出租車GPS大數(shù)據(jù)在東莞市“小山小湖”社區(qū)公園選址中的應(yīng)用

黎海波，陳通利

(1. 東莞市地理信息與規(guī)劃編制研究中心，廣東 東莞 523129； 2. 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275)

出租車GPS大數(shù)據(jù)在東莞市“小山小湖”社區(qū)公園選址中的應(yīng)用

黎海波1,2，陳通利1

(1. 東莞市地理信息與規(guī)劃編制研究中心，廣東 東莞 523129； 2. 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275)

選址問題是GIS最基本的任務(wù)之一。選址通常是考慮一定條件下的空間位置優(yōu)化，很難將人類的活動(dòng)情況作為優(yōu)化因素考慮進(jìn)來。本文結(jié)合東莞市小山小湖社區(qū)公園的選址工作，通過分析海量出租車的OD(上下車)記錄數(shù)據(jù)，在選址任務(wù)中引入居民實(shí)際居住與出行情況作為參考。通過提高人口分布密度這一重要選址影響因素的精度，進(jìn)而改進(jìn)小山小湖社區(qū)公園的選址情況，這種方法是對(duì)傳統(tǒng)分析方法的有效補(bǔ)充和創(chuàng)新?；诔鲎廛囓壽E數(shù)據(jù)的選址方法與傳統(tǒng)的選址方法相結(jié)合，更有效、合理地提高了選址的可靠度。

出租車GPS；小山小湖；社區(qū)公園；選址；GIS

2008年，東莞市劃定了生態(tài)控制線，對(duì)控制線內(nèi)建設(shè)情況進(jìn)行嚴(yán)格管控，實(shí)現(xiàn)了對(duì)大山大水的保護(hù)[1]。為打造山水東莞、生態(tài)東莞、美麗東莞，建成一批方便市民休閑活動(dòng)的社區(qū)公園，2014年，東莞市發(fā)布了《東莞市“小山小湖”保護(hù)利用工作方案》，對(duì)全市小山小湖進(jìn)行摸底調(diào)查、登記造冊(cè)，切實(shí)加強(qiáng)城市生態(tài)本底的保護(hù)，并從中選出100個(gè)建成社區(qū)公園，為市民提供優(yōu)良的公共開放空間和休閑活動(dòng)場(chǎng)所，提升城市空間品質(zhì)和宜居水平。如何結(jié)合市民的活動(dòng)情況，合理對(duì)100個(gè)小山小湖進(jìn)行選址，建成更加貼近群眾的生活的社區(qū)公園，是本文研究的主要內(nèi)容。

選址問題是GIS中最常見的問題，常規(guī)的選址問題是找出研究區(qū)域中最優(yōu)的點(diǎn)。黎夏等將遺傳算法、蟻群算法、粒子群算法等人工智能算法應(yīng)用到多點(diǎn)選址問題中[2]；黎海波等利用多目標(biāo)粒子群優(yōu)化算法和區(qū)域形狀變異算法相結(jié)合來解決復(fù)雜的空間選址問題[3]，取得了較好的效果。但這些實(shí)際應(yīng)用都沒有考慮人類活動(dòng)的因素，造成選址結(jié)果與人們真實(shí)需要往往存在一定差距。隨著信息技術(shù)的飛速增長(zhǎng)，人類活動(dòng)逐漸被記錄下來，出租車GPS數(shù)據(jù)、手機(jī)信令數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)等大數(shù)據(jù)漸漸發(fā)揮出重要的作用，大數(shù)據(jù)技術(shù)就是將原本看起來很難利用的數(shù)據(jù)抽絲剝繭，發(fā)現(xiàn)其中的真正內(nèi)涵[4]。出租車GPS數(shù)據(jù)[5-6]是目前使用比較廣的一種大數(shù)據(jù)類型，目前有不少學(xué)者[7]將其應(yīng)用到地理學(xué)研究當(dāng)中，如Kong[8-9]等使用浮動(dòng)車數(shù)據(jù)進(jìn)行交通擁堵評(píng)估和預(yù)測(cè)，陳世莉[10]等將其應(yīng)用到城市功能區(qū)劃分，譚詳爽[11]等從浮動(dòng)車數(shù)據(jù)中探測(cè)路口并分析出轉(zhuǎn)向規(guī)則，周素紅等使用浮動(dòng)車數(shù)據(jù)驗(yàn)證了商業(yè)中心吸引力衰減效應(yīng)[12]。目前將出租車GPS數(shù)據(jù)應(yīng)用于規(guī)劃選址中的研究較少，本文提出基于出租車GPS數(shù)據(jù)的選址方法，對(duì)傳統(tǒng)的選址方法進(jìn)行優(yōu)化補(bǔ)充，在選址中有效地考慮了人類活動(dòng)因素，取得了較好的效果。

1 研究?jī)?nèi)容

1.1 小山小湖概況

依據(jù)《東莞市“小山小湖”保護(hù)利用工作(登記造冊(cè))實(shí)施細(xì)則》，小山小湖是指生態(tài)控制線及基本農(nóng)田保護(hù)線范圍以外，城市建設(shè)區(qū)內(nèi)具有生態(tài)、景觀、休閑利用價(jià)值的自然山體、河涌水體，劃定標(biāo)準(zhǔn)如下：

(1) 小山指山體特征明顯，現(xiàn)狀植被良好的自然山體。

(2) 小湖指所有河涌和常水位水面面積為1000 m2以上的基塘、湖，水質(zhì)達(dá)到V類水標(biāo)準(zhǔn)(適用于農(nóng)業(yè)用水及一般景觀要求)。

(3) 小山小湖周邊的地塊需要進(jìn)行新建或改擴(kuò)建，應(yīng)通過建筑紅線退讓的方式留出一定面積的平緩地帶作為緩沖區(qū)。緩沖區(qū)可環(huán)繞小山小湖布置或集中布置。面積大于10 000 m2的小山小湖，緩沖區(qū)面積不小于沿其邊界后退10 m所圍合的面積數(shù)；面積等于或小于10 000 km2的小山小湖，緩沖區(qū)面積不得小于小山小湖面積的30%。緩沖區(qū)用于設(shè)置方便市民使用的體育場(chǎng)地、停車場(chǎng)、公廁等公共配套設(shè)施，但配套建設(shè)項(xiàng)目不得占用耕地；如需占地建設(shè)的，須完善用地審批手續(xù)才能動(dòng)工建設(shè);同時(shí)在緩沖區(qū)內(nèi)的建設(shè)項(xiàng)目需滿足國(guó)家相關(guān)規(guī)定的建設(shè)要求。

通過對(duì)東莞市遙感影像進(jìn)行目視解譯，得到全市小山小湖3533處，其中小山1123處，占小山小湖總面積的61.25%；小湖2410處，占小山小湖總面積的38.75%(如圖1所示)。

圖1 東莞市小山小湖分布

1.2 社區(qū)公園選址

從3500多處的小山小湖中選取100處建設(shè)社區(qū)公園，需要遵循以人為本的原則，考慮適宜的服務(wù)半徑和慢行可達(dá)性，方便居民就近使用。具體考慮因素如下：

1.2.1 選址原則

社區(qū)公園主要為居民服務(wù)，為居民提供優(yōu)良的公共開放空間和休閑活動(dòng)場(chǎng)所，因此小山小湖社區(qū)公園選址的最重要原則就是居民就近原則。在選址的過程中，為了使社區(qū)公園發(fā)揮最大效用，需要找出居住人口密度最大的小山小湖區(qū)域，即計(jì)算出社區(qū)公園服務(wù)半徑范圍內(nèi)居民人數(shù)最多的區(qū)域。

1.2.2 影響因素

為了充分發(fā)揮社區(qū)公園效用，切實(shí)提高居民生活品質(zhì)，選址時(shí)需要考慮很多因素。通常情況下，小山小湖主要以居住地密集的地方為優(yōu)先考慮點(diǎn)；同時(shí)又要考慮居住步行距離，一般步行距離在500～800 m可接受；此外還需要考慮土地權(quán)屬、地塊規(guī)劃等其他影響因素。

1.2.2.1 居住地密度對(duì)選址的影響

居住密度是指居住區(qū)內(nèi)的人口數(shù)或住房套數(shù)與居住區(qū)面積之比。為了讓社區(qū)公園發(fā)揮最大價(jià)值，最根本的是選擇那些服務(wù)范圍內(nèi)的居住密度最大的小山小湖建設(shè)社區(qū)公園。因此，社區(qū)公園選址中，居住密度是最重要的因素。

1.2.2.2 城市規(guī)劃建設(shè)對(duì)選址的影響

城市規(guī)劃是為了使城市在發(fā)展過程中維持公共生活的空間秩序而提出的，它是保證城市合理建設(shè)、城市土地合理開發(fā)利用及其他正常經(jīng)營(yíng)活動(dòng)的前提和基礎(chǔ)。地塊規(guī)劃和權(quán)屬情況很大程度上制約著用地的開發(fā)，一定程度上影響著小山小湖的選址。

1.2.2.3 實(shí)際步行距離對(duì)選址的影響

居民居住地到社區(qū)公園的步行距離影響著公園的實(shí)際使用情況，距離太遠(yuǎn)居民不愿意步行到社區(qū)公園，根據(jù)景觀設(shè)計(jì)尺度相關(guān)規(guī)范，一般步行適宜距離為50 m，因此居住在小山小湖服務(wù)半徑500 m以內(nèi)的居民對(duì)小山小湖的使用效率最高。

2 研究方法

2.1 研究數(shù)據(jù)

2.1.1 用地分類數(shù)據(jù)

用地分類數(shù)據(jù)是根據(jù)2014年底快鳥影像進(jìn)行人工解譯得到的分類數(shù)據(jù)，按照解譯標(biāo)準(zhǔn)共分為9個(gè)一級(jí)類，其中包括居民地矢量數(shù)據(jù)。

2.1.2 出租車GPS數(shù)據(jù)

本文中所用的出租車GPS數(shù)據(jù)來源于東莞市出租車運(yùn)營(yíng)管理公司的管理信息系統(tǒng)，每隔15 s采集一次，記錄的基本信息包括出租車的車牌號(hào)碼、時(shí)間、經(jīng)緯度、速度、方向、里程和車輛狀態(tài)等(見表1)。本文采用2015-5-14(周四)—2015-5-17(周日)的GPS數(shù)據(jù)，計(jì)算出出租車GPS數(shù)據(jù)的OD(上下車)點(diǎn)(見表2)。所選數(shù)據(jù)兩天是工作日，兩天是周末，基本能夠反映東莞市出租車的運(yùn)營(yíng)情況。本文4天OD數(shù)據(jù)總共659 254條記錄。

表1 車輛狀態(tài)定義

表2 東莞市出租車OD統(tǒng)計(jì)

2.2 傳統(tǒng)選址分析方法

傳統(tǒng)的選址方法原理較簡(jiǎn)單，僅考慮小山小湖對(duì)居民地的覆蓋范圍，認(rèn)為小山小湖步行服務(wù)半徑范圍內(nèi)覆蓋居民地面積最多的小山小湖最佳。具體方法為：①對(duì)小山小湖建立緩沖區(qū)，緩沖區(qū)距離為500 m；②對(duì)小山小湖緩沖區(qū)和居民地作疊置分析，計(jì)算出每個(gè)緩沖區(qū)內(nèi)居住的地的面積大小；③覆蓋居民地面積越大的緩沖區(qū)越佳，根據(jù)緩沖區(qū)內(nèi)居民地面積大小排序，選取服務(wù)居民最大的小山小湖作為候選社區(qū)公園選址地點(diǎn)；④根據(jù)小山小湖的規(guī)劃情況和權(quán)屬情況，作為選址的進(jìn)一步依據(jù)。圖2是通過該方法提取的500 m緩沖區(qū)內(nèi)居住地面積排在前100位的小山小湖分布情況。

圖2 半徑500 m緩沖區(qū)內(nèi)居住地面積前100的小山小湖分布

從選址的分布情況可看出，小山小湖主要分布在中心組團(tuán)、西南組團(tuán)等居民地密集的地區(qū)。

2.3 基于出租車GPS數(shù)據(jù)的選址分析

2.3.1 數(shù)據(jù)處理

根據(jù)居民的生活習(xí)慣，通常可認(rèn)為7:00—9:30時(shí)段內(nèi)的上車地點(diǎn)、17:00—19:30時(shí)段內(nèi)的下車地點(diǎn)是居民的居住地或活動(dòng)頻繁的目的地，即距離這些地點(diǎn)較近的小山小湖被使用的頻率最高，可視為最優(yōu)因此，首先要在所有的OD記錄中篩選出這兩個(gè)時(shí)間段的記錄(如圖3所示)，作為小山小湖選址的基礎(chǔ)數(shù)據(jù)?？梢奜D數(shù)據(jù)密度分布較高的地方分布在市區(qū)、中心組團(tuán)、西南組團(tuán)、東南組團(tuán)等地區(qū)，與居民地的分布類似。

2.3.2 基于出租車GPS數(shù)據(jù)的選址分析方法

(1) 準(zhǔn)備數(shù)據(jù)：對(duì)出租車GPS數(shù)據(jù)進(jìn)行處理，得到2015-5-14—2015-5-17出租車7:00—9:30上車點(diǎn)、17:00—19:30下車點(diǎn)的數(shù)據(jù)。

(2) 對(duì)小山小湖建立緩沖區(qū)，緩沖區(qū)距離為500 m。

圖3 上下班時(shí)間段出租車OD記錄數(shù)據(jù)

(3) 對(duì)小山小湖緩沖區(qū)和出租車OD點(diǎn)作疊置分析，計(jì)算出每個(gè)緩沖區(qū)內(nèi)OD點(diǎn)的個(gè)數(shù)。

(4) OD點(diǎn)個(gè)數(shù)越多，說明此處上下班時(shí)間居民活動(dòng)越頻繁，選擇該處小山小湖作為社區(qū)公園較佳。根據(jù)緩沖區(qū)內(nèi)OD點(diǎn)的多少排序，選取落在緩沖區(qū)內(nèi)OD點(diǎn)多的小山小湖作為候選社區(qū)公園選址地點(diǎn)。

圖4為上下班時(shí)間段OD記錄數(shù)前100的小山小湖，可見這種選址方法更注重的是考慮居民的活動(dòng)影像因素，選址結(jié)果較為集中分布在市區(qū)、常平、虎門、清溪、鳳崗等地區(qū)。

圖4 上下班時(shí)間段OD記錄數(shù)前100的小山小湖

3 結(jié)果分析與討論

圖5為兩種選址方法的結(jié)果，深色的小山小湖緩沖區(qū)是基于傳統(tǒng)選址分析方法的結(jié)果，淺色的小山小湖緩沖區(qū)是基于出租車GPS數(shù)據(jù)分析出來的結(jié)果。傳統(tǒng)方法得出的結(jié)果主要分布在鎮(zhèn)中心地區(qū)，其中厚街、松山湖、大朗、大嶺山、樟木頭等鎮(zhèn)的結(jié)果在基于出租車GPS數(shù)據(jù)的選址結(jié)果中沒有出現(xiàn)；而萬江中部、東城北部、石龍、清溪、常平北部等地區(qū)出現(xiàn)在基于出租車GPS數(shù)據(jù)的選址結(jié)果中，但傳統(tǒng)的選址結(jié)果中反而沒有。

圖5 兩種選址方法結(jié)果對(duì)比

通過對(duì)兩種選址方法的公共結(jié)果進(jìn)行統(tǒng)計(jì)(如圖6所示)，一共有15個(gè)小山小湖同時(shí)出現(xiàn)在兩種選址方法結(jié)果中，分布在市區(qū)、寮步、常平、虎門、長(zhǎng)安等鎮(zhèn)區(qū)，而這些鎮(zhèn)區(qū)正是東莞市經(jīng)濟(jì)最發(fā)達(dá)、人口最密集的區(qū)域。因此，這15個(gè)小山小湖是最佳的選址結(jié)果。

圖6 兩種選址方法的公共結(jié)果

可見，兩種選址方法各有側(cè)重，各有優(yōu)劣。傳統(tǒng)的方法側(cè)重考慮居民地的分布而沒有考慮實(shí)際居民活動(dòng)情況的影響，而基于出租車GPS的方法恰好相反。造成結(jié)果差異的原因主要有兩點(diǎn)：①東莞市是一個(gè)以外來人口為主的城市，根據(jù)2010年第六次人口普查的數(shù)據(jù)，常住人口達(dá)820萬，但戶籍人口只有180萬左右，流動(dòng)人口占了大多數(shù)。由于人口的流動(dòng)性，不排除大量居住區(qū)人口的流動(dòng)性也較大，居住區(qū)面積只能在一定程度映射出人口的密度；②本文僅考慮了居住區(qū)面積，并沒有考慮居住區(qū)的層數(shù)，因此僅通過居住區(qū)面積難以真實(shí)反映人口分布情況?；诔鲎廛嘒PS數(shù)據(jù)的選址分析方法是通過客觀的出租車上下車數(shù)據(jù)頻率來反映居民活動(dòng)情況的，從而推斷人口居住分布的概率情況，這是傳統(tǒng)方法所欠缺的。很大程度上，出租車GPS數(shù)據(jù)的選址方法可作為傳統(tǒng)選址方法的有效補(bǔ)充。從兩種方法的選址結(jié)果上也可看到，兩種方法既有共同點(diǎn)，又有差異，可相互補(bǔ)充、互補(bǔ)不足。小山小湖的選址應(yīng)綜合兩種方法的結(jié)果，再進(jìn)一步結(jié)合地塊的規(guī)劃條件進(jìn)行分析和論證，最終選取更加合適的選址地點(diǎn)。

4 結(jié) 語

本文提出了使用出租車GPS數(shù)據(jù)進(jìn)行規(guī)劃選址的方法，這種基于大數(shù)據(jù)的方法與傳統(tǒng)選址方法相結(jié)合，可得到更合理、更科學(xué)的選址結(jié)果。該方法考慮了人類活動(dòng)的影響因素，作為傳統(tǒng)選址方法的有效補(bǔ)充，能得到更好的效果。但出租車只是人們出行方式的一種，僅以出租車GPS數(shù)據(jù)代表人們的日常出行行為存在一定的局限性，今后擬結(jié)合公交數(shù)據(jù)、地鐵數(shù)據(jù)等公共交通數(shù)據(jù)開展進(jìn)一步研究。同時(shí)，還可考慮將手機(jī)信令數(shù)據(jù)引入，更加準(zhǔn)確全面地分析居民移動(dòng)行為模式，開展更深入的研究。

[1] 陳明輝,陳穎彪,郭冠華,等.快速城市化地區(qū)生態(tài)資產(chǎn)遙感定量評(píng)估——以廣東省東莞市為例[J]. 自然資源學(xué)報(bào), 2012,27(4):601-613.

[2] 黎夏,葉嘉安.遺傳算法和GIS結(jié)合進(jìn)行空間優(yōu)化決策[J]. 地理學(xué)報(bào), 2004，59(5):745-753.

[3] 黎海波,黎夏,劉小平,等.多目標(biāo)粒子群算法與選址中的形狀優(yōu)化[J].遙感學(xué)報(bào), 2008，12(5):724-733.

[4] 吳志峰,柴彥威,黨安榮,等.地理學(xué)碰上“大數(shù)據(jù)”:熱反應(yīng)與冷思考[J].地理研究, 2015,34(12):2207-2221.

[5] 牟乃夏,張恒才,陳潔,等.軌跡數(shù)據(jù)挖掘城市應(yīng)用研究綜述[J]. 地球信息科學(xué)學(xué)報(bào), 2015,17(10):1136-1142.

[6] 莊立堅(jiān),宋家驊,段仲淵,等.基于浮動(dòng)車數(shù)據(jù)挖掘的出租汽車運(yùn)營(yíng)特征研究[J]. 城市交通, 2016(1):59-64.

[7] 劉瑜.社會(huì)感知視角下的若干人文地理學(xué)基本問題再思考[J].地理學(xué)報(bào), 2016,71(4):564-575.

[8] ZHAN H，LEE Z，SHI P, et al. Retrieval of Water Optical Prosperities for Optically Deep Waters Using Genetic Algorithms [J]. Transactions on Geoscience & Remote Sensing, 2003, 41(5):1123-1128.

[9] KONG X, XU Z, SHEN G, et al. Urban Traffic Congestion Estimation and Prediction Based on Floating Car Trajectory Data[J]. Future Generation Computer Systems, 2016,61:97-107.

[10] 陳世莉,陶海燕,李旭亮,等.基于潛在語義信息的城市功能區(qū)識(shí)別——廣州市浮動(dòng)車 GPS 時(shí)空數(shù)據(jù)挖掘[J].地理學(xué)報(bào), 2016,71(3):471-483.

[11] 譚祥爽,王靜,宋現(xiàn)鋒,等.基于浮動(dòng)車數(shù)據(jù)的路口探測(cè)方法[J]. 地理與地理信息科學(xué), 2015,31(5):34-38.

[12] 周素紅,郝新華,柳林.多中心化下的城市商業(yè)中心空間吸引衰減率驗(yàn)證——深圳市浮動(dòng)車GPS時(shí)空數(shù)據(jù)挖掘[J].地理學(xué)報(bào), 2014,69(12):1810-1820.

[13] 曹瑞,涂偉,巢佰崇,等.基于智能卡數(shù)據(jù)的地鐵周邊職住用地識(shí)別與分析[J].測(cè)繪地理信息, 2016,41(3):74-78.

[14] 馬曉磊,劉從從,劉劍鋒,等.基于公交IC卡數(shù)據(jù)的上車站點(diǎn)推算研究[J].交通運(yùn)輸系統(tǒng)工程與信息, 2015,15(4):78-84.

[15] 王德,鐘煒菁,謝棟燦,等.手機(jī)信令數(shù)據(jù)在城市建成環(huán)境評(píng)價(jià)中的應(yīng)用——以上海市寶山區(qū)為例[J].城市規(guī)劃學(xué)刊, 2015(5):82-90.

HillandlakeCommunity Park Location Analysis in Dongguan Based on Taxi GPS Data

LI Haibo1,2,CHEN Tongli1

(1. Research Center of Geographic Information System & Planning of Dongguan, Dongguan 523129, China; 2. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275,China)

Location selection issue is one of the most basic tasks in GIS. The general location selection is considered under certain conditions of space optimization, it is difficult to take human activity as the optimization factors into account. This paper proposed a method to improve the community park location selection result by improving the accuracy of population density which is an important factor in community park location selection. We get the population density by analyzing taxi OD (origin and destination) data. Compared with traditional method, this method is innovative and complementory. Combining the traditional location selection method and taxi OD data, we can improve the reliability of the location result more effective and more rational.

taxi GPS; small hill and lake; community park; location analysis; GIS

黎海波，陳通利.出租車GPS大數(shù)據(jù)在東莞市“小山小湖”社區(qū)公園選址中的應(yīng)用[J].測(cè)繪通報(bào)，2017(5)：95-99.

10.13474/j.cnki.11-2246.2017.0163.

2016-09-06

住房和城鄉(xiāng)建設(shè)部2015年科學(xué)計(jì)劃(2015-K8-026)

黎海波(1982—)，男，博士，高級(jí)工程師，主要從事GIS、遙感，以及城市規(guī)劃勘測(cè)的研究與應(yīng)用工作。 E-mail：21238038@qq.com

P208

A

0494-0911(2017)05-0095-05