1、引言

随着全球互联网、移动通信的普及应用，人类社会逐渐从物理空间步入由网络信息组成的虚拟空间（徐铮等，2023）。虚拟空间是与物理空间平行的网络化、虚拟化的空间形态，是由网络设施、计算机系统、信息数据等形成的信息环境（周成虎，2023）。网络空间（高春东等，2019；江东等，2023）、赛博空间（唐炉亮等，2019）、社交网络空间（陈云海，2022）、网络地图空间（陈文静等，2021）等概念与虚拟空间具有相似的内涵。近年来，虚拟空间在移动网络发展的过程中不断扩展人类的生活模式，成为社会发展的新引擎（Chen等，2023）。

不同类型的虚拟空间区别在于空间基准的定义，本研究将虚拟空间划分为狭义虚拟空间和广义虚拟空间。狭义虚拟空间的空间基准与物理空间的坐标体系一致，如网络地图空间中的地理坐标系。广义虚拟空间的空间基准可以是非物理空间坐标系，如网络空间中IP坐标系和AS(autonomous system）坐标系，社交网络空间中的社交宇宙坐标系、小世界网络坐标系、节点中心坐标系（王继龙等，2020；陈云海，2022）。本研究以网络地图空间作为研究对象，即狭义虚拟空间，为了便于描述，下文虚拟空间皆指代网络地图空间。

群体与虚拟空间的空间交互形成了群体虚拟轨迹，探索群体虚拟轨迹的时空模式是理解人在虚拟空间中活动规律的主要方式（李锐等，2018；李茹等，2019；陈军等，2023）。与群体虚拟轨迹相对应的是物理轨迹，物理轨迹是人与物理空间交互的过程，二者存在关联性和差异性。时间地理学中，Shaw(2023）将时空路径和时空棱镜从物理空间拓展到虚拟空间，支撑混合物理–虚拟空间中的人类动力学研究。Zhou等（2018）基于百度地图分析2014年上海外滩跨年踩踏事件，发现用户在网络地图空间中访问频率（群体虚拟轨迹）的峰值相比于手机定位访问频率（物理轨迹）提前2～5 h。

2019年以来，新冠肺炎疫情的暴发和蔓延形成了全球性的重大公共卫生事件，深刻影响了各国的社会经济发展，政府主导的居家令限制了物理社交距离，显著改变了人的物理空间交互过程，即物理轨迹（Jacobsen和Jacobsen,2020;Hou等，2021;De Foo等，2023）。众多研究探讨了新冠肺炎疫情及干预政策对物理轨迹的影响（Zhang等，2022）。Hou等（2021）利用美国手机人口流动数据分析新冠肺炎疫情期间不同社区感染率的空间异质性；许刚等（2022）通过美国城市夜间灯光时空变化探索疫情初期人类的经济活动。群体虚拟轨迹与物理轨迹存在关联性，Zhou等（2018）证实了突发事件下群体虚拟轨迹相比物理轨迹时空模式变化更具前瞻性。因此，探究新冠肺炎疫情政策干预下群体虚拟轨迹时空模式差异性，对于突发公共安全事件监测及政策制定评估具有重要意义。

本研究以新冠肺炎疫情为研究场景，以10个美国大型城市为研究对象，以全球最大开源地图服务平台OSM(OpenStreetMap）为虚拟空间，采集OSM中地图瓦片访问频率构建群体虚拟轨迹，探究居家令干预政策实施前后，群体虚拟轨迹访问频率的时空分布、时空衰减及空间要素偏好的时空变化模式，进一步分析其与物理轨迹的关联性和差异性。

2、数据及预处理

2.1 研究场景与对象

新冠肺炎疫情是由新型冠状病毒感染传播引起的全球大流行，在世界各地蔓延。为了控制疫情传播，各地纷纷出台居家令干预政策，限制居民出行，禁止聚集性公共活动，工作和生活被迫转到网络中进行，同时改变了物理空间和虚拟空间的时空交互模式，因此，本研究将新冠肺炎疫情作为研究场景。

自疫情暴发后，美国各州2020年3月中下旬开始相继颁布居家令。由于大城市通常具有更多的人口，其物理轨迹和群体虚拟轨迹的庞大数量能更好地支撑研究，本研究选择10个美国大城市作为样本城市，具体城市及其居家令执行日期为纽约3月22日、洛杉矶3月19日、迈阿密3月24日、匹兹堡3月23日、费城3月23日、华盛顿3月30日、西雅图3月23日、亚特兰大3月24日、休斯敦3月23日、丹佛3月24日（许刚等，2022）。

2.2 群体虚拟轨迹数据

OSM是典型的虚拟空间之一，是面向全球的免费、开放地理数据库，通过网络地图瓦片服务向全球用户提供地理信息服务（陈欣等，2023）。有研究定义个体在虚拟空间中访问的时空过程为个体虚拟轨迹（Dong等，2022a）。然而，OSM开源的用户访问日志数据仅包含地图瓦片的日访问频率，无法构建个体虚拟轨迹，因此，本文的研究对象为OSM的群体用户，忽视个体轨迹点之间的关联性，以天为最小时间单位，以瓦片为最小空间单位，构建群体虚拟轨迹，表征OSM用户群体访问的时空过程（Li等，2018a）。根据美国疫情暴发时间，本研究获取了样本城市2019年3月、2020年2～4月的开源群体虚拟轨迹数据。表1展示了OSM用户访问日志数据示例，图1展示了2020年3月美国本土群体虚拟轨迹访问频率空间分布。  

表1 OSM用户访问日志数据示例  

为了便于数据处理，本研究根据地图瓦片的层级、行号、列号将其转换为经纬度坐标，形成了群体虚拟轨迹点，群体虚拟轨迹访问频率表征用户的偏好程度（Dong等，2022a）。已有研究表明，层级越高，地图瓦片分辨率越高，用户访问目标更明确，因此，更倾向于选取高层级地图瓦片作为群体虚拟轨迹点（Dong等，2022a）。但是统计发现17、18层（最大层级）的群体虚拟轨迹空间分布较为稀疏，数据量较小，无法提供足够的样本，如图1中洛杉矶群体虚拟轨迹访问频率在16～18层级的空间分布，因此，本研究选取16层级的群体虚拟轨迹作为数据源。

图1 2020年3月美国本土（16层级）和洛杉矶群体虚拟轨迹访问频率空间分布（16～18层级）

群体虚拟轨迹与物理轨迹反映了人在不同空间的行为模式（赵志远等，2023）。二者不仅在概念上存在一致性，同时存在关联性，如Zhou等（2018）发现可以通过群体虚拟轨迹访问频率预测物理空间人群密度，从而避免踩踏等突发事件。为了进一步探究二者之间的关联和差异，本研究引入两种物理空间数据与群体虚拟轨迹形成对比。第一种是新冠肺炎疫情期间谷歌人口移动指数，该数据依据谷歌地图等产品中用户定位的空间位置，发布全球人口流动变化趋势，其中，空间位置划分为零售娱乐、商店药店、公园、交通站点、工作场所、居住场所六类；第二种是美国城市夜间灯光变化数据，如许刚等（2022）发现疫情干预政策导致美国城市夜间灯光辐射值平均降低5%～8%，反映了人口活动的降低及城市社会经济活动衰减。本研究借鉴了许刚等（2022）的研究结果，对比物理轨迹与群体虚拟轨迹中时空模式的差异性，揭示新冠肺炎疫情对群体虚拟轨迹时空模式的影响。

2.3 POI数据

用户访问地图的目标是浏览空间要素，因此，将群体虚拟轨迹与兴趣点（point of interest,POI）相匹配能够表征用户的空间要素偏好（Dong等，2022b）。本研究爬取了2023年3月每个样本城市中用户访问OSM地图瓦片覆盖区域的POI。虽然爬取的POI样本时间与群体虚拟轨迹数据样本时间并不一致，但是考虑到样本城市皆为经济发达的大城市，城市人口、空间结构和空间要素较为稳定，POI更新较慢，因而并不会对研究结果产生较大影响。每个POI具有特定的类型，本研究将类型进一步归纳，使其与谷歌人口移动指数的类型一致，以便于形成对比分析，不属于相应范畴的POI归为其他类型，具体见表2。

3、方法与分析

本研究选取美国10个大型城市作为研究对象，以OSM网络地图作为虚拟空间，利用地图瓦片访问频率构建群体虚拟轨迹。在时空分布方面，利用热力图展示时空分布变化，结合空间自相关分析空间聚集性；在时空衰减方面，统计分析居家令实施前后群体虚拟轨迹访问频率时间衰减比例，通过圈层分析空间衰减趋势，并与代表物理空间活动的夜间灯光辐射值进行对比；在空间要素偏好方面，统计分析群体虚拟轨迹与谷歌人口移动指数（物理轨迹）在不同场所类型下的时间变化，进而以纽约为例，将群体虚拟轨迹与POI相关联，利用潜在狄利克雷分配（latent Drichlet allocation,LDA）主题模型提取空间要素的主题偏好，具体技术路线见图2。  

表2 空间要素类型及对应的POI类型 

3.1 群体虚拟轨迹时空分布特征分析

3.1.1 访问频率时空分布

群体虚拟轨迹访问频率表示用户对地图瓦片覆盖区域的兴趣程度，本研究统计了10个样本城市新冠肺炎疫情前后群体虚拟轨迹访问频率的时空分布，利用Python生成热力图可视化其时空变化过程，时间范围包括2019年3月、2020年2～4月，见图3。总体而言，群体虚拟轨迹中访问频率的空间分布呈现中心–边缘特征，访问频率由市中心向郊区递减，空间分布与城市空间结构较为一致，说明群体虚拟轨迹访问频率特征同样受到物理空间约束，人口更多、经济活动频繁的市中心受到更多关注和访问。另外，同比2019年3月和环比2020年2月，所有样本城市在2020年3月实施居家令后，群体虚拟轨迹访问频率都呈现下降趋势，体现在图3中为绿色的深度和范围都减小，并且在2020年4月进一步降低。居家令不仅在物理空间中限制了人的空间交互活动，同样降低了人在虚拟空间的活跃度，且在美国10个样本城市具有一致性。本研究中虚拟空间特指网络地图空间，具有与物理空间一致的空间基准，相比于其他类型的虚拟空间，二者的空间关联性更强，因此，在空间分布中体现出一致性。

图2 技术路线   

图3 新冠肺炎疫情前后群体虚拟轨迹访问频率的时空分布变化   

3.1.2 访问频率空间聚集性

空间自相关能够量化群体虚拟轨迹中用户对空间区域的聚集性偏好特征，本研究将群体虚拟轨迹访问频率转化为栅格数据，利用Geoda计算样本城市在不同时间段内的莫兰指数和Lisa聚类图，见图4。结果表明，所有样本城市的莫兰指数都高于0.75，最高可达0.98，普遍分布在0.8～0.9，围绕城市中心呈现强空间自相关关系，形成高–高空间聚集模式；相反，城市郊区呈现低–低空间聚集模式。图5展示了群体虚拟轨迹访问频率莫兰指数的时序变化，2020年3月居家令的实施导致样本城市的莫兰指数相比于2020年2月平均增加0.03左右，相比于2019年3月平均增加0.04，仅洛杉矶、费城、亚特兰大表现为同比下降。

总体而言，虽然新冠肺炎疫情后的群体虚拟轨迹访问频率在降低，然而其空间自相关关系在增加。具体原因可解释为，群体虚拟轨迹的空间分布与城市空间结构相似，城市中心吸引更多的访问量，新冠肺炎疫情后的居家令减弱了人对城市中心的访问需求，使得城市中心对访问量的吸引作用减弱，城市中心区域内部差异减小，访问频率空间分布更相似，因此，高–高聚集点群表现为向外扩张的态势，这一现象在纽约、费城、华盛顿、西雅图等城市表现尤为明显，如图4所示。

3.2 群体虚拟轨迹时空衰减特征分析

3.2.1 访问频率时间衰减

为了进一步探究新冠肺炎疫情期间居家令对虚拟空间中人的活跃性的影响，本研究对比分析了居家令实施时间节点的同比和环比群体虚拟轨迹访问频率。图6显示居家令执行后，群体虚拟轨迹访问频率时间衰减比例。2020年3月同比2019年3月平均下降56.71%，其中，休斯敦、费城、匹兹堡、西雅图下降较多，均超过60%；纽约、亚特兰大、丹佛、华盛顿、迈阿密同比下降50%～60%；洛杉矶同比下降最小，但也达到43.85%。2020年3月环比2020年2月平均下降37.56%，其中，匹兹堡、纽约、休斯敦、洛杉矶环比下降均超过40%，亚特兰大、迈阿密、费城、华盛顿、西雅图、丹佛下降25%～40%。2020年4月环比2020年3月平均下降41.67%，亚特兰大、匹兹堡环比下降均超过50%，其余城市环比下降30%～50%。除洛杉矶、费城、西雅图、休斯敦之外，其余城市4月环比均比3月环比降幅大。

总体而言，10个样本城市2020年3月、4月群体虚拟轨迹访问频率比2月平均下降38%、63%，而许刚等（2022）统计美国城市夜间灯光辐射值平均下降8%、5%。相比于物理空间活跃性，虚拟空间活跃性下降幅度更大，且多数样本城市4月降幅相比3月降幅更大，说明居家令的影响在4月持续扩大。

3.2.2 访问频率空间衰减

群体虚拟轨迹访问频率从城市中心区域向外逐渐衰减，与许刚等（2022）揭示的夜间灯光中心–边缘的空间分布具有相似性。为了便于对比虚拟空间（群体虚拟轨迹访问频率）与物理空间（夜间灯光辐射值），本研究采取同样的圈层分析法，从城市中心向外建立1 km等间距多环缓冲区，分别统计每个圈层内的群体虚拟轨迹访问频率，探究其空间衰减趋势，见图7。随着距离城市中心距离越远，群体虚拟轨迹访问频率呈指数衰减，3 km内下降幅度最大，普遍在5 km左右趋于平缓，夜间灯光辐射值与群体虚拟轨迹访问频率表现出相似的规律。疫情前后不同月份的夜间灯光衰减差异较小，多数城市在2020年3月的夜间灯光辐射值最低，4月时已经逐步恢复。相反，群体虚拟轨迹访问频率在2020年2～4月逐月减低，降幅普遍在39%左右，且远远低于2019年3月同期数据，说明夜间灯光辐射值代表的物理空间活跃性恢复较快，但是虚拟空间活跃性仍然持续低迷。

为了进一步量化空间衰减过程，本研究通过指数函数拟合衰减曲线，拟合的指数函数系数作为空间衰减系数，衡量空间衰减速度，该系数的绝对值越大，曲线越陡，群体虚拟轨迹访问频率衰减越快，见图8。总体而言，样本城市的空间衰减系数呈现下降趋势，尤其是在2020年3月居家令实施以后，空间衰减系数普遍下降0.03～0.07，其中，费城和休斯敦下降均超过0.25。空间衰减系数较大表明城市中心区域的访问频率更大，而疫情期间，城市中心区域的访问频率显著降低，导致衰减系数下降，同时也表现为图4中高–高聚集点群的扩张趋势，这也解释了莫兰指数增加的原因。

图4 疫情前后群体虚拟轨迹访问频率的莫兰指数和Lisa聚类图   

图5 群体虚拟轨迹访问频率莫兰指数的时序变化   

3.3 群体虚拟轨迹中空间要素偏好分析

3.3.1 空间要素偏好的时间变化

群体虚拟轨迹表示访问的地图瓦片，涵盖其空间位置和空间要素，一般而言，群体虚拟轨迹仅是用户浏览的空间位置，并非真实访问的空间位置。谷歌人口移动指数是基于人的真实空间定位数据统计而来，因而可以表示为物理轨迹。本研究将二者进行对比来展示群体虚拟轨迹与物理轨迹之间的关联性和差异性，见图9。

群体虚拟轨迹和物理轨迹都存在显著的周期性，即工作日比休息日的访问频率更高，虽然居家令颁布导致二者都呈现断崖式下降，但是周期性依然存在，说明虚拟空间和物理空间的活动周期性具有一致性，与已有研究结论一致（吴华意等，2015;Li等，2018b;Xiong等，2021）。另外，群体虚拟轨迹访问频率和谷歌人口移动指数都在居家令颁布后下降，而后维持稳定，揭示了疫情前后两种生活模式，二者的区别在于，谷歌人口移动指数在居家令实施时（多数样本城市在3月23日左右）转变为疫情后模式，然而群体虚拟轨迹访问频率则在前一周（多数样本城市在3月15日左右）已经提前完成模式转变。这表明虚拟空间的变化要早于物理空间，与Zhou等（2018）的研究具有相似的结论。物理轨迹受到现实事件最直接的影响，人群活动模式的变化响应也是即时的，而群体虚拟轨迹作为人群在虚拟空间中的交互活动，约束性更小，前瞻性更强，在疫情蔓延期间，其访问频率的变化时间更早。

图6 新冠肺炎疫情前后群体虚拟轨迹访问频率时间衰减   

不同类型空间要素的群体虚拟轨迹访问频率和谷歌人口移动指数表现出差异性。居家令实施后群体虚拟轨迹不同空间要素相比疫情前平均下降67.84%，其中，零售娱乐、交通站点下降均超过70%，商店药店、公园、工作场所下降均超过65%，居住场所下降超过55%。居家令实施后谷歌移动指数不同空间要素（除居住场所）相比疫情前平均下降48.05%，其中，交通站点下降超过60%，零售娱乐、工作场所下降超过50%，公园、商店药店下降超过20%，居住场所增长22.15%。总体而言，群体虚拟轨迹访问频率相比谷歌人口移动指数平均衰减19.79%，即群体虚拟轨迹的时空衰减更大，且为同步衰减。谷歌移动指数中居住场所增加，这体现了居家令的效用，但是居住场所通常是熟悉程度最高的区域，往往并不需要在网络地图空间中浏览，这种空间需求的差异性形成了两种不同的衰减模式。

图7 虚拟空间（群体虚拟轨迹访问频率）与物理空间（夜间灯光辐射值）中活跃性的空间衰减趋势物理空间图示来源于许刚等（2022)   

图8 新冠肺炎疫情前后样本城市空间衰减系数的时序变化  

3.3.2 空间要素偏好的空间差异

以纽约为例，为了进一步深入分析城市内部不同区域的群体虚拟轨迹访问频率变化，本研究计算每个区域的居家令实施前（2020年2月）、后（2020年4月）的下降和增加幅度，并且划分为四个等级，即增加0～464%(R1）、下降0～40%(R2）、下降40%～70%(R3）、下降70%～100%(R4）。该划分方式是为了顾及各等级下空间区域大小的均衡性，见图10。

群体虚拟轨迹点表示地图瓦片的中心坐标，每个地图瓦片覆盖一定的空间区域，该区域内任何空间要素都可能是潜在的用户访问目标，因此，群体虚拟轨迹具有空间不确定性（董广胜，2023）。为了从不确定的空间要素分布中提取用户偏好，本研究引入主题建模方法，将POI类型类比为单词，每个地图瓦片覆盖的POI为词袋，其中，POI依据群体虚拟轨迹访问频率赋予权重，所有的加权词袋形成了文章数据集，进而利用LDA模型进行主题建模。建模结果的主题表示为主题词及主题权重，主题词即为POI类型，每个主题表示一种POI空间共现模式，每一种POI类别对不同空间共现模式具有一定的贡献，即主题权重（Dong等，2022b）。

图9 群体虚拟轨迹访问频率与谷歌移动指数的时序对比   

为了对比不同增长或者下降幅度区域的主题差异性，本研究首先对纽约不同区域R1、R2、R3、R4分别构建LDA模型，根据经验将主题类别设定为8，即tp1～tp8，每个主题都由不同的POI类型组成。为了展示不同区域之间主题的关联性，以所属区域的主题和POI类型为节点，节点的大小表示节点的度，以POI类型的主题权重为边，将四个区域的主题及主题词构建复杂网络，利用Gephi对结果进行可视化，见图11。如R1＿tp6表示区域R1中第6主题，R1＿tp6、R2＿tp6、R4＿tp7、R3＿tp7都与bench具有强关联，表明在不同区域中，都存在以bench为核心的主题分布。进一步利用基于模块化的社区检测方法，识别复杂网络中的主题社区，并且通过不同颜色进行标识。

图1 0 纽约新冠肺炎疫情前后群体虚拟轨迹访问频率的细粒度空间变化  

图1 1 纽约群体虚拟轨迹访问频率增加（下降）区域的复杂网络及主题社区  

图11中生成了10个主题社区，表3梳理了主题社区涵盖的区域和部分主题词。10个主题社区中，前8个主题社区共存于三个以上区域，而主题社区9、10仅存在于R1区域，即群体虚拟轨迹访问频率增加的区域，说明R1区域存在相对独特的POI空间共现模式，主题社区中的主题词分别包括“hospital、clinic、police、fountain”“childcare、toilet、waste＿disposal”，其中，hospital和clinic都与医疗服务相关。主题社区1～8以多区域共性主题分布为主，如主题社区2、4、6、7在四个区域中都有分布，分别以“school、bench、bicycle＿parking、restaurant”等POI类型作为代表性主题词，表示教育、公园、交通、餐饮等设施。另外，主题社区1以停车为主题，主题社区3以邮局、银行等公共设施为主题、主题社区5以住所为主题、主题社区8以废物回收为主题。  

表3 主题社区涵盖的区域和部分主题词  

在群体虚拟轨迹访问频率降低的区域，如R2、R3、R4，虽然能够发现不同类型城市设施的主题社区，但是区域之间的模式差异并不明显，即虚拟空间中空间交互模式的变化更倾向于同步下降，这与图9的结论一致。群体虚拟轨迹访问频率增加的区域R1表现出了独特的主题社区，尤其是医疗服务，表明人群对R1区域的需求在增加。

4、结论

本研究以新冠肺炎疫情及居家令干预政策为研究场景，选取美国10个大型城市作为研究对象，首次利用OSM数据揭示了新冠肺炎疫情之下群体虚拟轨迹时空模式变化，分析其与物理轨迹之间的关联性和差异性。时空分布特征方面，10个样本城市中群体虚拟轨迹访问频率呈现中心–边缘的空间结构，与夜间灯光反映的物理空间人口分布具有一致的空间分布特征，但新冠肺炎疫情导致城市中心的吸引力减弱明显，群体虚拟轨迹访问频率大幅度降低，城市中心区域内部差异减小，呈现高–高聚集点群扩张态势。时空衰减特征方面，样本城市2020年3月、4月群体虚拟轨迹访问频率比2月平均下降38%、63%，而城市夜间灯光辐射值平均下降8%、5%，从城市中心到郊区，群体虚拟轨迹访问频率与夜间灯光辐射值均呈指数衰减，但虚拟空间活跃性下降幅度更大。空间要素偏好方面，居家令实施导致群体虚拟轨迹和物理轨迹访问频率断崖式下跌，但是二者的活动周期性依然存在且具有一致性；群体虚拟轨迹相比于物理轨迹提前一周左右完成疫情后生活模式转变，表明物理轨迹对居家令的响应是实时的，而群体虚拟轨迹往往具有前瞻性。群体虚拟轨迹访问频率在居家令实施后相比谷歌人口移动指数代表的物理轨迹下降19.79%，即群体虚拟轨迹的时空衰减更大，且为同步衰减，仅在部分区域中对医疗设施的访问频率在增加，而物理轨迹中仅有居住场所明显增加。

本研究从时空分布、时空衰减和空间要素偏好三个角度发现群体虚拟轨迹与物理轨迹既存在关联性，也存在差异性。主要原因之一在于所用虚拟空间特指网络地图空间，具有与物理空间一致的空间基准，因此，二者关联性较强，但是虚拟空间相较于物理空间具有更弱的空间约束性，一定程度上导致了二者的差异性。研究成果有助于分析和揭示人在不同空间中的交互活动规律，为公共安全事件监测以及政策制定提供了新的视角，未来还需进一步深入分析群体虚拟轨迹和物理轨迹时空模式变化的驱动因素，并且尝试将研究从狭义虚空间扩展到广义虚拟空间。

参考文献:

陈军,王艳慧,武昊,刘万增.2023.时空信息赋能高质量发展的基本问题与发展方向.时空信息学报,30(1):1-11

陈文静,李锐,董广胜,李江.2021.网络地理信息服务中用户空间访问聚集行为研究.地球信息科学学报,23(1):93-103

陈欣,向隆刚,焦凤伟.2023.基于众源轨迹的OSM路网转向信息增强.地球信息科学学报,25(10):1954-1967

陈云海.2022.社交网络空间时空实体建模与可视化研究.博士学位论文.郑州:信息工程大学

董广胜.2023.公共地图服务平台中访问兴趣时空模式研究.测绘学报,52(10):1798

高春东,郭启全,江东,王振波,方创琳,郝蒙蒙.2019.网络空间地理学的理论基础与技术路径.地理学报,74(9):1709-1722

江东,高春东,郭启全,陈帅,郝蒙蒙.2023.论网络空间的地理属性与地理学思维.地球信息科学学报,25(10):1923-1932

李茹,李锐,蒋捷,吴华意.2019.网络地图用户访问会话时空特征分析.数据分析与知识发现,3(6):1-11

李锐,沈雨奇,蒋捷,刘朝辉,吴华意.2018.公共地图服务中访问热点区域的时空规律挖掘.武汉大学学报(信息科学版),43(9):1408-1415

唐炉亮,戴领,任畅,张霞.2019.现实与赛博空间数据相结合的城市活动事件时空建模.测绘学报,48(5):618-629

王继龙,庄姝颖,缪葱葱,安常青.2020.网络空间信息系统模型与应用.通信学报,41(2):74-83

吴华意,李锐,周振,蒋捷,桂志鹏.2015.公共地图服务的群体用户访问行为时序特征模型及预测.武汉大学学报(信息科学版),40(10):1279-1286,1316

基金资助:国家自然科学基金项目(42301485);中国博士后科学基金项目(2023M732682); 湖北省自然科学基金项目(2023AFB184)~~;

文章来源:董广胜,谢文析,李锐,等.新冠肺炎疫情政策干预下群体虚拟轨迹时空模式差异性研究[J].时空信息学报,2024,31(01):104-117.