特大城市人口分布特点及变动趋势研究——以东京为例

地理学界一直关注对城市空间结构的解释,如城市地区居住和非居住活动的分布区位和密度,以及它们的空间联系.本文以东京为例,对特大城市的人口分布及其变动趋势作了较全面的分析,主要包括: 1)人口数量变动及其分布; 2)人口结构变动及其分布; 3)主要相关因素.     

2000―2010年广州人口空间分布变动与多中心城市空间结构演化测度

基于广州市第五次和第六次人口普查中的常住人口数据,运用空间分析法、单中心密度模型和多中心密度模型分析法对广州市人口空间分布和多中心城市空间结构进行研究。结果表明,研究时段内广州人口空间动态变化表现为“内圈层（近郊区）快速增长、外圈层慢速增长、核心圈层（核心区）和外圈低速增长”,核心圈层的人口继续增长并向四周扩散,表明广州人口变动的郊区化现象明显,已呈现多中心特征,由2000年的“1个中心（人民公园）2个次中心（白云区的新景街和海珠区的凤阳街）”演变至2010年的“1个中心（人民公园）4个次中心（白云区的同德街、海珠区的凤阳街、天河区的棠下街和沙河街）”,次中心的人口集聚功能逐渐增强,对城市人口分布影响逐渐增大。     

铁大城市人口分布特点及变动趋势研究－以东京为例

地理学界一直关注对城市空间结构的解释，如城市地区居住和非居住活动的分布区位和密度，以及它们的空间联系。本文以东京为例，对特大城市的人口分布及其变动趋势作了较全面的分析，主要包括：（1）人口数量变动及其分布；（2）人口结构变动及其分布、（3）主要相关因素。     

北京都市区人口—就业分布与空间结构演化

本研究应用非参数计量方法,实证刻画北京都市区人口—就业空间分布演化,揭示在快速城市化和城市增长背景下,北京都市区空间结构特征及发展趋势。研究发现,北京都市区人口和就业分布都呈现多中心空间结构。20 世纪80 年代以来,随着人口郊区化,北京都市区人口次中心数量不断增加,并由近郊向远郊扩展,人口分布呈现明显的分散化和多中心化趋势,但人口分散的空间范围还比较有限。与人口的分散化趋势不同,2004-2008 年,北京都市区就业仍呈现向心集聚的趋势,造成远郊就业次中心的影响不断被弱化,都市区空间结构的多中心性有所降低。这说明北京都市区的单中心或强中心结构可能并未从根本上改变,且人口的分散化和就业的向心集聚导致宏观面上人口—就业的空间失衡。北京都市区多中心空间结构的形成,需要强化郊区次中心的集聚能力,同时注重人口—就业的平衡布局,这是未来北京都市区空间结构调整的重点。     

中国特大城市空间增长特征及其原因分析

1990 年以来是中国社会经济改革全面展开的阶段,城市空间增长发生了较大的变化,本文以全国52 个特大城市为样本,利用各城市1990-2008 年影像图、土地利用现状图等数据,运用空间计量、拓扑结构图示等方法对城市空间增长特征进行了分析。研究表明:1990 年以来中国特大城市空间在规模增长上表现出增长速度快且按人口规模等级顺序依次变缓,在要素增长上表现出新型化、多样化变化,在结构增长上出现带状化、多中心化转变,在形态增长上呈分散化、破碎化变化,城市空间增长方式以轴向式和跳跃式为主导,特别是2000 年以来这种变化更加明显。工业化进入中高级阶段之后的快速经济增长、快速城市化以及政府GDP导向的政绩观是导致城市空间增长上述变化的主要原因。最后文章针对中国特大城市空间增长规模过度超前、结构松散、形态破碎的问题,提出构建以规模控制、结构优化及空间紧凑性为核心的节约型城市空间增长目标。     

中国城市群空间结构的演化与影响因素——基于人口分布的形态单中心—多中心视角

城市群是未来中国城镇化的主要空间载体,研究城市群空间结构的演化特征和影响因素具有重要意义。已有文献较少从形态单中心—多中心视角研究中国城市群空间结构的演化和影响因素,而且通常采用户籍人口而非常住人口测度城市群空间结构,导致测量误差。为解决这个问题,本文采用基于人口普查的常住人口数据进行分析,并运用联合国数据对结果进行佐证。以已有文献采用客观标准界定的13个城市群为样本,使用规模-位序法则测度城市群的形态单中心—多中心程度,探究城市群的空间结构演化趋势和影响因素。结果发现,1980年代以来大多数城市群的空间结构呈现多中心化趋势;人均GDP水平的提高和人口规模的增加是导致城市群空间结构多中心化的主要原因。因此,政府对于空间结构偏多中心的城市群,应强化城市间的交通联系和政策一体化,获取更大的发展红利;对于个别处于单中心化阶段的城市群,政策导向则避免过早地多中心化。     

甘肃省区域经济非均衡性与人口空间分布研究

甘肃省各地区自然、社会、经济、文化、人口差异很大,影响经济发展和人口分布的因素也各不相同,为了分析清楚甘肃省经济发展与人口空间分布的现状,本文采用2004年最新统计数据对甘肃省经济不均衡性与人口分布的相关关系进行分析。首先通过计算基尼系数和地理联系率,分析比较了甘肃省主要经济部门与人口空间分布的集中与分散程度,然后通过计算地区综合经济指数、文化水平综合均值,分析甘肃省综合经济水平与人口发展的相关关系,从经济部门的内部组成与外部综合经济实力两个方面分析了甘肃省经济与人口分布以及综合经济水平与综合人口素质的空间关系,为甘肃省经济合理布局和适度人口政策的制定提供了参考意见,为地区经济、人口协调可持续发展提供理论基础。     

中国特大城市空间形态演变研究

以2008年全国52个百万人口以上的特大城市为样本,分析了1990-2008年中国特大城市空间形态在形状指数、空间紧凑度和空间破碎度方面的演变特征。研究表明:1)中国特大城市空间形态趋向带状特征,形状率和圆形率指数均呈下降趋势,下降幅度最大的是西北部、西部和东部地区的城市;2)空间紧凑度下降,面积-周长紧凑度和面积-轴线紧凑度指数均呈下降趋势,下降幅度最大的是西部地区的城市;3)空间破碎度趋于增强,分形维数呈上升趋势,上升幅度最大的是西南和东南部地区的城市;4)影响中国特大城市空间形态特征变化的因素主要有城市规模的扩大、新型城市空间要素的出现和城市空间结构的多中心化。     

广佛同城化地区人口空间分布演变

基于第四、五、六次全国人口普查数据,运用人口密度模型等工具对1990―2010 年广佛都市区的人口空间分布进行了研究。结果发现：广佛都市区人口空间分布可以用单中心人口密度模型进行解释;同城化地区与总体规律相比,同城化进程对边界地区有显著的提升作用,但这种提升具有主体的差异性。广州市没有主动向佛山发展的动力,而次一级的行政区域主体（佛山市）对融入广州市中心的发展则呈现较高的意愿。     

南京都市区人口空间扩张与多中心化

20世纪90年代以来,中国进入了前所未有的快速城市化阶段,大城市人口增长和空间演变剧烈,值得进行深入研究。以南京市为研究对象,先采用地理图形分析方法对都市区人口空间扩张过程进行了分析,后又采用数学模型方法对都市区人口分布多中心化趋势进行了系统研究。结果显示:在总人口持续快速增长的背景下,南京都市区人口高密度空间已延伸到近郊区,且远郊区中的区县政府驻地和一些优先开发区域的人口密度也已很高;城市人口空间分布已出现多中心化趋势,除了老城区北部的山西路已发育成除市中心新街口之外的人口次中心以外,郊区人口集聚最强的热点--河西新城区的万达广场也有望发育成另一个人口次中心。     

多中心空间结构对城市地价影响研究

城市地价的飞速上涨和成本提高,对企业选址、个人购房带来越来越重要的影响,城市多中心发展能否有效抑制地价亟待实证检验.基于2008年和2013年全国285个地级及以上城市的微观土地出让数据,分析城市空间结构对地价的影响.研究发现:①多中心空间结构能有效抑制城市过高地价,但会显著提升城市低段地价和城市整体平均地价;②城市多...     

基于多源数据的武汉市多中心空间结构识别

研究城市不同要素空间集聚水平与层级差异、明确城市各职能中心分布,对城市多中心空间结构的发展引导和规划调控具有重要意义。论文分别采用兴趣点(points of interest, POI)、夜间灯光和路网3种数据,利用局部等值线树算法,识别武汉市多中心空间结构。研究表明：① 武汉不同城市要素的总体集聚水平不均衡,其中在汉阳集聚水平较低,在汉口和武昌集聚水平较高,特别是二环以内区域;② 武汉中央活动区发展比较均衡,内部各城市要素高度集聚,随着向外扩展,部分城市要素易于在局部集聚形成城市中心;③ 结合武汉圈层发展布局,城市中心沿环线的“商-住-工”职能分布模式逐步确立,其中内环以及二环区域已形成稳定的商服中心;二环附近综合组团内部出现了较具代表性的居住中心;三环外的沌口和武钢主导发展工业,是典型的工业中心。     

中国大都市多中心空间演化过程的非均衡动态模拟

构建了一个基于垄断竞争、规模经济、空间成本、消费者多样化偏好以及商品和服务差异化的大都市多中心空间结构模型,并整合基于agent的建模,借助非均衡(out-of-equilibrium)动态模拟,探讨了人口规模和消费需求、区域间和区域内商业产品及服务的替代弹性、固定成本投入、区位和交通条件等因素的"持续"变化对的大都市空间结构演化的影响过程。模拟表明:以商业为代表的经济活动往往集聚在具有区位优势、规模经济和消费能力的大都市传统中心,而交通条件的持续改善、新兴郊区次中心与传统城市中心之间以及城区内部商业产品和服务的不断差异化对大都市的多中心空间结构有重要影响,但影响的程度不同。更重要的是,大都市的人口规模和消费能力对新兴郊区次中心的形成作用显著。     

祁连山大野口流域青海云杉种群结构和空间分布格局

青海云杉（Picea crassifolia）是祁连山亚高寒山地森林植被的建群种之一。应用“相邻格子法”获得100 m×100 m样方内所有个体的调查资料,采用种群动态和胸径、树高和冠幅级频率分布及6种聚集强度指数分析了青海云杉的种群结构和空间分布格局。结果表明：（1）青海云杉种群动态分析表明,种群表现为增长型种群。（2）青海云杉种群胸径级频率分布呈“倒J”型,胸径级随个体数的变化符合对数方程y=-219.32ln(x)+482.67(R²=0.963 8,P＜0.01),胸径分异指数为0.48,种群个体胸径差异属明显分异;树高级频率分布呈“间歇”型,不同高度级与个体数之间可用二次方程y=0.795x²-31.23x+285.1(R²=0.603,P＜0.01)进行较好的描述,树高分异指数为0.55,高度差异属明显分异;胸径和树高两者之间符合对数方程y=5.912ln(x)-4.249 3(R²=0.603,P＜0.01);冠幅级与个体数之间可用三次方程y=5.317 6x³ -91.759x²+408.88x-173.87(R²=0.8355,P＜0.01)进行很好的拟合[WTBZ],冠幅分异指数为0.53,种群个体冠幅差异亦属明显分异。总体上看,青海云杉幼苗较为丰富,天然更新能力强,目前表现为成熟稳定型种群。（3）在空间分布格局上,青海云杉种群空间分布格局呈斑块状聚集分布,其扩散系数、丛生指标、聚块性指数、平均拥挤度指数、负二项式分布参数、Cassie指标分别为1.162、2.285、0.162、85.802、1.002和0.026。在不同发育阶段的分布格局有所差异,Ⅰ级幼苗和Ⅱ级幼苗为聚集分布,小树、中树和大树为均匀分布,随着龄级的增大,种群的聚集程度减小,即由聚集分布变为均匀分布,该种群表现出明显的扩散趋势。研究结果可为青海云杉的管理和经营提供理论依据。     

基于宜出行大数据的多中心空间结构分析——以重庆主城区为例

多中心已成为中国大多数城市的空间发展战略,多中心结构的有效识别对于规划效果评价、规划策略制定具有重要意义。相比于百度热力与手机信令数据,腾讯宜出行数据具有时空分辨率高、获取成本低的优点,可精细比较城市主副中心的人口集聚能力,为多中心结构的动态识别提供新的手段。论文以重庆主城区为例,基于连续一周的宜出行热力数据,利用核密度分析等方法,识别其多中心城市结构、影响范围与组团发育情况。结果表明：作为山地城市,重庆在自然限制、经济驱动与规划引导下主动选择了“多中心、组团式”结构。重庆内环以内的各个城市中心人口高度集聚、用地规模相近、发育相对成熟,并强于内环以外的副中心。研究指出,西永、茶园副中心及外围组团的发展与人口集聚能力有待提高。     

兰州城市人口空间结构演变格局及调控路径

以街道和乡镇层面的人口统计数据为基础,综合应用ArcGIS和GS+Version7等软件对兰州市人口空间演变进行定量分析。结果表明:自1982年至2009年,兰州市人口呈逐年“向心聚集”态势,但不同阶段、不同街区人口空间增长存在显着差异;街道和乡镇人口密度差距逐年增大,高密度街区个数增多、范围扩大;距离人口高密度中心越远,人口密度的正相关性逐渐削弱,负相关性则逐渐增强,空间自相关范围不断增大;人口空间分布整体呈“东密西疏”格局,并呈现“双中心”空间结构。人口的极不均衡分布,带来了环境污染、交通拥挤、住宅紧张、就业困难等一系列问题。通过构建多中心城市结构、调整产业空间布局、平衡配置基础设施和引导人口有序流动等方面进行综合调控,不断优化人口空间分布,保障城市的可持续发展。     

北京市就业密度分布的空间特征

本文分析了2008年北京市就业密度空间分布的现状结构,并运用非参数局部回归的方法模拟了2004年和2008年北京市的就业密度陆线,进而分析北京市就业密度分布的空间特征。研究表明：从就业密度的角度,2004年～2008年间,在城市规划的引导作用下,尽管城市单中心结构仍然突出,经济空间结构已经开始出现多中心发展的雏形。其中...     

Detecting the dynamics of urban structure through spatial network analysis

Urban spatial structure in large cities is becoming ever more complex as populations grow in size, engage in more travel, and have increasing amounts of disposable income that enable them to live more diverse lifestyles. These trends have prominent and visible effects on urban activity, and cities are becoming more polycentric in their structure as new clusters and hotspots emerge and coalesce in a wider sea of urban development. Here, we apply recent methods in network science and their generalization to spatial analysis to identify the spatial structure of city hubs, centers, and borders, which are essential elements in understanding urban interactions. We use a ‘big’ data set for Singapore from the automatic smart card fare collection system, which is available for sample periods in 2010, 2011, and 2012 to show how the changing roles and influences of local areas in the overall spatial structure of urban movement can be efficiently monitored from daily transportation.

In essence, we first construct a weighted directed graph from these travel records. Each node in the graph denotes an urban area, edges denote the possibility of travel between any two areas, and the weight of edges denotes the volume of travel, which is the number of trips made. We then make use of (a) the graph properties to obtain an overall view of travel demand, (b) graph centralities for detecting urban centers and hubs, and (c) graph community structures for uncovering socioeconomic clusters defined as neighborhoods and their borders. Finally, results of this network analysis are projected back onto geographical space to reveal the spatial structure of urban movements. The revealed community structure shows a clear subdivision into different areas that separate the population’s activity space into smaller neighborhoods. The generated borders are different from existing administrative ones. By comparing the results from 3 years of data, we find that Singapore, even from such a short time series, is developing rapidly towards a polycentric urban form, where new subcenters and communities are emerging largely in line with the city’s master plan.

To summarize, our approach yields important insights into urban phenomena generated by human movements. It represents a quantitative approach to urban analysis, which explicitly identifies ongoing urban transformations.     

基于词向量数据场轨迹引力的多中心识别和空间交互分析

多中心化是分散城市人口,疏解交通拥堵,调节职住失衡,应对"大城市病"的重要手段.针对轨迹大数据,先利用词向量描述其空间特征和行为规律,再结合数据场理论表达城市区域对轨迹的吸引强度,并完成多中心识别,最后借鉴复杂网络理论对多中心空间交互规律进行探索和挖掘.结果表明:①郑州市轨迹吸引强度呈核心强、外围弱、沿线蔓延的圈层空间...