融合多源地理大数据的城市街区综合活力评价

随着城市人口、物资、信息流动的日益频繁,城市居民活动特征和生产生活方式更加复杂多变,同时,城市空间无序扩张,发展规划不足,引发了交通堵塞、人口流失、公共空间缺乏等一系列问题,最终引发了城市活力消解难题。因此,如何科学高效地进行城市活力定量分析成为了重点研究问题。本文基于OpenStreetMap、百度地图兴趣点（Point of Interest,POI）、微信宜出行、美团、高德建筑物轮廓等多源地理大数据,从人与空间双重角度,分别对人群活力、活力多样性、活动满意度和空间交互潜能进行量化研究;引入空间权重矩阵,构建了改进的空间优劣解距离法（Technique for Order Preference by Similarity to Ideal Solution,TOPSIS）综合活力评价模型,实现对南京市中心城区综合活力的评价,最后分析了工作日、周末的街区活力空间分布特征及活力极的异同,并比较了传统的熵值TOPSIS综合活力评价结果,以此探究空间关系对城市街区活力的影响,以求帮助城市规划者系统的认识当前城市活力现状,为城市规划研究提供一种可行性方案。     

顾及空间及语义相关性的POI位置标注优化方法

POI的质量是确保寻路、路径规划、导航等高质量地图服务的基础,是影响POI数据的位置准确性、逻辑一致性和语义差异性问题等数据质量问题的关键因素。本文从影响POI位置空间、关系和语义因素3个角度出发,针对POI位置错标、不同语义POI无法区分及POI分布与现实世界不一致的情况,结合建筑数据和道路数据,进行POI多阶段位置优化研究,包括位置约束计算阶段、位置选择阶段、位置优化阶段。以某街道区域为分析区域开展POI位置优化实验,结果表明本文提出的位置优化方法能有效降低错标率（19.3%）、提高可辨识度（6.7%）,并有效提高子区域POI分布与道路分布的一致性,有效提高不同语义POI的识别速度。     

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。     

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。     

中国基础教育公共服务均等化空间格局及其影响因素

基于教育POI设施数据,利用ArcGIS比较统计地图（Cartogram）、核密度分析和探索性空间数据分析（ESDA）等方法对基础教育公共服务均等化空间格局进行研究,并采用地理加权回归（GWR）方法对其格局形成的影响因素进行探究。结果表明：东部和中部地区基础教育公共服务资源数量约占65%,基础教育公共服务的高值区域与城市群所在区域较为吻合,低值区域主要分布于胡焕庸线以西,东西部基础教育资源绝对数量差异明显。学前教育服务人均数量的低值区主要分布在西部,中部也存在部分低值塌陷区,相较于中小学,学前教育公共服务的非均等化问题突出。小学和中学教育公共服务人均数量的高高集聚（H-H）和低低集聚（L-L）区域在东中西地区均有分布,综合而言,地区基础教育公共服务人均数量均等化优于绝对数量的均等化状况。常住人口、第三产业比例、建成区面积是基础教育公共服务均等化空间格局分异的主要影响因素。     

基于感兴趣点和滴滴数据的打车需求分析

大数据具有多数据形式、大数据量、传输快捷等优势,大数据分析已逐渐影响和改变人们解决问题的思维方式。本文利用滴滴打车数据和感兴趣点分析人们的打车需求,识别出打车活跃区域。对打车需求数据进行时间划分,核密度分析得到打车聚集区域。统计了打车点附近各类型POI的个数,分析了各区域内打车需求与时间段、地理位置、工作日和周末的关系。发现早高峰(7点到9点)打车与住宅区POI相关,晚高峰(17点到19点)与商铺POI相关,夜晚(21点到2点)打车与公司POI相关,且同一地区在周末与工作日的打车活跃时间不同。     

基于POI数据的北京市商业中心识别与空间格局探究

商业中心是城市空间结构的重要组成部分,传统商业中心识别主要借助统计资料和经济普查数据,耗时耗力且更新频率较低;以POI(兴趣点)数据为代表的众源地理数据为城市商业中心识别提供了新思路。本文以北京市801478条商业POI数据为基础,根据商业职能定义将其分为生活类、休闲娱乐类、公共服务类、金融商务类和汽车相关类,运用核密度法识别不同职能的商业中心,结合Getis-Ord G_i~*统计量详细探究中心城区商业空间格局。结果表明:(1)北京市商业格局呈现圈层式结构,沿交通干道向外发展;(2)不同类型的商业中心存在显著的空间分异特征,生活与公共服务中心高度向心集中,金融商务和汽车相关中心多分布于城市功能拓展区,休闲娱乐中心为多组团式离散分布;(3)中心城区生活类商业职能完备,北部区域商业密度高于南部区域。     

POI与NPP/VIIRS夜光数据空间耦合关系下的城市空间结构分析——以武汉市主城区为例

城市兴趣点（POI）和夜光遥感影像能够直观反映城市社会经济等实体要素的空间分布特征,在城市空间结构研究中发挥着重要作用。本文首先选取长江中游城市群的典型城市代表——武汉市作为研究区,选用研究区2016年POI和NPP/VIIRS夜光遥感数据作为基础研究数据,采用GIS分析工具对POI数据进行了空间核密度分析;然后分别对POI核密度分析结果和NPP/VIIRS夜光遥感数据进行了空间网格化处理;最后采用双因素制图和栅格叠加分析方法对两类数据的空间耦合关系进行了探讨,并在此基础上进一步分析了城市空间结构特征。研究表明,武汉市POI数据和夜光遥感数据的空间耦合性整体较好,空间耦合相一致区域占比为82.15%;但POI数据和夜光遥感数据的空间耦合性在长江沿岸地区也存在部分差异,如硚口区、汉阳区夜光遥感数据和POI数据多以低—中的空间耦合模式为主,而青山区、武昌区和汉口区则多以中—低的空间耦合模式为主。武汉市作为中原城市群的核心城市之一,其城市内部空间结构与长江经济带发展关联密切,通过对POI和夜光遥感数据的空间耦合关系探讨,能够对武汉市空间实体要素的空间结构特征有更加深入的了解。本文结果可为沿江城市内部空间结构的研究提供一种崭新的视角。     

基于POI数据的西安市零售业空间格局及影响因素研究

基于POI数据,利用核密度估计、缓冲区分析等方法刻画西安零售业空间集聚状态,确定零售业分布核心范围,并利用双变量空间自相关分析、近邻分析等方法探究零售行业之间的空间集聚关系,以及零售业与居住小区、交通因素的空间关系。研究表明： ① 西安市零售业呈“中心-外围”结构,以钟楼为中心连片集聚分布,在距离钟楼16 km范围内为零售业分布核心区,在阎良、高陵、临潼、鄠邑4个郊区呈“孤岛”状集聚。② 文化、体育用品及器材零售,纺织、服装及日用品零售业更倾向于在内城分布,而汽车、摩托车、零配件和燃料及其他动力销售业,五金、家具及室内装饰材料零售集中在租金低但交通方便的城市中心外围。③ 集聚效应、人口分布与路网影响零售业的空间分布。与居民日常生活关系密切的零售行业如综合零售,食品、饮料及烟草制品零售,纺织、服装及日用品零售等在空间上集聚以接近消费者,分享消费市场和空间场地,而耐用品零售行业如汽车、摩托车、零配件销售业,家具及室内装饰材料零售等倾向于自身集聚,以共享品牌效应。交通干线尤其是城市二级道路明显影响零售网点的空间分布。     

西安城市旅游休闲业态空间热点特征及形成机制

判识城市旅游休闲业态热点的空间规律,对于高效配置旅游休闲要素和优化城市功能结构具有重要意义。利用机构兴趣点(POI)数据,结合Getis-Ord G ^*指数等方法探究西安城市旅游休闲业态空间热点特征及形成机制。结果显示,西安旅游休闲总体业态热点区分别位于钟楼中心区、曲江-小寨区域和高新区电子城3个区域,各热点对应的业态集聚等级和空间尺度依次递减;与总体业态热点分布基本一致,各细分业态空间热点也主要集中在钟楼、曲江-小寨和高新区电子城等城市核心区。本质上,城市旅游休闲热点形成是由城市发展导向所决定的,即作为地理要素的城市空间在服务转型导向下,结合旧城改造与新区建设等城市核心区发展优化过程,对作为人文要素的旅游休闲业态施加作用,使其向城市核心区定向集中的结果。通过合理引导旅游休闲业态集聚发展,则可有效实现旧城区增长活力重塑和新城区空间品质优化。