——【基本信息】 数据来源：百度地图迁徙大数据 采集时间：2023年2月14-20日 ——【数据说明】 截至2023年2月8日的百度迁徙指数，包括各省、市每日迁入来源地、迁出目的地的结构 【官方注释1】迁徙规模指数：反映迁入或迁出人口规模，城市间可横向对比 【官方注释2】城市迁徙边界采用该城市行政区划，包含该城市管辖的区、县、乡、村 ——【关于指数的换算】 做过一个简单测试，用2020年春运期间11天的旅客发送量与同期指数相比 考虑到迁入迁出都算人次，故再折半处理，每1点指数大约对应7万人 ——【覆盖天数情况】 2020——47天（1月10日-2月25日） 2021——158天（1月19日-3月8日、9月13日-12月31日）（其中缺11月26日） 2022——130天（1月1日-3月10日、9月1日-10月31日） 2023——39天（1月1日-2月8日） ——【版本划分】 根据处理程度，分为原始结构（00_Scale）、按城市迁徙指数（01_by_City）、按日期迁徙指数（02_by_Date） 具体说明如下，使用前请务必仔细阅读： ——【原始结构（00_Scale）】【116 MB】 ——【区划代码_省市类型_省市名称_迁徙方向_scale.txt】 内容：每日迁徙指数结构 处理：未经任何加工，只有比例几乎没法用，需要配合指数（网页链接​）进行计算 格式：TXT 字段date：8位日期，YYYYMMDD 字段from_city（或to_city）：迁入来源城市（或迁出目的城市） 字段from_prov（或to_prov）：迁入来源省（或迁出目的省） 字段percent：占当日迁徙指数的百分比（%） ——【按城市迁徙指数（01_by_City）】【149 MB】 ——【区划代码_省市类型_省市名称_od_index.txt】 内容：按城市汇总带OD的每日迁徙指数 处理：基于迁徙指数和结构进行计算，并将每个城市迁入、迁出合并为一个文件。由于比例精度低（2位小数），同一个OD在不同城市文件中的指数略有出入，例如20年1月10日廊坊to北京，在北京的文件中数值为21281.0485，在廊坊的文件中数值为21280.3116 —算法：当日指数×比例，扩大10000倍再保留4位小数，以减少精度损失（也为了避免出现科学记数） —算例1：20年1月10日，北京迁入指数=10.8355644，其中来自廊坊=19.64%，计算后=21281.0485 —算例2：23年2月8日，北京迁出指数=8.1679752，其中去往大庆=0.13%，计算后=106.1837 格式：TXT 字段date：8位日期，YYYYMMDD 字段O：起点城市 字段D：讫点城市 字段index：迁徙指数（注：非原始数量级，经过10000倍放大） ——【按日期迁徙指数（02_by_Date）】【192 MB】 ——【YYYYMMDD.txt】 内容：按日期汇总带OD的每日迁徙指数 处理：进一步对同一个OD进行合并，对方向相反的OD进行分组，便于建立无向网络，并将同一个日期的OD合并为一个文件，便于按研究时段汇总 —算法：不同城市文件中的同一个OD指数取平均值 —算例1：20年1月10日，廊坊to北京，（21281.0485+21280.3116）/2=21280.68005 —算例2：23年2月8日，北京to大庆，（106.1837+107.568）/2=106.87585 格式：TXT 字段date：8位日期，YYYYMMDD 字段O：起点城市 字段D：讫点城市 字段index：迁徙指数（注：非原始数量级，经过10000倍放大） 字段pair：OD分组序号（例如：廊坊to北京、北京to廊坊都是1） ——【链接】（有效期：永久） https://pan.baidu.com/s/1LkOgDreX4BPgjyZq7EyC-A?pwd=7ndu PS：提取码就写在链接里，直接访问即可，后续数据分享也会采用同一个目录 ——【关于转发】 允许二次发布，请注明出处，不得设置额外的获取门槛，包括但不限于转发、集赞（互联网精神） ——【关于赞助】 如果觉得数据集有帮助，并愿意提供支持，欢迎通过爱发电（https://afdian.net/@junhuanliu）订阅我创作的学术文献解析笔记，或直接通过二维码进行捐赠（详见http://junhuanliu.ysepan.com/的【有偿服务说明文档】目录的“收款二维码.jpg”）