Modeling User Activity Space from Location-Based Social Media: A Case Study of Weibo

Abstract

Activity space studies are beneficial for discovering meaningful activity patterns and providing a deeper understanding of human behaviors. There is insufficient research, however, on how reliable location-based social media (LBSM) is as a new data source for discovering user activity spaces. To this end, this research calculates four external and three internal activity space indicators based on Weibo data from three Chinese cities. We compared the strengths and weaknesses of these indicators for approximating user activity spaces from LBSM data with a low sampling resolution. We also tested how different amounts of check-in data affect the calculation of these activity space indicators. The results provide a useful reference for future experimental design in human activity modeling based on social media data.

研究人类活动空间，有助于发现有意义的人类活动模式，提供对人类行为的深层次理解。然而，可靠的基于位置的社交媒体(LBSM)能否成为新的发掘用户活动空间的数据源，仍然缺乏研究。因此，根据三个中国城市的微博数据，本研究计算了四个外部和三个内部活动空间指数。通过低采样分辨率LBSM数据来近似用户活动空间，我们比较了这些指数的优缺点。我们测试了不同数量的签到数据对活动空间指数的影响。本文为未来基于社交媒体数据的人类活动建模，提供了实验设计的有用参考。

Los estudios del espacio de actividad son beneficiosos por descubrir patrones significativos de actividad y proveer un entendimiento más profundo de los comportamientos humanos. Sin embargo, es insuficiente la investigación sobre qué tan confiable son los medios sociales basados en localización (LBSM) como nueva fuente de datos para descubrir los espacios de actividad del usuario. Para este propósito, esta investigación calcula cuatro indicadores de espacios de actividad externos y tres internos con base en datos Weibo de tres ciudades chinas. Comparamos las fortalezas y debilidades de estos indicadores para aproximarse a los espacios de actividad del usuario a partir de datos LBSM con una resolución de muestreo baja. También probamos cómo diferentes cantidades de datos de registro afectan el cálculo de estos indicadores de espacio de actividad. Los resultados proveen una referencia útil para el diseño experimental futuro del modelado de la actividad humana con base en datos de los medios de comunicación social.

Key Words:

• activity space modeling
• big geodata
• data quality
• location-based social media (LBSM)

关键词:

• 活动空间建模
• 地理大数据
• 数据质量
• 基于位置的社交媒体（LBSM）

Palabras clave:

• calidad de los datos
• macro-geodatos
• medios sociales basados en localización (LBSM)
• modelado del espacio de actividad

Acknowledgments

We thank the anonymous reviewers and editor for providing great insights and comments. We also thank Dr. Guixing Wei for collecting the data.

Additional information

Notes on contributors

Xujiao Wang

XUJIAO WANG received her PhD from the Department of Geography at Texas State University, San Marcos, TX 78666. E-mail: [email protected]. Her research interests include spatiotemporal data analytics, human activity space modeling, and LBSM data mining.

Yihong Yuan

YIHONG YUAN is an Associate Professor in the Department of Geography at Texas State University, San Marcos, TX 78666. E-mail: [email protected]. Her work has covered a variety of topics, including GIScience, spatiotemporal data mining, big geodata analytics, human mobility modeling, and urban computing.