挖掘城市绩效：与规模无关的城市分类

国内生产总值和失业率被量化为各自标度趋势的对数残差。MadridBarcelonaValenciaSevillaZaragozaMalagaMurciaLas Palmas Valladolidpalma de MallorcaSantiago de CompostelaVitoria/GasteizOviedoPamplona/Irunasantanandertoledobadajozlogronobilbao Cordobaalicante/Alacantvigogijon Santa Cruz de TenerifeLUZ Over-表演混合表演-性能驱动的巴塞罗纳价值观：马达加斯加维耶多利坎特/西班牙棕榈油公司/西班牙棕榈油公司-表演混合表演-绩效图5：基于将社会经济城市统计数据（国内生产总值和失业率，量化为各比例趋势的对数残差）聚类为k=2,3聚类的不同城市类别。rk=2的分配可以通过将深蓝色和浅蓝色团簇（过度和混合性能）视为一个来获得。射程性能。最后，绿色集群中的城市没有表现出明显偏离夏季的非正常影响，这可能反映了旅游业和其他经济部门之间的良好平衡发展，并解释了它们的高绩效。对于吕兹星系团，也不容易做出类似的解释，但CDE偏差模式的情况也显示了夏季活动的影响。接下来，我们根据人们的期望值检查了集群。

为此，我们为每个城市制定了支出计划，记录国内个人在12个主要业务类别中的交易比例。集群的利润定义为该集群内城市的平均利润[图7]。综上所述，不同集群的基本家庭支出（如食品）大致相似，但我们没有对外国客户的支出进行类似的分析，因为不同类别的企业之间的BBVA卡终端份额的不均匀性可能会对这些客户的支出进行高度偏向。或服装（约35%的预算用于食品/超市类，约20%用于天然气/私人交通，约15%用于时尚，城市定义层面上还有一些变化）。当分析与所有城市支出比例平均值的相对偏差时，每个集群的独特特征显得更加清晰[图7]。非常值得注意的是，我们观察到LUZ和FUA的结果非常匹配。在不同类别中，食品、时尚和天然气等基本商品的交易百分比的相对偏差并不显著（从与x轴重叠的错误栏可以看出），尽管绿色类别的交易似乎略少，黄色和橙色类别的交易略多于这类类别中的平均交易。这一点在Fa shioncategory中尤为明显，在Fa shioncategory中，绿色星团比平均水平高出约10%。

与绿色集群城市的平均模式相比，其他更显著的偏差包括酒吧和餐厅的正偏差0。811.2 ClusterRaluz J F M A M J A S O D-0.100.1δPcluster RAOver-性能集群混合性能集群-性能集群0。811.2CDE J F M M J A S O D-0.100.1CDE012FA J F M A M J A S O D-0.200.2FA0。811.2 ClusterRafua J F M A M J A S O D-0.100.1δPcluster RAOver-性能集群混合性能集群-性能集群0。811.2CDE J F M M J A S O D-0.100.1CDE012FA J F M A M J A S O D-0.200.2图6:LUZ和Fuascale检测到的星团的年度模式P和偏差δP（来自参考案例）。-60%-40%-20%0+20%40%Rel。偏差食品/超市餐饮/私人运输酒吧/餐厅技术/玩具/运动之家健康/美丽旅行休闲酒店/景点等。20.4%的交易量CDELUZ-20%-10%0+10%+20%+30%Rel。偏差食品/超市餐饮/私人运输酒吧/餐厅技术/玩具/运动之家健康/美丽旅行休闲酒店/景点等。20.4%的交易量CDEFUAFigure 7：根据三个城市绩效集群（顶部）和相应的城市平均收益相对偏差（底部）分组的城市平均支出收益。支出档案记录12个主要业务类别的交易表现。

误差条表示每个聚类平均值的标准偏差。（比福阿斯市的平均城市高出35%）、家用电器（福阿斯市为18%）、健康（福阿斯市为11%）、休闲（福阿斯市为17%）以及“其他”类别，这些类别结合了不同的小企业和服务。相反，在所有这些类别中，来自黄色和橙色集群的城市进行的ss交易相对低于平均水平。在家庭生活中，每个家庭的消费量通常比在家庭生活中的消费量低。他们的超额表现是否可以解释为大量的商品和服务增加了个人的幸福感？7结论在本文中，我们证实了大规模个人经济数据新来源的适用性，即全国范围的银行卡交易记录，以独立于城市规模来描述和比较城市绩效。我们建议用与城市居民和外国游客的经济活动以及城市商业收入有关的三个参数来描述城市。我们发现这些参数与城市规模成超线性关系，这与之前对城市特征的研究很好地吻合。基于这一观察，我们能够以独立于规模的方式解决城市绩效问题——通过偏离显示特定城市相对于一般趋势过度或不足的相应比例规律。我们进一步证明，基于拟议指标的城市比较和自动分类能够发现有意义的空间和时间模式。

建议方法学是以西班牙为例使用的，但由于它具有通用性，因此很容易适用于其他国家或地区的城市评估。分析揭示了对西班牙城市特征的重要见解，这对基于标准社会经济统计数据发现的模式具有重要的补充作用，对城市当局和规划者具有潜在的兴趣。对提议的pe绩效指标进行自动聚类表明，三个城市的绩效与特定的消费行为进一步相关。最重要、最杰出的群体包括该国的主要文化和自然旅游目的地。因此，这些城市在所有指标上都表现过度，也表明某些消费倾向增加，例如与休闲和更高生活质量有关的消费。相反，位于西班牙海岸线其他部分的城市在所有类型的交易活动中表现出明显的不足。这一发现可能与他们对夏季旅游的过度专业化有关，游客消费的特定时间模式证明了这一点。重要的是，对于城市定义的两个测试水平，大多数观察到的模式惊人地一致，这表明无论分析的空间尺度如何，所提出的方法都具有稳健性。8致谢作者感谢毕尔巴鄂银行（BBVA）为本研究提供数据集。特别感谢阿萨夫·拜德曼、马尔科·布雷桑、埃琳娜·阿尔法罗·马丁内斯和玛拉·赫恩·安第兹·卢比奥对该项目的组织支持和激励性讨论。

我们还感谢BBVA、爱立信、麻省理工学院智能项目、KACST和麻省理工学院复杂工程系统中心（CCES）、国家科学基金会、theMIT葡萄牙项目、at&T基金会、奥迪-大众、可口可乐公司、2015年世博会、Ferrovial、Wood Buffalo地区市政当局以及麻省理工学院Sensable City Lab联盟的所有成员对该研究的支持。这项研究也得到了奥地利科学基金会（FWF）的部分支持，该基金会是通过奥地利工业学院GIScie nc e（DK W 1237-N23）进行的。参考文献[1]美国，《世界城市化前景：2011年修订版》，2011年。可供选择：http://esa.un.org/unpd/wup/index.htm[2] D.Arribas Bel、K.Kourtit和P.Nijkamp，“通过自组织地图对世界城市进行基准测试”，城市，第31卷，第248-257页，2013年。[3] R.Giffinger、C.Fertner、H.Kramer、R.Kalasek、N.P.ichler Milanovic和E.Meijers，“智能城市：欧洲中等城市排名”，2007年。[4] A.Caragliu和C.Del Bo，“智能与欧洲城市绩效：讨论智能城市属性对当地的影响”，创新——欧洲社会科学研究杂志，第25卷，第2期，第97-1132012页。[5] C.对于城市，“城市展望”，伦敦，2012年。[6] V.Blondel、G.Krings和I.Tho mas，“比利时和布鲁塞尔都市区移动电话的区域和边界”，布鲁塞尔研究，第42卷，第42010号。[7] C.拉蒂、S.索博列夫斯基、F.卡拉布雷斯、C.安德里斯、J.里德斯、M.马蒂诺、R.克拉克斯顿和S.H.斯特罗加茨，“从人类互动网络中重新绘制大不列颠地图”，公共科学图书馆，第一卷，第5卷，第12期，第e1424页，2010年。[8] S.Sobolevsky、M.Szell、R.Campari、T.Couron\'e、Z.Smoreda和C.Ratti，“在一组紧张的国家中，用人类相互作用网络描绘地理区域”，公共科学图书馆综合版，第8卷，第12期，第81707页，2013年。[9] B.Hawelka，I.Sitko，E.Beinat，S.Sobolev sky，P。

Kazakopoulos和C.Ratti，“地理定位Twitter作为全球移动模式的代理”，制图与地理信息科学，第41卷，第2期。2014年12月3日，第260-271页。[10] J.Reades，F.Calabrese和C.Sevtsuk，A.Ratti，“细胞普查：城市数据收集中的探索”，IEEE普及计算，第6卷，第3期，第30-382007页。[11] F.吉拉丁、A.瓦卡里、A.格伯、A.拜德曼和C。拉蒂，“从数字足迹的分布和密度量化城市吸引力”，《国际空间数据基础设施研究杂志》，第4卷，第175-200页，2009年。[12] J.克兰肖、R.施瓦茨、I.洪、杰森和安。Sadeh，“Livehoods项目：利用社交媒体了解城市动态”，第六届AAAI网络日志和社交媒体国际会议记录，第58-65页，2012年。[13] N.Lathia，D.Quercia和J.Crowcroft，“城市的隐藏形象：从我们的移动禁令中感知社区”，普适计算，ser。《计算机科学》课堂讲稿，第7319卷，第91-982012页。[14] C.Kang、S.Sobolevsky、Y.Liu和C.Ratti，“探索新加坡的人类运动：基于手机和出租车使用的比较分析”，2013年国际计算机研讨会第二届ACM SIGKDD会议记录。[15] A.阿米尼、C.康、K.龚、S.索波列夫斯基和C。拉蒂，“社会隔离对发展中和城市化地区人口流动的影响”，arXiv:1401.57432014。[16] 好的。Chan，W.Fan，A.L.Prodromidis和S.J.Stolfo，“信用卡检测中的分布式数据挖掘”，智能系统及其应用（IEEE），第14卷，第3期，第67-74页，1999年。[17] M.Rysman，“支付卡使用的实证分析”，《工业经济学杂志》，第55卷，第1期，第1-36页，2007年。[18] C.克鲁姆、M.塞布赖恩和A。

Pentland，“个人购物行为模式”，arXiv:1008.25562010。[19] L.M.贝当古、J.洛博、D.赫尔宾、C.K–uhnert和G.B。韦斯特，“城市的增长、创新、规模和生活节奏”，《国家科学院院刊》，第104卷，第17期，第7301-7306207页。[20] M.Batty，“城市的大小、规模和形状”，《科学》，第319卷，第5864号，第769-7712008页。[21]L.M.Bettencourt，“城市规模的起源”，科学，第340卷，第6139号，第1438-1441页，2013年。[22]D.Brockmann，L.Hufnage L和T.Geisel，“人类旅行的标度律”，《自然》，第439卷，第7075号，第462-465页，2006年。[23]M.Schl–apfer、L.Bettencourt、S.Grauwin、M.Raschke、R.Claxton、Z.Smo reda、G.B.West和C.Ratti，“人类互动与城市规模的比例”，arXiv:1210.52152013。[24]L.M.Bettencourt，J.Lob o，D.Strumsky和G.B.West，“城市规模及其偏差：揭示城市间财富、创新和犯罪的结构”，《公共科学图书馆综合》第5卷，第11期，第E13541页，2010年。[25]L.Bettencourt，J.Lobo，a和H.Youn，“城市规模的假设：形式化、影响和挑战”，arXiv:1301.591192013。[26]城市统计——城市审计。www.urbanaudit。org，2014年10月2日。[27]《城市审计方法手册》，2004年。可供选择：http://epp.eurostat.ec.europa.eu/portal/page/portal/productdetails/publication?p产品代码=KS-BD-04-002[28]“ESPON项目1.4.3：城市功能研究：最终报告”，2007年3月。可供选择：http://www.espon.eu/main/MenuProjects/MenuESPON2006Projects/Menu研究科学支持项目/城市功能。html[29]欧盟统计局，ec。欧罗巴。欧盟/欧盟统计局，2014年2月15日。[30]国家科学院，www.ine。es，2014年10月2日。[31]G.Simmel，《乔治·西梅尔的社会学》，自由出版社，1950年。[32]L.Wirth，“城市化作为一种生活方式”，《美国社会学杂志》，第44卷，第1期，pp。

1–24, 1938.[33]L.M.Bettencourt，J.Lobo和D.Strumsky，“城市中的发明：都市专利申请规模的增加回报”，《国家科学院院刊》，第104卷，第17期，第7301-73062007页。[34]J.MacQueen，“多元观测分类和分析的一些方法”，《第五届伯克利数学统计与概率研讨会论文集》，第一卷：统计学，第281-297页，1967年。[35]W.Rand，“评估聚类方法的客观标准”，《美国统计分类杂志》，第66卷，第336期，第8页46–850页，1971年。[36]C.E.del Turismo，“欧洲电力公司2020年发展规划”，文档库。复发：http://www.turismo2020.es，第2006卷，2007年。