王德 朱禮才淇 晏龍旭

摘要：移動網(wǎng)絡使用在日常生活中的比重逐漸增加，對個體時空間活動產(chǎn)生了一定的影響。手機信令數(shù)據(jù)的獲取途徑能夠同時反映虛實空間活動特征及其相互關系，因此以該數(shù)據(jù)為基礎，對個體虛擬空間活動特征及虛實空間聯(lián)動關系進行探究。研究發(fā)現(xiàn)：上海核心用戶日均上網(wǎng)時長已達5.35小時，主要集中于“網(wǎng)絡購物”“手機視頻”和“社交網(wǎng)絡”等類型，且訪問類型隨性別、年齡、訪問強度等特征而發(fā)生變化;其次，訪問類型間存在一定的相關性，并呈現(xiàn)圈層分布的網(wǎng)絡結構;再次，虛實空間關系呈現(xiàn)由相互促進到相互制約的變化，網(wǎng)絡訪問作為一種新的個體屬性“標簽”，能夠對個體行為模式和空間分布進行解釋與分析。

關鍵詞：手機信令數(shù)據(jù); 網(wǎng)絡訪問; 個體行為活動

C912.81 A 0056 11

一、 引 言

隨著信息通訊技術快速發(fā)展，居民在日常生活中對虛擬網(wǎng)絡空間的使用頻率和強度越來越高，領域也不斷擴展。根據(jù)我國2018年全國時間利用調查公報，居民使用互聯(lián)網(wǎng)日均時間為2小時42分鐘，其中城鎮(zhèn)居民可達3小時23分鐘，而其全部個人自由支配活動時間也只有3小時56分鐘，可見網(wǎng)絡訪問在生活中的不可或缺性。網(wǎng)絡對居民實體空間活動的影響也日趨增加，對居民日?；顒拥哪Ｊ疆a(chǎn)生了極大的影響，進一步改變了居民實體空間的使用特征，而實體空間也會反向作用于居民的活動模式的變化[12]。

虛擬空間活動對實體空間活動的影響主要體現(xiàn)在工作、出行、購物、休閑等方面?，F(xiàn)有研究表明，移動互聯(lián)網(wǎng)絡可通過改善工作活動條件、時間、地點，在一定程度上緩解交通擁堵[34]，提高交通網(wǎng)絡的效率[56]，同時也為出行活動提供了多任務處理的可能性[711]。通勤時間的節(jié)約能夠讓居民獲得更多休閑、購物時間[1216]，并提供了新的休閑、購物方式[14]，但也會受到居民個體經(jīng)濟社會屬性、網(wǎng)絡使用情況、建成環(huán)境類型等影響[1516]。在探討虛擬空間活動差異對實體空間活動影響時，相關研究從移動互聯(lián)網(wǎng)依賴程度、使用內(nèi)容和手機App使用類型、時長、偏好等角度進行了分析。在移動互聯(lián)網(wǎng)依賴程度方面，不同依賴程度的人群其實體空間活動模式也不同。相比輕度使用者，重度使用者通常會花更多的時間待在家里，獨自進行更多的活動，出行相對較少，并且其花在戶外活動和運動、離線社交、看電視上的時間較少，在晚上睡覺上花費更多的時間[1718]。在移動互聯(lián)網(wǎng)使用的內(nèi)容方面，有研究探討了不同互聯(lián)網(wǎng)使用內(nèi)容在促進實體空間活動上的差異[1920]，如獲取音樂會、戲劇表演和餐廳的更新信息，重新配置居民對周圍實體空間的訪問[2122]。還有研究通過居民App使用類型、時長與偏好進一步對人群空間到訪偏好進行識別，發(fā)現(xiàn)使用移動互聯(lián)網(wǎng)較多的人更傾向于訪問商業(yè)區(qū)，而使用移動互聯(lián)網(wǎng)較少的人更傾向于待在住宅區(qū)，對于那些喜歡瀏覽旅游類資訊的用戶，他們在閑暇時更喜歡去一些旅游區(qū)[23]。虛擬空間活動對實體活動的空間利用具有促進、替代、補充的影響[24]，并會進一步促進傳統(tǒng)城市空間的轉型[25]，實體空間也會反作用于虛擬空間活動[26]。一些研究指出，在城市化水平越高的地區(qū)，數(shù)字化是實現(xiàn)目標和管理日常生活的實用工具，而在低密度居住環(huán)境中，社區(qū)中心和社會關系是日常生活管理的重要因素[27]。居住地城市化水平越高、離商業(yè)中心距離越近的居民網(wǎng)購頻率越高;在同一城市化水平的地區(qū)，物流設施不均衡的空間分布又會使得網(wǎng)購頻率產(chǎn)生較大的差異[28]。

既有研究成果雖豐富，但在研究內(nèi)容上主要關注虛擬空間活動對實體空間活動模式、選擇、活動偏好的改變以及對實體空間利用的影響，還未有研究指出不同虛擬空間活動偏好人群在實體空間上的分布特征是怎樣的。在研究數(shù)據(jù)方面，現(xiàn)有研究多數(shù)使用小樣本調研數(shù)據(jù)，不能反映出大多數(shù)人的虛擬行為及其活動特征;有少數(shù)研究使用了手機信令中記錄的App使用時長數(shù)據(jù)，但并未對虛擬空間活動對個人行為模式的變化及實體空間互動關系進行分析。

目前主要的上網(wǎng)方式已經(jīng)從傳統(tǒng)的電腦向移動設備轉移。中國互聯(lián)網(wǎng)絡信息中心（CNNIC）發(fā)布的第47次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示：截至2020年12月，我國網(wǎng)民規(guī)模為9.89億，其中使用手機上網(wǎng)的比例達997%，手機上網(wǎng)已成為網(wǎng)民最常用的上網(wǎng)渠道之一。手機信令數(shù)據(jù)在以往的研究中多應用在居民行為和時空分布等領域[29];但隨著數(shù)據(jù)采集設備和采集能力的提高，其已經(jīng)能夠記錄個體層面的集計虛擬空間活動數(shù)據(jù)，是研究虛擬空間活動及其與實體空間互動關系的絕佳數(shù)據(jù)源?；诖?，本文以上海為例，利用手機信令數(shù)據(jù)探究居民的虛擬空間活動特征和其實體空間活動及分布上的關聯(lián)，以期為網(wǎng)絡時代居民行為模式領域的后續(xù)研究提供參考和借鑒。

二、 數(shù)據(jù)來源與研究框架

（一）數(shù)據(jù)來源與處理方法

1. 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)是2018年某月上海聯(lián)通公司用戶的手機信令數(shù)據(jù)，其用戶總量為1000萬人?？紤]到數(shù)據(jù)和人口的連續(xù)性、穩(wěn)定性，本研究主要對其中約600萬本地核心用戶（即運營商識別其居住地在上海且當月在本地出現(xiàn)超過10天的用戶?；讷@取數(shù)據(jù)的時間范圍不同，相關研究認定的識別時間也略有差異[29]。但一般認為，本地核心用戶的居住地在本地，且在本地出現(xiàn)的天數(shù)要大于獲取數(shù)據(jù)時間范圍的1/3）進行分析。其數(shù)據(jù)構成主要分為三個部分：（1）實體空間活動數(shù)據(jù)。采用空間網(wǎng)格的方式記錄用戶在某一時刻的位置，受地區(qū)基站密度影響，其網(wǎng)格單元邊長由250米至2000米變化不等。運營商已基于空間位置進一步識別用戶的駐留點、出行鏈，并根據(jù)駐留點特征標記用戶的居住地和工作地。（2）虛擬空間活動數(shù)據(jù)。個體在使用移動網(wǎng)絡時會向運營商發(fā)出傳輸數(shù)據(jù)請求，運營商便可基于此記錄個體的網(wǎng)絡訪問類型、訪問時長和使用流量;其中網(wǎng)絡訪問類型按照功能分為6個大類、102個小類（表1），基本覆蓋了虛擬空間各類領域。由于個人網(wǎng)絡訪問頻率較高，數(shù)據(jù)量極大，無法保留全部原始信息，因而本研究獲取的數(shù)據(jù)均為按月匯總后的集計數(shù)據(jù)，即每個用戶每月訪問該類網(wǎng)絡的時長（單位：毫秒）和流量（單位：bit）。（3）用戶屬性數(shù)據(jù)。即基于手機號碼注冊和手機使用過程而記錄的個體信息。本研究主要使用了用戶性別、年齡等標簽屬性。

2. 處理方法

（1）空間單元處理。由于原始數(shù)據(jù)網(wǎng)格單元跨越不同尺度且相互疊合，因而需要對其進行均一化處理?？紤]到后續(xù)空間分析尺度，本研究重新劃定了覆蓋上海市域的500米網(wǎng)格，并以與原網(wǎng)格的重疊面積為權重進行數(shù)據(jù)歸并，使得空間單元連續(xù)、可比。

（2）數(shù)據(jù)抽樣處理。受用戶隱私等數(shù)據(jù)獲取限制，在涉及個體層面的研究部分，無法獲得全部用戶的所有上網(wǎng)數(shù)據(jù)，因而采用隨機抽樣的方式，從600萬用戶中抽取了10萬用戶作為個體行為的研究樣本，并將其指標與總體樣本對比，以驗證抽樣數(shù)據(jù)的可靠性（表2）。相比于傳統(tǒng)數(shù)據(jù)，該數(shù)據(jù)量下的個體行為模式研究與時空間分布仍具有相當?shù)目尚哦取?/p>

（二）研究框架

從虛實空間活動的角度出發(fā)，本文的研究內(nèi)容可分為兩個部分：第一部分為虛擬空間活動。從總體和分類的角度對居民上網(wǎng)強度和特點進行概括;其次，結合性別、年齡等屬性對不同群體間網(wǎng)絡活動差異與規(guī)律進行分析，并從訪問類型內(nèi)部關聯(lián)的角度抽象總結虛擬空間關聯(lián)網(wǎng)絡，以體現(xiàn)居民虛擬空間活動的共性和個性。第二部分為虛實空間活動關聯(lián)。首先，以訪問強度為出發(fā)點，對不同人群的實體空間活動和空間分布特征進行描述;其次，重點對“金融理財”和“手機視頻”兩類高、低用戶的居住地分布進行刻畫;最后，將網(wǎng)絡訪問、個體屬性和實體空間活動三者相關聯(lián)，通過人群畫像的方式進行現(xiàn)實意義的解釋，從而揭示網(wǎng)絡對個體時空間行為活動的影響。

三、 虛擬空間活動特征

（一）網(wǎng)絡訪問強度特征

1. 總體上網(wǎng)特征

從上海居民移動網(wǎng)絡訪問強度來看，其網(wǎng)絡訪問日均總時長為5.35小時，中位數(shù)為3.87小時，在個體生活中占據(jù)相當?shù)谋戎亍６珖鴷r間利用調查顯示，移動端上網(wǎng)時長僅為1.88小時。據(jù)此可推測，手機上網(wǎng)活動實際呈現(xiàn)出一種碎片化和伴隨性的特點，因而實際上網(wǎng)時長超過主觀調查下個體認知的時長。觀察網(wǎng)絡訪問時長分布可發(fā)現(xiàn)（圖1），其呈現(xiàn)長尾分布特征，并通過雙對數(shù)坐標軸驗證符合截斷冪律分布（圖2），且?guī)讉€主要網(wǎng)絡訪問類型趨勢相同，這說明上網(wǎng)的強度分布是嚴重不均的，少量用戶訪問量極大，而大量用戶訪問量較少。

2. 分類型上網(wǎng)特征

從網(wǎng)絡使用類型來看（圖3），訪問時長突出高值為“網(wǎng)上購物”，其次為“手機視頻”“社交網(wǎng)絡”，其占了全部手機網(wǎng)絡使用總時長的64%。訪問流量上仍以該三類為主導，但排序出現(xiàn)差異?！笆謾C視頻”類網(wǎng)絡訪問由于呈現(xiàn)單位時間高流量的特征，因而排序更加靠前，同時占全部手機網(wǎng)絡使用總流量的76%?！熬W(wǎng)上購物”則明顯消耗流量較低。考慮到訪問時長和使用流量間的不匹配關系，后續(xù)研究中僅將訪問時長作為評價網(wǎng)絡訪問強度的指標，其能更真實地反映網(wǎng)絡特征與關系。

（二）網(wǎng)絡訪問屬性差異

在了解居民總體上網(wǎng)特征后，可進一步從性別、年齡和訪問時長三個角度對不同群體的上網(wǎng)差異進行研究。

1. 網(wǎng)絡訪問性別差異

基于按性別上網(wǎng)時長統(tǒng)計可發(fā)現(xiàn)（圖4），男性日均手機上網(wǎng)時長比女性多出1.7小時。一方面說明其上網(wǎng)時長相對較長，另一方面則是由于男性高強度上網(wǎng)比例多于女性，這在類似的網(wǎng)絡極端案例研究中也有相關發(fā)現(xiàn)。從訪問類型上則能反映兩者的上網(wǎng)偏好差異：男性在“手機視頻”“手機游戲”“瀏覽器”等類型上明顯投入時間更多，而女性則更多地使用 “社交網(wǎng)絡”。

2. 網(wǎng)絡訪問年齡差異

從上網(wǎng)時長年齡分布上來看（圖5a），手機上網(wǎng)的高強度群體主要集中在15—24歲的青少年，其日均手機上網(wǎng)時長接近9.5小時，幾乎占了全部的可自由支配時間乃至部分學習、睡眠等剛性約束活動時間。而隨著年齡的進一步增長，上網(wǎng)時長則會逐步下降，總體呈現(xiàn)一種倒U型階段性分布的特點。針對不同年齡群體訪問的網(wǎng)絡類型進行研究可發(fā)現(xiàn)：青少年更加關注“手機游戲”“手機音樂” “手機視頻”等娛樂類別;而中老年群體對“金融理財”“打車軟件”“企業(yè)門戶”等商務性類別的關注度則相比青少年群體較高。通過不同類型間演替的折線圖可以發(fā)現(xiàn)（圖5b），年齡變化帶來的上網(wǎng)偏好轉移主要發(fā)生在19—24歲這一階段，其關注重點逐漸從 “手機視頻”“手機游戲”向“網(wǎng)上購物”“社交網(wǎng)絡”過渡，居民的虛擬活動重心開始從娛樂性向生活性轉變。

3. 網(wǎng)絡訪問強度差異

由于總體特征中已經(jīng)揭示了不同個體間網(wǎng)絡訪問強度的量級差異，單純將其按時長分組則組間樣本量可能相差巨大，本研究結合其冪律分布的特點，采用上網(wǎng)時長對數(shù)分組的方式將人群劃分為20個小組，其上網(wǎng)時長隨分組序號逐漸增加。將各組用戶網(wǎng)絡訪問構成進行均一化可以發(fā)現(xiàn)（圖6），訪問類型和上網(wǎng)強度間確實存在一定關系：上網(wǎng)時長較短的用戶使用各種類型網(wǎng)絡的時間是較為均衡的，均為使用較短的時間以滿足基本的生活和工作需要;而隨著個體手機上網(wǎng)時長的增加，多余的上網(wǎng)時間往往集中于 “手機視頻”和“網(wǎng)上購物”，其占據(jù)了高強度人群60%的上網(wǎng)時間，即“非常規(guī)”上網(wǎng)活動的主要類別。

（三）網(wǎng)絡訪問關聯(lián)性

網(wǎng)絡訪問中末位類別的訪問總量微乎其微，因而本研究針對個體網(wǎng)絡訪問的關聯(lián)性探究僅選擇了總量為前24位的類型，并對抽樣的10萬居民上網(wǎng)數(shù)據(jù)分別計算兩兩類型間的相關性。結果表明，直接計算下的網(wǎng)絡訪問相關性普遍偏低，沒有明顯規(guī)律。繼續(xù)將其中前三類訪問量做散點圖則發(fā)現(xiàn)（圖7）：由于訪問時長呈現(xiàn)冪律分布，一般性訪問被壓縮，幾乎無法反映兩兩之間的真實關聯(lián)。為了進一步體現(xiàn)這種網(wǎng)絡關系，此處設計了Z值進行反映，其計算了兩種上網(wǎng)類型間的平衡程度隨上網(wǎng)時長的變化，具體如下：

Z=Tx-TyTx+Ty

式中，Tx為用戶訪問x類網(wǎng)絡的時長，Ty為用戶訪問y類網(wǎng)絡的時長。

將“手機視頻”“網(wǎng)上購物”兩類計算Z值可視化發(fā)現(xiàn)（圖8）：只有當兩種類型訪問量均較小時會呈現(xiàn)一種平衡狀態(tài)，過量的訪問并不會在兩者間均勻分布并呈現(xiàn)一種單純的正向關系，而是只會集中在單一類別上（這一現(xiàn)象同樣出現(xiàn)在其他兩兩計算Z值的訪問類型中）。這一規(guī)律的現(xiàn)實意義更容易理解：在個體時間約束下，居民上網(wǎng)的強度和集中程度是相關的。居民上網(wǎng)時間越長，這些增加的時間訪問的類型也就越集中，其越容易被特定的功能所吸引，即廣義上所說的“網(wǎng)絡沉迷”以及“信息繭房”。

了解這種關系機制后，可以將訪問時長超過正常值的部分去掉后重新計算其相關性，從而發(fā)現(xiàn)：“企業(yè)門戶”與“打車軟件”、“網(wǎng)上購物”與“電子支付”、“手機視頻”與“綜合資訊”間也出現(xiàn)了明顯的相關關系，其基本符合常識中對上網(wǎng)類型的經(jīng)驗判斷。將單個訪問類型與其他類型間的相關性疊加即反映了該類型的中心程度，用連線粗細反映相關性強弱，即形成了上網(wǎng)類型的關聯(lián)網(wǎng)絡（圖8）。在這一關聯(lián)網(wǎng)中，越靠近中心說明人均訪問時長越長，與其他類型間的關聯(lián)性也就越高，是居民上網(wǎng)的共性和主導類型;越靠近外側則說明人均訪問時長越短，是居民上網(wǎng)的個性和附屬類型。中心組團的關聯(lián)主要圍繞“網(wǎng)絡購物”“手機視頻”“電子支付”和“社交網(wǎng)絡”展開并向外延伸，同時再次形成次級集聚組團。其中部分關聯(lián)較符合經(jīng)驗常識，但也有部分較為特殊，比如“借貸”和“手機閱讀”相關聯(lián)，“汽車信息”與“社交網(wǎng)絡”相關聯(lián)，這可能也映射了部分信息的傳播或投放途徑。訪問量不低的“手機游戲”則居于外側，一方面因其并非生活性功能從而受眾面不如低強度類別廣泛，另一方面則是由于其與核心組團間存在明顯的時間利用競爭關系，都是對閑暇時間的爭奪，而非功能互補，因而成為個性類別居于外側。

四、 虛實空間活動關聯(lián)

虛擬空間活動在時間的約束條件下必然會對實體空間活動產(chǎn)生影響。同時，作為個體興趣或活動特征的反映，相似虛擬空間活動的群體也應呈現(xiàn)一定的實體空間活動共性。對此，我們從虛擬空間的訪問強度和訪問類型兩個角度展開，探究其與實體空間的聯(lián)動關系。

（一）訪問強度下的空間關聯(lián)

1. 空間活動關聯(lián)

針對訪問強度，這里沿用了前文訪問時長指標以及對數(shù)分組的方式;針對實體空間活動特征，主要選擇了約束性更低的到訪活動（非居住地、非工作地的長時駐留點），并以工作日和周末、白天和夜晚兩組屬性交叉下的四個時段的活動時長和總體活動頻率作為指標，分析不同訪問強度下的活動特征差異。結果顯示（圖10）：隨著網(wǎng)絡訪問時間的不斷增加，兩個指標具有總體相似的變化特征，即先升高后下降;其中典型活躍的居民，其平均到訪活動時長和活動頻率分別是不活躍居民的1.4倍和1.8倍。為了進一步反映這種變化，研究做出用戶網(wǎng)絡訪問時長和活動時間的散點圖（圖11），其更清晰地呈現(xiàn)了個體而非群體狀態(tài)下的虛實空間影響關系。針對這種變化趨勢，可以結合現(xiàn)實意義解讀其影響機制：當訪問量總體較低時，結合前文特征關系中的分析，其用戶群體應以中老年為主，其空間活動的強度主要是受個體活動能力或剛性活動制約而呈現(xiàn)較低的特點;隨著訪問強度的增加，人群結構開始向青少年轉移，其空間活動強度加大、范圍擴張，兩者呈現(xiàn)正向的關系。這兩個階段下，虛實空間強度上的關聯(lián)主要還是以個體屬性為媒介，而非直接相互作用;但當訪問強度超過特定閾值后，由于個體可支配時間具有有限性，進一步的虛擬空間過量訪問必然會帶來實體空間活動的可見壓縮，因而形成了休閑活動的大幅回落，此時虛擬空間已經(jīng)跨越了個體屬性開始直接對實體空間產(chǎn)生影響。

2. 空間分布關聯(lián)

過往對于居住空間的研究多揭示了個體屬性下“大雜居、小聚居”的特點，但這種屬性都是可見、可感知或是外在的社會性屬性;單純的虛擬空間活動作為屬性則具有特殊的私密性，并不會被主觀察覺以作為居住選擇的考量因素。那么，虛擬空間的訪問強度是否具有清晰可見的空間分布規(guī)律？對此進行研究，可分別簡單統(tǒng)計每個空間單元內(nèi)用戶的平均上網(wǎng)時間，再觀察總體的空間分布趨勢。結果表明，這種研究方法并沒有明顯的規(guī)律，僅呈現(xiàn)從中心城區(qū)向遠郊區(qū)逐步降低的特點，而缺乏特征區(qū)域。通過分析可發(fā)現(xiàn)，這一結果可能是受到統(tǒng)計單元中人數(shù)總量分布差異的影響，單純統(tǒng)計平均值只會在“冪律分布”的概率條件下變相呈現(xiàn)人口多、均值大的特點，而部分人數(shù)較少的單元也更容易失真。因而，本研究最終采用了如下方式來凸顯不同訪問強度用戶的分布差異：（1）將用戶按訪問時長排序。（2）選擇總時長排序前2萬人作為“高訪問”用戶，后2萬人作為“低訪問”用戶。（3）將每個統(tǒng)計單元內(nèi)的兩種用戶分布數(shù)量相減并進行空間可視化，負值區(qū)代表低訪問用戶聚集，正值區(qū)代表高訪問用戶聚集。通過這種處理方式，一方面使得兩者具有相同的人口基數(shù)，能進行空間分布比較，另一方面也能避免因本身人口分布不均帶來的結構性偏差以及網(wǎng)絡訪問量間的數(shù)值差距，從而直觀準確地描述兩類極端人群的分布差異特征。最終結果顯示（圖12）：兩者空間分布確實具有一定差異，低訪問用戶主要集中在中心城區(qū)，且最低值區(qū)域出現(xiàn)在上海市中心的黃浦區(qū)，尤其是一些歷史保護區(qū)域、里弄集中區(qū)域。其中本地老年人口較為集聚，因而呈現(xiàn)明顯網(wǎng)絡訪問低值。而高訪問用戶則相對集中在近郊區(qū)域、各大學校區(qū)和遠郊的工業(yè)區(qū)。這種空間分布差異本質上再次回應了個體屬性分布差異，即低訪問用戶多為中老年人群，而高訪問用戶則以學校學生、工廠區(qū)域周邊工人為主。這與最初對其活動特征的推測也是一致的，即：虛擬空間活動本身可能并不會成為居住選擇的考量因素，但受到個體屬性的影響，也必然呈現(xiàn)一定的空間集聚性。

（二）訪問類型下的空間關聯(lián)

在揭示不同訪問強度群體分布的機制后，可預見的是，相同上網(wǎng)偏好群體在社會屬性的作用下必然也會產(chǎn)生不同的空間分布特征。鑒于網(wǎng)絡訪問細分類型多，不同類型間訪問量差距大，且彼此間本身就具有相關關系，這里只選擇了“金融理財”和“手機視頻”兩類，以探究其高訪問用戶和低訪問用戶的空間分布差異。

“金融理財”空間分布中（圖13），高訪問群體主要集中在中心城區(qū)，以斑塊狀區(qū)域為主，并在陸家嘴區(qū)域連綿成片，向外則聚集在近郊典型高檔住宅區(qū)，如浦東別墅區(qū)、佘山別墅區(qū)和泰晤士小鎮(zhèn)別墅區(qū)等。低訪問群體空間分布則并不具有典型特征。這基本揭示了研究對象中訪問“金融理財”類網(wǎng)絡的用戶一方面多為陸家嘴金融工作從業(yè)者，另一方面則多為相對高收入人群。“手機視頻”空間分布規(guī)律（圖13）則與“金融理財”基本相反，中心城區(qū)整體以低訪問群體為主，而高訪問群體則集中在高校校區(qū)和制造業(yè)工業(yè)區(qū)，說明高訪問用戶主要是學生和工人群體。

這兩個空間分布的案例進一步說明了虛擬空間屬性、實體空間分布與個體社會屬性的關聯(lián)關系。相似的經(jīng)濟能力、從業(yè)類型、年齡、受教育水平下的個體具有相似的虛擬空間活動特征，網(wǎng)絡訪問數(shù)據(jù)進一步擴展了手機信令數(shù)據(jù)除時空間信息外的新的社會屬性標簽。

（三）基于虛擬空間活動的人群畫像

在對居民虛擬空間活動及實體空間關系進行部分探究后，本研究進一步嘗試通過人群畫像的方式對這一信息進行整合分析描述。以10萬個體用戶為樣本，將“網(wǎng)上購物”“手機視頻”“社交網(wǎng)絡”“綜合資訊”“金融理財”五個典型網(wǎng)絡訪問量作為屬性標簽，采用K-means方法進行人群聚類，預先以各類訪問量最大值為聚類中心進行擬合，以反映上網(wǎng)差距，并根據(jù)訪問量差異程度合并相似聚類，調整聚類中心，最終形成了五種不同網(wǎng)絡訪問重心的群體。為更易理解，這里以代稱分為：“社交型人群”“金融型人群”“網(wǎng)購型人群”“娛樂型人群”和“低上網(wǎng)人群”。在進行各類人群分類后，對每類人群的年齡結構、性別比例分別進行計算，同時將其到訪活動的時長、頻率、距離作為空間活動指標，形成虛實空間統(tǒng)一的居民特征，具體如下（表3）：

（1）“社交型人群”。該類人群以女性、青少年群體居多，其虛擬空間活動最典型的特征即高強度訪問“社交網(wǎng)絡”類網(wǎng)絡，其次為“網(wǎng)上購物”類網(wǎng)絡。在空間活動上呈現(xiàn)“中頻長時”的特征，即外出活動頻率為中等水平，但單次在外活動時長是最長的。這一年齡段主要對應著學生群體，考慮到上學的剛性約束，其典型的到訪活動大多局限在周末，因而制約了其活動頻率;但精力充沛的年輕人往往會盡可能地增加在外游玩的時間以進行補足，個體的社交需求從線上到線下形成了連續(xù)的閉環(huán)。

（2）“金融型人群”。該類群體在“金融理財”類網(wǎng)絡上投入了遠高于均值的大量時間，并以男性、中年為主。從他們的到訪活動可以發(fā)現(xiàn)，其外出頻率較高，同時能夠接受的外出距離也較遠。個體屬性與虛擬空間活動的匹配基本符合現(xiàn)實中對該類群體的預期。與前者不同的是，其主要社交從線上轉移到了線下，需要更加頻繁的外出活動，同時考慮到這一群體有私家車的比例，也不難解釋個體機動能力提高的情況下空間活動范圍的擴張。

（3）“網(wǎng)購型人群”。該類群體性別基本平衡，年齡也并不集中，趨勢為年齡越大，所占比例越低。其虛擬活動的主要類型則為“網(wǎng)上購物”。該類人群的空間活動同樣頻率較高，但活動距離不會過遠，活動時間則稍長。對于這一類型的虛實空間關系并不能單純通過個體屬性進行判斷。如果說社交和金融更多是作為一種實體空間活動的補充，兩者行動具有一致性的傾向，網(wǎng)購這一行為則與原有實體空間活動存在明顯的競爭關系。這也是虛實空間關系的復雜之處，競爭關系帶來的結果可能是共同促進，但也有可能是相互替代。

（4）“娛樂型人群”。這部分群體以男性偏多，年齡上則呈現(xiàn)高度青年化。他們在“手機視頻”“綜合資訊”上花費了大量時間，主要是訪問“快手”“抖音”“微博”等類似的平臺。從個體活動上看，其外出活動時間和活動頻率相對較低，但能接受的空間活動距離較遠。這一類人群反映了當前青年群體虛擬空間活動中最常見的一面。同時不可否認的是，較多的網(wǎng)絡休閑活動削弱了這一類群體的短距離外出。

（5）“低上網(wǎng)人群”。該類人群上網(wǎng)特征也較為鮮明，即：對各類網(wǎng)絡的訪問量均較低，較少地使用移動網(wǎng)絡;性別基本平衡，年齡上則與“網(wǎng)購型人群”相反，趨勢為年齡越大，所占比例越高;其空間活動特征也呈現(xiàn)明顯的差異，外出活動的時長、頻率和距離都是最短的，也就是說他們更多在家附近進行短距離的活動。這組人群的屬性、網(wǎng)絡訪問和實體活動三者基本是相匹配的，幾乎呈現(xiàn)了較少上網(wǎng)的老年人的空間活動狀態(tài)。

實際上，網(wǎng)絡訪問本身的復雜性決定了個體活動選擇具有無數(shù)種可能，基于不同的分類標準或是網(wǎng)絡類型劃分也可能產(chǎn)生更多的人群類型。這里的五類人群主要是基于最多訪問的類型來劃分，可展現(xiàn)一種虛擬空間活動分類解釋所對應的社會屬性和空間活動的方式。這種解釋雖然不能完全地剖析實體空間活動或默認兩者產(chǎn)生了直接影響，但從空間活動差異對比或是分布的角度仍為我們提供了一種新的視角。

五、 總結與討論

手機信令數(shù)據(jù)由于其兼具實體空間活動數(shù)據(jù)以及虛擬空間訪問數(shù)據(jù)的雙重特點，因而能夠更好地反映兩者間的互動關系?；诒疚难芯靠砂l(fā)現(xiàn)：（1）以數(shù)據(jù)反映的上海核心人口為例，居民日均上網(wǎng)時長約為5.35小時，類型上以“網(wǎng)上購物”和“手機視頻”為主;男性、青少年群體上網(wǎng)強度顯著增加;同時隨著年齡的增加，網(wǎng)絡訪問需求呈現(xiàn)從“娛樂型”向“生活型”的轉變。（2）網(wǎng)絡訪問類型間存在較為復雜的關聯(lián)關系，隨著訪問量的增加，類型逐漸由“均質化”變?yōu)椤凹谢?，且由“網(wǎng)絡購物”“手機視頻”“電子支付”“社交網(wǎng)絡”所組成的核心“共性”圈層向外擴展。（3）虛實空間活動共同受到個體社會屬性的影響而呈現(xiàn)隨同變化的特點。網(wǎng)絡訪問增加，外出活動也隨之增加，但當訪問總量超過一定限度時，就會反向直接約束實體空間活動。（4）相同訪問強度、訪問類型的群體其空間活動和空間分布存在一定的共性，虛擬空間活動可作為一種平行于社會屬性的“標簽”，對個體的時空間活動進行解釋。

本研究一方面探索了基于手機信令數(shù)據(jù)的虛擬空間研究方式，并與實體空間活動相結合，擴展了個體時空間研究的領域范圍;另一方面也印證了虛擬空間活動作為獨特的個體活動類型在居民中的差異與影響。對其信息和特征的挖掘不僅有助于豐富當前時代背景下的個體行為研究，同時作為一種特殊需求的反映，也可以作為新的社會性“標簽”來解釋社會現(xiàn)象。實際上，虛擬空間活動與實體空間活動間的互動不僅體現(xiàn)在本文重點研究的訪問強度和類型上。當進一步縮小研究的時間精度時，伴隨實體活動發(fā)生的網(wǎng)絡行為所反映的信息也能從更微觀的角度對個體行為進行解釋。因而，針對這一領域的研究不僅僅需要通過大數(shù)據(jù)對宏觀層面進行把控了解，同樣需要問卷調查、時間利用日志等多種微觀層面的后續(xù)研究進行拓展豐富。

（感謝鄧良凱對本文的貢獻。）

YOUSEFI Z， DADASHPOOR H， HANLEY R E. How do ICTs affect urban spatial structure？ A systematic literature review[J]. Journal of Urban Technology， 2020， 27（1）：4765.

[2] 申悅，柴彥威，王冬根.ICT對居民時空行為影響研究進展[J].地理科學進展，2011，30（6）：643651.

[3] 王波，甄峰，謝金燕，等.智慧社會下的遠程通勤：基于全天和非全天在家辦公選擇及影響因素的分析[J].地理科學，2021，41（5）：788796.

[4] HOPKINS J L， MCKAY J. Investigating “anywhere working” as a mechanism for alleviating traffic congestion in smart cities[J]. Technological Forecasting and Social Change， 2019， 142：258272.

[5] LENZ B，? NOBIS C. The changing allocation of activities in space and time by the use of ICT—“Fragmentation” as a new concept and empirical results[J]. Transportation Research Part A Policy & Practice， 2007， 41（2）：190204.

[6] SCHWANEN T， KWAN M P. The internet， mobile phone and space-time constraints[J]. Geoforum， 2008， 39（3）：13621377.

[7] WARDMAN M，? LYONS G. The digital revolution and worthwhile use of travel time： Implications for appraisal and forecasting[J]. Transportation， 2016， 43（3）：507530.

[8] GRIPSRUD M， HJORTHOL R. Working on the train： From “dead time” to productive and vital time[J]. Transportation， 2012， 39（5）：941956.

[9] TANG J， ZHEN F， CAO J， et al. How do passengers use travel time？ A case study of Shanghai—Nanjing high speed rail[J]. Transportation， 2018， 45（4）：451477.

[10] VARGHESE V，? JANA A. Impact of ICT on multitasking during travel and the value of travel time savings： Empirical evidences from Mumbai， India[J]. Travel Behaviour and Society， 2018， 12：1122.

[11] 王波， 盧佩瑩， 甄峰. 智慧社會下的城市地理學研究——基于居民活動的視角[J]. 地理研究， 2018， 37（10）：20752086.

[12] DING Y， LU H. The interactions between online shopping and personal activity travel behavior： An analysis with a GPS-based activity travel diary[J]. Transportation， 2017， 44（2）：114.

[13] CAO X. E-Shopping， spatial attributes， and personal travel[J]. Transportation Research Record： Journal of the Transportation Research Board， 2009， 2135： 160169.

[14] ZHOU R， FONG P， TAN P. Internet use and its impact on engagement in leisure activities in China[J]. PLOS ONE， 2014， 9（2）：111.

[15] 張永明，甄峰.建成環(huán)境對居民購物模式選擇的影響——以南京為例[J].地理研究，2019，38（2）：313325.

[16] 王德，田金玲，譚文墾.基于網(wǎng)絡購物行為偏好的上海市居民購物方式演替研究[J].同濟大學學報（自然科學版），2020，48（11）：15521561.

[17] KONRAD K， WITTOWSKY D. Virtual mobility and travel behavior of young people — Connections of two dimensions of mobility[J]. Research in Transportation Economics， 2018， 68：1117.

[18] THULIN E， VILHELMSON B. More at home， more alone？ Youth， digital media and the everyday use of time and space[J]. Geoforum， 2019， 100：4150.

[19] SHEN C， WILLIAMS D. Unpacking time online： Connecting internet and massively multiplayer online game use with psychosocial well-being[J]. Communication Research， 2010， 38（1）：123149.

[20] EKSTROEM M， OLSSON T， SHEHATA A. Spaces for public orientation？ Longitudinal effects of Internet use in adolescence[J]. Information Communication & Society， 2014， 17（2）：168183.

[21] LEYSHON M， DIGIOVANNA S， HOLCOMB B. Mobile technologies and youthful exploration： Stimulus or inhibitor？[J]. Urban Studies， 2013， 50（3）：587605.

[22] SKELTON T， GOUGH KV. Introduction： Young peoples im/mobile urban geographies[J]. Urban Studies. 2013;50（3）：455466.

[23] WANG Yihong， CORREIA G H A， et al. Understanding travellers preferences for different types of trip destination based on mobile internet usage data[J]. Transportation Research Part C Emerging Technologies， 2018， 90： 247259.

[24] 尹罡，甄峰.人群與活動差異視角下網(wǎng)絡休閑對實體休閑的影響方式研究[J].地理與地理信息科學，2020，36（5）：7279.

[25] XI Guangliang， ZHEN Feng， GILLES Puel， et al. Spatio-temporal fragmentation of leisure activities in information era： Empirical evidence from Nanjing， China[J]. Chinese Geographical Science， 2017， 27： 137150.

[26] ZONG W， ZHANG J. Use of smartphone applications and its impacts on urban life： A survey and random forest analysis in Japan[J]. Sustainable Cities and Society， 2019， 49.

[27] HATUKA T， ZUR H， MENDOZA J A. The urban digital lifestyle： An analytical framework for placing digital practices in a spatial context and for developing applicable policy[J]. Cities， 2020， 111.

[28] 鄧清華， 薛德升， 龔建周. 廣州市居民網(wǎng)絡購物頻率的影響因素及其空間差異[J]. 地理科學， 2020（6）：928938.

[29] 鐘煒菁， 王德， 謝棟燦， 等. 上海市人口分布與空間活動的動態(tài)特征研究——基于手機信令數(shù)據(jù)的探索[J]. 地理研究， 2017，36（5）：972984.

[30] 丁亮， 鈕心毅， 宋小冬. 上海中心城就業(yè)中心體系測度——基于手機信令數(shù)據(jù)的研究[J]. 地理學報， 2016， 71（3）：16.

The Characteristics of the Use of Mobile Internet and the Comovement

between Physical and Virtual Spaces

WANG De， ZHU Licaiqi， YAN Longxu

College of Architecture and Urban Planning， Tongji University， Shanghai 200092， China

Mobile network has played an increasingly important role in daily life. It has also influenced the individual spatial-temporal activity. Based on cell phone signaling data which can reflect both the characteristics of physical and virtual space activities and their correlations， this paper focuses on the features that characterize the individual virtual activity and its association with physical activity. It is found that the average daily surfing time of Shanghai residents has reached 5.35 hours and “online shopping”，“mobile video” and “social media” are the main preferences in cell phone usage， which vary with gender， age， online intensity and other characteristics. Upon further exploration， a certain correlation among online types was found， showing a network structure with different layers from tight to loose. It is also found that the relationship between virtual and physical space has changed from mutual promotion to mutual restriction. Online activity， as a new label of individual attribute， has great potential in explaining individual behavior patterns and spatial distribution.

cell phone signaling data; online surfing; individual behavior