大數(shù)據(jù)與城市規(guī)劃課程概況習(xí)題1新數(shù)據(jù)的出現(xiàn)使得城市規(guī)劃與城市研究更加深入，下面哪個(gè)不屬于新數(shù)據(jù)（大數(shù)據(jù)+開(kāi)放數(shù)據(jù)）？公共交通刷卡記錄數(shù)據(jù)人口普查公報(bào)社交媒體數(shù)據(jù)手機(jī)信號(hào)數(shù)據(jù)解析：新數(shù)據(jù)為大數(shù)據(jù)以及公開(kāi)數(shù)據(jù)，人口普查公報(bào)是匯總的數(shù)據(jù)，也是傳統(tǒng)數(shù)據(jù)，因此不屬于新數(shù)據(jù)。2、請(qǐng)問(wèn)以下數(shù)據(jù)幾何形式上屬于哪種類型？線狀數(shù)據(jù)（polyline）面狀數(shù)據(jù)（polygon）點(diǎn)狀數(shù)據(jù)（point）以上皆非解析：根據(jù)圖片的點(diǎn)狀分布以及核心字段的說(shuō)明，可推斷出本數(shù)據(jù)為point點(diǎn)狀數(shù)據(jù)。3、下列關(guān)于“街道步行指數(shù)”核心字段的解釋，下列敘述哪個(gè)不恰當(dāng)？A、WalkScore：街道步行指數(shù)，是街道可步行性的綜合指標(biāo)B、

function_density：街道功能密度，以街道的商業(yè)建筑面積密度做參考C、function_mix：街道功能混合度，一個(gè)區(qū)域內(nèi)設(shè)施的功能多樣性D、junction_density：道路交叉路口密度，街道周邊一定范圍內(nèi)的道路交叉路口數(shù)量與面積的比值解析：unction_density：街道功能密度是以計(jì)算該街道的興趣點(diǎn)POI密度。公式如下：4、請(qǐng)問(wèn)以下哪個(gè)字段不包含在“ResidentialCommunity居住小區(qū)”數(shù)據(jù)里？A、小區(qū)占地面積B、小區(qū)內(nèi)容積率C、鄰近設(shè)施狀態(tài)D、小區(qū)住房成交量解析：此字段不包含于該數(shù)據(jù)中5、下面哪項(xiàng)屬于本課程的教學(xué)內(nèi)容？A、數(shù)據(jù)抓取B、數(shù)據(jù)分析C、數(shù)據(jù)可視化D、數(shù)據(jù)增強(qiáng)設(shè)計(jì)E、以上皆是變化中的中國(guó)城市與未來(lái)城市以城市規(guī)劃學(xué)科而言，下面對(duì)于城市的定義哪個(gè)不恰當(dāng)？行政地域是一般大家所熟悉的城市范圍，其邊界大多依據(jù)歷史、地理等要素劃定實(shí)體地域是指利用地形地貌所刻畫(huà)出來(lái)的適宜城市建設(shè)的范圍功能地域側(cè)重于實(shí)質(zhì)功能上的關(guān)聯(lián)，如：通勤交通所體現(xiàn)的勞動(dòng)力市場(chǎng)解析：實(shí)體地域是實(shí)際情況下城市化的土地，一般以城鎮(zhèn)建設(shè)用地的范圍作為表征。

關(guān)于當(dāng)前中國(guó)城市的敘述，下列敘述哪個(gè)不恰當(dāng)？A、現(xiàn)在的行政地域與真實(shí)的城市狀況有所出入的，不足以客觀表達(dá)中國(guó)的城市化進(jìn)程以及中國(guó)城市的基本規(guī)模和分布B、過(guò)去的人類社會(huì)發(fā)展屬于“硅基文明”，演化進(jìn)程相對(duì)于“碳基文明”更為緩慢C、互聯(lián)網(wǎng)的發(fā)展雖為人類帶來(lái)了高效與便捷，卻也出現(xiàn)了碾壓城市空間，造成城市空間凋敝甚至是衰敗等現(xiàn)象解析：人類社會(huì)發(fā)展以來(lái)長(zhǎng)期屬于碳基文明，如今，硅基文明以更低耗的進(jìn)化速率席卷而來(lái)，驅(qū)動(dòng)著世界朝向更高階層的進(jìn)化。近幾年中國(guó)城市正在面臨各種變革，以下何者為本章所提及的變化之一？全天候在線化小型化居家化以上皆是解析：以上三種皆為本章提及的"當(dāng)前中國(guó)城市所面臨的變化"。智能化的快速發(fā)展逐步?jīng)_擊各行各業(yè)，下列敘述哪個(gè)不恰當(dāng)？亞馬遜的無(wú)人商店AmazonGo有自動(dòng)識(shí)別商品、自動(dòng)結(jié)賬等技術(shù)，對(duì)傳統(tǒng)零售商產(chǎn)生較大沖擊國(guó)際四大會(huì)計(jì)事務(wù)所之一的德勤與人工智能企業(yè)合作，將人工智能引入會(huì)計(jì)和審計(jì)等工作中

設(shè)計(jì)師、教職人員、醫(yī)務(wù)人員等職業(yè)并不會(huì)被智能化的趨勢(shì)所影響和取代。解析：阿里巴巴在2016年已經(jīng)使用了智能機(jī)器人“魯班”設(shè)計(jì)商品廣告的海報(bào)。在不久后，教職人員、分析師、醫(yī)務(wù)這些以往被認(rèn)為無(wú)可取代的工作，都有可能受到智能化的趨勢(shì)所影響。下列關(guān)于“共享化”趨勢(shì)的敘述，下列敘述哪個(gè)不恰當(dāng)？近年來(lái)，“共享”概念在城市里蓬勃發(fā)展，閑置物品、空間，甚至是知識(shí)經(jīng)驗(yàn)獲得了更有效率的重新分配或交換，同時(shí)也對(duì)城市空間帶來(lái)了巨大影響在北上廣深等城市，共享單車仍舊無(wú)法改善交通盲點(diǎn)（以公共交通工具服務(wù)半徑無(wú)法到達(dá)的區(qū)域）的困境不只是交通設(shè)施的共享化，從MakerSpace、Co-workingSpace、Co-livingSpace等共享空間的出現(xiàn)說(shuō)明了城市空間也越來(lái)越注重此趨勢(shì)解析：在北上廣深等城市，共享單車對(duì)交通盲點(diǎn)的覆蓋超過(guò)99%，甚至達(dá)到全覆蓋。城市數(shù)據(jù)類型和數(shù)據(jù)介紹下列何種數(shù)據(jù)不屬于“傳統(tǒng)數(shù)據(jù)”？航拍影像圖社交平臺(tái)簽到數(shù)據(jù)中國(guó)城市建設(shè)統(tǒng)計(jì)年鑒北京市家庭交通出行調(diào)查問(wèn)卷解析：社交平臺(tái)簽到數(shù)據(jù)屬于新數(shù)據(jù)類型下列關(guān)于新數(shù)據(jù)環(huán)境的敘述，下列敘述哪個(gè)不恰當(dāng)？近年來(lái)，隨著信息通信技術(shù)與物聯(lián)網(wǎng)技術(shù)的發(fā)展，大數(shù)據(jù)與開(kāi)放數(shù)據(jù)共同構(gòu)成了“新數(shù)據(jù)環(huán)境”與傳統(tǒng)數(shù)據(jù)相比，新數(shù)據(jù)環(huán)境主要呈現(xiàn)出精度低、覆蓋廣、更新慢等特點(diǎn)新數(shù)據(jù)環(huán)境不僅意味著更大的數(shù)據(jù)量，更反映了數(shù)據(jù)背后關(guān)于人群行為、移動(dòng)、交流等活動(dòng)的豐富信息新數(shù)據(jù)環(huán)境的特點(diǎn)與新型城鎮(zhèn)化時(shí)期“以人為本”、“存量更新”、“自下而上”等城市規(guī)劃理念不謀而合，被認(rèn)為是促進(jìn)城市規(guī)劃科學(xué)化與城鎮(zhèn)治理高效化的有力工具解析：與傳統(tǒng)數(shù)據(jù)相比，新數(shù)據(jù)環(huán)境主要呈現(xiàn)出精度高（以單個(gè)的人或設(shè)施為基本單元）、覆蓋廣（不受行政區(qū)域限制）、更新快（每月、每日、甚至每分鐘更新）等特點(diǎn)。興趣點(diǎn)(PointofInterests,POIs)為一種常見(jiàn)的城市數(shù)據(jù)，下列敘述哪個(gè)不恰當(dāng)？多以“點(diǎn)狀數(shù)據(jù)型態(tài)”呈現(xiàn)是目前城市規(guī)劃分析領(lǐng)域使用較廣的數(shù)據(jù)類型用以標(biāo)示出該地所代表的政府部門、各行各業(yè)之商業(yè)機(jī)構(gòu)、旅游景點(diǎn)、古跡名勝、交通設(shè)施等處所就目前的技術(shù)與數(shù)據(jù)環(huán)境而言，尚屬于較難獲取的數(shù)據(jù)類型解析：目前多個(gè)互聯(lián)網(wǎng)公司如導(dǎo)航公司、在線地圖等均提供興趣點(diǎn)獲取的API，即應(yīng)用程序編程接口，可通過(guò)其獲取。關(guān)于“數(shù)據(jù)有偏性”，下面哪個(gè)是適當(dāng)?shù)膽?yīng)對(duì)方法？可以充分利用數(shù)據(jù)的有偏性，并與其他有偏數(shù)據(jù)研究互補(bǔ)利用有偏數(shù)據(jù)并不會(huì)影響關(guān)注整體的行為特征新數(shù)據(jù)類型的偏差并不會(huì)影響研究結(jié)果的可信性解析：(B)關(guān)注局部整體的行為特征。(C)新數(shù)據(jù)類型的偏差使得研究結(jié)果的可信性受到質(zhì)疑。關(guān)于當(dāng)前城市大數(shù)據(jù)所面臨的問(wèn)題，下列敘述哪個(gè)不恰當(dāng)？新數(shù)據(jù)大多不是為城市研究“量身定做”，但是仍舊可以作為傳統(tǒng)數(shù)據(jù)的重要補(bǔ)充目前城市大數(shù)據(jù)的分析多見(jiàn)于圖片的元數(shù)據(jù)或文本數(shù)據(jù)，而對(duì)信息量最為豐富的圖片內(nèi)容挖掘較少，還有較大的信息挖掘空間在新數(shù)據(jù)環(huán)境下，各種不同數(shù)據(jù)平臺(tái)或是用戶所提供的空間數(shù)據(jù)精度都相當(dāng)一致，有效地提升了研究結(jié)果質(zhì)量利用新數(shù)據(jù)的城市研究需要一些經(jīng)典的共享數(shù)據(jù)集，作為標(biāo)準(zhǔn)來(lái)對(duì)各種研究方法與結(jié)果進(jìn)行比較解析：各平臺(tái)的空間定位精度不同是目前數(shù)據(jù)存在問(wèn)題之一，同時(shí)用戶刻意提供不正確或者假冒(locationspoofing)的地理坐標(biāo)，也會(huì)影響數(shù)據(jù)的空間定位。這些不確定空間位置信息對(duì)于研究結(jié)果質(zhì)量的影響將會(huì)被放大。城市大數(shù)據(jù)的獲取與清洗以下哪一種方式屬于當(dāng)前城市空間大數(shù)據(jù)的獲取方法？人工搜集大量數(shù)據(jù)直接購(gòu)買數(shù)據(jù)購(gòu)買抓取數(shù)據(jù)的服務(wù)研究組織共享的大數(shù)據(jù)學(xué)習(xí)數(shù)據(jù)抓取的技術(shù)并自我實(shí)踐以上皆是解析：有些數(shù)據(jù)不是直接呈現(xiàn)在網(wǎng)頁(yè)上，不能直接爬取，比如：以可視化方式呈現(xiàn)的百度遷徙網(wǎng)頁(yè)，但是抓包工具可以實(shí)現(xiàn)這種數(shù)據(jù)的爬取傳統(tǒng)數(shù)據(jù)請(qǐng)依序排列結(jié)構(gòu)化網(wǎng)頁(yè)數(shù)據(jù)采集的步驟：甲、地理編碼及坐標(biāo)系統(tǒng)轉(zhuǎn)換；乙、將獲取的網(wǎng)絡(luò)開(kāi)放數(shù)據(jù)保存在本地；丙、數(shù)據(jù)的清洗、預(yù)處理；丁、定位查找數(shù)據(jù)源的網(wǎng)絡(luò)地址甲→乙→丙→丁乙→丙→丁→甲丁→乙→丙→甲甲→丙→乙→丁以下對(duì)于抓包工具及其抓取數(shù)據(jù)的說(shuō)明，下列敘述哪個(gè)不恰當(dāng)？抓包工具只能針對(duì)直接呈現(xiàn)數(shù)據(jù)列表的網(wǎng)頁(yè)進(jìn)行爬取抓包工具的原理是查找數(shù)據(jù)源從而得到相應(yīng)數(shù)據(jù)，通過(guò)抓包方式得到完整JSON并字段化除了電腦端網(wǎng)頁(yè)的數(shù)據(jù)，也可以通過(guò)安裝Fiddler軟件等軟件進(jìn)行手機(jī)端的網(wǎng)頁(yè)抓包解析：有些數(shù)據(jù)不是直接呈現(xiàn)在網(wǎng)頁(yè)上，不能直接爬取，比如：以可視化方式呈現(xiàn)的百度遷徙網(wǎng)頁(yè)，但是抓包工具可以實(shí)現(xiàn)這種數(shù)據(jù)的爬取。以下對(duì)于GoogleEarthEngine的說(shuō)明，下列敘述哪個(gè)不恰當(dāng)？GEE（全稱GoogleEarthEngine）是一款可以批量處理衛(wèi)星影像數(shù)據(jù)的工具，屬于GoogleEarth的系列工具

相比于傳統(tǒng)的處理影像工具，GEE可以快速、批量處理數(shù)量“巨大”的影像GEE可通過(guò)影像分析全球植被指數(shù)，但是還無(wú)法預(yù)測(cè)作物相關(guān)產(chǎn)量和監(jiān)測(cè)全球森林變化GEE可以做全球尺度、長(zhǎng)時(shí)間序列的數(shù)據(jù)分析出圖，是地球科學(xué)領(lǐng)域的強(qiáng)大工具解析：通過(guò)GEE可以快速計(jì)算比如NDVI等植被指數(shù)，可以預(yù)測(cè)作物相關(guān)產(chǎn)量、監(jiān)測(cè)旱情長(zhǎng)勢(shì)變化、監(jiān)測(cè)全球森林變化等。以下關(guān)于地理坐標(biāo)系的說(shuō)明，下列敘述哪個(gè)不恰當(dāng)？坐標(biāo)體系（GCJ-02），又稱“火星坐標(biāo)”，由國(guó)測(cè)局2002年發(fā)布，是國(guó)內(nèi)廣泛使用的坐標(biāo)系地面上任一點(diǎn)的位置，通常用經(jīng)度和緯度來(lái)決定，這兩組正交的曲線構(gòu)成的坐標(biāo)，稱為地理坐標(biāo)系坐標(biāo)系統(tǒng)的不同，會(huì)導(dǎo)致空間位置無(wú)法完全匹配，需要進(jìn)行坐標(biāo)糾正百度、搜狗等公司目前都開(kāi)發(fā)了自己的坐標(biāo)體系，一般是由火星坐標(biāo)GCJ-02經(jīng)過(guò)偏移算法得到，各個(gè)互聯(lián)網(wǎng)公司之間的坐標(biāo)系非常兼容解析：不同公司開(kāi)發(fā)的坐標(biāo)體系一般與其他坐標(biāo)體系不兼容城市大數(shù)據(jù)的統(tǒng)計(jì)與分析以下對(duì)于空間數(shù)據(jù)的概述，哪一項(xiàng)是正確的?空間數(shù)據(jù)分成點(diǎn)、線、面，并且每一個(gè)空間數(shù)據(jù)都帶有標(biāo)簽及屬性空間數(shù)據(jù)的分析主要由兩方面組成，分別是空間分析和統(tǒng)計(jì)分析空間數(shù)據(jù)是城市大數(shù)據(jù)的主要組成部分以上皆是解析：關(guān)于相關(guān)性分析，以下哪一個(gè)敘述是錯(cuò)誤的?相關(guān)性分析測(cè)量的是兩個(gè)變量之間的線性關(guān)系程度相關(guān)性分析分為三類：皮爾遜積差相關(guān)系數(shù)、斯皮爾曼秩相關(guān)系數(shù)以及肯德?tīng)柕燃?jí)相關(guān)系數(shù)皮爾遜積差相關(guān)系數(shù)是最常用的，而它適用于各種數(shù)據(jù)如果有一個(gè)變量是非連貫數(shù)據(jù)，則適合使用斯皮爾曼系數(shù)和肯德?tīng)栂禂?shù)解析：皮爾遜積差相關(guān)系數(shù)是最常用的，而它僅適用于連貫數(shù)據(jù)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析時(shí)，以下哪種數(shù)據(jù)的準(zhǔn)備工作步驟較為恰當(dāng)？A、1.數(shù)據(jù)導(dǎo)入；2.刪除不合理數(shù)據(jù)B、

數(shù)據(jù)導(dǎo)入；2.數(shù)據(jù)格式轉(zhuǎn)換；3.字段屬性復(fù)查C、1.數(shù)據(jù)導(dǎo)入；2.直接進(jìn)入分析工作D、1.數(shù)據(jù)導(dǎo)入；2.調(diào)整數(shù)據(jù)排列順序解析：在運(yùn)用普通最小二乘法回歸（OLSRegression）之前，需要檢查數(shù)據(jù)是否符合這種模型的假設(shè)。以下幾種假設(shè)中哪個(gè)是錯(cuò)誤的？因變量和自變量呈線性關(guān)系觀測(cè)結(jié)果的獨(dú)立性觀測(cè)結(jié)果要符合正態(tài)分布?xì)埐顟?yīng)具有相同的方差且相互獨(dú)立解析：是殘差要呈正態(tài)分布，不是觀測(cè)結(jié)果以下哪幾種關(guān)于地理加權(quán)回歸（GWR）的說(shuō)法是錯(cuò)誤的?樣本數(shù)量要至少300個(gè)GWR只能運(yùn)用在多邊形分析中，不適用于點(diǎn)和線GWR的結(jié)果中，每一個(gè)樣本都有一個(gè)最佳模型在工具設(shè)置中，核類型和帶寬方法都需要根據(jù)數(shù)據(jù)實(shí)際情況設(shè)置城市大數(shù)據(jù)的可視化在ArcGIS的功能中，可控制以下數(shù)據(jù)可視化的哪些要素?甲、展現(xiàn)內(nèi)容；乙、展現(xiàn)方式；丙、展現(xiàn)顏色；丁、展現(xiàn)順序；戊、透明度A、甲、丙B、甲、丙、丁C、乙、丁、戊D、甲、乙、丙、丁、戊以下哪一個(gè)研究機(jī)構(gòu)，有開(kāi)展數(shù)據(jù)可視化的相關(guān)研究工作?北京大學(xué)數(shù)據(jù)可視化小組MITSenseableCityLaboratory城市象限

以上皆是以下哪一個(gè)是數(shù)據(jù)可視化的作用？洞察問(wèn)題（數(shù)據(jù)觀察）藝術(shù)修養(yǎng)（視覺(jué)美感）科學(xué)素養(yǎng)（科學(xué)分析）公眾對(duì)話（用戶交互）以上皆是以下哪一個(gè)軟件，不屬于數(shù)據(jù)可視化軟件？PowerMapUrbanCanvasD3.jsFiddlerTableau對(duì)于數(shù)據(jù)可視化的表達(dá)，以下敘述哪一個(gè)不恰當(dāng)？相比圖表，數(shù)據(jù)的可視化顯示更加一目了然同樣的數(shù)據(jù)，不同展示的方式不會(huì)影響可視化效果不同的分析單元展現(xiàn)的數(shù)據(jù)可視化，展示出的現(xiàn)象也有可能有很大差異根據(jù)展示數(shù)據(jù)種類的不同，需要找到最佳的可視化方式城市大數(shù)據(jù)的挖掘：空間句法以下哪一個(gè)不是空間句法的常用軟件？Depthmap

sDNASPSSAxwoman解析：SPSS是數(shù)據(jù)統(tǒng)計(jì)軟件。以下空間句法分析方式與獲得指標(biāo)的對(duì)應(yīng)，哪一項(xiàng)是錯(cuò)誤的？凸空間分析—空間深度軸線分析—全局整合度線段分析—局部整合度線段分析—角度選擇度解析：局部整合度應(yīng)由軸線分析得到以下哪個(gè)指標(biāo)最常用來(lái)表示實(shí)際空間中某條街道被穿過(guò)的可能性？全局整合度局部整合度拓?fù)溥x擇度角度選擇度距離選擇度解析：選擇度反映了一條街道段作為穿行通道的潛力；事實(shí)上很少有人具備“上帝”的視角來(lái)認(rèn)知我們的城市空間，刻意的選擇在距離上更近的路線，更多是按照道路方向與目的地方向的接近程度，也就是夾角來(lái)決定的。在實(shí)際線段分析中，最常用的分析模式和分析半徑的組合是哪一種?角度模式和距離半徑距離模式和角度半徑拓?fù)淠Ｊ胶途嚯x半徑角度模式與拓?fù)浒霃皆诒局v的研究案例中，空間句法指標(biāo)與其他哪類城市數(shù)據(jù)共同用于分析?城市POI數(shù)據(jù)街景圖片數(shù)據(jù)人車流量數(shù)據(jù)駐留人數(shù)數(shù)據(jù)以上皆是城市大數(shù)據(jù)挖掘：城市網(wǎng)絡(luò)分析以下哪一個(gè)不是常見(jiàn)的網(wǎng)絡(luò)中心性方法？介數(shù)中心性方法角度中心性方法鄰近中心性方法特征向量中心性方法以下哪一項(xiàng)不屬于常見(jiàn)的網(wǎng)絡(luò)分析軟件工具？ArcGISUrbanNetworkAnalysisGephiGaWC解析：GaWC是全球化與世界級(jí)城市研究小組與網(wǎng)絡(luò)（GlobalizationandWorldCitiesResearchNetwork）的縮寫(xiě)，而非軟件。他是由PeterJ.Taylor等學(xué)者基于連鎖網(wǎng)絡(luò)模型所共同成立，目前GaWC的世界級(jí)城市名冊(cè)是全球關(guān)于世界一、二、三、四線城市體系的權(quán)威排名。以下關(guān)于網(wǎng)絡(luò)分析的基本統(tǒng)計(jì)特征，哪一項(xiàng)敘述是錯(cuò)誤的？某節(jié)點(diǎn)度定義為該節(jié)點(diǎn)相連的邊的數(shù)目，網(wǎng)絡(luò)中所有節(jié)點(diǎn)的平均值則稱為網(wǎng)絡(luò)的平均度若考慮度的方向關(guān)系，可以分為出度（Out-degree）和入度（In-degree）點(diǎn)出度為到達(dá)該點(diǎn)并與該點(diǎn)直接聯(lián)系的點(diǎn)數(shù)，點(diǎn)入度為從該點(diǎn)出發(fā)與其直接聯(lián)系的點(diǎn)數(shù)介數(shù)越大表示經(jīng)過(guò)該節(jié)點(diǎn)/邊的最短路徑越多，也就意味著經(jīng)過(guò)該節(jié)點(diǎn)/邊的信息量越大解析：點(diǎn)出度為從該點(diǎn)出發(fā)與其直接聯(lián)系的點(diǎn)數(shù)，點(diǎn)入度為到達(dá)該點(diǎn)并與該點(diǎn)直接聯(lián)系的點(diǎn)數(shù)。在城市網(wǎng)絡(luò)的分析應(yīng)用中，點(diǎn)出度、點(diǎn)入度分別代表了各要素的吸引力與控制力。根據(jù)《中國(guó)城市規(guī)劃領(lǐng)域的知識(shí)產(chǎn)出、消費(fèi)與網(wǎng)絡(luò)——基于2000～2015年城市規(guī)劃四大期刊的分析》一文，以下哪一項(xiàng)不屬于該研究的結(jié)論?基于研究者地址識(shí)別的知識(shí)產(chǎn)出城市與知識(shí)消費(fèi)城市的識(shí)別結(jié)果有較小差異在城市規(guī)劃研究中，合作研究并沒(méi)受到空間距離的影響，距離阻隔影響較弱發(fā)達(dá)地區(qū)之間的知識(shí)網(wǎng)絡(luò)聯(lián)系強(qiáng)度明顯高于欠發(fā)達(dá)地區(qū)在城市規(guī)劃研究中，本地化現(xiàn)象較為明顯根據(jù)《利用滴滴出行數(shù)據(jù)透視中國(guó)城市空間發(fā)展》研究報(bào)告，下列哪一項(xiàng)不屬于該研究的分析結(jié)果?全國(guó)形態(tài)多中心指數(shù)超過(guò)0.5的城市占城市總數(shù)的66.0%西安、北京和昆明等城市有較強(qiáng)的功能多中心，形態(tài)多中心較為單一建成區(qū)規(guī)模較大的城市中，形態(tài)多中心指數(shù)高的是天津、廣州和重慶在大規(guī)模城市中，城市空間結(jié)構(gòu)網(wǎng)絡(luò)化較好的是重慶、成都和廣州，這三個(gè)城市的空間結(jié)構(gòu)值得借鑒基于圖片大數(shù)據(jù)的城市空間研究以下哪一個(gè)是城市圖片數(shù)據(jù)有潛力的研究方向？城市意象識(shí)別街道可步行性評(píng)價(jià)街道綠化水平分析城市活力評(píng)估以上皆是以下哪一種信息是基于圖片的城市研究中不常使用的？圖片拍攝的位置社交網(wǎng)絡(luò)上圖片附帶的標(biāo)簽文本圖片中不同色調(diào)的像素比例圖片的尺寸和文件大小解析：前三項(xiàng)在城市活力分布、旅游目的地特征識(shí)別、城市綠視率等研究中都是重要的數(shù)據(jù)來(lái)源。在本章關(guān)于北京街道空間品質(zhì)的研究中，哪一項(xiàng)是錯(cuò)誤的？對(duì)于每一個(gè)取景點(diǎn)，需要取得平視視角正東、正南、正西、正北四個(gè)方位的街景照片獲取街景照片后，對(duì)照片各個(gè)指標(biāo)進(jìn)行的打分完全是由計(jì)算機(jī)完成的

研究將街道空間分為建筑部分、人行道部分、車行道部分、底商或圍墻部分四個(gè)大類分別評(píng)價(jià)研究發(fā)現(xiàn)，總體來(lái)講距離城市中心越遠(yuǎn)，街道空間改變的機(jī)會(huì)越多解析：打分過(guò)程需由專業(yè)人士確定評(píng)分體系和樣片，是機(jī)器和人工共同完成的以下哪一項(xiàng)不是城市非正規(guī)性在街道建成環(huán)境中的表征?非正規(guī)就業(yè)群體在城市中的聚集帶來(lái)空間的改變?nèi)粘Ｉ顚?shí)踐對(duì)街道的改變基于當(dāng)?shù)爻鞘性O(shè)計(jì)導(dǎo)則的空間改造在政府主導(dǎo)的改造未覆蓋的區(qū)域自下而上的空間改造在本章關(guān)于中國(guó)城市意象的研究中，哪一項(xiàng)是錯(cuò)誤的?本研究的城市意象模型包括城市意象的要素構(gòu)成、主導(dǎo)方向、特色度和相似度該研究的數(shù)據(jù)來(lái)源于網(wǎng)絡(luò)獲取的Flickr圖片一個(gè)城市意象的主導(dǎo)方向是這個(gè)城市的四個(gè)意象要素中所占比重最大的要素城市之間雖然有著地理空間的距離和特色要素差異化的表達(dá)，但整體上各城市間意象構(gòu)成結(jié)構(gòu)是趨同的解析：城市意象主要特征不是由在四個(gè)意象要素中所占比重最大的要素決定，而是由超過(guò)全國(guó)城市意象平均水平最多的要素決定基于手機(jī)數(shù)據(jù)的城市空間研究對(duì)于手機(jī)數(shù)據(jù)的敘述，以下哪一個(gè)恰當(dāng)？手機(jī)不僅僅是通訊工具，也成為了可以隨身攜帶的數(shù)據(jù)獲取終端和信息處理平臺(tái)手機(jī)數(shù)據(jù)主要是手機(jī)使用者在使用過(guò)程中產(chǎn)生的大量位置、時(shí)間以及相關(guān)用戶特征的信息通過(guò)手機(jī)數(shù)據(jù)可以獲得某用戶某一時(shí)刻的位置或者隨著時(shí)間的移動(dòng)情況以上皆是在利用手機(jī)數(shù)據(jù)分析成都街道活力的研究中，以下哪個(gè)陳述是錯(cuò)誤的？研究將手機(jī)信令數(shù)據(jù)可分時(shí)段處理，以便更加清晰的反映活動(dòng)分布規(guī)律街道活力的外在表征可通過(guò)街道上的人口密度來(lái)反映，研究選用手機(jī)信令數(shù)據(jù)反映人口密度區(qū)位、街道肌理、周邊地塊性質(zhì)、交通可達(dá)性、功能混合度、功能密度和自身特征是街道活力的構(gòu)成要素研究假設(shè)人口密度在Thiessen多邊形內(nèi)均勻分布，與實(shí)際人口分布情況一致解析：假設(shè)人口密度在Thiessen多邊形內(nèi)均勻分布，與實(shí)際人口分布情況不一致手機(jī)大數(shù)據(jù)具有以下哪些特點(diǎn)?甲、實(shí)名數(shù)據(jù)；乙、被調(diào)查者可以完全干預(yù)手機(jī)信令數(shù)據(jù)的采集；丙、具有連續(xù)性和實(shí)時(shí)性；丁、時(shí)間信息和定位信息準(zhǔn)確；戊、在空間上難以在很高分辨率表明用戶所在的位置A、甲、丙B、甲、丙、丁C、丙、丁、戊D、甲、乙、丙、丁、戊解析：甲、匿名數(shù)據(jù)；乙、被調(diào)查者不能干預(yù)手機(jī)信令數(shù)據(jù)的采集利用手機(jī)數(shù)據(jù)分析的居民行為特征主要是以下哪個(gè)層面？常駐人口數(shù)量就業(yè)人口數(shù)量居民活動(dòng)分布以上皆是關(guān)于手機(jī)數(shù)據(jù)的來(lái)源，以下說(shuō)法錯(cuò)誤的是？依據(jù)數(shù)據(jù)來(lái)源分類，常用的手機(jī)數(shù)據(jù)主要分為手機(jī)信令數(shù)據(jù)和應(yīng)用（APP）數(shù)據(jù)手機(jī)信令數(shù)據(jù)僅包括用戶進(jìn)行產(chǎn)生計(jì)費(fèi)的收發(fā)短信、主被叫、上網(wǎng)等行為時(shí)獲取的用戶位置信息，不包含其他數(shù)據(jù)應(yīng)用（APP）數(shù)據(jù)主要是智能手機(jī)安裝的包含定位信息的應(yīng)用軟件向服務(wù)器端發(fā)送位置變化的信息應(yīng)用（APP）數(shù)據(jù)受智能手機(jī)使用人群和軟件使用習(xí)慣影響較大且有的還包括個(gè)人社會(huì)經(jīng)濟(jì)屬性信息等第十一章基于公交卡數(shù)據(jù)的城市空間研究對(duì)于公共交通刷卡數(shù)據(jù)（smartcarddata，SCD）的敘述，以下哪一個(gè)不恰當(dāng)？SCD數(shù)據(jù)多收集了包含路線、公交號(hào)、出發(fā)時(shí)間地點(diǎn)、到達(dá)時(shí)間地點(diǎn)等信息SCD數(shù)據(jù)特點(diǎn)是數(shù)據(jù)量大，有豐富的地理位置和時(shí)間信息，且包含了使用者個(gè)人信息，可擴(kuò)展之研究應(yīng)用相當(dāng)豐富常見(jiàn)的輔助數(shù)據(jù)有土地使用現(xiàn)狀圖、公交線路、公交站點(diǎn)、居民家庭交通出行調(diào)查、交通分析小區(qū)（TAZ）等由于用戶群的龐大，作為一種新興的城市大數(shù)據(jù)，SCD數(shù)據(jù)在公共交通的各個(gè)層面都發(fā)揮著很大的作用以下哪一項(xiàng)不屬于SCD數(shù)據(jù)的應(yīng)用？公共交通系統(tǒng)運(yùn)行與管理城市空間結(jié)構(gòu)分析街道綠化水平分析出行行為與社會(huì)網(wǎng)絡(luò)在《基于公交卡數(shù)據(jù)和家庭出行調(diào)查的北京職住關(guān)系分析》一文中，如要成功識(shí)別一位持卡人的通勤出行狀態(tài)，需要考慮以下哪些條件？甲、一天中首次出行的上車地點(diǎn)為工作地；乙、就業(yè)地出現(xiàn)在一日出行中；丙、居住地和就業(yè)地在同一天（在同一集群中的站點(diǎn)視為相同）；丁、如果某持卡人一周內(nèi)可識(shí)別的通勤出行超過(guò)一次，則一周內(nèi)的通勤時(shí)間可能有所不同，所以也可以將平均通勤時(shí)間作為最終的通勤時(shí)間。A、甲、乙、丙B、甲、丙C、乙、丙、丁D、甲、乙、丙、丁解析：甲、一天中首次出行的上車地點(diǎn)需為居住地在《基于公交卡數(shù)據(jù)和家庭出行調(diào)查的北京職住關(guān)系分析》一文中，以下哪一項(xiàng)敘述不恰當(dāng)？為了識(shí)別北京市域的主導(dǎo)通勤出行方向，將通勤出行在TAZ尺度上匯總，計(jì)算兩個(gè)TAZ之間的通勤出行數(shù)量經(jīng)過(guò)北京的通勤形態(tài)分析后發(fā)現(xiàn)，北京六大辦公區(qū)之中，去往CBD的通勤距離是最長(zhǎng)的與傳統(tǒng)調(diào)查數(shù)據(jù)相比，SCD數(shù)據(jù)提供了更準(zhǔn)確的時(shí)空信息和更多的樣本，可以識(shí)別出更細(xì)粒度的北京公共交通通勤模式解析：在針對(duì)六大辦公區(qū)通勤形態(tài)的分析結(jié)果中，去往天竺的通勤距離最長(zhǎng)。在關(guān)于北京極端出行的探索性分析研究中，以下哪一項(xiàng)敘述不屬于該研究的結(jié)論、啟示？此研究擴(kuò)展了既有對(duì)于極端出行之定義，將北京極端出行人群劃分為三種類型此研究通過(guò)傳統(tǒng)數(shù)據(jù)（居民家庭交通出行調(diào)查）與新數(shù)據(jù)（SCD），探討了極端出行者及其家庭的出行目的與社會(huì)經(jīng)濟(jì)狀況此研究結(jié)合傳統(tǒng)數(shù)據(jù)以及SCD數(shù)據(jù)，為研究城市出行人口提供新思路此研究為后續(xù)城市規(guī)劃管理，包含公共交通管理、住房福利政策城市、基礎(chǔ)設(shè)施等方面，提供了新的支撐第十二章數(shù)據(jù)增強(qiáng)設(shè)計(jì)關(guān)于新數(shù)據(jù)環(huán)境與城市秩序，以下哪一個(gè)敘述不恰當(dāng)？新數(shù)據(jù)環(huán)境主要由大數(shù)據(jù)和開(kāi)放數(shù)據(jù)所構(gòu)成新數(shù)據(jù)環(huán)境對(duì)城市的物理空間和社會(huì)空間進(jìn)行了更為精細(xì)和深入的刻畫(huà)新數(shù)據(jù)環(huán)境下所開(kāi)展的定量研究較多，但多為針對(duì)城市系統(tǒng)的現(xiàn)狀評(píng)價(jià)和問(wèn)題識(shí)別，少有面向未來(lái)的規(guī)劃和設(shè)計(jì)的研究與應(yīng)用新的數(shù)據(jù)環(huán)境對(duì)城市秩序的理解是一種定量認(rèn)識(shí)論，并體現(xiàn)在多個(gè)方面的變革，本章介紹了空間尺度、時(shí)間維度與研究粒度等三方面變革以下哪一項(xiàng)不屬于數(shù)據(jù)增強(qiáng)設(shè)計(jì)（DataAugmentedDesign，DAD）的特點(diǎn)？從社會(huì)空間回歸物質(zhì)空間：通過(guò)社交網(wǎng)絡(luò)、興趣點(diǎn)、人類活動(dòng)和移動(dòng)等數(shù)據(jù)以及定量評(píng)價(jià)方法作為連接

感知維度：對(duì)應(yīng)于設(shè)計(jì)中講的“場(chǎng)所精神”，“借助新的數(shù)據(jù)和方法實(shí)現(xiàn)望山見(jiàn)水記鄉(xiāng)愁”因地制宜：通過(guò)致力于了解環(huán)境與人們活動(dòng)的定量關(guān)系來(lái)創(chuàng)造更好的人和環(huán)境的關(guān)系設(shè)計(jì)方法工具化:設(shè)計(jì)的方法將會(huì)在模型工具中得以體現(xiàn)，定量關(guān)系成為設(shè)計(jì)原點(diǎn)解析：應(yīng)為“從物質(zhì)空間回歸社會(huì)空間”

以下哪一項(xiàng)不屬于DAD的四大內(nèi)涵？擁有大覆蓋區(qū)、細(xì)粒度且復(fù)雜的外延，通過(guò)一個(gè)封閉的研究框架可以涵蓋盡可能多的相關(guān)現(xiàn)象概念闡釋結(jié)構(gòu)的自完整性，通過(guò)實(shí)證的數(shù)據(jù)支持結(jié)合自身的語(yǔ)義構(gòu)建體系，增加方案的科學(xué)性和實(shí)證說(shuō)服力邏輯連接和支持，通過(guò)異構(gòu)數(shù)據(jù)的連接以及美觀的可視化成果，重視概念營(yíng)造、推導(dǎo)與概念支持推進(jìn)同尺度的規(guī)劃認(rèn)識(shí)觀，使得規(guī)劃設(shè)計(jì)可在同一尺度考慮不同尺度的城市問(wèn)題以下關(guān)于DAD的常用方法，哪一個(gè)敘述不正確？利用“空間抽象模型”以明確和適當(dāng)?shù)爻橄罂臻g設(shè)計(jì)，如：空間句法（認(rèn)知和環(huán)境心理）、格網(wǎng)劃分法、節(jié)點(diǎn)法等為明確空間的統(tǒng)計(jì)學(xué)效應(yīng)，使用各種“空間分析與統(tǒng)計(jì)”工具，常見(jiàn)的如：Grasshopper、CityEngine等利用“自然語(yǔ)言處理”進(jìn)行社交網(wǎng)絡(luò)數(shù)據(jù)的分析，如文本、關(guān)鍵詞的趨勢(shì)分析，對(duì)于事件、城市實(shí)體的即時(shí)評(píng)價(jià)等利用“城市模型”，如：元胞自動(dòng)機(jī)、多主體模型等以預(yù)測(cè)城市發(fā)展、規(guī)劃設(shè)計(jì)的近遠(yuǎn)期效應(yīng)，以及城市的過(guò)程建模（urbanproceduralmodeling）解析：Grasshopper，CityEngine等為典型的參數(shù)化設(shè)計(jì)工具；常用的空間統(tǒng)計(jì)方法如密度法、插值法等。關(guān)于本章所介紹的三類型DAD應(yīng)用案例，下列哪一項(xiàng)敘述不正確？理解現(xiàn)實(shí)場(chǎng)地內(nèi)的城市：DAD可協(xié)助場(chǎng)地要素的初步挖掘及分析，目前可通過(guò)單一維度的數(shù)據(jù)進(jìn)行現(xiàn)狀分析，但對(duì)于空間方案改造實(shí)施狀況的評(píng)估效果有限借鑒其他優(yōu)秀城市：對(duì)優(yōu)秀城市的設(shè)計(jì)進(jìn)行案例分析，提取優(yōu)秀基因和場(chǎng)地要素超越目前建成環(huán)境，擁抱技術(shù)：當(dāng)代信息及技術(shù)的發(fā)展不斷地影響人們居住、工作、交通、游憩的方式及載體，DAD設(shè)計(jì)是面向未來(lái)的設(shè)計(jì)，擁抱當(dāng)下最先進(jìn)技術(shù)和未來(lái)短期內(nèi)可以實(shí)現(xiàn)的技術(shù)，如無(wú)人機(jī)、無(wú)人駕駛、人工智能、共享技術(shù)、各類傳感器等，創(chuàng)造場(chǎng)地的未來(lái)解析：DAD可應(yīng)用于場(chǎng)地要素的深入挖掘及分析，通過(guò)多維數(shù)據(jù)的現(xiàn)狀分析提取問(wèn)題，并通過(guò)定量評(píng)估衡量空間方案改造后的實(shí)施狀況。第十三章總體規(guī)劃中的大數(shù)據(jù)應(yīng)用以下哪一項(xiàng)不屬于城市總體規(guī)劃的內(nèi)容？預(yù)測(cè)城市未來(lái)的人口規(guī)模制定中心城區(qū)空間增長(zhǎng)邊界，劃定城鎮(zhèn)建設(shè)用地的范圍確定各地塊的建筑高度、建筑密度、容積率、綠地率等控制指標(biāo)分析城市職能、提出城市性質(zhì)和發(fā)展目標(biāo)在總體規(guī)劃的大數(shù)據(jù)應(yīng)用中，以下哪個(gè)研究維度和數(shù)據(jù)類型的對(duì)應(yīng)是正確的？開(kāi)發(fā)維度—夜景燈光遙感數(shù)據(jù)和較低分辨率的遙感影像形態(tài)維度—興趣點(diǎn)（POI）功能維度—熱力地圖活力維度—用地現(xiàn)狀圖在支持總體規(guī)劃中的現(xiàn)狀評(píng)價(jià)時(shí)，大數(shù)據(jù)/新數(shù)據(jù)可以在什么方面進(jìn)行幫助？公共服務(wù)設(shè)施及社會(huì)活動(dòng)城市用地功能及空間結(jié)構(gòu)城市人口分布及出行特征地塊尺度的城市活力評(píng)價(jià)以上皆是解析：大數(shù)據(jù)可以用于城市用地功能及空間結(jié)構(gòu)、城市人口分布及出行特征、公共服務(wù)設(shè)施及社會(huì)活動(dòng)、地塊尺度的城市活力評(píng)價(jià)等方面的研究。以下關(guān)于大數(shù)據(jù)在支持總體規(guī)劃中的現(xiàn)狀評(píng)價(jià)中的應(yīng)用，錯(cuò)誤的是?城市空間結(jié)構(gòu)的核心之一是中心的數(shù)量，利用POI密度可識(shí)別城市中心研究人口流動(dòng)態(tài)勢(shì)可以利用公交IC卡數(shù)據(jù)、手機(jī)定位數(shù)據(jù)等利用微博和豆瓣網(wǎng)等數(shù)據(jù)可以對(duì)市民的休閑文化活動(dòng)進(jìn)行分析城市的綜合活力考慮了形態(tài)、功能和活動(dòng)三個(gè)維度，分別對(duì)應(yīng)POI數(shù)據(jù)、道路交叉口數(shù)據(jù)和微博數(shù)據(jù)解析：形態(tài)活力對(duì)應(yīng)的是道路交叉口數(shù)據(jù)，功能活力對(duì)應(yīng)的是POI數(shù)據(jù)。城市總體規(guī)劃實(shí)施評(píng)估的兩個(gè)主要標(biāo)準(zhǔn)是什么?績(jī)效與普適性普適性與一致性一致性與聚合度績(jī)效與一致性解析：一致性和績(jī)效這兩種方法應(yīng)是城市規(guī)劃實(shí)施評(píng)估的基礎(chǔ)，前者是目前國(guó)際上應(yīng)用最普遍的一項(xiàng)指標(biāo)。第十四章城市設(shè)計(jì)中的大數(shù)據(jù)應(yīng)用城市設(shè)計(jì)的要素包括什么？道路要素開(kāi)放空間要素建筑物要素自然環(huán)境要素以上皆有以下關(guān)于TSP模型的說(shuō)法，哪一項(xiàng)是錯(cuò)誤的？TSP模型是在大尺度城市設(shè)計(jì)中應(yīng)用的研究模型TSP模型的三個(gè)維度是交通（Transport）、空間（Space）和人（People）TSP模型的每一個(gè)維度都具有尺度和粒度兩個(gè)刻畫(huà)指標(biāo)傳統(tǒng)城市設(shè)計(jì)研究中的尺度和粒度存在折衷，即大尺度和細(xì)粒度難以兩全解析：TSP模型的三個(gè)維度是時(shí)間（Time）、空間（Space）和人（People）在人本尺度城市形態(tài)的規(guī)劃設(shè)計(jì)研究框架中，各個(gè)環(huán)節(jié)的順序是什么樣的？效應(yīng)評(píng)估—形態(tài)測(cè)度—規(guī)劃設(shè)計(jì)響應(yīng)規(guī)劃設(shè)計(jì)響應(yīng)—形態(tài)測(cè)度—效應(yīng)評(píng)估形態(tài)測(cè)度—效應(yīng)評(píng)估—規(guī)劃設(shè)計(jì)響應(yīng)效應(yīng)評(píng)估—規(guī)劃設(shè)計(jì)響應(yīng)—形態(tài)測(cè)度以下關(guān)于量化案例借鑒方法的說(shuō)法中，錯(cuò)誤的是?傳統(tǒng)的定量預(yù)期借鑒方法主要對(duì)規(guī)劃地區(qū)進(jìn)行發(fā)展