我国大量城市在其规划中均提出多中心的空间发展战略,但多中心结构演变是否达到规划预期,能否通过有效途径识别多中心结构和功能,成为目前学术界研究的热点。相比于人口、用地、产业等传统调查和识别方法,城市大数据的出现为多中心识别...我国大量城市在其规划中均提出多中心的空间发展战略,但多中心结构演变是否达到规划预期,能否通过有效途径识别多中心结构和功能,成为目前学术界研究的热点。相比于人口、用地、产业等传统调查和识别方法,城市大数据的出现为多中心识别提供了契机,尤其是基于POI(Point of Interest)大数据的分析比传统方法更加准确高效。论文以重庆主城区40余万条POI数据为基础,利用核密度分析、自然断点法和邻近分析等方法,根据整体及不同类型POI数据的空间分布特征与聚集程度,识别城市总体及不同职能的多中心结构及其影响范围。结果表明:重庆作为山地城市,在自然约束和规划引导下,呈现出明显的"多中心、组团式"结构。不同职能类型的城市中心也呈现明显的多中心分布特征。重庆的主副中心在内环以内集聚,但不同中心的发育程度及其空间聚集度差异显著。外围新兴的西永、茶园等副中心发展相对滞后,城市要素集聚功能有待加强。展开更多
随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,...随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,识别城市功能区,并结合出租车轨迹数据进行时空挖掘,定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。以北京市五环内主城区为例进行分析,可得：（1）该方法可以识别典型功能区西单、国贸、中关村是以商业为主的混合城市功能区,望京是以居住为主的混合功能区,且居民通勤出行特征明显;（2）国贸对自身的引力较强（39.4%）,说明国贸区域城市功能更加齐全;（3）典型功能区对居民出行距离范围内的区域吸引力随着距离的增加而减弱,符合经验认知和地理空间衰减规律。结果表明,利用POI和移动大数据采用重尾打断分类法和核密度聚类法进行城市功能区识别与分析是可行和有效的。展开更多
兴趣点(Point of Interest,POI)数据的兴起带动了城市研究的革新。为梳理中国POI数据在城市研究的应用进展,阶段性总结其应用方向、数据分析方法及尚存不足,并为未来POI数据在中国城市发展中的应用提供思路和借鉴。应用CiteSpace工具对...兴趣点(Point of Interest,POI)数据的兴起带动了城市研究的革新。为梳理中国POI数据在城市研究的应用进展,阶段性总结其应用方向、数据分析方法及尚存不足,并为未来POI数据在中国城市发展中的应用提供思路和借鉴。应用CiteSpace工具对中国知网2010—2019年625篇相关文献进行知识图谱分析,结合分析结果对POI数据应用方向和数据分析方法进行梳理总结。结果表明:时间上,国内应用POI数据进行城市研究的文献在2013年后大量涌现,2017年呈现爆发式增长;应用上,主要用于城市功能区划分、城市中心区和边界识别、查明业态集聚分布以及兴趣点推荐4个方面;方法上,常用的有核密度分析、DBSCAN聚类分析和空间自相关分析3类。研究表明,POI地理大数据是一种研究城市发展的有效数据,有助于研究者深入了解城市的空间结构、分布格局和发展规律,未来可进一步与机器学习等算法结合,为城市外部扩张和内部功能结构调整在更长期的发展上提供一个决策分析手段,但POI数据尚无法代替面数据,研究时也要充分考虑到公众认知度高低对研究的影响。展开更多
文摘我国大量城市在其规划中均提出多中心的空间发展战略,但多中心结构演变是否达到规划预期,能否通过有效途径识别多中心结构和功能,成为目前学术界研究的热点。相比于人口、用地、产业等传统调查和识别方法,城市大数据的出现为多中心识别提供了契机,尤其是基于POI(Point of Interest)大数据的分析比传统方法更加准确高效。论文以重庆主城区40余万条POI数据为基础,利用核密度分析、自然断点法和邻近分析等方法,根据整体及不同类型POI数据的空间分布特征与聚集程度,识别城市总体及不同职能的多中心结构及其影响范围。结果表明:重庆作为山地城市,在自然约束和规划引导下,呈现出明显的"多中心、组团式"结构。不同职能类型的城市中心也呈现明显的多中心分布特征。重庆的主副中心在内环以内集聚,但不同中心的发育程度及其空间聚集度差异显著。外围新兴的西永、茶园等副中心发展相对滞后,城市要素集聚功能有待加强。
文摘随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,识别城市功能区,并结合出租车轨迹数据进行时空挖掘,定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。以北京市五环内主城区为例进行分析,可得：（1）该方法可以识别典型功能区西单、国贸、中关村是以商业为主的混合城市功能区,望京是以居住为主的混合功能区,且居民通勤出行特征明显;（2）国贸对自身的引力较强（39.4%）,说明国贸区域城市功能更加齐全;（3）典型功能区对居民出行距离范围内的区域吸引力随着距离的增加而减弱,符合经验认知和地理空间衰减规律。结果表明,利用POI和移动大数据采用重尾打断分类法和核密度聚类法进行城市功能区识别与分析是可行和有效的。
文摘兴趣点(Point of Interest,POI)数据的兴起带动了城市研究的革新。为梳理中国POI数据在城市研究的应用进展,阶段性总结其应用方向、数据分析方法及尚存不足,并为未来POI数据在中国城市发展中的应用提供思路和借鉴。应用CiteSpace工具对中国知网2010—2019年625篇相关文献进行知识图谱分析,结合分析结果对POI数据应用方向和数据分析方法进行梳理总结。结果表明:时间上,国内应用POI数据进行城市研究的文献在2013年后大量涌现,2017年呈现爆发式增长;应用上,主要用于城市功能区划分、城市中心区和边界识别、查明业态集聚分布以及兴趣点推荐4个方面;方法上,常用的有核密度分析、DBSCAN聚类分析和空间自相关分析3类。研究表明,POI地理大数据是一种研究城市发展的有效数据,有助于研究者深入了解城市的空间结构、分布格局和发展规律,未来可进一步与机器学习等算法结合,为城市外部扩张和内部功能结构调整在更长期的发展上提供一个决策分析手段,但POI数据尚无法代替面数据,研究时也要充分考虑到公众认知度高低对研究的影响。
