[1] 徐东云, 张雷. 城市交通拥堵与城市化进程的关系初探[J]. 综合运输, 2007(10): 12-16.
[2] 杜江, 刘渝. 城市化与环境污染:中国省际面板数据的实证研究[J]. 长江流域资源与环境, 2008, 17(6): 825-830.
[3] 陈海燕, 贾倍思. 紧凑还是分散?——对中国城市在加速城市化进程中发展方向的思考[J]. 城市规划, 2006, 30(5): 61-69.
[4] 张学勇. 我国大城市地区新城成长与主城共生策略研究[D]. 哈尔滨: 哈尔滨工业大学, 2011.
[5] 席广亮, 甄峰. 智慧城市建设推动新型城镇化发展策略思考[J]. 上海城市规划, 2014(5): 26-29.
[6] CLARK C. Urban population densities[J]. Journal of Royal Statistics Society: series a, 1951, 114: 490-494.
[7] 毛汉英, 方创琳. 我国新一轮国土规划编制的基本构想[J]. 地理研究, 2002, 21(3): 267-275.
[8] 兰宗敏, 冯健. 城中村流动人口日常活动时空间结构——基于北京若干典型城中村的调查[J]. 地理科学, 2012, 32(4): 409-417.
[9] 任常兴, 吴宗之, 刘茂. 城市公共场所人群拥挤踩踏事故分析[J]. 中国安全科学学报, 2005, 15(12): 102-106, 137.
[10] SANTA GUZMáN L F. A statistical approach for studying urban human dynamics[D]. Lisbon: Universidade NOVA de Lisboa, 2018.
[11] HOTEIT S, SECCI S, SOBOLEVSKY S, et al. Estimating real human trajectories through mobile phone data[C] // 2013 IEEE 14th International Conference on Mobile Data Management, 2013: 148-153.
[12] BATTY M. The new science of cities[M]. Cambridge, MA: MIT Press, 2013.
[13] LUCA M, BARLACCHI G, LEPRI B, et al. Deep learning for human mobility: a survey on data and models[J]. arXiv: 2012.02825.
[14] LUCA M, BARLACCHI G, LEPRI B, et al. A survey on deep learning for human mobility[J]. ACM Computing Surveys (CSUR), 2021, 55(1): 1-44.
[15] QIAN W. Discovering human mobility from mobile data: probabilistic models and learning algorithms[D]. Besancon: Université Bourgogne Franche-Comté, 2020.
[16] 吴志强. 人工智能推演未来城市规划[J]. 经济导刊, 2020(1): 58-62.
[17] KRIZHEVSKY A, SUTSKEVER I, HINTON G E. Imagenet classification with deep convolutional neural networks[J]. Communications of the ACM, 2012, 60: 84-90.