POI大数据背景下的城市高校集聚区功能识别研究-以长沙岳麓区为例.docxVIP

? ? POI大数据背景下的城市高校集聚区功能识别研究* 以长沙岳麓区为例 ? ? 文/湖南大学建筑与规划学院 何韶瑶 朱俊霖 0 引言 20世纪中期，我国城市功能区识别主要采用专家评分、调研统计等定性研究方法，通过权威专家打分和统计研究区域内各产业占比等基本信息进行城市功能区识别，体现出较强的主观性。随着遥感技术兴起，城市功能区识别由定性研究转向定量研究，人们可快速提取城市用地的自然属性信息，开始重视生态功能分区研究，苗李莉等[1]运用遥感、基础地理、野外实测和社会统计等多源数据，分别对北京湿地的功能类别进行评价；王传辉等[2]通过遥感数据对研究区域土地利用信息进行提取，得出巢湖流域生态功能分区方案。但遥感技术在城市功能区识别研究中有一定缺陷，未能精确捕捉社会经济属性信息。 2012年，“大数据”一词在建筑、规划等行业越来越多被提及，国内许多学者利用POI、OSM、GPS等大数据探讨城市功能区的识别方法。目前，基于POI大数据的城市功能区识别主要以OSM城市路网和GIS空间网格为主，丁彦文等[3]以南京市中心城区为研究对象，基于核密度估计算法提出融合OSM路网与POI数据的城市功能区识别方法；骆少华等[4]将北京西城区分割为25m×25m及50m×50m的空间格网，采用样方密度法和频数密度、类型比例2个指标对研究区域进行功能识别。 本文以长沙市岳麓区为例，对其POI数据进行加权赋值，采用GIS空间格网的方法，通过核密度估计识别长沙市岳麓区功能分布，并通过频数密度、类型比例2个指标识别长沙市岳麓区功能分区，通过将识别结果与规划图、现状街景图进行对比，验证其精确度。 1 研究区域及数据处理 1.1 研究区域 长沙市是我国长江中游地区的中心城市，湘江从中穿过，将长沙市一分为二。本文的研究区域位于湘江西部，总面积约154.31km2。研究范围划分来自长沙市岳麓区老版行政界限，整个区域处于《长沙市城市总体规划（2003—2020年）》中心城区范围，为长沙市东西发展轴线的副中心，主要承担综合服务、旅游度假、科研文化、技术研发等功能，为城市高校集聚区。因此，本文选择该区域作为研究对象（见图1）。结合本文研究区域与实际情况，采用250m×250m的正方形方格作为基本研究单元，研究区域单元共计2469个。考虑到POI数据中无水域数据，但研究区内河流、湖泊等水域面积较大，应提前提取出水域以减少误差，共划出水域159个。 图1 研究区范围选取 1.2 数据处理 1.2.1 数据来源与分类 研究使用的POI数据来自2020年高德地图，共13个分类，总计约4.4万条，包括住宅（2100+），政府（1100+），教育（3000+），体育（1400+），医疗（1400+），餐饮（9800+），购物（12500+），金融（730+），公司（4300+），娱乐（6400+），工业（200+），交通设施（800+），公园广场（400+）。本文参考池娇等[5]采用的POI分类方法，基于GB 50137—2011《城市用地分类与规划建设用地标准》[6]，将所获取的POI数据分为居住用地（R）、公共管理与公共服务设施用地（A）、商业服务业设施用地（B）、工业用地（M）、道路与交通设施用地（S）、绿地与广场用地（G）六大类（见表1）。 表1 POI数据分类细则 研究选取建筑一般面积、公众认知度作为POI数据的权重因子，通过文献阅读及对比遥感图像确定各类POI点的一般面积评分（见表2）；参考赵卫锋等[7]构建的POI显著度度量模型及薛冰等[8]建立的公众认知度表格，确定本文各类POI数据公众认知度（见表3）；并借鉴李强等[9]的权重比例研究，将本文权重比例设为5:5。通过计算得出不同大类POI权重占比：居住用地（R）15，公共管理与公共服务设施用地（A）30，商业服务业设施用地（B）5，工业用地（M）50，道路与交通设施用地（S）15，绿地与广场用地（G）100。 表2 一般面积评分 表3 公众认知度 2 研究方法 2.1 核密度估计 核密度估计是点模式分析中最常用也最有效的方法之一，该方法的计算结果表现出距离核心越近的区域所受中心辐射值越大的特征[10]，即离核心越近的位置获得的权重越高，体现中心强度随距离衰减的特点，计算公 式如下： 2.2 分区识别法 利用频数密度fi和类型比例Ci两个指标识别单元格功能区，计算公式如下： 式中：i表示POI类型；ni表示单元格内第i种类型POI数量；Ni表示第i种类型POI总数；Fi表示单元格内第i种类型POI占该类型POI总数的比值；Ci表示第i种类型POI的频数密度占单元格内所有类型POI频数密度的比值。在识别城市功能分区时，若单元格某一类POI数据的Ci大于50%，则为该类型单一功能用地；若单元格所有POI类型的Ci