基于POI数据的成都市区生活设施空间格局分析 | ![]() |
城市生活设施兴趣点(point of interest, POI)是从空间角度描述城市中各类功能设施(商店、银行、学校、写字楼等)的代表,是真实地理实体的点状地理空间数据,它包含经纬度等点位信息、地址类别等属性描述信息,具有覆盖范围广、数据量大、获取方便、时效性强、精度高等特点[1]。当前,POI数据被广泛应用于城市规划、商业选址、居民时空行为研究等[2]。Hollenstein等[3]基于Flikr定位POI数据识别了芝加哥都市中心边界;Kwan等[4]利用居民活动点数据进行了居民活动密度、分布情况时空变化模拟;池娇等[5]基于武汉市的51万条POI数据进行了武汉城市功能区的定量识别和可视化;陈蔚珊等[6]基于POI数据对广州零售商业中心热点进行了识别并分析了其聚集特征;郭洁等[7]基于点模式分析,通过POI数据识别了北京城市主次中心并分析了就业中心对不同产业的聚集作用。通过POI数据分析城市生活设施空间分布及配套情况,可以摆脱传统基于统计资料的时间滞后性,还可以基于多类型设施多时段动态监测城市发展。
本文基于成都市三环路内高德地图POI数据,利用核密度分析、Getis-OrdGi*统计指数分析了成都市三环内餐饮购物、休闲娱乐、商务办公、金融服务、医疗教育等5类生活设施兴趣点的空间分布格局及其聚集的热点区域,并对五类生活设施兴趣点进行了相关性分析,通过改进的CRITIC权重赋值法加权叠加分析了5类生活设施配套的完善程度。通过对成都城市核心区域进行生活设施点的空间格局分析及配套完善程度评价,有助于理清成都生活设施配套分布机理,对成都城市发展规划、生活设施完善、提升居民生活品质具有积极的理论和实践意义。
1 数据来源与研究方法 1.1 研究区概况与数据来源本文研究区为成都三环路城区范围,包括青羊区、金牛区、成华区、锦江区、武侯区共5大中心城区的部分区域,也是成都城市的核心区域。研究数据是以(30°37′22″N,103°57′50″E)至(30°42′47″N,104°11′01″E)的矩形范围抓取于高德地图2016年11月份的POI数据,主要覆盖成都三环区域,每条数据均包含名称、经度、纬度、所属类别、行政区划位置等属性信息。数据经过去重、筛选后共计288 053条,参考张玲[8]POI分类标准,分为餐饮购物、休闲娱乐、医疗教育、金融服务、商务办公等5大类别(表 1)。商务办公类设施严格意义上不属于生活设施,但参考《城市居住区规划设计规范》,商务办公设施能反映居民就业的主要场所分布,是分析城市生活配套设施完善程度的重要参考,所以本文将商务办公类设施一并加入生活设施中进行分析。高德地图POI数据属火星坐标系,通过坐标纠偏后转换为WGS-84坐标系。地图POI数据是地理实体在地图上的抽象表示,可以描述地理实体间的相对位置,因而利用POI数据对地理实体的空间分布格局进行分析是可行且科学的[9]。
表 1 各类设施兴趣点分类详情表 Tab.1 Classification Table of Interest Points in Different Facilities |
![]() |
1.2 研究方法
1) 核密度法。核密度法顾及了设施点对其周围位置服务影响的距离衰减作用,其密度估计值随地物中心辐射距离的增大而逐渐变小,可以对空间点数据的分布进行连续模拟[10]。格网的核密度值的大小可以反映空间点位的密集程度,所以核密度法被广泛应用于POI数据的可视化和热点探测[11]。
2) Getis-OrdGi*指数。Getis-OrdGi*指数是探测空间点位局部空间自相关的指数之一,用于评价点位在局部空间水平上的聚集程度,以识别具有统计显著性的空间聚集热点和冷点区域[12]。本文用Getis-OrdGi*指数来分析各类设施兴趣点聚集的热点区域的分布情况。
3) 标准差椭圆。标准差椭圆的分布可以度量设施点的空间分布重心和发展方向,标准差椭圆的面积大小可以反映设施点的离散程度[13],本文通过标准差椭圆来比较不同类型设施点的分布重心和发展方向。该方法以地理要素空间分布的重心为中心,分别计算其在X和Y方向上的标准差,以确定其长轴和短轴。
4) 相关性分析。通过相关性分析度量各类型设施点的空间分布相关程度,各归一化的核密度图层的协方差和标准差的比值即为相关系数,对核密度图层归一化处理可消除各类型POI数量差异导致的密度差异。
5) 改进的CRITIC方法。CRITIC方法是以特征间的冲突性和特征内部数据的离散程度来衡量整体特征的客观权重赋值法[14-16]。本文参考孙宗耀等[17]改进的CRITIC方法,用平均数和相关系数计算各类设施兴趣点的权重值,归一化的核密度图像像元均值体现不同设施的整体分布密度,相关系数体现不同设施间的相关程度。
2 设施兴趣点的空间分布运用核密度法对研究区POI数据进行可视化分析,参考Steiner以500 m作为阈值研究人们在城市空间活动的范围[18],以50 m为单元格网大小,以500 m作为各类型POI数据核密度分析的搜索半径。所得各类型POI的空间分布情况如图 1所示。
![]() |
图 1 各设施兴趣点空间分布核密度图 Fig.1 Spatial Distribution Density of Each Facility |
从图 1中可以看出,各类生活设施均以天府广场为核心沿四周呈多密度点辐射分布,餐饮购物、休闲娱乐以及医疗教育类设施分布的高密度区域最多、范围也最广;商务办公和金融服务主要以天府广场为中心沿南北中心线多密度点间隔分布。
餐饮购物类设施分布有两大高密度区域,分别为天府广场-春熙路片区和火车北站-荷花池片区;其余密度中心为宽窄巷子、文殊院、新南门、锦里、望江楼公园、锦官新城、川藏立交、青羊宫、百花潭公园等区域。整体上,餐饮购物类在整个二环线以内分布范围广、密度高,商业集中区域分布多且广泛。休闲娱乐类设施以天府广场-春熙路片区为分布核心,以此环绕形成的次密度区域在二环路内分布十分广泛;其主要密度中心有:营门口-一品天下片区、磨子桥、宽窄巷子、文殊院、锦里、新华公园-东郊记忆片区。商务办公类分布主要表现为多个核心区域:天府广场四周区域、春熙路、大慈寺路、水碾河路、领事馆路、科园大道以及茶店子路,其余部分分布较为零散。金融服务类高密度区域主要以骡马市-天府广场-春熙路最为集中,其余中心区域为人南立交-桐梓林、天府立交南侧。医疗教育类主要在一环内聚集效应明显,其他区域分布较为均匀。
2.1 各设施兴趣点分布的热点区域和分布重心通过Getis-OrdGi*指数对各类设施兴趣点空间分布的热点区域进行识别,Gi*值是统计意义上的Z得分,在进行要素分布热点/冷点区域探测时,通常选取Z得分大于1.96(置信度为95%)的区域为要素点聚集的热点区域。由此所得各类设施兴趣点空间分布热点区域如图 2所示。
![]() |
图 2 各设施兴趣点分布的热点区域和标准差椭圆 Fig.2 Distribution of Hot Spot & Standard Deviational Ellipse of Each Facility |
5类生活设施兴趣点分布的热点区域均包括天府广场-春熙路片区;餐饮购物类和休闲娱乐类热点区域分布最广,呈现成片聚集、多中心分布、多主干发展的分布格局;商务办公类、金融服务类、医疗教育类热点区域呈现高度集中的空间格局,在热点区域外分布均匀,没有出现明显的冷点聚集区域。
餐饮购物类设施的热点区域较休闲娱乐类设施更发散,热点中心区域更多、范围更广。商务办公和金融服务类向城南发展态势明显,两者分布相关性高、热点区域多处重合。商务办公的热点区域主要为:以天府广场为中心的一环中心城区、人民南路沿线区域、抚琴街道片区、九里堤街道片区、红牌楼-永丰立交片区、高新-金融城片区;金融服务类设施主要有3大热点区域:天府广场-春熙路片区、人南立交-领事馆路片区、高新-金融城片区。医疗教育类的热点区域主要为一环内中心城区。根据5类生活设施兴趣点空间分布状况绘制包含68%兴趣点的标准差椭圆,如图 2(f)所示,5类设施的标准差椭圆覆盖范围相差不大,整体涵盖整个一环区域,表明该部分是成都城市的心脏地带;各类设施的标准差椭圆重心均处于天府广场范围,长短半轴长度接近、长半轴轴向方位基本一致,表明5大类设施在一环内分布重心基本相同、发展态势大致相同。
2.2 各设施兴趣点空间相关性分析及配套情况评价 2.2.1 各设施兴趣点空间相关分析对归一化的各设施核密度图像进行相关分析,如表 2所示。
表 2 各设施兴趣点空间相关系数矩阵 Tab.2 Spatial Correlation Coefficient Matrix of Interest Points in Different Facilities |
![]() |
通过空间相关系数矩阵可以看出,各类设施的空间相关性非常高,餐饮购物和休闲娱乐类设施的空间相关性最高,达到0.910 1;医疗教育和休闲娱乐类设施的空间相关性为0.834 56;金融服务和商务办公的相关系数为0.796 99。一般而言,空间要素的分布受到其同类或其他要素分布的影响,设施点越密集、相互融合程度越高,空间相关性就越强,说明研究区内各类设施的配套情况较为完善,城市化水平高,空间依赖特征明显。
2.2.2 各设施配套完善程度评价用归一化的各设施核密度图像密度均值和各设施空间分布相关系数,参照改进的CRITIC权重赋值法得到各设施兴趣点配套权重值,餐饮购物为0.283 5;休闲娱乐为0.267 6;商务办公为0.116 8;医疗教育为0.209 9;金融服务为0.132 2。
各设施空间配套权重值大小:餐饮购物>休闲娱乐>医疗教育>金融服务>商务办公,符合各类设施在日常生活中需求大小比重的客观实际。对归一化的各设施核密度图像按权重叠加分析,按照自然间断点分级法分类显示,得到如图 3所示,各类生活设施空间配套完善程度评价图(仅对三环路内区域而言)。
![]() |
图 3 成都三环路内各类生活设施空间配套完善程度评价图 Fig.3 Evaluation of All Kinds of Living Facilities in Space Matching Condition within the Third Ring Road in Chengdu |
由图 3可以看出,餐饮购物、休闲娱乐、商务办公、医疗教育、金融服务等5类生活设施配套以天府广场及其周边区域最为完善,呈现以天府广场为中心沿四周多极辐射、连片蔓延的空间形态。
整体以一环、二环、三环梯度化由强至弱,一环、二环整体配套完善程度高,核心集群多且分布广;三环主要呈现多点位分布、成块扩散的趋势,虽然没有较为突出的分布集群,但整体水平不低。配套完善程度高的区域大都沿交通主干线布局,除一环内核心区域外,很多独立集群依托地铁站发展,如倪家桥、桐梓林、高新、牛王庙、牛市口、红牌楼、双桥路、一品天下等地铁站点周围形成了很多配套完善度较高的独立集群。此外,还有很多独立集群分布在车站和大型交通枢纽周围,如茶店子客运站、成都东客站、成渝立交、营门口立交、草金立交、成彭立交、苏坡立交、天府立交辐射范围内均存在大片高完善度的配套集群。
3 结束语基于高德地图POI数据对成都市三环区域内5类生活设施兴趣点空间分布及配套情况进行了分析。各类生活设施均以天府广场-春熙路片区为分布热点区域沿四周呈多密度点辐射分布;餐饮购物类和休闲娱乐类热点区域分布最广,呈现成片聚集、多中心分布、多主干发展的分布格局;商务办公类、金融服务类、医疗教育类热点区域呈现高度集中的空间格局,在热点区域外分布均匀,没有出现明显的冷点聚集区域。研究区内各类设施的空间相关性非常高,相互融合程度高,配套情况较为完善,城市化水平高;设施配套以天府广场及其周边区域最为完善,呈现以天府广场为中心沿四周多极辐射连片蔓延的空间形态;配套完善程度高的区域大都沿交通主干线布局,很多独立集群依托地铁站、车站和大型交通枢纽发展。
本文基于POI数据的城市生活设施配套分析方法在一定程度上可为将来进行城市发展规划提供借鉴,对城市功能区选址、生活设施完善、提升居民生活品质具有积极的实践意义。由于地理实体的属性特征,如建筑物体量、楼龄、道路等级、交通状况等信息POI数据无法表现,所以基于道路交通数据、建筑设施数据、土地利用现状数据、POI数据等多源数据融合的城市生活设施配套评价体系是未来研究的重要方向。
[1] |
邓鹏, 李霖, 陈功, 等. 基于用户情境的POI个性化推荐模型[J]. 测绘地理信息, 2015, 40(3): 52-56. |
[2] |
陈晨, 王法辉, 修春亮. 长春市商业网点空间分布与交通网络中心性关系研究[J]. 经济地理, 2013(10): 40-47. DOI:10.3969/j.issn.1000-8462.2013.10.007 |
[3] |
Hollenstein L, Purves R. Exploring Place Through User-Generated Content: Using Flickr to Describe City Cores[J]. Journal of Spatial Information Science (JOSIS), 2010(1): 21-48. |
[4] |
Kwan M P. GIS Methods in Time-Geographic Research: Geocomputation and Geovisualization of Human Activity Patterns[J]. Geografiska Annaler (Series B: Human Geography), 2004, 86(4): 267-280. DOI:10.1111/j.0435-3684.2004.00167.x |
[5] |
池娇, 焦利民, 董婷, 等. 基于POI数据的城市功能区定量识别及其可视化[J]. 测绘地理信息, 2016, 41(2): 68-73. |
[6] |
陈蔚珊, 柳林, 梁育填. 基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J]. 地理研究, 2016(4): 703-716. |
[7] |
郭洁, 吕永强, 沈体雁. 基于点模式分析的城市空间结构研究——以北京都市区为例[J]. 经济地理, 2015(8): 68-74. |
[8] |
张玲. POI的分类标准研究[J]. 测绘通报, 2012(10): 82-84. |
[9] |
吴康敏, 张虹鸥, 王洋, 等. 广州市多类型商业中心识别与空间模式[J]. 地理科学进展, 2016(8): 963-974. |
[10] |
禹文豪, 艾廷华, 杨敏, 等. 利用核密度与空间自相关进行城市设施兴趣点分布热点探测[J]. 武汉大学学报·信息科学版, 2016, 41(2): 221-227. |
[11] |
禹文豪, 艾廷华. 核密度估计法支持下的网络空间POI点可视化与分析[J]. 测绘学报, 2015, 44(1): 82-90. |
[12] |
赵阳阳, 刘纪平, 仇阿根, 等. 哈尔滨市辖区生产型服务业空间分布模式研究[J]. 测绘科学, 2016, 41(5): 78-82. |
[13] |
高长春, 刘贤赵, 李朝奎, 等. 近20年来中国能源消费碳排放时空格局动态[J]. 地理科学进展, 2016, 35(6): 747-757. |
[14] |
Diakoulaki D, Mavrotas G, Papayannakis L. Determining Objective Weights in Multiple Criteria Problems: The CRITIC Method[J]. Computers & Operations Research, 1995, 22(7): 763-770. |
[15] |
漆艳茹.确定指标权重的方法及应用研究[D].沈阳: 东北大学, 2010 http://cdmd.cnki.com.cn/Article/CDMD-10145-1013116923.htm
|
[16] |
王昆, 宋海洲. 三种客观权重赋权法的比较分析[J]. 技术经济与管理研究, 2003(6): 48-49. DOI:10.3969/j.issn.1004-292X.2003.06.022 |
[17] |
孙宗耀, 翟秀娟, 孙希华, 等. 基于POI数据的生活设施空间分布及配套情况研究——以济南市内五区为例[J]. 地理信息世界, 2017(1): 65-70. DOI:10.3969/j.issn.1672-1586.2017.01.013 |
[18] |
Steiner R L. Traditional Shopping Centers[R]. University of California Transportation Center Working Papers, California, USA, 1998
|