction from Social Tags Based on Non-negative Matrix Factorization[J].Information Sciences，2014，280：16-25.

[17]Pan W，Chen S，Feng Z.Automatic Clustering of Social Tag Using Community Detection[J].Applied Mathematics & Information Sciences，2013，7（2）：675-681.

[18]Chelmis C，Prasanna V K.Social Link Prediction in Online Social Tagging Systems[J].ACM Transactions on Information Systems，2013，31（4）：1-27.

[19]Naseri S，Bahrehmand A，Ding C，et al.Enhancing Tag-based Collaborative Filtering Via Integrated Social Networking Information[C]//IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining.IEEE，2013：760-764.

[20]易明，毛進，鄧衛華.基于社會化標簽網絡的細粒度用戶興趣建模[J].現代圖書情報技術，2011，27（4）：35-41.

[21]Tu H，Wang X.Mining Users'?Interest Graph in Social Networks with Topic Based Tag Propagation[C]//IET International Conference on Smart and Sustainable City.IET，2014：282-285.

[22]易明，王學東，鄧衛華.基于社會網絡分析的社會化標簽網絡分析與個性化信息服務研究[J].中國圖書館學報，2010，36（2）：107-114.

[23]易明，毛進，鄧衛華，等.社會化標簽系統中基于社會網絡的知識推送網絡演化研究[J].中國圖書館學報，2014，40（2）：50-66.

[24]Ma H，Jia M，Zhang D，et al.Combining Tag Correlation and User Social Relation for Microblog Recommendation[J].Information Sciences，2017，385：325-337.

[25]蔡國永，林航，文益民.社會語義網社區發現標簽傳遞算法研究[J].計算機科學，2013，40（2）：53-57.

[26]李棟.在線社會網絡中信息擴散研究[D].哈爾濱：哈爾濱工業大學，2014.

[27]宋莉.輿情熱點事件中“標簽式傳播”現象研究[D].哈爾濱：黑龍江大學，2016.

[28]查先進，呂彬.知識共享視角下的大眾標注行為研究——基于標簽的實證分析[J].圖書館論壇，2010，30（6）：76-81.

[29]鄭惠中，左萬利.基于信息增益與語義特征的多標簽社交網絡用戶人格預測[J].吉林大學學報：理學版，2016，54（3）：561-568.

[30]Faba-Perez C，Corderogonzalez A M.The Validity of Bradford's Law in Academic Electronic Mailing Lists[J].The Electronic Library，2015，33（6）：1031-1046.

[31]Faba-Perez C，Guerrero-Bote V P，Moya-Anegon F.“Sitation”Distributions and Bradford's Law in a Closed Web Space[J].Journal of Documentation，2003，59（5）：558-580.

[32]徐俊，王曉芳.網絡環境下信息計量應用實證分析[J].微計算機信息，2010，26（30）：102-104.

[33]李綱，葉光輝，張巖.“小眾專家”特征識別——基于MetaFilter的實證分析[J].現代圖書情報技術，2015，31（6）：71-77.

[34]謝永俊，彭霞，黃舟，等.基于微博數據的北京市熱點區域意象感知[J].地理科學進展，2017，36（9）：1099-1110.

[35]鄧力凡，譚少華.基于微博簽到行為的城市感知研究——以深港地區為例[J].建筑與文化，2017，13（1）：204-206.

[36]Wong C U I，Qi S.Tracking the Evolution of a Destination's Image By Text-mining Online Reviews-the Case of Macau[J].Tourism Management Perspectives，2017，23：19-29.

[37]劉速.淺議數字圖書館知識發現系統中的用戶畫像——以天津圖書館為例[J].圖書館理論與實踐，2017，（6）：103-106.

[38]陳慧香，邵波.國外圖書館領域用戶畫像的研究現狀及啟示[J].圖書館學研究，2017，（20）：16-20.

[39]Zheng Y，Capra L，Wolfson O，et al.Urban Computing：Concepts，Methodologies，and Applications[J].ACM Transactions on Intelligent Systems and Technology，2014，5（3）：38.

[40]鄭宇.城市計算概述[J].武漢大學學報：信息科學版，2015，40（1）：1-13.

[41]Zheng Y.Trajectory Data Mining：An Overview[J].ACM Transactions on Intelligent Systems and Technology，2015，6（3）：1-41.

[42]Liu L，Zhou B L，Zhao J H，et al.C-IMAGE：City Cognitive Mapping Through Geo-tagged Photos[J].Geo Journal，2016，81（6）：817-861.

[43]Salesses P，Schechtner K，Hidalgo C A.The Collaborative Image of the City：Mapping the Inequality of Urban Perception[J].PLoS One，2013，8（7）：e68400.

[44]Pan B，Zheng Y，Wilkie D，et al.Crowd Sensing of Traffic Anomalies Based on Human Mobility and Social Media[C]//ACM Sigspatial International Conference on Advances in Geographic Information Systems.New York：ACM，2013：344-353.

[45]Orsi F，Geneletti D.Using Geotagged Photographs and GIS Analysis to Estimate Visitor Flows in Natural Areas[J].Journal for Nature Conservation，2013，21（5）：359-368.

（責任編輯：孫國雷）