基于地理探测器的南京市住宅租金空间分异格局及驱动因素研究

以南京市“一主三副”住宅小区为研究单元,运用GIS中的渔网（Fishnet）分析和探索性空间数据分析（ESDA）对“一主三副”住宅租金的空间分布进行模拟和估计,并利用地理探测器模型从住宅小区的区位特征、建筑特征和邻里特征3个方面探究住宅租金空间分异的影响机制。结果表明：① 南京市住宅租金总体呈上升趋势,空间上表现出主城向副城递减的中心外围模式,住宅租金空间结构逐渐由单核向双核发展,且住宅租金存在显著的空间异质性;② 住宅租金呈现出明显的空间正相关性和区域集聚性,热点区自内城核心区至副城趋于弱化,冷热点空间格局呈圈层结构;③ 交通位势和中心位势是对一主三副住宅租金解释力最大的因素,商务配套、金融设施和住宅房龄的解释力次之,特征因素对主城副城租金的影响强度各异。     

江苏省商业网点的空间分布特征及其区域差异因素

以江苏省商业网点POI（兴趣点）数据为基础,结合经济社会统计数据,分别对批发零售业、住宿业和餐饮业三种业态类型,运用标准差椭圆、核密度、最近邻指数以及多元线性回归等分析方法,探讨不同发展水平、发展阶段城市商业网点的空间分布模式和业态结构特征,并揭示其区域差异的影响因素。研究发现：江苏省商业网点总体上具有西北走向分布态势,呈现相对集中分布格局,表现出在长江以南地区集聚和在地级城市中心城区密集布局的特征;不同业态类型网点空间分布具有差异,批发零售业网点的空间集聚特征最显著,住宿业网点的分布相对均衡;各市商业业态结构呈现出批发零售业和餐饮业网点数量为主,以及批发零售业销售额独大的特征;地区生产总值、人口规模、居民人均可支配收入、城市综合可达性以及第三次产业产值比重是影响商业网点分布的重要因素,不同因素对商业网点分布的影响程度差异性较大,居民消费能力和地区发展水平是江苏省商业网点分布差异的主要驱动力。     

北京市住宅价格空间分异特征及影响因素分析

住宅价格空间分异性能体现社会空间异质性,理解当前住宅价格空间格局分异特征及影响因素对北京这类超大城市进行相关规划有重要意义.利用空间插值方法分析北京二手房住宅价格空间格局,采用地理加权回归模型分析住宅价格空间分布影响因素.结果发现:北京市住宅价格的空间分布呈现圈层结构,高值区集中在四环路内,低值区集中在六环路外,但城市...     

广东区域公路网络的城市通达性度量及空间特征分析

以广东省各地级市辖区和县域中心点为公路网络节点,通过对各节点城市的中心职能强度指数分析及其相互之间在公路网络的连通关系为基础,综合应用日通达性模型、通达性度量模型和潜力模型,对广东区域通达性进行分析,并以不同指标和度量模型的广东区域通达性的空间格局和分异特征进行GIS分析。结果表明,广东省的城市通达性空间格局,总体上呈现出一种圈层空间分布结构,以广州市核心区域和佛山市中心区域(禅城区和顺德区)为中心向外辐射。其影响通达性区域差异的主要因素包括城市经济水平、交通条件和地理区位等,其中,在交通条件影响下的通达性区域差异,在空间上表现出高等级公路网络指向性。研究结果反映出广东省省域公路网络通达性的空间分异规律,诠释了城市的经济发展水平、交通条件和地理区位对通达性的综合作用,从而为广东省城镇网络体系发育、区域经济协调及珠三角产业转移规划优化提供科学支撑。     

顾及人群集聚和情绪强度的城市综合活力评价及影响因素

城市活力的科学定量评估,能够为城市规划和协调发展提供重要依据,针对城市活力容易忽略居民情感的现状,本文选用百度热力图数据与微博情感分析结果,分别衡量人群集聚强度和情绪强度,并结合TOPSIS方法,提出一种顾及人群集聚和情绪强度的综合活力评估框架。从城市物理环境、经济环境和生态环境3个维度,选择8个关键影响因子,结合地理探测器空间分析方法,探讨影响因子对城市活力空间异质性的影响。结果表明：① 融合人群集聚强度和情绪强度的综合活力评估方法,能够较好反映城市活力空间分异格局;通过对典型样本区域分析,验证了本文提出的城市综合活力评价框架的有效性;② 城市POI密度对城市综合活力的解释力最显著,而植被覆盖度因子对城市综合活力的解释力最弱;但是植被覆盖度因子与其他因子的交互作用,对于城市活力空间异质性的影响力提升最为显著,表明植被覆盖度因子并不是直接作用于城市活力的空间异质性,而是通过耦合空间可达性、POI密度以及建筑密度等影响因子,间接影响城市综合活力的空间分异。     

城市步行适宜性的综合评价及空间异质性——以广州市中心城区为例

以广州市中心城区为研究区,综合考量空间邻近性、步行便捷性、环境舒适性,选取步行指数、土地覆被指数及坡度构建步行适宜性评价模型,运用空间自相关、统计分析等方法定量分析步行适宜性的空间异质性.结果表明:广州市中心城区的步行适宜性指数介于9.36～88.56之间,区域差异明显,整体呈多中心圈层递减的格局;步行适宜性具有显著的空间自相关,在街道尺度下,步行适宜性高、低值街道在空间上趋于集聚,热点与冷点区域分别为新、旧城市中轴线所在区域;人口密度与步行适宜性的空间相关性显著,但在旧城区中仍存在两个高-低聚类街道,应重点对此类区域的步行适宜性进行精细化提升.     

实体-信息与场景-符号视角下的奶茶消费空间分布特征及影响因素

数字经济时代，实体空间与信息空间融合叠加、场景消费与符号消费共同作用的新零售消费空间对城市空间发展的影响不断扩大。以西安市新零售奶茶消费空间为研究对象，通过空间句法模型分析奶茶消费空间分布特征，构建门槛回归、多尺度地理加权回归模型对奶茶消费空间分布影响因素进行解析。研究发现：(1)新零售奶茶消费空间区位选择对市场信息高度敏感并能够回应空间调控决策，传统零售业区位论中涉及的消费市场、空间接近性、地价、同行业发展等因素仍对新零售奶茶消费空间分布产生显著影响，但实体与信息在新零售奶茶消费空间中存在尺度博弈，信息作用随着尺度的扩大而更加明显；(2)新零售奶茶消费空间分布中蕴含着品牌社群组织行为特征，消费社群的消费主体性增强，不同品牌新零售奶茶消费空间通过多种方式促进消费社群成长；(3)社会文化感知在实体与信息消费空间中均存在价格门槛效应。低价位消费空间场景与符号价值作用机制中信息流与物质流之间相互排斥，文化扩散依靠场景与符号密度、传播速度与频次。高价位消费空间场景与符号价值作用机制中信息流与物质流相互促进，文化扩散依靠场景与符号影响力和传播距离。(4)空间句法模型模拟了实体消费的信息空间延展，...     

基于多源数据的特大城市空间结构识别及空间形态研究

城市空间结构识别是城市规划和城市资源空间优化的一项重要手段和基础性工作,通过多要素集聚规律反映的城市空间形态还需进一步深入理解。利用人口密度、关注点和夜间灯光数据等多源数据,通过叠加分析、局部等值线树算法来识别北京、上海、广州和深圳的城市空间结构,探讨不同城市要素的空间集聚形态,利用多项指标衡量城市中心和新城的城市空间形态发展,旨在将不同的城市空间结构进行对比。结果表明:①通过空间要素的集散形态分析,北京、上海和广州仍是以主城区为主导的城市空间结构,深圳外围城区的组团结构得到明显发育,呈现多中心主导的模式。②广州城市中心发展相对均衡,紧凑度高;深圳城市中心发展出现明显差异化,城市中心向西扩张,导致紧凑度降低。③各城市的新城均衡度均较高,各城市内部中心之间的要素集聚水平差异小。延伸度大于2的新城空间形态有显著的城市中心指向性,多数新城的延伸方向依附于道路或城市轨道交通发展。④自然条件和交通网络均是影响城市空间形态的重要因素。     

基于Voronoi图的高密度城区停车场空间布局分析——以广州市海珠区为例

停车场是高密度城区基础设施的重要组成部分,对人口、道路、建筑等具有一定空间依赖,并形成其特定的分布规律。本文以广州市海珠区为例,运用Voronoi图对高密度城区停车场空间布局特征和空间聚集度与其影响因子的空间自相关性进行了GIS系统分析。通过研究区内及各街道区域内建立停车场Voronoi多边形,计算CV值、聚类指数及停车场聚集度。分析表明:(1)在高密度城区内,全区范围及各街道区域内停车场有集聚布局的趋势。集聚核出现在西北面江南大道商业圈和北面广州新中轴线贯穿的海珠区中心区段,高密度城区停车场有围绕商圈、中心发展区等高密度城区特征,突出区域集聚的趋势。(2)人口密度、道路密度、建筑密度等因子在全局及局部上影响着停车场的空间布局,而人口密度的影响最明显。(3)高密度城市化发展水平越高,各影响因子对停车场的密度与集聚程度影响越显著。     

深圳市都市型滨水空间活力影响因素分析

城市滨水空间作为重要的城市公共空间,是体现城市活力与形象的重要载体。然而,目前研究主要侧重于单一类型的滨水空间活力的影响因素研究,缺乏对不同类型滨水空间活力的差异影响因素及各影响因素间的交互作用研究,难以对城市不同类型滨水空间的精细化管理提供指导。基于此现状,本文拟以深圳市为例,以百度热力图人口数据作为滨水空间活力的表征,整合多源地理数据,利用地理探测器模型,探寻不同类型下滨水建成环境与活力之间的交互关系,结合地理加权回归分析进一步识别活力的驱动因素。研究结果表明：(1)各类滨水空间活力驱动因素存在较大差异,滨河空间中区位及可达性因子为主要驱动因子,q值高达0.757、0.720,滨湖空间区位、人口密度、滨水绿地率以及交通可达性因子活力的解释力更强,其中区位q值为0.807,海滨空间活力的驱动因子包括：区位、道路可达性以及建筑与水面的高宽比因子,q值分别为0.774、0.694和0.499;(2)任意2个影响因子共同作用的解释力并非均大于单独作用结果,与以往研究不同,研究显示功能混合度因子及滨水绿地率因子与其他因子的交互作用,对于滨水空间影响力提升最为显著;(3)活力影响因素空间差异大...     

基于DBSCAN算法的北京市顺丰快递服务设施集群识别与空间特征分析

电子商务跨越式发展为快递物流行业注入了新鲜血液促使国民经济达到新的增站点,服务网点作为连接快递企业和用户之间的桥梁纽带,逐渐成为城市地理和物流地理的重要研究对象。本文以北京市顺丰快递服务网点为研究对象,首次将DBSCAN聚类算法和无人值守的智能快递柜引入城市物流快递行业研究中,综合使用核密度分析、Ripley's K函数等空间点模式分析方法,定量对比分析有人值守的合作网点和无人值守的智能快递柜两类顺丰快递服务网点的空间布局、集聚特征及影响因素。结果表明：① 基于密度的DBSCAN聚类算法能够快速有效地识别出任意形状的快递服务网点集群,算法识别出24个智能快递柜集群,14个合作网点集群;② 顺丰快递服务网点高密度区主要集中在人口密度大、经济繁华、交通便利的居住区和包含热门商圈的职住区附近,如双井、金融街、三里屯、学院路等;③ 合作网点和智能快递柜两类服务网点均呈集聚性分布,但集聚规模各不相同,具体表现为快递柜集聚规模明显大于合作网点,而集聚强度却小于合作网点;④ 智能快递柜集群密度大,服务半径小,更倾向服务于步行可达范围内的居住小区;合作网点集群密度小,服务半径大,服务对象随服务半径扩展至周边各大职区,对交通可达性的要求更高。⑤ 顺丰快递服务网点布局是地区经济水平、人口规模、交通状况、土地利用类型及城市功能区定位等多种因素综合作用的结果。     

深圳市快递自提点的空间分布特征与影响因素

随着信息技术的发展,电子商务的盛行推动着快递行业的迅猛发展,快递自提点成为人们日常生活的重要场所,从而成为城市地理与物流地理的重要研究对象。本文基于2018年4月深圳市菜鸟驿站和中国邮政速递物流站点的POI数据,综合运用文本分析、数理统计、空间分析方法,解析深圳市快递自提点的空间分布特征和影响因素。研究发现：① 快递自提点依托类型多样：由市场主导的菜鸟驿站主要依托专业的快递公司、便利店等;由政府主导的邮政站点一般设于中国邮政的分支服务网点;② 快递自提点服务对象种类繁多,二者都主要以服务社区为主,企业、工业园、酒店等为辅;③ 快递自提点的区位选择一般靠近服务对象的出入口,80%的快递自提点分布在距其最近出入口200 m范围内,邮政站点更接近服务对象;④ 快递自提点的空间分布不均衡,呈现“中西部多,东部少”的特点,沿“东-西”走向集聚分布,为多核集聚模式;⑤ 快递自提点的空间格局是区域经济发展水平、人口分布、交通便捷程度、土地利用类型等多因素综合作用的结果,最后探索了快递自提点选址与分布的综合影响机制。     

Travel Behaviours of Sharing Bicycles in the Central Urban Area Based on Geographically Weighted Regression: The Case of Guangzhou,China

Mobile information and communication technologies(MICTs) have fully penetrated everyday life in smart societies;this has greatly compressed time, space, and distance, and consequently, reshaped residents’ travel behaviour patterns. As a new mode of shared mobility, the sharing bicycle offers a variety of options for the daily travel of urban residents. Extant studies have mainly examined the travel characteristics and influencing factors of public bicycles with piles, while the travel patterns for sharing bicycles and their driving mechanisms have been largely ignored. Using one week’s travel data for Mobike, this study investigated the spatial and temporal distribution patterns of sharing bicycle travel behaviours in the central urban area of Guangzhou, China;furthermore, it identified the influences of built environment density factors on sharing bicycle travel behaviours based on the geographically weighted regression method. Obvious morning and evening peaks were observed in the sharing bicycle travel patterns for both weekdays and weekends. The old urban area, which had a high degree of mixed function, dense road networks, and cycling-friendly built environments, was the main travel area that attracted sharing bicycles on both weekdays and weekends. Furthermore, factors including the point of interest(POI) for the density of public transport stations, the functional mixing degree, and the density of residential POIs significantly affected residents’ travel behaviours. These findings could enrich discourse regarding shared mobility with a Chinese case characterised by rapidly developing MICTs and also provide references to local authorities for improving slow traffic environments.     

基于夜光遥感与POI数据空间耦合关系的南海港口城市空间结构研究

南海港口城市研究是南海资源环境监测的重要内容,目前对于南海港口城市空间结构特别是港口在城市空间结构中的地位缺乏研究。夜光遥感数据和POI数据均为城市空间结构研究的重要数据源,但对于2种数据的空间耦合关系与集成应用研究存在不足。针对上述问题,本文选取南海港口城市典型代表的三亚市为研究区,以研究区2016年NPP-VIIRS夜光遥感数据和POI数据为数据源,利用叠加分析将夜光遥感数据和POI核密度分析结果数据分别网格化。然后,利用双因素组合制图法对两种数据的空间耦合关系进行可视化,分析空间耦合关系相异区域和城市空间结构的关系,并在此基础上探讨港口在三亚城市结构中的地位。研究表明,三亚市夜光遥感和POI数据的空间分布总体趋势相一致,空间耦合关系相近的区域占比达85.6%;夜光遥感和POI数据空间耦合关系在三亚市内存在一定量的相异区域,如新城区、经济开发区、城市边缘区和乡镇中心等,结合2种数据的特点可以更显著地表征这些区域的城市空间结构特征;三亚市作为重要的南海港口城市,其城市的中心区域与港口密切关联。本研究为港口城市空间结构研究提供了新视角。     

城市KTV娱乐休闲场所空间分布及扩散规律研究

随着服务业的发展和文化产业的不断推进,城市文化娱乐休闲服务业成为城市经济和社会发展的重要标志和推动力。本文以地理空间实体数据和商业统计数据为基础,以GIS 的空间数据可视化和统计分析方法,研究典型城市娱乐休闲服务业KTV在中国大陆地区的行业发展、空间分布及空间扩散特征。研究表明,KTV在全国发展迅速、分布广泛,在宏、中、微观的全国、省域和市域尺度下,其空间分布分别表现出空间区域分异、等级差异、面状均衡和中心集聚等特征,并与区域经济、人口、文化等因素有一定的相关性。各种类型KTV在空间扩散上具有由东向西,由中心向周边扩散的特点,其中连锁类KTV扩散具有社会经济现象地理扩散规律,主要表现为空间等级扩散和接触扩散特征。     

商圈功能多样性对其活力的影响研究

探究功能多样性如何影响商圈活力,可为城市用地功能结构优化调整和商圈功能改造提供理论支撑,进而促进城市混合功能有序开发、提升城市活力.已有关于功能多样性与活力的研究,大多集中在城市、街道活力等方面,对于商圈活力研究很少涉及,且大多利用单一的熵指数反映功能多样性.在利用夜光数据对活力的研究中,大多选取城市或更大区域尺度作为...     

Modeling of spatial distributions of farmland density and its temporal change using geographically weighted regression model

This study used spatial autoregression（SAR） model and geographically weighted regression（GWR） model to model the spatial patterns of farmland density and its temporal change in Gucheng County,Hubei Province,China in 1999 and 2009,and discussed the difference between global and local spatial autocorrelations in terms of spatial heterogeneity and non-stationarity. Results showed that strong spatial positive correlations existed in the spatial distributions of farmland density,its temporal change and the driving factors,and the coefficients of spatial autocorrelations decreased as the spatial lag distance increased. SAR models revealed the global spatial relations between dependent and independent variables,while the GWR model showed the spatially varying fitting degree and local weighting coefficients of driving factors and farmland indices（i.e.,farmland density and temporal change）. The GWR model has smooth process when constructing the farmland spatial model. The coefficients of GWR model can show the accurate influence degrees of different driving factors on the farmland at different geographical locations. The performance indices of GWR model showed that GWR model produced more accurate simulation results than other models at different times,and the improvement precision of GWR model was obvious. The global and local farmland models used in this study showed different characteristics in the spatial distributions of farmland indices at different scales,which may provide the theoretical basis for farmland protection from the influence of different driving factors.