城市节律可为观察和理解城市提供一种新的模式,为当代城市问题提供新的研究视角。城市居民出行时空行为呈现明显的节律特征,其一定程度反映出城市运行的复杂性,是城市地理和行为地理研究的重要问题之一。本研究引入城市节律这一概念,关...城市节律可为观察和理解城市提供一种新的模式,为当代城市问题提供新的研究视角。城市居民出行时空行为呈现明显的节律特征,其一定程度反映出城市运行的复杂性,是城市地理和行为地理研究的重要问题之一。本研究引入城市节律这一概念,关注居民非通勤出行时空行为,以交通小区为空间单元,利用手机信令数据和POI(Point of interest)数据,基于模糊C均值(Fuzzy C-Means Clustering,FCM)的时间序列软聚类方法和空间分析有机结合,探索居民非通勤出行活动节律模式;同时利用空间滞后模型揭示了出行节律模式隶属度的影响因素。结果表明:北京居民非通勤出行节律存在7种模式,根据不同模式区域的POI的频数密度和富集指数差异,可以将7种模式描述为:“居住导向型”“商业活动型”“商务导向型”“混合偏居住型”“混合偏商务型”“科教文化型”和“休闲娱乐型”。研究发现,不同模式的平均隶属度差异较大,影响因子也存在较大差异。在北京六环内非通勤出行节律模式混合度高,且不同模式的出行节律周期、功能特征和空间分布存在较大差异。此外,出行节律存在显著的空间依赖,并与城市商业、就业、居住等城市功能结构具有较强的相关性。本研究从时空融合视角对北京居民非通勤出行节律模式进行了深入探索,研究结果有助于进一步提高人群出行节律与城市功能结构关系的科学理解,从而能够为城市规划与建设提供重要的决策支撑。展开更多
文摘城市节律可为观察和理解城市提供一种新的模式,为当代城市问题提供新的研究视角。城市居民出行时空行为呈现明显的节律特征,其一定程度反映出城市运行的复杂性,是城市地理和行为地理研究的重要问题之一。本研究引入城市节律这一概念,关注居民非通勤出行时空行为,以交通小区为空间单元,利用手机信令数据和POI(Point of interest)数据,基于模糊C均值(Fuzzy C-Means Clustering,FCM)的时间序列软聚类方法和空间分析有机结合,探索居民非通勤出行活动节律模式;同时利用空间滞后模型揭示了出行节律模式隶属度的影响因素。结果表明:北京居民非通勤出行节律存在7种模式,根据不同模式区域的POI的频数密度和富集指数差异,可以将7种模式描述为:“居住导向型”“商业活动型”“商务导向型”“混合偏居住型”“混合偏商务型”“科教文化型”和“休闲娱乐型”。研究发现,不同模式的平均隶属度差异较大,影响因子也存在较大差异。在北京六环内非通勤出行节律模式混合度高,且不同模式的出行节律周期、功能特征和空间分布存在较大差异。此外,出行节律存在显著的空间依赖,并与城市商业、就业、居住等城市功能结构具有较强的相关性。本研究从时空融合视角对北京居民非通勤出行节律模式进行了深入探索,研究结果有助于进一步提高人群出行节律与城市功能结构关系的科学理解,从而能够为城市规划与建设提供重要的决策支撑。
