基于POI数据的长春市商业空间格局及行业分布

商业网点的空间集聚与分散是零售商业活动的重要表现,其合理化布局对发展城市经济、满足居民消费需求发挥着重要作用。基于核密度估计、区位熵指数及Ripley's K函数分析法,以长春市中心城区商业类城市兴趣点（POI）数据为基础,在分析城市商业空间格局特征的基础上,进一步从行业空间分异的视角,研究城市商业空间的行业分布及集聚特征。结果表明：① 长春市商业网点空间分布的集聚特征显著,并呈现多中心的分布形态,基于道路格网单元的商业网点热点区分布与识别的商业密度中心分布总体一致;② 不同商业中心表现出不同的等级规模差异,整体等级规模结构较为合理;③ 零售行业视角下的城市商业空间“中心—外围”分异明显,且不同行业表现出了不同的空间集聚模式;④ 各行业多尺度的空间集聚表现不同,综合零售、家用电器等行业区位选择的空间尺度范围较大,纺织服装、文化体育等行业区位选择的尺度范围较小;⑤ 行业视角的专业化功能区块差异显著,成熟区块呈现多功能要素、多优势行业集聚特征,发展中区块功能较为单一。     

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

商业中心是城市零售活动的重要载体,优化商业资源在城市内部空间的合理配置,摸清不同零售经营形态的区位选择,显得尤为重要。以面向公众服务的商业机构兴趣点（POI）数据为研究对象,提出一种城市商业中心与零售业态集聚区识别的方法;以广州市为例,分析商业活动的热点地区以及零售业态集聚区的空间分布特征。研究表明：① 根据核密度估计法提取的商业中心在等级上表现出由城市中心圈层向外围圈层扩散的趋势,结果符合客观事实。② 以街区为单元,商业网点密度符合局域Getis-Ord G^*指数统计特征的热点区域主要分布在越秀区和天河区,广州市零售业发展的双核心空间格局已经形成。③ 不同的零售业态对商业集聚的区位选择具有显著差异性,百货商店、超市、便利店等零售经营形态的空间集聚特征与该业态的市场定位、经营模式及选址策略基本吻合。总体来看,基于POI数据的广州零售业集聚空间分析结果能够反映实体零售企业行为与广州商业经济分布的相关性,有助于提高政府部门商业规划和零售商选址前期研究的客观性和科学性。     

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。     

山地城市格局对餐饮业区位选择影响的空间异质性

城市格局对产业布局有深刻影响,山地城市尤甚。餐饮业是城市商业的重要“引流业态”,其布局与城市居住、交通、公共服务等空间功能密切相关,山地城市格局对餐饮业布局影响的空间异质性尤为明显和特殊。以典型山地城市重庆主城区为研究对象,基于多源兴趣点（POI）数据,运用核密度、空间自相关、地理加权回归等空间分析工具,探究山地城市格局对餐饮业区位选择影响的空间异质性。结果表明：① 重庆主城区餐饮业空间布局形态呈凝聚多中心特征,形成“一主两副四次级”的多中心空间结构,是重庆主城区“多中心,组团式”城市格局的缩影。② 餐饮业发育成熟度与山地城市扩展时序密切相关,且空间分布方向与城市扩展方向一致。③ 同一类城市空间因子对不同城市组团的餐饮业分布具有不同甚至相反的影响力,相较圈层式单中心城市空间因子作用模式的空间异质性更为显著,其本质原因在于山水自然分割和城市扩展的特殊性导致的中心组团和外围组团资源要素配置不均。④ 不同城市空间因子对餐饮业布局的作用力也具有空间异质性,城市居住、商业、交通、公共服务、休闲空间等5类因子在不同区域对餐饮业区位选择均有不同程度正向促进作用,其中城市商业空间因子对餐饮业区位选择影响最大。     

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POI大数据和可达性双重约束的城市空间结构研究

针对城市空间结构研究现状,将传统的城市空间可达性研究与大数据有机结合,在网格法基础上构建城市空间结构研究新思路.通过空间句法模型计算每个城市网格的空间可达性,应用POI大数据得到每个网格的POI密度,对可达性与POI密度进行交叉对比分析,得到基于POI大数据和可达性双重约束的城市空间结构特征类型和空间分区方案.以合肥市中心城区为例,经分析将中心城区划分为3类空间分区,进而根据每类空间的特点提出针对性的空间发展建议.该研究可为城市空间结构研究及城市空间规划布局提供方法参考和决策依据.     

武汉市城市空间集聚要素的分布特征与模式

不同城市要素的集聚现象具有不同的空间模式,定量化研究城市要素集聚模式的差异和联系对于理解城市发展机理、合理制定城市规划具有重要意义。本文以武汉市为例,获取不透水表面、商业服务业网点（POI）、人口、容积率、城市道路等城市要素数据;采用核密度估计法识别城市主次中心,从城市要素的分布形态、集聚程度、集聚模式等来研究城市要素的空间分布格局特征。研究发现,武汉市呈现“一主七副”的多中心结构,各城市要素从城市中心向外呈反S型的圈层递减。采用集聚度指数衡量城市要素的集聚水平,结果显示商业POI、人口密度的集聚程度最大,其次是容积率、道路密度、不透水表面占比。高度集聚的商业POI、人口密度呈现出点状模式与带状模式相结合的分布模式,中度集聚的道路密度、容积率呈现点状模式、环状模式与轴状模式相结合的分布模式,低度集聚的不透水表面密度主要表现为环状模式。城市中心的吸引、立体空间开发等促进了城市要素的向心集聚,交通干线、稀缺景观资源的廊道效应等重塑了城市要素的空间分布形态。     

广州市休闲旅游资源空间分布及其可达性特征

基于休闲旅游资源POI数据,采用最邻近指数、核密度及栅格分析等方法,探讨广州市不同类型休闲旅游资源的空间特征及其可达性空间格局,并解析可达性空间格局的形成机制。结果表明：1）广州市休闲旅游资源总体上呈现“中心城区密集、边缘区稀疏”的分布特征,随着与市中心距离的增加,空间集聚度不断下降。2）不同类型休闲旅游资源空间分布特征差异明显,文化类集聚程度最高,康娱类呈单核集聚,自然类呈板块式集聚,专项类最接近随机分布。3）广州市休闲旅游资源可达性空间格局的交通指向性明显,呈现以中心城区为核心,沿交通干线向外渐降,至从化区北部达到最低的特点。4）不同类型休闲旅游资源的可达性空间格局存在差异,整体可达性最高的是康娱类,可达性最低的是专项类。5）广州市休闲旅游资源可达性格局在“资源-交通-人口-行政”体系综合作用下逐渐形成的。     

长沙市商务办公空间集聚特征及其影响因素

以长沙市为研究对象,基于兴趣点（POI）数据,运用标准差椭圆分析、Getis-Ord G_i^*指数等方法识别长沙市商务办公空间结构,并借助地理加权回归分析方法探究城市空间因子对商务办公空间格局影响的空间异质性特征。结果表明：1）长沙市商务办公空间已形成“多中心”的集聚形态,呈现“一主一副两带多组团”结构,形成以湘江以东的芙蓉广场为主中心,以长沙火车站为副中心的中央商务区,湘江以西暂未形成副商务区。2）商务办公空间集聚的主导影响因素是商业空间中的购物服务、酒店等;交通条件次之,平均影响程度依次为：公交＞主干道＞对外交通＞地铁;休闲、居住职能空间中除公园绿地的正向推动作用仅次于主干道外,其余因素均较弱,其中风景名胜和住宅区的整体抑制作用明显。3）各因素总体表征为“中心―外围”的圈层影响模式,商业空间、主干道、地铁、公园绿地在中心圈层推动作用较大,影响强度与距中心的距离成反比;在外围圈层受住宅区、公交吸引形成商务办公空间集聚组团。     

广州市多类型商业中心识别与空间模式

不同职能类型商业中心识别对研究城市商业空间结构有重要意义。与传统识别方法相比,大数据的分析更为精确和便捷。本文以广州市核心区59125条城市热点(POI)数据为基础,利用核密度分析、统计分析、最邻近距离分析等方法识别广州市多类型商业中心的边界,探索其商业空间结构与模式。结果表明：①广州市商业结构呈现明显双核集聚式分布,传统的越秀分区与现代的天河分区构成当前广州市商业空间的双中心;②不同类型的商业中心在空间上呈现显著分异,其中城市生活与公共服务中心在越秀区,商务与金融中心在天河区,休闲娱乐中心呈现分散集聚式特征;③广州市商业结构的空间模式是“圈层+组团”式分布,其中,生活、公共服务、商务职能集中分布于内圈层,娱乐休闲职能呈组团状镶嵌于各圈层中。     

河网型城市商业中心识别与空间结构特征——以江苏省淮安市为例

城市商业中心是指在城区范围内,零售、餐饮、文化娱乐、金融、商务、住宿等服务业在空间上集中,密集度高于城市其他区域的地区。以河网型城市江苏省淮安市为研究对象,抓取城市商业活动类的餐饮、购物、休闲娱乐、商务POI设施点数据,采用核密度估计、空间维信息熵和最小生成树方法,从整体和各业态分别识别商业中心的边界范围与等级结构,同时结合各业态商业的叠合特征,界定城市各级商业中心区的类型。结果表明:淮安市商业中心分市级、区级、社区级3个等级,主要集中在盐河和里运河之间的原清河区和淮阴老城区,形成以淮海广场为中心的极化分布特征。随着商业中心等级由高到低,空间分布形态从规模团状集聚逐渐转变为规模带状和小规模沿街分布。     

城市商业型健身休闲场所空间格局及影响机理——以上海市为例

基于百度POI和美团网评分数据,分析上海市商业型健身休闲场所空间格局及影响机理。结果显示：① 上海市商业型健身休闲场所整体呈现核心?边缘格局,黄浦区、静安区、徐汇区、长宁区、普陀区和虹口区的交界处形成了核心集聚分布区。② 上海市商业型健身休闲场所分布与高人口密度区、高房价地区、交通网络发达区、住宅小区、写字楼和购物中心等空间分布保持较高的契合度。③ 人口密度、地铁距离、小区距离、写字楼距离、连锁情况和房价水平等6个变量是影响空间格局的关键因素,人口密度影响最大,房价水平和写字楼距离其次,地铁距离、小区距离和连锁情况最小,房价水平为负向影响,其余为正向影响。分析影响机理,以期满足人们日益增长的健身休闲需求,优化城市商业空间,提升城市生活品质,助力实现“健康中国”国家战略目标。     

重庆市主城区休闲设施空间格局变化及其解释

休闲设施作为城市休闲空间的物质形态载体,为城市居民提供多种休闲娱乐功能。依托城市的不断发展,休闲设施也随之呈现出空间结构异质性。基于POI大数据,运用GIS平台及地理探测器,对重庆主城区休闲设施空间格局进行探析,结果表明：（1）在数量特征上,研究区内休闲设施总量呈上升趋势,随距离变化表现出明显空间尺度依赖,各类设施在不同空间尺度下的分布数量存在差异。（2）休闲设施总体空间分布呈显著集聚特征,由于设施总量逐年增加,各类休闲设施空间集聚程度逐渐降低。（3）休闲设施整体为“大聚集,小分散”的多中心分布态势,并逐步由集聚中心向城市外围区域扩张。康娱游憩类演化特征与总体近似,文化休闲类设施集中分布于沙坪坝东南部与渝中区两江交汇处,休闲旅游类表现为“大分散,小集聚”的空间特征,专项休闲类呈带状连片分布态势。（4）常住人口密度、道路密度、距离市中心距离、旅游收入等是重庆市主城区休闲设施空间格局变化的重要影响因素,各影响因子在三个时间节点解释程度有所不同。对于休闲设施格局变化的研究旨在为休闲设施经营者投资选址提供参考,为政府决策者合理布局休闲空间提供依据。     

基于POI与NPP/VIIRS灯光数据的城市群边界定量识别

科学识别城市群边界是城市群精明紧凑发展的关键,也是国家空间治理体系与空间治理能力的重要标志。论文以京津冀、长三角和珠三角3大城市群为研究区域,采用NPP/VIIRS(Suomi National Polar-orbiting Partnership / Visible Infrared Imaging Radiometer Suite)夜间灯光影像与POI(Point of Interest)数据,基于密度的曲线阈值法与分形网络演化算法,对3个城市群的实际物理边界和集聚空间范围进行精准识别与空间特征解析。研究结果表明：① 基于POI密度的曲线阈值法与NPP/VIIRS分形网络演化算法识别出城市群边界均小于国家城市群规划的行政边界,识别范围约占规划范围的20.90%~24.40%,识别结果显示3大城市群中长三角城市群发育最好,识别的城市群面积是京津冀和珠三角城市群的2倍左右;② 从POI与NPP/VIIRS灯光数据提取的城市群边界面积非常接近,其中POI数据提取的城市群面积偏大,更大程度上反映的是城市群整体边界轮廓而非内部细节;NPP/VIIRS影像提取的城市群更细碎,能更好地识别城市群聚集中心与关键核心区域,2种方法可以相互比较和验证;③ POI与灯光数据识别的城市群边界叠置分析发现,3大城市群中除了关键核心地带(集聚区)以外,外围还有众多孤立的点状区域(中小城镇),外围的点状区域与城市群集聚中心区空间割裂,一定程度上很难快速有效地接受来自城市群核心区域的辐射带动(涓滴效应)。     

南京都市区就业空间结构与区位模式演变研究

就业空间是城市空间的重要组成部分,映射出城市经济与社会现象的多样性。论文采用经验贝叶斯克里金、非参数局部加权回归、多中心密度函数等方法综合刻画南京都市区就业空间结构特征,并从就业结构化分散、就业中心增长转型、就业异质性集聚与土地混合利用3个方面剖析其就业区位模式特征。研究发现：① 南京都市区就业郊区化与多中心化并存,“分散化集聚”的结构性特征显著;② 就业中心决定着就业空间的整体结构与密度分布,然而城市中心影响力开始减弱而次中心则逐渐增强;③ 就业中心出现增长转型,服务化转向与高技能化趋势明显;④ 就业分布呈现异质性集聚模式且与混合土地利用存在正向关联;⑤ 城市就业空间格局演变是自组织与他组织2种力量、市场行为与政府行为2种机制相互作用的结果,集聚经济、城市规划、土地市场开发等均是重要的影响因子。     

大城市多中心静态结构和动态关联特征分析

以郑州市为例,基于居民依赖度和要素属性值对POI要素热点分析结果进行空间加权叠加,分析城市多中心空间静态结构;运用词向量和数据场理论,在表达居民出行偏好的基础上,利用轨迹数据分析城市多中心对动态目标的吸引强度,并挖掘多中心网络的动态交互关系。研究表明：① 城市静态要素呈中央集中、外围分散的圈层空间分布形态,部分多中心已形成了一定吸引聚集能力,而另一部分虽然规划前景广阔,但还远未形成副中心应有的分散疏解作用;② 城市多中心对动态目标的吸引强度不均衡,出租车和电动车轨迹显示的多中心吸引强度和空间交互关系虽有差异,但均体现出城市为典型的外溢型结构,核心城区仍然是空间交互的主要方向。因此,还需通过政策导向和基础设施建设等手段,增强外围多中心的吸引聚集能力,实现城市空间均衡发展。     

基于街道尺度的西安市基础教育资源空间分布特征研究

基于POI教育设施点数据，以街道为研究尺度，利用ArcGIS的标准差椭圆、核密度估计以及GeoDa的探索性空间数据分析（ESDA），对西安市主城区基础教育资源的空间分布特征进行分析。结果表明：在空间布局上，西安市基础教育资源表现出“外疏内密、东疏西密、北疏南密”的特征，在方向上，其空间布局呈现出“东北—西南”的特点；幼儿园及小学主要集中分布在中心城区，少部分集中在外围，中学主要集中在中心城区；H-H类型区主要集中在城南和城北，L-L类型区主要集中在中心城区的特殊区域。总体来看，基于街道尺度的西安市基础教育资源空间分布特征研究能够清晰地反映西安市基础教育资源的空间格局，可为政府相关部门合理规划教育设施的布局提供理论依据。