基于POI数据的城市用地功能识别与评价研究

充分利用大数据开展城市用地功能识别，有助于把握城市空间结构，推动城市内部空间合理布局。POI数据是大数据时代一种较易获得且极具代表性的空间点状数据，能够有效地确定城市用地的实际功能。以济南市内五区的185126条POI数据为基础，对所得数据进行去重、纠偏、重分类，构建城市用地功能分类体系，运用频数密度、类型比例及核密度估计，识别济南市内五区城市用地功能并利用误差矩阵对识别结果进行检验。结果表明：①混合功能用地与单一功能用地呈现圈层化地域分布特征，“核心-外围”分异明显；②由内向外单一功能用地集聚趋势减弱，混合功能用地多样性降低，不同用地表现出不同的空间分布模式；③通过误差矩阵及与用地规划图中规划用地及电子地图的实际用地对比，识别总体精度为75.67%，识别结果较为准确。     

顾及空间尺度效应的城市土地利用变化精细化模拟

城市土地利用变化模拟是优化土地资源配置的科学依据,提高其精细化程度和可靠性有助于准确把握城市用地发展趋势,对城市土地资源精准调控具有重要意义。基于宏观遥感分类的土地利用变化模拟,难以在街区尺度上揭示城市用地社会功能变化及精细化模拟中空间尺度效应来源和作用机理。本文联合遥感影像和POI数据识别出城市土地利用精细化特征,运用响应面法率定土地利用精细化模拟的最优空间尺度组合,在此基础上,利用CA-Markov模型开展了未来土地利用变化的精细化模拟。以武汉市中心城区为应用案例,研究结果表明：基于POI 的城市土地利用精细化识别方法,可以深度解析城市建设用地的社会功能,极大改善了传统基于遥感的土地覆被宏观解译效果;研究区土地利用变化元胞自动机精细化模拟的最优空间尺度组合是30 m元胞、7×7邻域以及冯诺依曼邻域类型,采用最优空间尺度组合能够提高土地利用变化精细化模拟的可靠性。响应面试验设计结果可有效识别精细化模拟过程中空间尺度效应的主要来源,并区分其对模拟精度的影响程度与正负效应;预计到2025年,研究区建设用地范围将继续向周边扩张,各类型用地之间互为交织,土地利用空间格局将呈更加破碎化趋势。     

融合OSM路网与POI数据的城市功能区识别研究

识别城市功能区的分布特征可为城市空间结构及资源的合理配置等提供帮助。该文以南京市中心城区为研究对象,基于核密度估计算法提出了一种融合OSM路网与POI数据的城市功能区识别方法:利用OSM路网对城市进行自动分割,获得具有相同社会经济功能的研究单元;基于核密度估计算法实现POI设施的影响扩散,削弱了POI点的离散化现象,同时设置核密度带宽对比实验,分析带宽大小对功能区识别结果的影响。结果表明:较大带宽使POI影响范围扩大,功能区混合程度增高,识别精度较低;较小带宽使POI对邻近位置的影响难以扩散,POI自身分布对结果影响较大;而最适带宽组识别效果最好,精度达81.3%;研究区被分为22个功能区类型(6个单一功能区、15个混合功能区和1个综合功能区),识别结果与南京市实际情况相符,可为城市发展规划与管理提供借鉴。     

基于POI数据的建设用地多功能混合利用空间分异研究

建设用地多功能混合利用对提升区域用地效率、增进国土空间效能具有重要意义。论文构建基于生产—生活—生态空间(即三生空间)的建设用地多功能混合利用分析框架,以济南市为研究区,采用POI数据,利用熵模型、景观格局分析和关联规则挖掘方法,探究土地混合利用的空间分异特征。结果显示,研究区建设用地混合利用以生产空间、生产—生活空间和生活空间为主;核心城区的建设用地混合利用度较高,而生产、生活空间集中连片,生态空间嵌入不足;乡村地区景观的破碎化特征明显,以生产—生活空间引领的建设用地混合利用度较低;产业园区的生活—生态空间在网络中处于边缘位置,加强园区内部规划与周边区域形成互补的生活、生态空间,是实现园区土地可持续利用的关键。关联规则的分析结果表明,科学的生产空间规划是优化混合利用的重要抓手,而合理的生态空间布局对带动区域建设用地混合利用起着关键作用。研究基于POI数据,从行为空间互动理论视角探究建设用地多功能混合规律,丰富了现有土地混合利用理论与方法体系,也为土地利用政策制定及城市空间格局优化提供了科学依据。     

基于格网尺度的新城区可持续空间形态要素测度研究——以宁波鄞州新城区为例

基于城市形态学,提出良好的街道可达性、适宜的建设强度与建筑形态、足够的功能混合度是促进城市可持续发展的空间形态基础,以宁波市鄞州新城区为例,通过空间句法、空间矩阵、混合功能指标测度其城市空间形态要素,结果表明：1）鄞州新城区街道网络整体协同能力较强,建筑形态以中层板式及围合式、低层围合式、高层板式为主,单一功能用地占主导地位,完全混合用地仅占1.73%;2）鄞州新城区空间活力中值区占比最高,通过密度-形态关联性分析,其在多层高覆盖率的形态区间被屏蔽;3）功能混合、可达性、建筑强度及形态之间重合度较高,高容积率（>2.2）单元格中有64.54%聚集在可达性高值区,双功能、多功能混合单元有50.25%、85.71%聚集在可达性高值区,混合单元有公共设施用地时混合功能-可达性关联的效应更明显。     

基于核密度与融合数据的城市功能分区研究

识别城市功能区并理解其分布特征,对于把握城市结构及科学制订城市规划具有重要作用。该文基于2015年上海市15.4万条有效POI数据与道路网数据,结合地理学第一定律,利用核密度分析技术,构建了一个城市功能区自动化分析模型。结果显示,在研究单元划分阶段,以路网形成的不规则格网为研究单元使城市功能区分割更合理;在定量分析阶段,相比于传统城市功能区识别模型,融合核密度分析的模型充分利用了POI点的空间自相关性,不仅实现了对无数据区域较为准确的识别,而且显著提高了对单一功能区与混合功能区的识别精度。     

基于POI的土地利用与轨道交通客流的空间特征

城市轨道交通及其沿线土地一体化发展是城市可持续发展的关键问题。提高城市轨道交通可持续性和土地资源配置合理性的关键需掌握轨道交通客流与土地功能之间的依赖关系,而回归分析是研究二者关系的主要方法。既有研究对于土地利用的描述多基于用地面积等概略数据,难以揭示各类属性的用地对客流的影响机理及其空间效应。采用百度地图POI数据以刻画用地信息,提出城市轨道交通车站吸引范围内用地功能的细粒度描述方法,基于全局常参数和局部变参数的回归模型研究车站早高峰出站客流与粗细粒度土地利用的相互依赖关系及其空间效应。针对北京地铁的案例研究表明：车站出站客流与不同功能用地及POI的依赖程度和空间特征存在显著差异。早高峰出站客流更多地受到与就业通勤相关的商业服务业设施用地、公共管理与公共服务用地的影响。在细粒度层面上,出站客流对写字楼和政府机构的依赖性更大,二者显著分布在就业岗位密集的中心城区功能分区和城市核心区。基于细粒度POI的局部变参数模型能较好地识别各类土地利用对车站客流的影响及其空间异质性,案例研究表明车站客流与土地利用的依赖关系是各类属性功能用地影响及其空间效应的叠加。     

2003年以来长春市城市功能用地演替

城市空间的增长不仅仅表现在城市用地的扩张,还表现在城市功能用地的演替。城市功能用地的演替可以更加深刻地揭示城市空间外延式水平扩展的内在特征,是城市功能集聚与扩散的空间反映。以长春市中心城区为例,利用2003、2007、2010、2012年4个年份的遥感影像图、地形图及城市用地现状图等数据资源,借助Arc GIS、Auto CAD等软件,运用GIS分析方法,在分析中心城区城市空间扩展的总体格局及城市用地结构变化的基础上,提出以外部扩展与内部更替来表达城市功能用地的演替,进而阐释城市空间扩展及城市功能集聚与扩散的内在特征,为城市空间扩展的研究提供一种新的、有效的手段,以丰富城市空间研究的理论成果体系。     

城市生态——生产——生活空间功能定量识别与分析

土地利用多功能性识别是城市用地组织,协调与配置的基础信息源,是判定城市用地内在功能形态,功能组合模式和功能之间动态权衡的关键,具有重要的理论和实践意义,但长期以来并未构建一套可行的识别方法体系.本文从土地功能,生态系统服务和景观功能综合的视角构建城市生态--生产--生活空间功能分类体系,并以生态系统服务价值评估为基础系统整合空间功能价值量核算函数群,通过纵横对比的方法确定空间功能主导类型.研究区实证分析表明,城市生态--生产--生活功能分类体系较好反映了不同地类的功能类型;空间主导功能的识别也与不同地类的功能匹配;同时也发现三生空间的整体毗邻性较低,空间功能的互补和融合性较差的问题;三生空间功能存在一定的空间集聚性.     

基于POI数据的南京市空间格局定量研究

从语义属性、几何形态等方面对典型城市空间格局要素进行定量化抽取及特征分析,总结归纳出城市空间格局要素间的关联特征。在此基础上,将POI数据进行分类,设计了基于平面核密度估计算法、空间聚类与双重密度因子分析分析算法,并以南京市为例,通过栅格叠加计算，提取边界，分类渲染以及栅格重分类等步骤,实现南京城市空间格局及商业中心抽取。结果发现城市商业中心有效地反映了城市空间总体格局的区域分布，提取出的南京市商业中心基本符合2000—2020年的南京市总体规划，但文本并不能直接体现城市各商业中心的定位，城市中除了主城区这个集聚且组团的单中心商业模式，各个县城、开发区、高新区都有各自形成的商业中心，符合城市的多商业模式。较传统的城市商业空间研究来说，基于POI数据的定量研究对城市总体格局及商业空间的认知更为精细，有助于商业中心的识别及行业特征的分析，便于政府部门对现有规划功能区的发展方向进行调整，使得不同功能区空间结构与特征关系更加合理。     

基于POI数据和Place2vec模型的城市功能区识别研究

功能区识别对于揭示城市的物理和社会特征至关重要。目前,结合大数据和自然语言处理进行城市功能分区和识别是研究的热点。该文以广州市白云区为例,基于道路网络数据将研究区域划分为503个单元,结合POI数据和Place2vec模型对城市功能区进行识别:1)根据兴趣点的语义信息和地理信息构建训练数据集;2)利用SkipGram模型提取POI类型的高维特征向量,通过加权平均法得到各研究单元的特征向量,进而基于K-Means算法对研究单元进行聚类分析;3)利用POI频数密度、百度热力图等指标和方法进行功能区识别和标注,并将识别结果与高德地图进行对比分析。结果表明,该方法能够有效识别出城市功能区,对于低成本、快速有效地识别和理解一个城市的空间结构和功能配置以及城市功能区规划和地理空间分异研究具有参考意义。     

基于FCS框架的城市文化产业景观生态特征及网络关联

传统的产业研究多基于数量结构的分析范式,忽视产业集聚形态层面呈现的规律性。论文尝试基于高德地图POI数据,从微观到宏观尺度分析地理嵌套层级关系,构建企业(firm, F)-集群(cluster, C)-系统(system, S)多尺度结合的FCS产业生态分析框架,基于产业分类标准将城市文化产业POI点分为文化艺术、新闻出版、广播影视、体育健身和娱乐休闲5大类,选取济南市城区为案例区,利用500 m蜂巢格网,综合POI点核密度分析、景观产业生态学模型及社会网络分析方法,揭示文化产业点集聚、产业集群景观与产业系统网络关联的特点。研究结论如下：① 通过建立基于POI点数据的文化产业分类体系,利用区位商模型建立从产业点到产业景观的研究手段,拓展文化产业空间研究的新视角;② 济南市文化产业具有连片集中与分散聚集的特点,景观镶嵌体空间形态特征存在区域异质性,不同产业类型彼此交织构成生态网络,系统层面存在耦合关联,其中娱乐休闲业表现出群体数量优势,而广播影视业却扮演着关键物种的角色。相应的发现可为不同层面的产业调控与政策优化提供依据,深化了产业区位分析的理论与方法,拓展了地理微观大数据的应用实践。     

基于随机森林模型的“生产-生活-生态”空间识别及时空演变分析——以郑州市为例

基于2007年和2017年郑州市POI数据,采用随机森林模型和样方比例法识别其城市内部的“生产-生活-生态”空间,并利用核密度等方法分析研究区“生产-生活-生态”空间的时空演变格局。结果表明：① 随机森林作为新兴的机器学习算法,能够识别“生产-生活-生态”空间且具有较高的精度。② 郑州市“生产-生活-生态”空间分布格局与城市功能分区相匹配,生产空间集聚分布在产业集聚区,生活空间在城市中心城区内呈面状分布,生态空间整体呈点状分布。③ 随着郑州市城镇化建设和基础设施的完善,10年间郑州市“生产-生活-生态”空间的空间分布格局更加合理,生产空间向产业集聚区集聚,生活空间逐渐分散,生态空间分布更加均衡。基于POI数据,利用随机森林模型对城市“生产-生活-生态”空间的识别方法更加有效,识别结果更加精准,能够在更小的尺度上为国土空间规划提供数据与方法支撑。     

基于多源数据和深度学习的城市边缘区判定

城市边缘区的定量分析及判定,对城市发展评价和规划,或是城市空间结构研究都具有重要意义。然而现有研究的边缘区判定指标选择过于单一,判定结果过于破碎,城市预设边界、水体及城市绿地对边缘区判定结果干扰大。针对上述问题,从自然、人口、社会经济的视角出发,以遥感影像、人口数据、POI大数据为数据基础,结合深度学习技术,构建基于多源数据和深度学习的城市边缘区判定方法,进行广州市城市边缘区判定及城市结构空间分布特征分析。结果表明：① 此方法能将城市划分为核心区-边缘区-外缘区,判定结果不会受到预设边界范围的影响,且消除了城市内部水体和城市绿地所造成的破碎化;② 城市边缘区与路网耦合良好;③ 广州市的城市核心区空间分布合理。综上所述,此方法能有效检测城市边缘地带,且结果符合实际情况,能为城市规划、政府决策提供参考。     

长春市公共服务设施用地演变格局与机制

公共服务设施用地是城市功能用地的主要组成部分,公共服务设施用地的集聚与扩散可以更直接地揭示城市空间结构与城市中心地的演变特征。本文以长春市中心城区为研究范围,利用城市用地现状图、地形图等数据资源,借助GIS软件,采用核密度、斑块聚合度指数等方法,分析了长春市2003-2013年公共服务设施用地演变特征与机制。研究发现：公共服务设施用地规模增速低于城市建成区的增速;公共服务设施用地演变特征的圈层差异明显;公共服务设施用地空间结构从“单一化核心+多次级中心”到“多样化核心+多次级中心”,空间格局从“大分散、小集中”到“大集中、小分散”;城市不同公共服务设施用地类型表现出不同的演变特征;城市公共服务设施用地演变机制为城市功能空间的整体提升、城市功能空间的互动耦合、土地利用的市场竞争、交通设施与网络的完善、城市规划的引导与调控、城市大事件的快速推动。     

基于自然区块的城市热环境空间分异性研究

通过有效解决建设用地子类划分,实现定量评价城市热环境的空间分异性,对改善城市生态环境、实现城市化的健康发展具有重要的意义和科学价值。论文以广州市为例,参考自然城市的概念,基于5类兴趣点(Point Of Interest,POI)开放数据,结合城市建设用地分类标准,构建5类自然区块;在Landsat 8遥感影像地表温度反演的基础上,计算分析自然区块下地表热场等级分布格局、热场平均值及热环境足迹范围,以对城市热环境空间分异性进行评价。研究表明：① 自然区块的构建,能准确地反映各类POI数据空间分布情况,能够实现对建设用地子类型的划分;② 5类自然区块内部地表热场等级均以高温像元为主,但等级分布具有显著差异。同时,自然区块的热场平均值由高到低的排序为：工业区块>商业服务业区块>交通与道路区块>居住区块>公共管理与服务区块;③ 自然区块形成的高温集聚区,存在热量扩散现象,实际影响范围大于其物理边界,5类自然区块的热环境足迹范围具有分异性。热环境足迹影响范围由大到小排序为：工业区块>商业服务业区块>居住区块>道路与交通区块>公共管理与服务区块。研究结果可为微观尺度上分析城市热环境、改善城市生态环境、实现城市化的健康发展提供科学依据。     

POI数据在中国城市研究中的应用

兴趣点（Point of Interest,POI）数据的兴起带动了城市研究的革新。为梳理中国POI数据在城市研究的应用进展,阶段性总结其应用方向、数据分析方法及尚存不足,并为未来POI数据在中国城市发展中的应用提供思路和借鉴。应用CiteSpace工具对中国知网2010—2019年625篇相关文献进行知识图谱分析,结合分析结果对POI数据应用方向和数据分析方法进行梳理总结。结果表明:时间上,国内应用POI数据进行城市研究的文献在2013年后大量涌现,2017年呈现爆发式增长;应用上,主要用于城市功能区划分、城市中心区和边界识别、查明业态集聚分布以及兴趣点推荐4个方面;方法上,常用的有核密度分析、DBSCAN聚类分析和空间自相关分析3类。研究表明,POI地理大数据是一种研究城市发展的有效数据,有助于研究者深入了解城市的空间结构、分布格局和发展规律,未来可进一步与机器学习等算法结合,为城市外部扩张和内部功能结构调整在更长期的发展上提供一个决策分析手段,但POI数据尚无法代替面数据,研究时也要充分考虑到公众认知度高低对研究的影响。     

功能区视角下城市夜光与夜间“两抢一盗”犯罪的空间相关性——以H市市辖区为例

以H市市辖区为例,基于POI数据识别城市功能区,并结合NPP-VIIRS夜光遥感数据与夜间“两抢一盗”犯罪数据,构建双变量空间自相关分析模型,从整体及不同功能区角度探讨城市夜光与夜间“两抢一盗”犯罪的空间关系。结果表明：1）整体上,H市夜间“两抢一盗”犯罪形成“一主一副”的犯罪热点,且夜光与夜间“两抢一盗”犯罪存在空间异质性关系。2）大部分功能区在全局Moran's Ι上表现为正相关。在局部LISA聚类上,只有居住用地、商业服务业用地和道路与交通设施用地呈现显著的空间异质性。商业用地的高-高聚类多数分布在一环及二环以内,低-低聚类多数分布在城市外围及边缘地带,高-低聚类与低-高聚类则零散分布在二者之间的区域;居住用地的聚类情况呈现南北区域差异;道路与交通设施用地则由于报警地点与实际案发地点可能有所出入,因而结果可信度降低。     

民国时期江西省城市用地与城市化水平

定量重建历史时期城市土地利用规模、结构和城市化水平数据集有助于更好地模拟土地覆被变化的环境效应。根据日本侵华战争军事地形图资料,在ArcGIS平台定量重建民国时期江西省范围内县级以上城市用地规模和结构,取得了一套可用于历史时期土地利用模型的城垣周长、城市用地面积、城垣内非建设用地、城垣外建设用地情况的综合数据集,并在此基础上分析了县域尺度下的土地城市化水平。与更为详细的大比例尺地图的比较表明,本套数据集误差在±10%之内。有“城内田”现象的城市为20个,有“城外市”现象的城市为28个,分别占江西省全部城市数的25%和35%。城市用地重建结果表明,江西省80个县级及以上城市总建设用地面积为87.99 km²,约占全省总面积的0.053%。民国时期江西的整体城市化率为0.047%,最高的南昌为0.19%,最低的遂川县仅为0.007%,城市化水平与县域人口总量呈正相关（r = 0.457,P < 0.001）。空间格局分析表明,江西省县域城市化水平具有北高南低的特点。江西省民国时期城市用地和城市化水平数据集可以为相关全球环境变化模型提供直接的用地基础数据。     

城市边缘区建设用地扩张空间特征及影响因素定量研究——以南京市江宁区为例

城市边缘地区内部建设用地扩张空间特征及影响因素研究是当前城市用地空间扩展研究的薄弱环节.以南京市江宁区为例,构造城市扩张综合指数(UICI)反映城市边缘区内部建设用地扩张的空间差异,并按计算结果将各镇(街道)城市用地扩张归纳为剧变型、快变型、缓变型及相对稳定型4种类型.在建立城市用地扩张影响因素因子体系的基础上,运用主成分分析与通径分析相结合的方法,得出以下结论:推动城市边缘区建设用地扩张的因素中科技水平是决定因素,经济水平、人口状况间接影响大于直接影响;主城关联因素不可忽略.