基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例

精细尺度的人口空间化研究成为当前GIS领域研究的热点。已有的人口空间化方法大多针对区域或城市尺度进行研究,少有对街道、社区甚至住宅小区的亚城市单元人口的研究。该文以南京市江宁区秣陵街道为例,基于腾讯位置大数据,结合人口统计数据、建筑物空间属性数据和住宅小区边界数据,提出了基于腾讯位置大数据的人口空间化方法和住宅小区级别的精细尺度人口估算方法。研究结果表明,该方法在住宅小区空间尺度下的估算结果与实际人口的线性拟合R~2达到0.9494,结果可信度较高,可为今后精细尺度人口空间化研究提供参考。     

基于多智能体模型与建筑物信息的高空间分辨率人口分布模拟

自上而下的人口分布模拟模型自动化程度较低,难以分析人口分布成因,且因精细尺度的人口样本较难获取而不太适用于高空间分辨率人口分布模拟。提出了一种基于多智能体模型和建筑物信息的高空间分辨率人口分布模拟模型。首先利用建筑物三维分布数据提取住宅建筑,构建智能体人口分布模拟模型的环境;然后基于统计、调研数据定义智能体属性,确定智能体居住选择行为规则;最后以泰日社区为例进行了居住人口分布仿真模拟。研究结果表明,基于建筑物信息的人口分布多智能体模型,可以获取每栋建筑物上的人口,改进了当前高分辨率人口模拟主要只模拟小区或者居委会人口的不足;多智能体模型具有较高的自动化程度,不仅能获得较好的模拟结果,而且可在一定程度上从微观机理解释宏观居住分布模式,是对传统统计模型的有益补充。     

产业与地形因素影响下的山地城市职住空间关系——以重庆市主城九区为例

选择重庆主城九区作为典型案例,基于百度慧眼识别的就业人口与居住人口数据,通过测算就业－居住偏离度指数分析其人口分布特征与职住空间关系,划分就业主导区、基本匹配区与居住主导区。并基于全国第四次经济普查数据,在对产业进行综合因子分析基础上,定量化识别产业综合因子和地形因子对重庆主城九区职住空间匹配性影响。结果表明：1）重庆市主城区的就业与居住人口空间分布趋势具有一致性特征,整体上呈现“中间高、四周低”的特征;2）重庆市主城区的职住空间基本平衡,街道尺度上职住偏离特征不显著,但城市多组团的中心地区职住空间匹配特征稍有差异,呈现主中心（解放碑）职住平衡度低、4个副中心职住平衡度高的格局;3）空间回归模型表明,综合性服务产业因子和生产性服务产业因子强化了职住分离程度,社会性服务产业因子、制造业因子和地形起伏度降低了职住空间差异。总体上,产业布局与地形地貌是重庆主城区职住空间关系的重要影响因素,二者与政府规划、交通条件和居民生活相互补充、共同作用,塑造了重庆主城现今协调发展的就业－居住空间格局。     

基于手机画像数据的南京内城日夜间社会空间分异

城市内部人口高度流动性意味着城市社会空间结构在不同时间和不同场景下可能存在巨大差异,然而,国内外融合多时空尺度和多领域维度的城市社会空间贯通与比较研究尚处开端。基于大数据环境与AI模拟技术支持下的移动终端用户画像数据,探究南京内城社会群体日间活动和夜间居住的空间分异格局及其差异,并开展多维尺度的空间分异指数比较研究。研究发现：(1)南京内城日夜间社会群体空间分布的相似性为北京西路和北京东路沿线聚集着较大比例的中年富裕群体,城南城北分布有较高密度的本地老年群体,而差异性则主要体现在城市中心,日间聚集有大量白领中产阶层而夜间则混杂居住着不同社会群体;(2)城市人口的日常流动性并未降低居住空间分异,性别、职业和消费能力等多数社会经济属性指标在街道、社区和网格尺度上的空间分异程度表现为日间活动高于夜间居住;(3)社会空间分异的尺度效应显著,不止表现于分异指数随尺度下沉而增加,更在于较小尺度单元有可能揭示出更细微甚至差异性的社会空间分异现象,并可通过跨尺度比较直观呈现。最后提出融合多时空、多维度和跨领域的城市社会空间研究框架,以期深化拓展新时代背景下中国城市社会空间分异相关理论与实践探索。     

城市迁移人口居住空间分异——对深圳市的实证研究

基于深圳市第六次人口普查数据,将迁移人口按照户籍地划分为市内迁移、省内迁移和省际迁移3种类型。通过计算区位熵分析街道迁移人口比重在全市中的水平,并用空间自相关来识别其空间集聚状况,以揭示迁移人口的空间分异格局,进而用分异指数刻画迁移人口的分异程度。然后以街道迁移人口比重为因变量,住房因素和就业因素为自变量,采用OLS模型、空间滞后模型和空间误差模型来分析和解释迁移人口居住空间分异的影响因素。结果表明：①迁移人口区位熵呈现出较为明显的圈层结构分布特征,以南山区和福田区为中心向外依次为市内、省内和省外迁移人口;②迁移人口的居住分布存在空间集聚,市内迁移人口集聚分布在行政中心周围,省内迁移人口集中分布在商业中心周围,省外迁移人口集中分布在工业园区较多的关外街道;③省外迁移人口与本地人口之间的居住分异程度最高;④省外迁移人口的居住空间分布显著地受住房因素的影响,省内迁移人口的居住空间分布则受就业因素的影响,住房和就业因素对市内迁移人口的居住空间分布的影响不显著。     

山东省人口空间分布格局的多尺度分析

人口空间分布具有一定的尺度依赖性,从不同尺度上对人口空间分布格局进行分析,可以更确切、真实地揭示人口的空间分布规律,为制定区域发展规划、灾害评价、环境保护等提供科学依据。本文以山东省为研究区,运用空间自相关方法和统计相关分析方法,比较市级、县级、1 km三个尺度上人口分布的空间自相关性及其与环境—经济因子的统计相关性,试图探讨不同尺度下人口的空间分布模式及影响(指示)因素,从不同尺度揭示人口的空间分布格局特征。结果表明:①从不同尺度对人口的空间分布格局进行分析,可以得到从宏观到微观不同详细程度的信息。从市级尺度分析,可以得到山东省整体的人口空间分布特征;从县级尺度分析,可以得到山东省各市内部的人口空间分布特征;从1 km尺度分析,可以得到山东省各县内部的人口空间分布特征。②不同尺度上,人口的空间分布格局特征不同。市级和县级尺度上,人口分布受环境—经济因子的影响表现出与一些因子显著相关,而受空间集聚的作用较小;1 km尺度上,人口分布与环境—经济因子的相关性较小,而主要受空间集聚的作用,在县内部,人口往往集中分布于某一区域,呈现出典型的集聚分布模式。     

北京城市老年贫困人口识别与空间分布

随着中国老龄化程度加深和城镇化水平的提高,城市地区的老年贫困问题日渐突出。由于缺乏明确的界定和统一的标准,老年贫困人口识别的准确性不足,不同研究的结论存在很大分歧。特别是教育、健康、家庭和社会支持等因素与老年贫困的关联被忽视、贫困线的设定较为主观等问题,对厘定城市老年贫困的空间格局和制定相关政策造成很大困扰。本文通过北京市典型居住社区的实证研究对上述问题进行了探讨,首先基于老年人属性变量的因子分析构建了城市老年贫困的综合判别指标;然后通过贫困线的优化分析,估计不同类型居住社区的老年贫困比例;再以市域范围内的街道和中心城区周边的地区办事处为空间单元,对北京市城市老年贫困的空间格局进行了分析。研究结论为:① 资源、健康、独立性和性别是老年人属性差异的决定因子,其中资源因子得分综合反映了城市老年人的贫困程度。② 不同类型居住社区的城市老年贫困比例存在显著差异,根据居住社区的分布,测得北京城市老年人口的贫困比例为9.55%。③ 城市内部老年贫困的空间格局分析表明:城市老年贫困人口比例从首都功能核心区、城市功能拓展区、城乡结合部地区到外围城区顺次增加;城市老年贫困人口密度则以外围城区与首都功能核心区最高,城市功能拓展区居中,城乡结合部地区最低。这些结果为进一步制定不同地区的老年贫困对策提供了参考依据。     

基于生态位理论的居住区位及居住空间分异

将生态位理论应用于居住区研究,家庭月收入、户主文化程度作为居住态评价因素,交通条件、区位、生活条件、自然环境作为居住势评价因素,构建居住生态位评价模型.该模型在对居住区评价时更好的体现居民因素,比先前区位评价方法更为全面,能更好的解释由于居民因素变化而导致的居住区位变化.对大连建成区37个街道进行居住态、居住势、居住生态位评价,并以居住生态位为切入点,分析不同居住生态位等级的街道居住态及居住势状况,探究居住生态位、居住势、居住态空间分布规律及空间相互关系.进一步研究居住态,从居住态角度分析大连居住空间分异.最后得出结论为大连市居住生态位呈现以中心繁华城区为核心由中心向外围的环带状分布,居住态呈现由东南向西北递减的趋势.高低值区域交错布局空间分布状况,大连市居住空间分异与居住生态位区位分布不完全一致.     

城市居住人口空间分布的模拟研究——以广州市天河区为例

为解决以行政区为单位的人口数据空间表示法无法准确反映人口实际分布的问题,文章以广州市天河区为例,利用高分辨率遥感影像数据,采用面向对象法对建筑进行提取和分类,并结合广州市土地利用现状图对分类结果进行验证和修订.在此基础上,利用土地利用密度法估算研究区各街道居住建筑的人口密度,并采用格网法进一步构建城市人口空间分布模型模拟城市居住人口的空间分布.结果表明,广州市天河区的人口主要集中在广园快速公路以南的带状区域内,中心商业区和工业密集区的人口密度最大,主干道附近区域的人口密度显著大于其他区域;距离城市中心较远的新塘、凤凰、长兴、龙洞等街道的人口密度整体偏低,模拟结果与研究区的实际情况相符.文章采用的数据可获得性强,操作方法简单,估算精确度高;研究提高了建筑解译和分类的效率,真实地反映了城市人口的空间分布特征,建模方法和研究思路具有一定推广意义.     

基于居民通勤行为的私家车对居住空间影响研究——以大连市为例

私家车的出现改变了交通结构,增强了空间可达性,从而影响居住空间的格局和规模。以大连市为例,基于居住-就业之间的通勤行为研究私家车对居住空间扩展的作用,通过居民的社会属性、通勤行为和心理偏好等信息,利用GIS技术进行模拟和分析。结果表明,居民购车情况与居住-就业空间分布情况有一定的相关性。由于城市扩展区居住-就业的不均衡性,通勤不便是城市边缘区居民的主要问题,私家车增强了通勤的便利性,在距城市中心5km以外,私家车随居住空间的扩展而增多,并通过循环与累计效应使城市的整体规模扩大。同时,通过计量模型计算,在1990~2004年,影响居住空间扩展的诸多因子中,私家车的贡献率平均达到2.14%。     

多元统计回归及地理加权回归方法在多尺度人口空间化研究中的应用

对统计型人口数据进行格网形式的空间化可更直观地展示人口的空间分布,但不同的人口空间化建模方法和不同的格网尺度在表达人口空间化结果方面存在差异。本文在人口特征分区的基础上,引入DMSP/OLS夜间灯光对城镇用地进行再分类,采用多元统计回归和地理加权回归方法(GWR),开展人口统计数据空间化多尺度模型研究,生成1 km、5 km和10 km等3个尺度的2010年安徽省人口空间数据,并对3个尺度下2个模型结果进行精度评价与比较。结果表明：人口空间数据精度不仅与建模所用方法关系密切,还受到建模格网尺度大小的影响。基于多元统计回归方法的模型估计人口数与实际人口的平均相对误差值随着尺度的增加而降低,而基于GWR方法获得的人口空间数据误差值随着尺度的增加而升高。整体来看,基于GWR方法的1 km研究尺度的人口空间数据平均相对误差最低(22.31%)。区域地形地貌条件与人口空间数据误差有较强的关联,地貌类型复杂的山区人口空间数据误差较大。     

城市流动人口居住自选择中的空间权衡分析——以成都市为例

基于成都市主城区各街道的流动人口数据,分析2010-2015年流动人口规模的空间分布格局及居住空间分异程度,并从流动人口行为决策的视角选取影响变量,分析其对居住自选择的影响程度及其空间差异,据此揭示居住自选择中的空间权衡过程,探讨流动人口的空间权衡对其居住自选择和居住空间格局形成的作用。结果表明：2010-2015年,成都流动人口在主城区南部和城市中心快速增加,其集聚态势为西高东低;流动人口相较于本地户籍人口表现出一定程度的居住空间分异性;流动人口占常住人口比、居住区面积、房租、公交、企业及生活服务设施对流动人口居住自选择有明显影响,且流动人口占常住人口比、居住区面积和房租影响显著,但影响关系受流动人口空间自相关影响显著;地理加权回归结果显示不同变量对居住自选择的解释能力存在空间差异性,流动人口通过不同变量空间分布的差异性权衡不同区域,以此完成居住自选择并最终形成居住空间格局。     

基于社区特征分析的扬州市居住−服务业空间关联及机理

基于目视调查等方法获取扬州市主城区社区尺度居住空间的物质、社会、经济特征数据，并将之与社区服务业POI数量、密度、多样性指标进行关联分析。结果表明：社区居住空间的物质、社会、经济特征与服务业空间的数量、密度、多样性特征存在关联关系，其中居住空间的建筑年代、人口数量、年龄结构为主关联因子，居住与服务业空间关联过程分为差异化居住空间形成、差异化人群集聚与消费特征形成、消费特征与服务业空间协同演化3个阶段。     

1947- 2000 年上海中心城区居住空间结构演变

基于1947-2000 年9 个时相的上海土地利用遥感调查GIS 数据集, 从土地利用层面对 50 多年来上海中心城区居住空间结构演变进行实证研究。首先分析居住用地扩展与构成的数 量变化特征, 然后采用地理形态分析法划分各时期居住区类型, 并分别从街区与城市两个尺 度对居住区演变进行分析: 在街区尺度下, 以聚类特征表研究居住区的类型变化以及内部土 地利用构成变化; 在城市区域尺度下, 分析不同时期居住区的空间格局变化以及工业用地、 市政商服用地对居住区空间格局演进的影响。研究发现上海中心城区居住空间结构由简单的 组团加圈层结构向复杂的扇形、圈层和组团综合模式演变。其中以1988 年土地有偿使用制度 改革为界, 前期以外围住宅新村圈层扩展与和内部居住区不断被非居住用地侵入形成用地混 合居住区为特征, 后期以外围商品住宅指状扩展和内部旧城更新相结合为特征。     

长沙市农村居民点景观格局变化及地域分异特征研究

以1989年、1999年和2009年3期Landsat TM影像及2005年的土地利用现状图为数据源,结合野外实地调查,应用GIS空间分析、重心迁移定量模型和景观生态学方法,对长沙市1989-2009年农村居民点的用地面积、规模、空间分布、形状的动态变化过程及地域分异特征进行了研究。研究结果表明: ① 20 a来农村居民点总面积及斑块平均规模不断扩大,农村居民点空间分布日趋集中和密集,斑块形状不断向完整与规则转变;② 农村居民点空间布局地域分异特征明显,在平均斑块面积、斑块密度等指标方面平原区、丘岗区与山区之间存在着显著差异;③ 20 a来,长沙市农村居民点的空间分布重心由西向东迁移,迁移距离为6.62 km。     

基于卫星遥感和POI数据的人口空间化研究——以广州市为例

以广州市为例,基于NPP/VIIRS夜间灯光、土地利用、POI（Points of Interest）等自然地理和社会经济因素,构建了人口空间化指标体系,采用主成分赋权法确定人口分布权重,利用GIS技术对人口统计数据进行了空间化处理。结果显示：综合考虑了自然地理和社会经济因素的人口空间化结果与真实的人口空间格局相吻合,空间分辨率为30 m,且相对误差绝对值＜25%的乡镇有62个,所占比例为36.47%;而不加POI数据得到的人口空间化结果,相对绝对值＜25%的乡镇有33个,所占比例约为20%,精度明显降低。结果表明：1）综合考虑NPP/VIIRS夜间灯光、土地利用、POI等自然地理和社会经济因素,有助于实现精度较高的人口空间化结果;2）将能够反映微观细节信息的POI数据引入人口空间化研究,扩展了人口空间化的数据源,并且可以提高人口空间化结果的精度。     

城市住宅小区容积率时空分异研究——以大连市内四区为例

以大连市内四区为例,将城镇地籍调查数据与互联网房产数据相结合作为基础数据,通过ArcGIS软件生成住宅小区点数据的空间分布图,对大连市住宅小区容积率的时间演变和空间分布进行研究,并利用锡尔指数计算住宅小区容积率的空间差异量化测度指数,最后阐述住宅小区容积率空间差异的机制。结果表明：① 1992~2016年大连市住宅小区的数量在持续发展时期最多,平均容积率展现出波动上涨的趋势。② 区：大尺度包括冷炳荣住宅小区容积率整体上呈现出不均匀性和破碎性,局部又呈现出混乱性和复杂性,东部地区小区容积率分异比西部大。③ 中山区空间差异量化测度指数最高为0.831,甘井子区最低为0.125,西岗区与四区整体格局最为相近。极低等级容积率空间分异指数最高,容积率分异指数由两极向中间递减。大连市住宅小区容积率空间差异主要体现在区域内,其对研究区容积率空间分异影响较大。④ 住宅小区容积率空间差异的主要原因为下垫面性质对住宅小区建设的限制、区位的优良性对住宅类型的指向、城市规划对土地利用的导向、极差地租与容积率的相关性、小区建设成本对容积率的影响。     

欠发达地区聚落景观空间分布特征及其影响因子分析——以安徽省宿州地区为例

以欠发达地区——皖北宿州地区的聚落为研究对象,采用景观格局分析软件FRAGSTATS计算了5个景观格局指标。用ArcGIS软件计算了形状指数、景观类型空间邻接比例、最邻近指数、最近距离以及聚落的耕作半径,分析了该区聚落景观的空间格局特征及影响因子。结果表明:耕地是宿州地区的景观基质,聚落是宿州地区分布最广、斑块数目最多的景观类型;耕地是影响农村聚落分布格局的重要因子;农村聚落分布受中心城镇影响明显;用缓冲区的方法求取耕作半径在耕地分布均匀地区较为实用。     

基于四维驱动力的农村居民点整理模式分析——以北京市通州区为例

利用北京市最新土地调查数据和GIS工具, 描述通州区农村居民的用地现状、空间分布和特征。(1)依据规划边界将通州农村居民点划分为圈内、环内、环外三类, 圈内农村居民点面积50.30km² (121个行政村),占总面积的30.62%;环内居民点面积19.35km² (57个行政村),占11.78%;环外农村居民点面积94.63km² (277个行政村),占57.60%.(2)不同类型农村居民点的驱动力不同, 圈内农村居民点主要是经济驱动力和社会驱动力, 环内农村居民点主要是制度驱动力和环境驱动力, 环外的农村居民点主要是社会驱动力和生态驱动力。(3)圈内居民点整理方向是实现城镇化, 应采用土地一级开发模式, 发展城市二三产业;环内居民点整理方向是改善生态环境, 发展特色产业, 适宜采取城乡一体化综合开发模式;环外居民点整理方向是增加农业用地, 减少耕地占用, 适宜采用乡村整治模式。农村居民点整理需要以驱动力为基础, 结合空间特征采取差异化的整理模式。