用通勤数据定义地理区域
一种新的数学方法使用各县之间和各县之内的通勤数据来识别重要的地理区域。北卡罗来纳大学教堂山分校的Mark He及其同事在2020年4月29日的开放获取期刊PLOS ONE中介绍了这项工作。
界定将大都市区分开的边界对研究,治理和经济发展具有重要意义。例如,这种边界可能会影响基础设施资金或住房补贴的分配。但是,定义大都市区的传统方法通常会妨碍对社区特征和需求的有意义的理解。
他和同事们利用网络科学的方法论,开发了一种根据人口普查通勤者数据定义大都市区的新方法。他们将毗连的所有3,091个县组织成一个相互连接的网络,跨县界的通勤人数决定了县之间的系强度。值得注意的是,与其他使用通勤者数据来定义城市区域的研究不同,它们还考虑了县内通勤。
使用新方法,研究人员确定了182个县集群,这些县合起来占通勤者的90%以上。14个集群的特点是通向中央节点县的通勤人数众多,而78个集群缺乏强大的中央节点。他们发现90个县(包括洛杉矶县)由于县内上下班通勤率很高而孤身一人。相比之下,有20个集群,主要集中在大城市周围,包括50个或更多县,并且跨越了多个州。
通常,通过新方法识别的聚类比通过传统方法定义的现有区域更大,这表明存在重要连接的范围比预期的要远得多。(必须注意,作者允许地理区域重叠,以便对地理区域进行更丰富,更细致的描述。)
尽管需要进一步的工作来完善这种新方法,但它可以使人们对有意义的大都市边界和关系有更细致的了解
这组作者补充说:“社区发现的结果表明,依赖临时阈值的传统区域划定并不能说明远远超出预期的大都市边界或大区域的重要而普遍的系。”