引入城市公共设施要素的人口数据空间化方法研究

精细尺度的人口分布是当前人口地理学研究的热点和难点,其在灾害评估、资源配置、智慧城市建设等方面应用广泛。城区是人口分布集中的区域,揭示该区域人口分布差异是精细尺度人口空间化研究的核心内容。本研究基于城市公共设施要素点位数据,对居住建筑斑块进行分类,以社区作为人口数据空间化转换尺度,构建各类别斑块面积与人口数量的多元回归模型,生成了宣州城区居住建筑尺度的人口空间数据,揭示了研究区人口空间分布差异。结果表明：① 该方法生成的人口空间数据精度较高,结果可信。779个居住建筑斑块中,估算人数在合理区内的斑块个数占比为35.4%,相对误差在-20%~20%范围内的斑块个数比例之和为61.2%;城东社区、思佳社区作为精度验证单元,其人数估算的相对误差绝对值低于9%;② 城市公共设施要素数据,尤其是中小学及幼儿园、菜市场及水果店,是建筑物尺度上人口分布的指示性因素,其对多层居住建筑人数的估算精度较高,但对中高层居住建筑人数的估算精度偏低。     

城市建筑物人口时空分布模型与实验分析——以北京东华门街道为例

精细尺度上的城市人口分布是解决城市规划与管理、预警与应急等问题的关键。研究精细尺度上城市人口的时空分布需要还原与模拟城市人口与城市建筑物之间的关系。本文利用高分辨率遥感影像提取城市精细尺度的建筑物信息,建立了适用于城市人口分布研究的城市建筑物功能分类体系,并获取了不同使用功能的建筑物人口容纳系数;在实际调查和前人研究的基础上得到不同使用功能的城市建筑物人口吸引率曲线,建立城市建筑物人口分布模型,实现城市精细尺度上的人口分布情况的模拟。以北京东华门街道为例,对16个时间点(0∶00、6∶00、7∶00、8∶00、9∶00、10∶00、11∶00、12∶00、13∶00、14∶00、15∶00、16∶00、17∶00、18∶00、19∶00、22∶00)的城市建筑物人口分布情况进行了模拟,并根据建筑物功能的聚集及道路空间分割情况划分为4个区域进行了人口数量变化分析和原因探讨。最后,讨论了研究中存在的问题,并提出了增加实际调查数据等可能的改进方法。     

上海市精细时空尺度人口分布估计与特征分析

城市人口实时分布与动态变化特征是城市规划与综合治理的重要依据。受数据获取手段的局限性,准确地获取城市人口的实时分布状况一直是技术瓶颈,而移动通讯技术的迅速普及为这一问题的解决提供了技术途径。本文基于移动通讯信令的连续轨迹数据,实现了城市精细尺度人口分布时空估算的方法流程,并以上海市为研究区,对城市人口分布特征及时空移动过程进行了量化分析。研究表明：① 在数据方面,基于移动通讯信令数据估算城市人口分布的方式样本覆盖广、时空精度高、时效性较强且支持时空尺度灵活多变的应用研究需求,能够定量地描述城市人口分布时空动态特征且能推算城市真实人口规模;② 在人口分布时空特征方面,上海市在全市尺度上,各时段人口空间分布较为稳定且差异较小,而在中心城区日间人口较夜间人口呈现更为显著的空间集聚特征;③ 在人口移动时空特征方面,城市功能承载区与其它区域之间人口移动很少,早晚高峰期各城市功能承载区之间人口移动均体现为中心城区与其它新城之间的移动,且2个方向移动人数较为平衡;各城市功能承载区内均有超过半数的人口全天仅在其所在城区内部活动。本文的研究成果可为上海城市规划、应急管理、交通出行等提供更精准的科学依据。     

基于POI数据的城市建筑功能分类方法研究

对建筑物进行建模与分析是智慧城市建设的重要任务之一。将城市中数量庞大的建筑物按功能分类,辅助认知城市内部空间结构,对政府部门开展人口估计,土地管理,城市规划等工作具有重要意义。本文以蕴含丰富语义信息的兴趣点（POI, Point of Interest ）作为主要信息源,针对POI分布稀疏导致大量建筑物无法识别出功能的问题,改进了传统的城市功能区定量识别方法。该方法为建筑物内部及周边一定区域范围内的POI赋予反距离权重,通过计算不同类型POI的加权频数密度比例来识别建筑物功能类型。文中以北京市西四环中路附近5000多栋建筑物为例进行实验验证,实现了将目标区域内的建筑物按功能类型划分为居住、商业、公服和3种混合类型,识别率达93.04%,与人工判别的结果对比得出总体分类精度达91.18%。该方法采用易于获取的互联网POI数据,可以实现大范围建筑物功能类型的快速自动化识别,丰富了城市建筑模型语义属性,扩展了POI数据的应用范围。     

基于边界替代的人口数据空间化方法研究

首先将山东省各县市按级别分类,利用回归方法得到不同级别县市的城镇居住密度与农村居住密度,然后根据乡镇驻地位置,构造Voronoi图来替代乡镇边界。在此基础上利用各乡镇人口数据与居民点数据计算得到各 Voronoi图形的居住密度,并将该密度赋予每个图形的发生点(即乡镇驻地位置),而后利用反距离插值算法,并结合窗口移动平均处理,得到全省的居住密度分布图。使用居住密度分布图和居民点分布数据,计算人口分布数据。并根据每个县市的图上汇总人口和统计人口,计算得到各县市的调整系数,使用该系数对每个栅格的人口数进行调整,保证了各县市总人口不会出现误差。最终得到山东省1km×1km栅格的人口分布数据。最后选取某些样本县, 在样本县内对比每个乡镇图上的人口与实际统计人口,结果表明该人口分布数据有较高的精度。     

基于居民出行特征的北京城市功能区识别与空间交互研究

受区域功能分化影响,城市居民出行呈现出特定的时序特征,因而不同的出行时序特征可以反映区域功能的差异性。同时,区域功能的交互特征可以通过居民出行的空间交互活动体现。大数据时代的到来,使得以GPS数据为代表的个体时空大数据可以从微观视角反映居民出行特征。本文采用个体时空大数据,应用数据挖掘方法,从居民感知视角研究城市区域功能的差异性与联系性。以北京六环为研究区域,采用规则格网划分城市地块,通过北京市3个月的出租车GPS数据提取地块的居民出行时序特征。采用期望最大化算法进行聚类分析,并结合兴趣点数据和居民出行调查实现功能区识别,识别出居住区、商业娱乐区等6类功能区。从距离和时间2个维度分析功能区之间的空间交互特征,发现功能互补性在一定程度上削弱了空间交互强度的距离衰减效应,同时功能交互呈现出显著的时序差异。     

顾及POI人口吸引力异质性的城市人口空间化方法

人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点（Point of Interest, POI）作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤 波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4~2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。     

融合多源空间数据的城镇人口分布估算

精细尺度的城镇人口空间分布是分析人类-资源-环境相互关系的重要指标。本文提出了一种融合地理空间大数据和高分辨率遥感数据估计精细尺度城镇人口分布的方法。通过对比各指标与人口相关性,选取R2>0.7的建筑面积、到道路距离、夜间灯光强度、商服中心、EAHSI指数、幼儿园、公园、小学、加油站、医院、公交车站、长途汽车站作为影响人口分布的变量因子。结合城市功能区数据确定人口分布区域,利用随机森林模型对宁波市2018年人口数据进行了500 m格网空间化,从而得出宁波市城镇人口空间分布图。最后,基于随机森林模型的变量因子重要性分析宁波市人口空间分布的影响因素。研究结果表明,本文所提出的城镇人口分布模型在街道尺度的估算精度为81.2%,平均相对误差MRE为0.29、RMSE为3279.89;网格级别的MRE为17.16,RMSE为1149.9,因此模型能精确地反演城镇内部街道人口分布信息。通过对变量因子重要性进行比较,发现建筑面积重要性约为0.22,对宁波市人口估算影响最大;到道路的距离、夜间灯光强度、商服中心、EAHSI（Elevation-Adjusted Human Settlement Index）、幼儿园、公园对宁波市人口估算具有重要作用。本文在格网级别进行的人口分布精度验证对于研究城市精细人口分布具有重大意义。     

基于腾讯迁徙数据的中国城市群国庆长假城际出行模式与网络特征

城际出行具有时间依赖性,不同时间约束与特定时期的城际出行具有相异性,反映的出行模式与表达的地理空间联系规律具有差异性。迁徙大数据记录的人口移动实时记录为开展基于时间依赖的城际出行网络提供了可能。本文以全国 19个城市群为研究区域,利用腾讯平台提供的居民城际出行数据,对国庆长假期间（2016年10月1—7日）中国城市群城际出行时段变化特征、城际出行模式及其网络结构进行了研究。结果表明：① 黄金周城际出行具有明显的基于出行期、返程期和旅途期的时段变化规律;② 国庆长假期间的中国城市群城际出行分别形成了轴辐式、多中心与单中心3种城际出行模式; ③ 出行期、返程期的城际出行具有类似于春运人口流动的时空对称规律,城市群城际出行呈现出以主要城市群整体、城市群核心城市与邻近外围城市间的中短距离流动的长假出行特征,中西部城市群城际出行具有典型的“潮汐式”流动特征;④ 基于腾讯人口迁徙大数据,通过对黄金周期间出行期、返程期与旅途期的科学划分,较好地实现了国庆长假城际出行特征与模式的挖掘,同时也为长假城际交通管理与道路资源优化调配方案的制定提供支撑。     

中国居民预期寿命及其影响因素的空间差异分析

良好的健康和人类福祉是联合国提出的可持续发展目标之一,提高人口预期寿命是迈向此目标的重要一步。由于中国城市在自然环境和社会发展方面有所差异,因此理解不同城市居民的预期寿命主要受何种因素的影响是制定城市公共卫生策略的关键。本研究基于2015年中国286个城市的有效数据,利用探索性回归、普通最小二乘回归、地理加权回归筛选与预期寿命最相关的影响因素并探索其空间差异,再通过二阶聚类将城市分类,以针对性地提出每类城市政策建议。结果显示：① 经济发展,教育条件和医疗设施条件对预期寿命有显著的积极影响,平均海拔和环境污染则具有负面影响;② 东南地区的经济发展对当地居民的预期寿命影响程度更大;东北和西南地区的医疗设施条件对其居民预期寿命促进程度更高;北部地区的教育条件对当地居民预期寿命影响比其他地区更高;平均海拔对西部地区居民预期寿命的影响最大;西北地区居民的预期寿命则更易受到环境污染带来的负面影响;③ 根据空间差异将城市分为3类,其居民预期寿命关键影响因素依次是经济发展和环境污染、教育条件、医疗设施,每类城市的城市管理者应重点关注不同因素来提升居民的预期寿命。     

POI辅助下的高分辨率遥感影像城市建筑物功能分类研究

城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点（Point of Interest, POI）数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络（Convolutional Neural Networks, CNN）方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。     

武汉居民建筑物碳排放反演计算和时空分析

居民建筑物（民用住宅建筑物）碳排放对节能减排策略制定及城市可持续发展具有重要影响。针对目前城市碳排放计算方法尺度较大且缺乏居民建筑物碳排放一致性计算的问题,本文提出一种多源数据融合的城市居民建筑物碳排放定量计算方法。该方法首先采用自上而下的策略,结合夜间灯光图像,将武汉市居民碳排放总量分配到每个地块;然后采用自下而上的策略,构建由地块规划因子、社会经济因子以及单体居民建筑物形态因子组成的居民建筑物碳排放反演模型。论文使用该方法计算了武汉市所有单体居民建筑物的电能消耗碳排放量,研究结果表明：① 居民建筑物碳排放量在空间分布上呈现由中心城区向郊区不断递减的模式,和人口分布有着密切的关系;② 居民建筑物碳排放量分布具有异质性,呈现出长尾分布的特性,其中89%的居民建筑物的碳排放量低于平均值1.28 t,而11%的居民建筑物的碳排放量高于平均值;③ 同一地块上的居民建筑物碳排放量差异相对较小,地块之内平均标准差为7.66 t,而不同地块上的居民建筑物碳排放量差异相对较大,地块之间平均标准差达到51.30 t;④ 居民建筑物的碳排放量更容易受到规划因子中的容积率影响,社会经济因子中的人口密度影响,以及居民建筑物形态类型的影响。论文研究方法及相关研究成果可以为城市居住区可持续规划等问题提供决策支持。     

ON THE SUBURBANIZATION OF BEIJING

SubUrbanizationisastageofurbanizationprocess.Itmeansthatpopulation,jobsandservicetradesdecentralizefrominnercitytosuburbanarea.SuburbanizationhasgreatlychangedtheeconomicandUrbandevelopmentinthedevelopedcountries.NOw,thefocalpointisWhethersuburbanizationinChina,asadevelOPingcountry,hasactuallybegun?Whendiditstartandwhatisthemechanisminprocess.ThispaperisapreliminalycasestudyofBeijing.I.~L~coxczviofaSUING~POLl~PeterHall's(1984)modelofurbanchangeofferedaframeworkthatcaneasilyidentifyOT…     

基于特征增强和ELU的神经网络建筑物提取研究

近年来,城市发展快速,大量人口奔向城市工作生活,城市建筑物的数量有如雨后春笋般扩张,需要合理地规划城市土地资源,遏制违规乱建现象,因此基于高分辨率遥感影像,对建筑物进行准确提取,对城市规划和管理有着重要辅助作用。本文基于U-Net网络模型,使用美国马萨诸塞州建筑物数据集,对网络模型结构进行探究,提出了一种激活函数为ELU、“编码器-特征增强-解码器”结构的网络模型FE-Net。实验首先通过比较不同网络层数的U-Net5、U-Net6、U-Net7的建筑物提取效果,找到最佳的基础网络模型U-Net6;其次,基于该模型,加入特征增强结构得到“U-Net6+ReLU+特征增强”的网络模型;最后,考虑到ReLU容易产生神经元死亡,为优化激活函数,将激活函数替换为ELU,从而得到网络模型FE-Net（U-Net6+ELU+特征增强）。比较3个网络模型（U-Net6+ReLU、U-Net6+ReLU+特征增强、FE-Net（U-Net6+ELU+特征增强））的建筑物提取结果,表明FE-Net网络模型的建筑物提取效果最好,精度放松F1值达到97.23%,比“U-Net6+ReLU”和“U-Net6+ReLU+特征增强”2个网络模型分别高出0.36%和0.12%,且与其他具有相同数据集的研究成果比较,具有最高的提取精度,它能较好地提取出多尺度的建筑物,不仅对小尺度建筑物有较好的提取效果,而且能大致、较完整地提取出形状不规则的建筑物,有相对更少的漏检和错检,较准确地实现了端到端的建筑物提取。     

南京市老城区城市建筑点格局研究

城市建筑是城市形态的重要组成部分,而建筑高度对城市三维空间形态有重要的影响。目前,对城市二维形态的研究较为丰富,而对城市三维起伏形态特征及其空间分布格局方面研究较少,对城市上空利用程度及发展规律认识仍相对缺乏。本文以南京市老城区为例,基于城市数字高程模型数据,将城市建筑抽象为三维点要素,运用点格局分析法研究城市建筑三维宏观特征及建筑类型的空间分布规律。结果显示：（1）南京老城区建筑呈集聚分布,聚集性顺序是低层建筑>高层建筑>多层建筑>超高层建筑。除超高层建筑外,低层、多层和高层建筑的聚集程度,随着空间尺度先增后减,均在1.5 km尺度聚集性最大;显示1.5 km的街区单元应是城市规划管理的最适宜单元。（2）南京老城区建筑高度空间分布表现为“三高一低”,即3个高值区（新模范马路、新街口和珠江路区域）和1个低值区（集庆门区域）,它们与不同时期城市中心具有较好的对应关系;不同类型建筑与城市基准地价的相关分析显示,建筑高度的分布与城市基准地价呈现一定相关性。结果表明,点格局分析方法能有效地分析城市建筑在平面及三维的空间格局特征,进一步深化对城市形态特征的认识。     

基于纹理数据和SCSG-BR表示的城市建筑物混合 建模

随着城市建设的迅猛发展,城市建筑物建模的复杂性和实景化要求越来越高。因此,进行高精度的城市建筑物建模,建立有效的数据结构成为一项具有挑战性的工作。针对结构实体几何（Constructive Solid Geometry, CSG）模型建模的局限性,本文提出了一种结合CSG和BR（Boundary Representation）的混合建模方法。该方法改进传统的CSG为“空间CSG（SCSG）”,利用维度扩展的九交模型（DE-9IM）表示体元间的拓扑关系,确定唯一的SCSG树来表示城市建筑物的外部结构,同时用BR表示城市建筑物几何要素间的拓扑关系。然后,本文结合文件数据库和关系数据库来联合管理模型数据。关系数据库存储模型和纹理的属性信息;文件数据库存储模型和纹理图像。在存储和调用纹理影像时,关系数据库中的面ID将城市建筑模型ID和纹理ID关联,纹理图像和城市建筑模型同时被加载和存储。另外,本文采用最小二乘法对建筑物多边形进行正交化和拓扑调整处理,以保证模型数据的精确性。本文选择美国科罗拉多州丹佛地区和瑞士苏黎世地区的数据进行实验,并根据不同的建模方法进行模型加载耗时的比较,证明本文提出的方法耗时较少。实验结果表明,该混合建模方法不仅可以有效地表示实体的拓扑关系,还可以加快纹理加载,实现建筑物的快速精确建模,有效实现空间查询。