基于百度POI数据的城市公园绿地评估与规划研究
- 格式:pdf
- 大小:4.20 MB
- 文档页数:6
基于POI数据的城市生活公共服务设施便利性研究——以成都市为例摘要:生活便利性是城市宜居性评价的一个重要指标和关键因素。
本文将核密度分析法、渔网分析法等方法应用于公共服务设施生活舒适度的空间分析确定并优化不同公共服务设施的影响权重,结合生活设施的密度分布衡量城市的生活便利度。
为优化城市公共设施空间配置、新增设施的选址提供参考依据。
关键字:POI数据,生活便利性,公共服务设施1引言随着城镇化的建设以及社会经济水平快速发展,人民生活质量水平逐渐提高。
人们越发重视城市生活品质,针对新阶段城市发展要求更高更多。
2018年,国家住建部批准发布《城市居住区规划设计标准》(GB50180-2018)[1],"生活圈"这一概念的提出取代了传统的"居住区、居住小区、居住组团"的模式[2]。
2021年7月,国家商务部携手11个部门发布《城市一刻钟便民生活圈建设指南》,明确到2025年"百城千圈"作为城市生活圈建设目标,构建合理布局、丰富业态、功能完善的城市便民公共服务生活圈[3]。
同时,二十大提出了完善"共建、共治、共享的社会治理体系"的明确要求,强调城市建设及发展要"以人民为中心",重视人民对公共服务的诉求。
推动以人为中心来营造建成环境已成为众人共识,城市的发展模式和城市生活公共服务功能都面临着深刻的转型[4]。
2研究范围及方法2.1研究范围划定本次研究以成都市为研究对象,主要包括11个市辖区(金牛区、青羊区、武侯区、锦江区、成华区、新都区、郫都区、温江区、双流区、青白江区、龙泉驿区)和5个县级市(简阳、都江堰、彭州、邛崃、崇州),以及4个县(金堂、大邑、蒲江、新津)[5]。
2.2研究方法研究方法采用GIS空间分析法,其包括渔网分析、叠置分析、核密度分析。
借助ArcGIS 软件,对POI数据进行分析并以空间图示化。
POI(Point of Interest)数据是地理信息系统中的一种重要数据类型,它代表着特定地点的地理位置信息,如商店、餐馆、景点等。
在地理学研究中,POI数据具有广泛的应用,可以用于城市规划、交通分析、地理信息服务等领域。
本文将探讨POI数据在地理学研究中的典型应用。
一、城市规划POI数据可以为城市规划提供重要的参考信息。
通过分析城市中不同类型POI的分布情况,可以了解到人口密集区域、商业繁华地带、文化休闲区域等,这些信息对城市规划和土地利用具有重要意义。
根据商业区POI的分布情况,可以合理规划商业用地的分布,避免同质化竞争。
通过POI数据还可以进行城市设施规划,如学校、医院、公园等的布局和建设,为城市的可持续发展提供支持。
二、交通分析在交通领域,POI数据可以用于交通分析和规划。
通过分析交通设施、交通枢纽、停车场等POI的分布情况,可以评估城市交通网络的状况,找出交通瓶颈和瓶颈区域,为交通规划和交通优化提供决策支持。
另外,利用POI数据还可以进行出行规划和路径规划,提供出行建议和导航服务,为市民和游客提供出行便利。
三、地理信息服务POI数据在地理信息服务中有着重要的应用价值。
通过POI数据,可以为用户提供位置信息检索、周边信息推荐、导航服务等功能。
用户可以通过POI数据查询周边的餐馆、景点、酒店等信息,获取周边环境的实时信息。
另外,地理信息服务还可以通过POI数据提供定制化服务,根据用户需求为其推荐特定类型的POI点,满足用户个性化需求。
POI数据在地理学研究中具有广泛的应用前景,可以为城市规划、交通分析、地理信息服务等领域提供重要支持。
随着地理信息技术的不断发展和创新,相信POI数据在地理学研究中的应用将会得到进一步拓展和深化。
四、旅游规划POI数据在旅游规划中扮演着不可或缺的角色。
通过分析旅游景点、酒店、景区等POI的分布情况,可以帮助规划旅游线路和景点推荐,为旅行者提供更加个性化和便捷的旅游体验。
第35卷 第8期2021年8月Vol.35 No.8Aug.,2021中国土地科学China Land Science doi: 10.11994/zgtdkx.20210811.160104基于POI 数据的城市土地混合利用评价及影响因素分析——以杭州市主城区为例周 德1,2,钟文钰1,2,周 婷1,2,戚佳玲1,2(1. 浙江工商大学土地资源管理系,浙江 杭州 310018;2. 浙江工商大学中国土地与城市治理研究院,浙江 杭州 310018)摘要:研究目的:基于POI数据开展杭州土地利用混合度评价及影响因素分析,为城市土地节约集约利用提供新路径。
研究方法:空间格局分析、半方差函数、分层线性模型。
研究结果:(1)杭州土地利用混合度总体偏低;(2)土地利用功能混合度总体上低于土地利用结构混合度;(3)土地利用混合度存在显著的空间正自相关性,以主城区为中心向周围逐渐递减,呈辐射状分布,具有明显的边缘效应;(4)土地利用混合度空间上呈现明显的带状异向性;(5)土地利用混合度与人口密度、公交站点数量、到铁路和到钱塘江的距离以及规划用地管制分区级别有显著的正相关关系,而与第一产业比重、到地铁的距离、到公路的距离以及到西湖的距离有显著的负相关关系。
研究结论:规划层面,应加强将土地混合利用理念纳入国土空间规划编制;治理层面,应建立土地混合利用空间差异化管理和空间联动管理等管控机制。
关键词:POI 数据;土地混合利用;土地多功能利用;空间相关性;空间异质性中图分类号:F293.2文献标志码:A文章编号:1001-8158(2021)08-0096-11收稿日期:2021-05-29;修稿日期:2021-07-26基金项目:国家社会科学基金一般项目(19BGL283);国家自然科学基金资助青年科学基金项目(41301619);浙江工商大学研究生科研创新基金项目(2021)。
第一作者:周德(1980-),男,安徽枞阳人,博士,副教授。
POI数据在城市结构分析中的应用发布时间:2022-03-24T07:56:21.961Z 来源:《新型城镇化》2022年4期作者:陈晓明1 吴智慧2 [导读] 可以克服基于传统资料的滞后性,也可以从多个时段多类设施进行城市发展动态监测[6]。
1广州市黄埔区不动产登记中心广东省广州市 510000;2广州市城市规划勘测设计研究院广东省广州市 510000摘要:以兴趣点(POI)为主要代表的地理空间大数据对于人地关系研究及城市空间结构的分析具有重要意义。
本文首先介绍了百度地图POI的获取方法及处理过程,再将POI数据应用于实际城市研究,采用Getis-Ord Gi*算法,以广州市为例,选取十大类与居民的日常生活密切相关的兴趣点进行分析,研究发现广州市的各类生活设施在核心城区完善程度较高,呈现成片聚集的分布模式,在其它区域存在小部分聚集模式。
关键词:兴趣点,热点分析,城市结构1引言POI是指一些与人们生活密切相关的地标建筑和地理实体的点数据,如学校、医院、商场、公园以及政府机构等[1],其作为一种代表真是地理实体的点状地理空间大数据,是地理空间中具有标志意义的地理对象[2]。
与传统土地调查数据相比,POI数据不仅具有大样本、易于获取的优势[3],而且记录各类社会经济部门实体点要素的位置信息[4],能够更精细化得表征社会经济活动强度及城市空间结构。
现有研究主要集中在商业业态空间分布、生活设施空间分布、服务业空间布局以及公共文化设施空间格局分析[5],通过POI数据分析城市生活配套设施的分布情况,可以克服基于传统资料的滞后性,也可以从多个时段多类设施进行城市发展动态监测[6]。
本文首先介绍了百度地图POI的获取方法和处理流程,进一步以广州市为例,采用Getis-Ord Gi*算法,选取美食、科研教育、金融、公共医疗、政府机构、居住、休闲娱乐、公共游览、公司单位、购物十大类兴趣点的热点区域、空间分布格局及相关性进行分析,有助于更清晰地了解广州市生活配套设施的分布情况,对城市发展规划、生活设施完善等具有重要的参考价值。
32城市建筑Urbanism and Architecture / 2024.02of various types of public recreation spaces is more obvious, and the standard deviation ellipse shows a “northwest-southeast” deflection direction. Finally, the paper proposes to pay attention to the protection and development of various types of recreational resources, to increase the density and accessibility of the facilities, to optimize the structure of type combinations, and to improve the quality of supply to promote the occurrence of behavioral activities.Key words POI data; urban public recreation space; distribution pattern; Guilin City存量规划背景下,城市进行人本主义的精细化更新建设,空间发展转向社会需求、尊严需求和价值需求等方面,公共游憩空间进入专家学者和建设者的视角。
因此,在新时代背景下,如何推动公共游憩空间发展,满足国民游憩需求,实现城市游憩空间管理与城市整体建设目标协同发展是一项重要课题。
随着人们对游憩用地需求的不断增加,国内在20世纪中期开始关注城市的游憩功能,并逐渐进行深入讨论。
目前我国关于公共游憩空间的研究主要集中在游憩及游憩空间概念辨析[1-3]、游憩空间类型和结构研究[2,4]、游憩活动需求及行为研究[5,6]、游憩空间规划设计和评价研究[7]等方面的内容。
基于GIS的城市绿线划定方法研究——以安康市郊野公园为例李丕富,吴欣摘要:保护生态环境是城市健康发展的前提,而在保护和开发之间如何协调是城市发展过程中不可避免的问题,我国通过划定“三区四线”对城市空间进行控制,随着技术的不断进步,“三区四线”的划定方法也在不断更新。
本文以安康市郊野公园绿线划定为例,以GIS技术平台为支撑,以生态敏感性评价为基础构建保护模型,随后加入弹性因子构建保护——开发导向模型,对规划绿线进行定位和定量工作。
在绿线定位、定量工作完成的基础上,结合上位规划和居民现实需求,借助POI数据分析,进一步对绿线进行定性,确定规划绿线范围内绿地布局规划,提出相关控制性与引导性指标,完成绿线划定阶段的定性工作。
总体来看,基于GIS技术和POI数据分析的郊野公园规划绿线划定,能够充分协调生态保护和城市发展之间的关系,具备一定的科学性和合理性。
由小及大,该方法也可以用于城市总体规划阶段的绿线划定,通过GIS 平台,将城市生态敏感性评价方法和利用大数据对现状绿地综合评估方法相结合,能确定现状绿地布局的不足和待完善之处,进而指导城市总体规划阶段绿线划定。
关键词:GIS,POI,生态敏感性,城市绿线,郊野公园1引言随着我国城镇化率的不断提高,城市建设速度的不断加快,人类对绿地空间的使用需求与生态环境破坏之间的矛盾也日益突出。
近年来,我国城乡规划的指导思想由注重开发建设转向注重对空间发展的控制,在城乡规划管理中提出“三区四线”,通过划定城市发展控制线,以留白之道谋求城市健康生长[1]。
《城市绿线划定技术规范》中明确指出绿线划定应分为总体规划阶段、控制性详细规划阶段和修建性详细规划阶段。
绿线划定工作需要做到定性、定位、定量。
定性指明确绿线所涵盖范围的绿地建设性质或功能;定量指确定绿线所涵盖的范围大小或圈定的面积;定位是指绿线落实到具体地图坐标位置,为规划实施管理提供可视化的直观依据。
传统的控制性详细规划阶段绿线划定主要以地形分析和用地现状为依据,以底线思维为主导,对城市绿地进行刚性控制,缺乏对城市绿地和周边自然环境、资源、发展需求等之间关系的综合研究,尤其对于一些具有发展需求的城市来说,片面地强调生态保护,而忽视对资源的开发,这种刚性控制是否能促进城市和谐发展也难以确定。
17P L A N N I N G S T U D Y大数据背景下基于兴趣点(POI )数据的城市功能区识别——以南京市主城区为例Identification of Urban Function Area Based on Point of Interest (POI) Date in the Big Data Background—A Case Study of Nanjing Downtown施 歌 何 彬 姚恋秋 江 南Shi Ge, He Bin, Yao Lianqiu, Jiang Nan【文章编号】 1674-2508(2018)40-0017-06【中图分类号】TU984【文献标识码】A 【作者简介】施歌,女,博士生,南京师范大学地理科学学院、虚拟地理环境教育部重点实验室、江苏省地理信息资源开发与利用协同创新中心何彬,男,硕士生,南京师范大学地理科学学院姚恋秋,女,硕士生,南京师范大学地理科学学院江南,男,硕士,南京师范大学地理科学学院、虚拟地理环境教育部重点实验室、江苏省地理信息资源开发与利用协同创新中心,教授,博士生导师【基金项目】国家自然科学基金资助项目(41771421);江苏高校优势学科建设工程资助项目(164320H116)【修改日期】2018-03-16【摘要】本文以南京市主城区的322000条POI数据为基础,利用基于知识的决策树分类方法对南京市的城市功能区进行识别,探索城市功能类型。
结果显示:1.南京市都市区构建形成以主城为核心,以放射性交通走廊为发展轴,以生态空间为绿楔的现代都市区空间格局。
2.南京市结合自然条件、交通走廊布局和区域联系主要方向,都市区内形成了“一带五轴”的城镇布局结构。
3.与南京市城市总体规划进行对比分析,显示基于POI数据的城市功能区识别结果精度较高,与规划分区基本吻合。
为城市规划的编制提供了实际的参考依据,且为利用开放数据进行规划应用提供了新的思路和方法。
基于百度POI数据的福州市公园分布特征研究作者:蒋丽明张春英吕梁李新燕来源:《牡丹江师范学院学报(自然科学版)》2019年第01期摘要:基于百度POI数据,结合Arcgis软件的数理统计和空间分析功能,通过基尼系数、最邻近点系数和核密度三个指标对福州市公园的分布进行研究.结果表明:福州市各个区县之间的公园数量差距非常悬殊,公园的分布为高度聚集状态,呈现一个高核密度区和6个次核密度区.建议城市公园建设一是要制定统筹兼顾的发展规划方案,最大程度满足每个公民享受公园的权利;二是建立多维的公园建设管理模式,将公众和专家学者纳入公园建设的机制中去.关键词:POI;分布特征;GIS[中图分类号]TU986 [文献标志码]AResearch on Distribution Characteristics of Fuzhou Park Based on Baidu POI DataJIANG Liming1, ZHANG Chunying2, LV Liang1, LI Xinyan1(1.Fujian Agriculture and Forestry University, College of Landscape Architecture, Fuzhou 350002, China; 2.Fujian Institute of Technology, College of Architecture and Urbanrural Planning, Fuzhou 350108, China)Abstract:Based on Baidu POI data, combined with the mathematical statistics and spatial analysis functions of Arcgis software, the distribution of Fuzhou Park is studied by three indicators: Gini coefficient, nearest neighbor coefficient and nuclear density. The results show that the number of parks in various districts and counties in Fuzhou is very different. The distribution of parks is highly concentrated. Fuzhou Park presents a high nuclear density zone and six subnuclear density zones. It is recommended to build urban parks. First, we must formulate a comprehensive development plan to meet the rights of every citizen to enjoy the park. Second, establish a multidimensional park construction management model, and incorporate the public and experts and scholars into the mechanism of building a park.Key words: POI; distribution characteristics; GIS城市公园是人类居环境的重要组成部分,对于城市居民的锻炼、游玩和观光具有极大的影响,直接性影响居民的幸福感和满意度.国内关于公园分布有着广泛研究,大多数学者以全国和全省为尺度进行研究,研究的内容通常是某一类公园,所用的方法是利用GIS的空间分析功能,通过最邻近距离指数、核密度、地理集中指数和基尼系数等指标对研究对象的分布进行研究.研究所用的数据都是实地调研获得的,浪费了大量人力和物力.随着社会的进步,人类逐渐进入了大数据时代,大数据早已被广泛应用到各个领域[13],百度POI(Point of Interest)作为大数据的一种,具有易获取、获取成本低的优势.本文创新性地用运百度POI数据对福州市公园的分布特征进行研究,以期为城市公园发展提供理论依据.1 研究区域概况福州市是福建省省会,是福建省的政治、经济、文化中心,也是滨江滨海生态园林城市.该区域共有317个公园,其中,长乐市49个,连江县38个,闽侯县36个,晋安区34个,福清市29个,仓山区24个,马尾区24个,鼓楼区22个,台江区21,闽清县17,平潭县10个,永泰县5个.2 数据来源百度地图是国内使用最为广泛的网络地图之一,百度POI数据具有容易获取和获取成本低的优势,不需要调研就可以获取大量的研究数据,可极大地提高研究者的工作效率.百度POI 数据信息主要包括:目标的经纬度、目标的名称、目标的地址名称和目标的类别.笔者应用PYTHON软件,通过百度地图提供的API,以公园为关键词获取百度POI数据,导入到EXCEL中,经过数据清洗和坐标矫正,获得福州市公园的经纬度.通过Arcgis软件下的(x,y)转点工具,对百度POI数据进一步处理,得到福州市公园空间分布图,见图1.图1显示,公园在福州市区及其周围分布较多,而永泰县和罗源县等离市区较远的区域零星可见.3 研究结果与分析3.1 基尼系数基尼系数G=0.681,已经远远大于0.5,说明福州市各个区县之间的公园数量差距非常悬殊,少量的区县拥有大量的公园,反映了每个区县公园发展水平的不平衡现象.这是由于每个区县的经济、历史、文化、自然地理以及重视程度不同導致的.[4]3.2 最邻近系数通过Arcgis软件,获得福州市公园的最邻近系数R=0.437,远远小于1,说明福州市公园的分布为高度聚集状态,多数的公园集中在较少的区县,且这些区县距离较为接近.[5]3.3 核密度分析将福州市公园坐标导入Arcgis软件,通过空间分析获得福州市公园核密度图,见图2 .图中颜色越深代表其核密度越强,该区域的公园也越密集.从图2可知,福州市公园呈现“众星拱月”的形态,表现为福州市的公园分布呈现一个高核密度区和若干个次核密度区.高核密度区主要集中在鼓楼区、仓山区、台江区、晋安区,次核密度区在长乐市、连江县、福清市、罗源县、马尾区和闽清县,分布密度最低的是永泰县、平潭县和罗源县.[6]4 结论及建议研究结果表明,福州市各区县之间的公园数量差距非常悬殊,分布为高度聚集状态,呈现一个高核密度区和6个次核密度区.福州市各区域的公园数量差异悬殊,公园高度聚集在少量的几个区县.公园过多且过度密集会造成使用效率低下、政府财政浪费等问题,而区县公园过少且分布较为稀疏的地区,民众则享受不到公园的权利.造成这种现象的原因:(1)自然因素方面:水系的影响.福州市区内有乌龙江和闽江两条河流,水系是很好的游憩资源,适合建设公园.福州市区的滨江公园共有11个,距两江流域近的区县有更多的公园.(2)社会方面:福州市是福建省的政治文化中心,聚集着大量的人口,为了满足人们的游憩活动,建设了较多的公园.公园的建设和后期维护成本很高,使得那些财政较弱的区县建设公园数量较少,造成了不平衡发展的现象.(3)历史文化的影响.福州市有着悠久的历史,历史上就留下了许多公园,如西湖公园、金鸡山公园等.建议城市公园建设一是要制定统筹兼顾的发展规划方案,在考虑到各个区县的实际情况下,最大程度满足人们享受公园的权利;二是建立多维的公园建设管理模式,将公众和专家学者纳入建设公园的机制中.参考文献[1] 潘亮,蔡晓薇,张文娟,等.“互联网+”时代出租车资源配置研究[J].牡丹江师范学院学报:自然科学版,2016(3):1821.[2] 金玉苹,张红钰,李琦.牡丹江城市基础地理信息系统的研究与实现[J].牡丹江师范学院学报:自然科学版,2015(4):1819.[3] 贾小贝,方欢.基于行为轮廓的网络日志行为相似性分析[J].牡丹江师范学院学报:自然科学版,2017(3):15.[4] 李強谊,钟水映.中国旅游产业专业化发展水平的空间非均衡及其演变[J].经济地理,2016,36(12):197203.[5] 许辉,杨洁明,喻晓玲.新疆优质旅游资源空间格局及影响机制[J].地域研究与开发,2016,35(1):96101.[6] 范嗣斌,杨滔,邓东.一种全息的城市空间结构研究初探[J].城市设计,2015(1):8489.编辑:吴楠。
0引言我国的城市发展已经从追求增量的城市化转变为提升城市建设质量的城市化,前期追求量化的中国城市化改善了城市居民的生活环境,但在城市化的进程中对自然环境造成了一定程度的破坏,增加了公众产生焦虑、抑郁等疾病的概率[1]。
因此在当下追求高质量城市发展的过程中,提升城市生态环境的质量变的尤为重要。
城市公园作为城市内部主要绿色空间,为居民提供了重要的进行放松和交流的场所,实证研究指出,增加城市内部绿色空间比例或者提高公众使用绿色空间的频率,可以有效地降低公众患上述疾病的风险[2][3]。
所以如何提升现有城市公园建设的质量,成为我国高质量城市化的重点。
我国对城市公园正式的定义是向公众开放,以游憩为主要功能,兼具生态、美化、科普宜教及防灾避险等作用,有一定游憩和服务设施的城市绿地[4]。
近十年来,对城市公园的研究方向主要集中在公众对城市公园的满意度[5]、城市公园类型划分及功能关系[6]、供需平衡视角下城市公园的可达性及公平性研究等方面。
研究数据主要的搜集方法有调查问卷和访谈,调查问卷和访谈存在实施费力、成本高昂、规模有限等缺点。
也有研究用公共参与式GIS进行调查,但是公众参与式GIS取决于数据的缩放级别和本地知识,且也具有传统调查的费时费力、成本高昂的缺点[7]。
大数据的出现为城市公园研究提供了新的研究数据,目前大数据正广泛应用于城市公园研究,社交媒体数据是最常见的运用于城市公园研究的大数据。
例如王志芳等使用广州市50个公园大众点评数据,结合人口统计学特征及地理区位、评价时间等,总结广州城市公园使用后评价,并探究影响使用后评价的因素[8]。
郑天晨等构建了基于社交文本数据的城市公园景感评价框架,研究视觉、触觉、听觉、嗅觉等在城市公园感知体验中的地位[9]。
但使用社交媒体数据分析公众对城市公园的满意度、公众对城市公园主要关注点的研究还较少。
从我国高质量发展角度出发,更加深入的研究如何提升公众对城市公园的满意度,提升公园建设质量,能够帮助我们更加全面的理解城市高质量发展和城市可持续发展[10]。
基于POI数据的城市公共服务质量评价——以武汉市为例曹睿
【期刊名称】《无线互联科技》
【年(卷),期】2022(19)23
【摘要】城市公共服务质量是宜居城市的一项重要指标,也是近期的研究热点。
文章以POI数据为研究对象,分析武汉市网点布局,利用Arc GIS计算网格点密度值,代入预设的九类POI权重,得到每个网格内的便利指数值展示图,据此进行该地区公共质量评价。
结果显示该地生活便利指数小于9.2的区域占比95%,而高于9.2的区域很小并集中分布于市中心长江两岸,还有零星几个便利度较高的区域分布在各行政区中心。
说明该地整体生活便利度呈现两极分化迹象,城市公共服务表现零散,城乡差异结构明显,发展较不充分。
研究表明基于POI数据对城市网点布局空间评估分析,能客观映射出基础设施与影响因素的关联性,以期为大数据在城市规划中的应用探寻新的思路。
【总页数】4页(P113-115)
【作者】曹睿
【作者单位】武汉大学
【正文语种】中文
【中图分类】G63
【相关文献】
1.基于POI数据的城市文化创意产业园发展特征研究
——以武汉市为例2.基于POI数据的城市群公园绿地规模效益评价
——以闽三角城市群为例3.基于POI数据的城市公共游憩空间分布格局及其形成机制研究——以长沙市主城区为例4.基于POI数据的武汉市公共服务设施布局社会公平绩效评价5.基于POI数据的城市公共停车场复合开发模式研究——以武汉市为例
因版权原因,仅展示原文概要,查看原文内容请购买。
基于 POI数据的苏州公园与居住区空间分布关系分析摘要:公园与居住区是城市人居环境的核心部分,优化两者配置关系是营造宜居环境的关键。
借助POI等数据资源,利用核密度、标准差椭圆、空间相关性等分析方法,以苏州中心城区为例探究公园与居住区两者间的布局关系。
结果表明:城区公园与居住区均呈东北朝向集中分布,且呈中间密集向四周扩散的趋势;两者数量分布呈正相关关系,在空间分布上则呈负相关分布,形成了局部协同良好或较差、公园或居住为主导的分异区域,并对应提出了优化对策,以提升人居环境满意度。
关键词:公园;居住区;空间布局;空间分异;苏州公园与居住区皆为城市居民日常行为活动的重要载体,公园可以较准确反应映城市绿色空间福利资源供给水平,居住区是城市居民起居活动的核心空间,二者在居民日常生活方面紧密关联[1]。
科学合理地统筹安排公园与居住区空间布局,有利于回应当代城市居民提升生活品质的需求,提升绿地综合效益与城市宜居水平。
当前针对公园的研究重点呈现出由公园本身的演变向其功能、效能转化的特征,且由注重生态效益变为注重社会、经济效益,在研究方法上逐渐空间化、定量化[2-3]。
关于居住区的研究主要集中在空间布局现状、演化过程、空间分异、空间扩展、驱动机制等方面[4-5]。
公园与居住区空间关系极为密切,针对二者的空间相关研究呈现由整体向类型细分过渡的特点[6],已有研究内容主要集中在增值效益、健康提升和择居偏好以及社会、生态效应方面[7-9],但在整体上对二者布局规律和调控研究相对较少;在公园规划布局方法上较少结合居住区空间分布特征考虑公园的实际可达性与服务覆盖的公平性,同时缺乏技术手段量化分析二者空间关系,一定程度上导致供需不匹配。
同时,在近年城市研究与风景园林领域,POI数据由于获取途径容易、数据范围大、覆盖面广、处理难度低等优势得到一定应用,基于POI数据的相关研究迅速涵盖了宏观、中观、微观不同尺度,涉及热场研究、绿地服务空间、绿地规划等多个方面[10-12],但在公园绿地与居住区研究中仍然较少。
2020年6月第3期城㊀市㊀勘㊀测UrbanGeotechnicalInvestigation&SurveyingJun.2020No.3引文格式:郭昭ꎬ刘凯ꎬ李雨思.基于POI数据的城市功能空间识别及中心城区功能复合测算[J].城市勘测ꎬ2020(3):40-46.文章编号:1672-8262(2020)03-40-07中图分类号:P208ꎬTU984 11文献标识码:A基于POI数据的城市功能空间识别及中心城区功能复合测算以东莞市为例郭昭1∗ꎬ刘凯1ꎬ李雨思2∗㊀收稿日期:2019 11 30作者简介:郭昭(1990 )ꎬ男ꎬ硕士ꎬ助理工程师ꎬ主要从事地理与规划研究㊁GIS空间计量及城市规划相关工作ꎮ(1 东莞市城建规划设计院ꎬ广东东莞㊀523001ꎻ㊀2 西安科技大学测绘科学与技术学院ꎬ陕西西安㊀710054)摘㊀要:研究城市功能区空间结构及功能区复合特征ꎬ对城市用地优化有着重要作用ꎮ以东莞市城市功能兴趣点(POI)数据为基础ꎬ采用核密度法㊁区位熵指数㊁信息熵㊁均衡度等方法ꎬ从宏观的城市尺度识别城市功能空间ꎬ并在社区尺度上进一步探究城市功能复合化特征ꎬ研究结果表明:①在市域层面ꎬ东莞市形成了 主中心 次中心 主节点 次节点 的多中心多层级功能空间结构ꎬ五类城市功能均表现出较强的中心集聚特征ꎬ在中心城区㊁虎门-长安㊁厚街㊁大朗㊁常平以及塘厦等地ꎬ形成了区域性的城市综合服务中心ꎮ②在社区层面ꎬ解析中心城区城市功能区的分布特征ꎬ得出居住功能与商业功能的空间关联性较强ꎬ居住㊁商业和产业在研究区内形成了 产业 居住&商业 产业 的功能圈层结构ꎬ而休闲娱乐功能沿地铁线形成了一条休闲娱乐功能带ꎬ公共服务功能区的空间分布则相对均衡ꎮ③在社区层面ꎬ城市功能的复合开发在中心城区呈现 中心 外围 的空间特征ꎬ中心区城市功能要素类型多样ꎬ居住㊁商业㊁娱乐休闲功能复合水平较高ꎬ外围区功能类型单一ꎬ多为产业功能与公共服务功能复合ꎬ相对而言产业功能与居住㊁商业以及休闲娱乐三类城市功能的空间兼容性较弱ꎮ关键词:城市功能区ꎻ功能复合测算ꎻ区位熵ꎻ信息熵ꎻPOI1㊀引㊀言城市在发展的过程中ꎬ伴随着生产㊁生活要素的集聚㊁演化ꎬ在空间上逐渐形成居住区㊁工业区㊁商业区等城市功能区ꎬ以满足城市居民的生活需求ꎮ在城市功能区内土地使用功能ꎬ使用强度ꎬ土地利用方式大体一致[1]ꎮ而城市功能复合则是多种密切相关又相互影响的功能要素在空间上的集聚表现ꎬ是不同土地使用方式㊁功能布局㊁经营业态㊁空间形态混合的结果[2]ꎮ城市的功能复合开发对于集约土地利用ꎬ提升土地效益ꎬ促进城市经济发展ꎬ改善人居环境具有重要意义ꎮPOI(PointofInterest)数据源于地图导航服务ꎬ具有空间坐标和属性信息ꎬ是一种表征真实地理空间实体的数据集ꎬ具有精度高㊁覆盖广㊁更新快㊁易获取的数据特点ꎮ每一个POI点在空间上都可以代表一个功能要素ꎬ不同的POI数据依据自身属性特征的不同ꎬ选择的空间位置也有所差异ꎻ同类POI数据越是集聚的区域ꎬ越容易形成专业化的城市功能区ꎻ多种类型的POI数据集聚的区域ꎬ城市功能复合程度越高ꎬ越容易演化成为城市的中心区ꎮ近几年随着互联网上POI数据的开放使用ꎬ众多学者开始探索POI数据在城市规划领域的应用ꎬ常用于发掘城市商业中心[3]㊁识别城市功能空间格局[4~6]㊁研究城市复合功能特征[7]㊁分析城市街道活力[8]㊁测算城市边界及城市蔓延度[9ꎬ10]等多个研究方向ꎬ取得了众多研究成果ꎮ基于前人的实证研究表明POI数据可以有效地识别城市功能区ꎬ用于城市空间结构分析研究ꎮ因而ꎬ本文以东莞市POI数据为基础ꎬ采用核密度分析法在市域层面探索东莞市城市功能空间结构ꎬ以区位熵指数㊁信息熵指数构建城市功能复合测算模型ꎬ在社区层面研究东莞中心城区的城市功能区及其空间复合特征ꎬ总结东莞市的城市发展特征ꎬ对进一步优化城市空间结构ꎬ科学合理地制定中心城区用地规划提供参考依据ꎮ2㊀数据与方法2 1㊀研究区概况与数据处理(1)研究区概况如图1所示ꎬ东莞市位于广东省中南部ꎬ珠江口东岸ꎬ临近广州ꎬ接壤深圳ꎬ处于广深经济走廊中间ꎬ是粤港第3期郭昭等 基于POI数据的城市功能空间识别及中心城区功能复合测算澳大湾区的重要节点城市ꎮ全市行政面积约2542.67km2ꎬ是全国5个不设区的地级市之一ꎬ下辖4个街道㊁28个镇ꎮ经济发展迅速ꎬ工业制造业体系完备ꎬ民营经济活跃ꎬ村镇经济发达ꎬ多数镇街城镇化建设程度较高ꎬ各镇生产㊁生活相对独立ꎬ以高速路㊁快速路等城市主干道沟通联系ꎬ在市域范围内形成了连片的中小城镇群ꎮ图1㊀地理区位及POI密度分布㊀㊀(2)数据预处理①数据来源:研究采用的POI数据来源于高德地图ꎬ通过第三方软件工具所得ꎬ数据获取时间为2019年5月ꎮ②数据预处理:第一ꎬ需要对获取的原始数据进行筛选清洗ꎬ去重去错ꎬ剔除无效干扰数据ꎻ第二ꎬ对数据坐标进行校正处理ꎬ使其获得正确的投影坐标ꎬ方便后续的数据分析ꎻ第三ꎬ利用研究区的矢量边界对POI数据进行裁剪ꎬ提取出本次研究所需的有效数据595281个ꎻ第四ꎬ根据本文的研究需求ꎬ对POI数据进行整理㊁归类ꎬ按照城市功能属性ꎬ参考巫细波[11]等人的分类方式以及高德地图POI分类表ꎬ结合东莞市的实际情况ꎬ将其划分为五类:居住生活类㊁商业金融类㊁产业发展类㊁休闲娱乐类以及公共服务类ꎬ研究城市功能空间分布特征ꎬ如表1所示ꎮPOI数据的功能要素分类表㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀表1功能要素POI子类数量占比城市功能空间居住生活类商务住宅:住宅区㊁商务住宅相关㊁商住两用楼宇㊁楼宇相关ꎮ生活服务:生活服务场所㊁旅行社㊁信息咨询中心㊁售票处㊁邮局㊁物流速递㊁电讯营业厅㊁自来水营业厅㊁电力营业厅㊁美容美发店㊁维修站点㊁摄影冲印店㊁洗衣店㊁中介机构㊁彩票彩券销售点㊁婴儿服务场所㊁人才市场ꎮ医疗保健服务:医药保健销售店㊁医药保健服务场所㊁诊所㊁专科医院㊁动物医疗场所ꎮ11086218.62%居住生活空间商业金融类餐饮服务:中餐厅㊁快餐厅㊁外国餐厅㊁冷饮店㊁糕饼店㊁甜品店㊁餐饮相关场所ꎮ购物服务:商场㊁便利店㊁家电电子卖场㊁超市㊁花鸟鱼虫市场㊁家居建材市场㊁综合市场㊁文化用品店㊁体育用品店㊁服装鞋帽皮具店㊁专卖店㊁特殊买卖场所㊁个人用品/化妆品店㊁购物相关场所ꎮ住宿服务:宾馆酒店㊁旅馆招待所㊁住宿服务相关ꎮ金融保险业:银行㊁银行相关㊁保险公司㊁证券公司㊁财务公司以及金融保险服务机构ꎮ31243152.49%商业金融空间产业发展类生产服务:商务写字楼㊁产业园区㊁工业大厦建筑物㊁事务所ꎮ公司企业:公司企业㊁知名企业㊁公司㊁工厂㊁农林牧渔基地ꎮ车辆贸易服务:汽车相关服务㊁汽车养护/装饰㊁洗车场㊁汽车俱乐部㊁汽车救援㊁汽车配件销售㊁汽车租赁㊁二手车交易ꎬ汽车销售ꎬ汽车维修ꎬ摩托车服务ꎮ13995823.51%产业发展空间休闲娱乐类生活服务:洗浴推拿场所ꎮ风景名胜:公园广场㊁风景名胜㊁风景名胜相关ꎮ体育休闲:影剧院㊁休闲场所㊁度假疗养场所㊁娱乐场所㊁高尔夫相关㊁运动场馆㊁体育休闲服务场所ꎮ餐饮服务:咖啡厅㊁茶艺馆㊁休闲餐饮场所ꎮ143952.42%休闲娱乐空间公共服务类医疗保健服务:综合医院㊁急救中心㊁疾病预防机构ꎮ科教文化服务:博物馆㊁展览馆㊁会展中心㊁美术馆㊁图书馆㊁科技馆㊁文化宫㊁档案馆㊁文艺团体㊁传媒机构㊁学校㊁科研机构ꎮ政府机构及社会团体:工商税务机构㊁公检法机构㊁交通车辆管理㊁民主党派㊁社会团体㊁政府机关㊁政府及社会团体相关ꎮ176352.96%公共服务空间2 2㊀研究方法(1)核密度分析法核密度分析法是在遵循距离衰减定律的基础上ꎬ借助一个规则移动样方对空间点要素的分布情况进行估算ꎬ反映POI数据点在空间分布上的相对集聚程度[12ꎬ13]ꎮ通过核密度分析法可以识别不同功能要素的集聚区域ꎬ划分城市功能分区ꎬ能够有效解析城市功能空间结构ꎮ14城㊀市㊀勘㊀测2020年6月f(s)=1nr2ðni=1kdiræèçöø÷(1)其中ꎬf(s)为s处的核密度计算函数ꎻk为事先给定的核函数ꎻr为带宽ꎬ即以s为圆心的搜索半径ꎻdi为搜索范围内s与第i个观测点间的距离ꎻn为搜索范围内的POI点数ꎮ带宽r采用ArcGISDesktop10 6中推荐的计算方法:r=0.9ˑminSDꎬ1ln2()ˑDmæèçöø÷ˑn-0.2(2)SD=ðni=1(xi- X)2/n+ðni=1(yi- Y)2/n(3)其中ꎬSD为标准距离ꎬ指输入点的平均中心与所有点的标准距离ꎻDm为中值距离ꎬ指输入点的平均中心与所有点的距离中值ꎻ(xiꎬyi)为要素i的坐标ꎬ( XꎬY)为输入点的平均中心ꎬn为要素总数ꎮ(2)区位熵指数区位熵可以衡量某一区域要素的空间分布情况ꎬ反映某一产业部门的专业化程度[14]ꎮ以行政社区(村)为基本单元ꎬ采用区位熵指数衡量各类功能要素在基本单元中的集中程度ꎬ识别专业功能区ꎮ区位熵的值越大ꎬ表示基本单元内要素的专业化程度越高ꎮ计算公式如下:LQij=Qj-iQij-i=qij/ðmj=1qijðmj=1qij/ðni=1ðmj=1qij(4)其中ꎬLQij表示j单元的i要素在研究区范围内的区位熵ꎻQj-i指在区域j范围内i要素的数量与区域j中所有要素的比值ꎻQij-i指研究区范围内i要素的总数与整个研究区内所有要素总数的比值ꎮ当LQij>1时ꎬ则表示j单元的i要素在研究区范围内具有集聚优势ꎬ形成功能区ꎻ当LQij>1 5时ꎬ则表示j单元的i要素在研究区范围内具有显著的集聚优势ꎬ形成了专业化的功能区ꎮ(3)功能复合测算模型在城市地理研究中ꎬ均衡度指数是基于信息熵指数所构建的数学模型ꎬ是实际城市用地结构信息熵值与最大信息熵值的比值ꎬ可用于描述城市建设用地类型的多样性以及建设用地结构的均衡程度[15ꎬ16]ꎮ本文利用信息熵指数㊁均衡度指数构建城市功能复合测算模型ꎬ以社区(村)为基本单元ꎬ以各社区(村)中每类功能要素的POI数量占比作为变量ꎬ计算信息熵值ꎬ再基于信息熵值计算获得均衡度值ꎬ用于分析各个社区(村)功能要素种类的多样性㊁功能复合程度ꎮ考虑到不同功能要素之间存在较大的数量级差ꎬ为消除数量级差带来的计算误差ꎬ需要先对各个社区(村)中每类POI数据进行离差标准化处理ꎮ①离差标准化处理:yiꎬj=xiꎬj-(xi)min(xi)max-(xi)min(5)其中ꎬyiꎬj为j单元第i类要素的标准化数量ꎬxiꎬj为j单元i要素的当前数量ꎬ(xi)min表示所有单元中i要素的最小数量ꎬ(xi)max表示所有单元中i要素的最大数量ꎮ②信息熵指数:信息熵值越大ꎬ表示单元范围所包含的功能要素类型越多ꎬ各类要素之间的百分比相差越小ꎮHj=-ðni=1PilnPi(6)Pi=yiðii=1yi(7)其中ꎬHj表示j单元的信息熵ꎬn表示功能要素类型数ꎬPi表示单元j中第i种要素的数量占比ꎬyi为第i类要素的标准化数量ꎮ③均衡度指数:计算数值越大表示单元的各项功能要素占比越接近㊁复合程度越高ꎬ研究单元内的城市功能结构越趋于平衡ꎻ反之ꎬ数值越小则表示单元的功能结构越不稳定ꎬ城市功能相对单一ꎬ复合程度较低ꎮEIj=HHmax=-ðii=1PilnPiln(n)(8)其中ꎬEIj指单元j内城市功能结构的均衡度ꎻEIj的取值区间在0~1之间ꎮ3㊀结果与分析3 1㊀城市功能分区与空间结构根据式(2)㊁式(3)计算每一类功能要素的POI数据搜索半径ꎬ可知居住生活类为1795m㊁商业金融类为1455m㊁产业发展类为1702m㊁休闲娱乐类为2692m㊁公共服务类为2476mꎬ且POI数据总体上的搜索半径为1278mꎬ考虑到数据分析的统一性ꎬ最终选取2000m作为本次研究中核密度计算的搜索半径ꎬ利用ArcGISDesktop10 6软件提供的核密度分析工具计算获得5类功能要素的核密度值ꎮ鉴于POI数据在空间分布上遵循正态分布的相关特征ꎬ依据正态分布曲线特征ꎬ借鉴吴康敏等人[17]利用核密度均值μ加减标准差σ作为阈值识别广州市商业中心边界的方法ꎬ采用μʃσ㊁μʃ2σ㊁μʃ3σ作为核密度值的分类阈值ꎬ表示研究区每一类功能要素核密度值前16%㊁2 5%㊁0 05%的最大值ꎬ用于识别划分出24第3期郭昭等 基于POI数据的城市功能空间识别及中心城区功能复合测算五类城市功能空间的外围发展区㊁中心生长区㊁中心区以及核心区ꎮ同时ꎬ将识别出的城市功能空间ꎬ按划分的层级重新分类赋值ꎬ进行叠加分析ꎬ获得市域的城市综合功能空间(如图2所示)ꎮ图2㊀城市功能空间识别㊀㊀由图2的计算结果ꎬ对基于POI数据核密度值识别出的居住生活㊁商业金融㊁产业发展㊁休闲娱乐以及公共服务5类功能空间进行整体特征分析ꎮ依据城市综合功能空间的辐射规模ꎬ可知东莞市城市功能空间表现出较强的中心集聚特征ꎬ在市域范围内形成了 主中心 次中心 主节点 次节点 的多中心多层级功能空间结构ꎬ以中心城区为主中心ꎬ长安-虎门为次中心ꎬ厚街㊁大朗㊁常平㊁塘厦为区域主节点ꎬ寮步㊁黄江㊁樟木头㊁大岭山㊁石龙㊁石碣等为次节点ꎬ城镇中心等级体系特征明显ꎮ同时ꎬ在市域西部发展形成了 中心城区 厚街 虎门 长安 城镇密集发展带ꎬ城市功能要素集聚㊁复合度高ꎮ依据功能空间的核心区㊁中心区以及中心生长区的辐射范围ꎬ可知五类城市功能空间格局表现各有不同ꎮ居住生活功能与商业金融功能的空间分布特征相似ꎬ功能中心在中心城区㊁虎门-长安㊁厚街㊁大朗㊁常平㊁塘厦等地ꎬ体现出这两类城市功能在空间分布上具有较强的关联性ꎮ产业功能中心主要集中在中心城区㊁长安和大岭山等地ꎬ形成了两条明显的发展轴线:①连接中心城区㊁厚街㊁虎门-长安的连片产业发展区域ꎻ②经寮步㊁大朗㊁常平㊁黄江㊁樟木头㊁塘厦直至凤岗的广深铁路沿线产业发展走廊ꎮ休闲娱乐功能与公共服务功能的空间分布具有显著的中心集聚特征ꎬ主要集中在中心城区ꎬ各个镇区形成若干功能服务节点ꎮ3 2㊀中心城区城市功能复合测算在市域尺度上研究发现居住生活㊁商业金融㊁产业发展㊁休闲娱乐以及公共服务5类功能要素的空间分布表现出较强的中心性ꎬ功能空间的主中心均在中心城区ꎬ表明在东莞中心城区5类城市功能高度复合ꎮ考虑到市域空间尺度较大ꎬ无法精细地判断城市功能高度复合区内各类城市功能的空间分布规律㊁空间组织形式以及空间结构特征ꎬ因而以东莞市中心城区为研究对象ꎬ进一步探究居住生活㊁商业金融㊁产业发展㊁休闲娱乐以及公共服务5类功能要素在社区尺度上的分布特征ꎮ东莞市中心城区包括莞城街道㊁南城街道㊁东城街道以及万江街道4个街道85个行政社区(村)ꎬ面积约34城㊀市㊀勘㊀测2020年6月221.35km2ꎬ是东莞的区域综合服务中心ꎮ中心城区范围内包含POI数量99582个ꎬ其中居住生活类19072个㊁商业金融类51992个㊁产业发展类21875个㊁休闲娱乐类2675个㊁公共服务类3968个ꎮ(1)功能要素集聚特征以中心城区的行政社区(村)为基本单元ꎬ利用ArcGIS软件统计落在各个社区内部5类功能要素点的数量ꎬ依据式(4)计算各类功能要素的区位熵指数ꎬ并对计算结果进行分类:区位熵LQ>1则定义为功能区ꎬ区位熵LQ>1 5则为专业化功能区(如图3所示)ꎮ图3㊀中心城区功能要素区位熵计算结果㊀㊀根据图3所示ꎬ可知5类功能要素在社区层面上ꎬ均表现出了各自的集聚特征ꎬ形成了不同的城市功能区ꎬ各个社区所承担的主导功能亦有所差异ꎮ以市政府所在地的中心广场为圆心ꎬ分别绘制半径为2km㊁5km㊁8km的同心圆ꎬ可以看出居住㊁商业和产业功能在中心城区形成了 产业 居住&商业 产业 的圈层结构ꎮ居住生活要素与商业金融要素空间关联性较强ꎬ在距离市中心广场2km~5km的范围内形成了一个 居住 商业 功能环ꎮ而产业发展要素在中心2km的范围内形成了一个产业功能区ꎬ然后在外围8km的圈层附近形成一个专业化的产业功能圈ꎮ产业功能与居住功能和商业功能形成了差异互补的空间格局ꎮ休闲娱乐要素沿地铁2号线密集分布ꎬ形成了一个休闲娱乐功能带ꎬ休闲娱乐类的专业化功能区主要集中在南城街道ꎮ公共服务功能区在中心城区分布较为均衡ꎬ应与其公共服务的属性要求相关ꎬ在空间布局时需要考虑了区域均衡性ꎮ(2)功能要素复合特征根据式(5)㊁式(6)㊁式(7)㊁式(8)计算获得研究区内85个社区(村)的信息熵和均衡度ꎬ可知中心城区的信息熵平均值为1 34ꎬ均衡度平均值为0 84ꎬ其中均衡度值达到0 8以上的社区有67个ꎬ占到社区总数的75%以上ꎬ均衡度较低的社区多为现状水库㊁林场和山体绿地ꎬ表明多数社区的城市功能类型多样㊁复合程度较高ꎮ以市政府为中心原点ꎬ以500m为步长ꎬ绘制同心圆ꎬ分别统计每个圆环内的均衡度平均值ꎮ图4a和图5的分析结果显示:在5km的圈层范围内ꎬ均衡度值较高ꎬ均在0 95以上ꎬ表明这一区域的城市功能复合水平高ꎬ结构稳定ꎬ趋于理想水平ꎮ而以5km为转折点向外围延伸ꎬ均衡度值下降明显ꎬ距离中心越远ꎬ数值越低ꎬ到8.5km开始趋于稳定ꎬ数值在0 7上下浮动ꎮ整体上从中心向外围随着距离的延伸ꎬ均衡度值逐渐减小ꎬ呈现出 中心 外围 的圈层式结构(图4c)ꎮ鉴于均衡度指数只能衡量社区范围内各类功能要素整体的均衡性ꎬ不能确定社区内所复合的功能是否具有较高的地域集聚优势ꎮ因而结合区位熵计算结果ꎬ将居住㊁商业㊁产业㊁休闲以及公共服务五类功能要素的区位熵值进行二值化ꎬ重新分类赋值(即:区位熵LQ>1赋值为1ꎬ区位熵LQ<1赋值为0)ꎬ提取出各类城市功能区ꎬ叠加运算后获得社区的城市功能复合度(图4b)ꎬ用于衡量一个社区城市功能的复合水平的高低ꎮ社区内分布的功能要素类型越多且均具有较高的44第3期郭昭等 基于POI数据的城市功能空间识别及中心城区功能复合测算集聚优势ꎬ社区的城市功能复合水平也就越高ꎮ图4㊀均衡度和功能复合度计算结果图5㊀均衡度平均值统计结果由图4b可知ꎬ以东城街道的旗峰公园和南城街道的雅园社区为 双核 形成了一条沿地铁2号线的城市功能优势集聚带ꎬ三种及三种以上的城市功能在这里表现出了较强的集聚优势ꎮ这里集中了众多的大型商业综合体㊁商务办公写字楼以及居住小区ꎬ居住㊁商业㊁休闲功能复合水平较高ꎬ体现出了较强兼容性ꎮ而在外围区则主要为单一功能区ꎬ功能复合类型也以产业功能和公共服务功能复合为主ꎬ复合类型较为单一ꎬ产业功能与居住功能㊁商业功能以及休闲功能的空间兼容性较弱ꎬ导致在产业功能空间内居住㊁商业㊁休闲功能要素的集聚程度较低ꎮ4㊀结论与讨论4 1㊀主要结论采用核密度法㊁区位熵指数㊁信息熵㊁均衡度等方法ꎬ通过对POI数据的分析处理ꎬ研究了居住生活㊁商业金融㊁产业发展㊁休闲娱乐以及公共服务五类城市功能要素在市域层面和社区层面的空间特征ꎬ结果表明:(1)在市域层面ꎬ东莞市形成了 主中心 次中心 主节点 次节点 的多中心多层级功能空间结构ꎬ居住㊁商业㊁产业㊁休闲以及公共服务五类城市功能在空间上均表现出较强的中心集聚特征ꎬ主要集中分布在中心城区㊁虎门-长安㊁厚街㊁大朗㊁常平以及塘厦等地ꎬ形成了区域性的城市综合服务中心ꎮ(2)在社区层面ꎬ各类功能要素依据其属性的不同ꎬ在空间上有着不同的集聚偏好ꎬ导致各个社区所承担的主导功能有所差异ꎬ形成了不同的城市功能区ꎮ其中居住㊁商业和产业功能在中心城区形成了 产业 居住&商业 产业 的圈层结构ꎬ居住功能与商业功能的空间关联性较强ꎬ在距离市中心广场2km~5km的范围内形成了 居住 商业 功能环ꎬ产业功能区则主要分布在外围ꎬ形成了专业化功能区ꎮ休闲娱乐功能以地铁2号线为主轴ꎬ形成了一条休闲娱乐功能带ꎬ公共服务功能区在中心城区的分布则相对均衡ꎮ(3)中心城区的城市功能复合呈现出 中心 外围 的空间结构特征ꎮ在距离市中心广场5km的范围圈内ꎬ城市功能要素类型多样ꎬ以东城街道的旗峰公园和南城街道的雅园社区为 双核 形成了一条沿地铁2号线的城市功能优势集聚带ꎬ居住㊁商业㊁休闲功能复合水平较高ꎻ外围区则主要为单一功能区ꎬ功能复合类型也以产业功能和公共服务功能复合为主ꎬ复合类型较为单一ꎬ产业功能与居住㊁商业以及休闲三类城市功能的空间兼容性较弱ꎮ4 2㊀分析探讨基于POI数据可以快速有效地识别出城市的功能空间ꎬ而且利用区位熵㊁信息熵构建的分析模型对中心城区功能复合的测算结果ꎬ均与东莞市实际的城市发展现状基本吻合ꎬ这对于从宏观层面快速地精细化地发掘城市空间特征ꎬ探寻城市热点区域ꎬ科学制定城市发展规划提供了新的技术分析手段ꎮ考虑到城市系统的综合性和复杂性ꎬPOI数据虽然能够表征城市空间内地理实体的空间位置和属性信息ꎬ但是数据源类型单一ꎬ容易受到POI样本的采集偏好㊁数量规模㊁时间跨度以及属性信息的丰富程度等因54城㊀市㊀勘㊀测2020年6月素的限制ꎮ因而ꎬ在对城市的生产㊁生活空间进行宏观的㊁精细的㊁动态的综合分析ꎬ就需要扩展数据源ꎬ发掘多种互联网开放数据㊁经济社会数据ꎬ结合土地利用数据等基础空间数据ꎬ为深入解析城市的空间发展特征ꎬ提供更全面的数据支持ꎮ参考文献[1]㊀辜寄蓉ꎬ陈先伟ꎬ杨海龙.城市功能区划分空间聚类算法研究[J].测绘科学ꎬ2011ꎬ36(5):65~67+64.[2]㊀黄莉.城市功能复合:模式与策略[J].热带地理ꎬ2012ꎬ32(4):402~408.[3]㊀陈蔚珊ꎬ柳林ꎬ梁育填.基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J].地理研究ꎬ2016ꎬ35(4):703~716.[4]㊀王俊珏ꎬ叶亚琴ꎬ方芳.基于核密度与融合数据的城市功能分区研究[J].地理与地理信息科学ꎬ2019ꎬ35(3):66~71. [5]㊀涂建军ꎬ唐思琪ꎬ张骞等.山地城市格局对餐饮业区位选择影响的空间异质性[J].地理学报ꎬ2019ꎬ74(6):1163~1177.[6]㊀赵梓渝ꎬ王雪微ꎬ王士君.长春市住宅价格空间分异与影响因素研究[J].人文地理ꎬ2019ꎬ34(4):97~105+125. [7]㊀浩飞龙ꎬ施响ꎬ白雪等.多样性视角下的城市复合功能特征及成因探测 以长春市为例[J].地理研究ꎬ2019ꎬ38(2):247~258.[8]㊀吴莞姝ꎬ钮心毅.建成环境功能多样性对街道活力的影响研究 以上海市南京西路为例[J].南方建筑ꎬ2019(2):81~86.[9]㊀张景奇ꎬ陈小冬ꎬ修春亮.基于POI数据的城市蔓延测度研究 以沈阳市为例[J].中国土地科学ꎬ2019ꎬ33(4):93~102.[10]㊀周亮ꎬ赵琪ꎬ杨帆.基于POI与NPP/VIIRS灯光数据的城市群边界定量识别[J].地理科学进展ꎬ2019ꎬ38(6):840~850.[11]㊀巫细波ꎬ赖长强.基于POI大数据的城市群功能空间结构特征研究 以粤港澳大湾区为例[J].城市观察ꎬ2019(3):44~55.[12]㊀焦利民ꎬ李泽慧ꎬ许刚等.武汉市城市空间集聚要素的分布特征与模式[J].地理学报ꎬ2017ꎬ72(8):1432~1443. [13]㊀段亚明ꎬ刘勇ꎬ刘秀华等.基于POI大数据的重庆主城区多中心识别[J].自然资源学报ꎬ2018ꎬ33(5):788~800. [14]㊀张佑印ꎬ顾静ꎬ黄河清.中国区域旅游产业结构变化的空间差异分析[J].经济地理ꎬ2012ꎬ32(4):155~159+172. [15]㊀谢汀ꎬ伍文ꎬ高雪松等.基于信息熵与偏移-份额模型的建设用地结构变化分析 以成都市为例[J].资源科学ꎬ2014ꎬ36(4):722~730.[16]㊀聂雷ꎬ郭忠兴.不同类型城市的建设用地利用结构特征分析[J].经济问题探索ꎬ2019(4):59~66.[17]㊀吴康敏ꎬ张虹鸥ꎬ王洋等.广州市多类型商业中心识别与空间模式[J].地理科学进展ꎬ2016ꎬ35(8):963~974.IdentifyofUrbanFunctionalAreasandFunctionCompositeCalculationoftheCentralCityBasedonPOIData:ACaseofDongguanGuoZhao1ꎬLiuKai1ꎬLiYusi2(1 DongguanUrbanPlanningandDesignInsituteꎬDongguan523001ꎬChinaꎻ2 CollegeofGeomaticsꎬXi anUniversityofScienceandTechnologyꎬXi an710054ꎬChina)Abstract:Studyingthespatialstructureandfunctionalcharacteristicsofurbanfunctionalareasplaysanimportantroleintheoptimizationofurbanlanduse.Basedonthepointofinterest(POI)dataofDongguanꎬthispaperanalyzedthespatialdistributioncharacteristicsandfurtherꎬexploredthecompositecharacteristicsofurbanfunctionalareasoncommu ̄nityscaleusingmethodssuchaskerneldensityestimationꎬlocationquotientꎬinformationentropyandbalanceꎬetc.Theresultsindicatedthat:①AtcitylevelꎬDongguanformamulti-centeredmulti-leveledfunctionalspacestructureof maincenter-sub-center-mainnode-subnode .Allofthefivetypesofurbanfunctionsareasshowstrongaggregationfeather.ThecentralcityꎬthetownoftheHumen-Chang anꎬHoujieꎬDalangꎬChangpingandTangxiaꎬformaregionalurbancom ̄prehensiveservicecenter.②Atcommunitylevelꎬtheconclusionthatresidentialandcommercialfunctionsappearhighlyspatialassociationcouldbedrawnbyanalyzingthedistributioncharacteristicsofurbanfunctionalareasincentralcites.Residentialꎬcommercialandindustrialformafunctionalcirclestructureof industry-residence&commercial-industry inthestudyarea.Howeverꎬtheleisureandentertainmentfunctionformabeltalongthesubwaylineꎬandthespatialdis ̄tributionofpublicservicesareaisrelativelybalance.③Atcommunitylevelꎬthecompositingofurbanfunctionspresentthespatialcharacteristicsof center-periphery inthecentralcity.Thefunctionalelementofthecentralcityisdiversi ̄fiedꎬandtheresidentialꎬcommercialꎬentertainmentandleisurefunctionshavehighercompoundlevelwhiletheperipheralareahaveasinglefunctiontypeꎬmostlyofwhichcombinewithindustrialfunctionsandpublicservicefunctions.Relative ̄lyspeakingꎬtheindustrialfunctionhaveweakspatialcompatibilitywiththefunctionsofresidentialꎬcommercialandleis ̄ureentertainment.Keywords:urbanfunctionalareasꎻfunctioncompositecalculationꎻlocationquotientꎻinformationentropyꎻPOI64。
基于POI数据的城市活动设施空间格局研究目录一、内容描述 (3)1.1 研究背景与意义 (3)1.2 国内外研究现状综述 (4)1.3 研究内容与方法 (5)1.4 技术路线与实验方案 (7)1.5 论文结构安排 (8)二、相关理论与方法 (8)2.1 POI数据概述 (10)2.2 空间分析方法 (11)2.3 社会网络分析 (12)2.4 本章小结 (13)三、基于POI的城市活动设施数量统计与分析 (14)3.1 城市活动设施数量统计方法 (15)3.2 城市活动设施数量统计结果 (16)3.3 本章小结 (17)四、城市活动设施数量空间分布特征分析 (18)4.1 空间分布可视化表达 (19)4.2 核心-边缘结构识别 (21)4.3 空间自相关分析 (22)4.4 本章小结 (23)五、城市活动设施数量空间格局演变特征分析 (24)5.1 空间格局演变可视化表达 (25)5.2 空间格局演变规律探讨 (27)5.3 本章小结 (28)六、城市活动设施数量空间格局影响因素分析 (29)6.1 影响因素定性分析 (30)6.2 影响因素定量分析 (31)6.3 影响因素作用机制探讨 (33)6.4 本章小结 (34)七、基于POI数据的城市活动设施数量优化策略研究 (35)7.1 优化目标与原则 (37)7.2 优化策略提出与实施路径 (38)7.3 优化策略效果评价与反馈 (39)7.4 本章小结 (40)八、结论与展望 (42)8.1 研究结论总结 (43)8.2 研究不足与局限 (44)8.3 后续研究展望 (45)一、内容描述本研究旨在基于POI数据的城市活动设施空间格局,通过对城市活动设施的空间分布特征和影响因素进行分析,揭示城市活动设施的空间布局规律。
通过对城市活动设施的类型和数量进行统计分析,了解城市活动设施的基本情况。
通过空间自相关分析和地理信息系统(GIS)技术,探讨城市活动设施的空间分布特征及其与周边环境的关系。
基于大数据的城市绿地空间价值评估研究城市绿地空间是城市生态系统的重要组成部分,具有极高的价值。
然而,对于城市绿地空间的价值评估一直是一个亟待解决的问题。
传统的城市绿地空间价值评估方法(如问卷调查、专家访谈等)存在着一些缺点,如样本少、结果偏离、费用高等。
随着大数据技术的日益成熟,利用大数据进行城市绿地空间价值评估已成为一种新的研究方向。
一、大数据在城市绿地空间价值评估中的应用在城市绿地空间价值评估中,大数据可以被用于以下方面:1. 空间分析基于大数据的空间分析能够利用地理信息、卫星遥感等数据,获取城市绿地空间的具体位置、面积、类型等信息,并进行可视化处理。
通过对大数据的分析,可以深入了解城市绿地空间的分布情况,以及它们在城市中的作用。
2. 社会分析大数据技术也可以用于分析城市绿地空间对社会的影响。
例如,可以利用社交网络分析工具,分析人们在社交网络上对城市绿地空间的评价、使用和反馈,以了解公众对城市绿地空间的看法。
3. 经济分析通过大数据分析,可以了解城市绿地空间对经济的贡献。
例如,可以计算城市绿地空间的生态价值、文化价值等,从而了解它们对旅游、体育和文化活动的影响。
二、基于大数据的城市绿地空间价值评估的优点相对于传统方法,基于大数据的城市绿地空间价值评估具有以下优点:1. 数据量大基于大数据的城市绿地空间价值评估可以获取大量的数据,可以更全面地反映城市绿地空间的分布和作用。
2. 数据准确性高大数据可采用多样化、全域化观测方法,建立更加客观准确的数据来源,从而提高城市绿地空间价值的准确性。
3. 节约成本基于大数据的城市绿地空间价值评估可以节约大量的成本。
例如,不需要进行专家访谈、不需要招募大量的调查对象等。
三、基于大数据的城市绿地空间价值评估方法基于大数据的城市绿地空间价值评估,可以分为空间分析、社会分析和经济分析三个步骤。
1. 空间分析空间分析是指利用大数据技术对城市绿地空间进行空间可视化和分类,以了解城市绿地空间的分布情况。
基于POI数据的社会服务功能空间分布研究——以青岛市为例(青岛理工大学管理工程学院)摘要:以山东省青岛市为研究区,借助高德地图开放API平台采集了青岛市与医疗、体育、交通、生活、科教、住宿、购物、餐饮等有关的POI数据,获取其地理位置信息,利用核密度分析、标准差椭圆、相关性模型等方法分析研究区社会服务功能时空演变特征,为研究区社会服务功能发展和空间结构优化提供参考。
结果表明:1)通过POI大数据分析,了解并分析了青岛市社会服务功能空间分异特征,为城市规划以及空间格局优化提供科学依据; 2)利用核密度分析法,发现青岛市市北区、市南区、崂山区、李沧区的社会服务功能分布较为密集,其他地区仅有一个聚集热点,空间分布不均;3)利于标准差椭圆法分析后发现青岛市社会服务功能的主导方向均为西北-东南向。
0引言自中国中央政府倡导“构建和谐社会”起,社会服务开始作为社会建设的重要组成部分。
2012年,我国第一次提出关于社会服务的公共政策文件,自此社会服务作为一个热点问题走入大众视野[[[ 1 ]崔皛. 嵌入性理论视角下政府购买社会工作服务政策研究[D].辽宁学,2021.]]。
社会服务作为衡量社会水平和谐发展水平的一个重要标志。
完善社会服务功能,扩大社会服务覆盖面对于加快政府职能转变、建设服务型政府、有效满足人民群众不断增长的个性化、多样化,具有十分重要的意义[[[]蓝武.新时代年鉴的社会服务功能多元化拓展研究[J].中国年鉴研究,2018(02):29-36+79.]]。
依据《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[[[] 《国家及各地区国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[J].中国信息界,2022(05):110.]],面对“十四五”时期社会发展新形势社会服务前景广阔[[[]赵梦.“十四五”时期数字经济赋能高质量发展的创新路径[J].西南金融,2023(03):84-95.]]。
POI 数据分析在空间规划领域的应用分析——以太原市规划探索实践为例引言POI(Point of Interest)数据是指人们日常生活中常去的地方,例如商店、银行、咖啡馆、公园、医院等等。
POI 数据是城市空间信息的重要组成部分,能够反映城市人口、经济发展、交通流动等方面的情况。
近年来,随着移动互联网技术的发展和普及,移动设备能够采集并记录人们的位置信息,POI 数据的获取、整理和分析变得更加便捷和高效。
空间规划是城市规划的重要组成部分,主要研究城市空间结构和布局,旨在提高城市空间利用率、优化城市环境、提高城市生活质量。
POI 数据分析在空间规划领域的应用能够为城市规划提供更加全面、准确和科学的依据。
本文以太原市规划探索实践为例,介绍POI 数据在城市空间规划中的应用。
一、太原市POI 数据简介太原市是山西省省会城市,位于山西中部,介于北纬37°30′~38°50′,东经111°30′~113°09′之间。
太原市POI 数据来源主要有两个方面,一是百度地图提供的API 接口,二是太原市政府提供的公共文化设施数据库。
百度地图提供了太原市的POI 点,包括商场、超市、餐厅、银行、医院、旅游景点、公园、学校、交通设施、文化设施等方面。
其中,旅游景点、公园、学校、交通设施、文化设施主要来源于政府部门数据,商场、超市、餐厅、银行、医院则来自商业机构自行上传。
太原市政府提供的公共文化设施数据库包括文化站点、博物馆、文化广场、美术馆、图书馆、图书馆产业企业等方面的信息。
这些数据结合后可形成太原市较为全面的POI 数据,为城市空间规划提供了参考。
二、太原市POI 数据在城市空间规划中的应用1.太原市医疗设施的空间布局太原市是山西省的省会城市,医疗资源比较集中,容易造成医疗服务的不平衡。
通过对太原市POI 数据中的医院、诊所、药店等医疗设施信息进行分析,可以对太原市医疗设施的空间布局情况进行评估。
城市公园绿地规划可达性指标评价方法论文摘要:本文首先介绍了绿地可达性指标的研究方法以及评价模式,分析了计算可达性的具体步骤,通过实际案例验证可达性指标的计算和评价方法。
1 绿地规划可达性指标模式1.1 研究方法简介现在常用来研究公园绿地可达性的方法有2种,即定量研究和定性研究。
传统定量研究的主要方式是统计分析定量,这种方法繁琐复杂,操作难度较大。
而运用了GIS技术的定量分析方法由于建立了分析模型,因此,能够更加方便地获得有效、精准的结果,方便我们图示结果并进行管理。
模型种类根据GIS建模原理的不同而不同,一般有引力势能、缓冲区和费用阻力3种。
这3种模型各有优缺点,通过对城市公园绿地可达性和功能性的研究,评价模式必须满足一定条件才可以作为规划通用指标:(1)分析城市拓扑结构,准确计算交通方式的不同阻力成本。
(2)考虑绿地服务人口、吸引力和交通阻力3个因素。
(3)紧密结合绿地的规划和建设过程,提出规划人员能够充分理解、完善操作的计算方法。
(4)计算结果必须能够进行实地验证,并且要具备可度量性。
1.2 评价模式分析1.2.1 建立拓扑结构。
确定研究范围后输入基础数据,划分绿地类型后建立街区、绿地入口和路网的拓扑结构,确定终点和起点。
我们知道,不同功能的绿地能够提供的生态服务能力也是不同的,一级服务内容主要依靠多功能的大规模绿地提供,因此,不同绿地之间存在合作、竞争的双重关系。
我们要分别分析不同绿地的可达性,叠加分析计算结果。
根据分析,绿地入口、街区空间格局、居民运动习惯决定了绿地可达性拓扑结构。
1.2.2 建立阻力模型。
阻力模型主要是体现居民从居住地采用不同交通方式到达绿地需要克服的空间阻力,以往我们可以使用GIS软件计算空间阻力。
但是,这种方法需要运用相对阻力关系,这种方法是不全面的,无法运用计算结构进行不同地区规划方案的量化比较。
因此,我们应采取访谈、考察、问卷等方式归纳阻力因素并与道路网络结合,观测在某路段使用某种交通工具的平均速度,计算路段的阻力值,公式为:Kn=Vn/V0,公式中V0为使用某种交通工具在最低阻力下的标准速度,Vn为平均速度,Kn为第n个路段的阻力值。