基于POI數(shù)據(jù)的成都市五城區(qū)空間聚類研究

曾月

摘要：隨著信息化的發(fā)展和數(shù)據(jù)源的增多，越來越多的大數(shù)據(jù)被應用于城市規(guī)劃研究中，但由于大多數(shù)數(shù)據(jù)具有難獲取，不易分析等特點，使得相關的技術方法在實際項目中運用較少。本文采用較易獲得POI數(shù)據(jù)對成都市五城區(qū)的空間布局進行聚類分析，描繪各類功能分布，并提取城市空間結(jié)構(gòu)，用POI的城市規(guī)劃研究能夠提供一種新的方法和角度對城市進行認知，在城市規(guī)劃前期幫助、中期分析、后期跟蹤等方面有一定的應用前景[1]。

關鍵詞：POI數(shù)據(jù);成都市五城區(qū);空間布局;聚類分析

1.引言

隨著信息化的發(fā)展和大數(shù)據(jù)時代的到來，城市規(guī)劃研究中不再滿足于傳統(tǒng)數(shù)據(jù)的分析應用，運用大數(shù)據(jù)進行的城市分析逐漸增多，主要集中在手機信令、微博數(shù)據(jù)、出租車、地鐵或公交車刷卡數(shù)據(jù)等，從城市人群的動態(tài)分布反映真實的城市運行狀態(tài)。龍贏等[2]（2012）利用公交刷卡數(shù)據(jù)，對北京市公交持卡人的居住地、就業(yè)地和通勤出行的識別結(jié)果在公交站點和交通分析小區(qū)（TAZ）尺度上進行匯總。陳映雪等[3]（2014）以南京為例，借助新浪微博獲取海量簽到數(shù)據(jù)，從居民活動這一社會化的視角，再探究舊有的城市空間功能組織方式。鈕心毅等[4]（2014）以上海中心城為例，提出了利用手機定位數(shù)據(jù)識別城市空間結(jié)構(gòu)的方法，并對上海市手機用戶密度、城市公共中心等級職能、功能區(qū)進行識別。這些研究對大數(shù)據(jù)在城市研究中的運用進行了嘗試，提供了更多新的技術方法。但由于以上研究的數(shù)據(jù)獲得門檻較高，在城市規(guī)劃實際工作中應用較少。

本文以成都市的部分POI 數(shù)據(jù)為支撐，采用聚類算法，借助ArcGIS 軟件，全面對成都市五城區(qū)的總體及各行業(yè)空間布局進行研究，以克服傳統(tǒng)官方數(shù)據(jù)的弊端，拓寬了城市空間格局研究的視野;提煉數(shù)據(jù)的特征，以期為更多種類的大數(shù)據(jù)在城市規(guī)劃中的實際應用提供思路與借鑒。

2.研究方法與數(shù)據(jù)來源

2.1 研究區(qū)概況

2017年8月31日舉行的“成都國家中心城市產(chǎn)業(yè)發(fā)展大會”上，成都打破圈層結(jié)構(gòu)，將中心城區(qū)范圍擴大至原一二圈層的11個行政區(qū)加高新區(qū)、天府新區(qū)，形成“老中心城區(qū)+郊區(qū)新城”的空間層次。將成都市城區(qū)大致劃分為三個類別：老中心城區(qū)（主城五區(qū)）、功能經(jīng)濟區(qū)、新中心城區(qū)。本文選取老中心城區(qū)，即錦江區(qū)、青羊區(qū)、金牛區(qū)、武侯區(qū)、成華區(qū)五城區(qū)為研究對象，具有相對豐富健全的公共服務空間，具有較大的研究價值。

2.2 數(shù)據(jù)來源

POl數(shù)據(jù)泛指一切可以被抽象為點的地理實體，尤其是與人們生活密切相關的設施，是電子地圖上的某個地標，并包含經(jīng)緯度、地址、名稱、類型等屬性信息。電子地圖中每一個地名、建筑、公園、學校、醫(yī)院、公司、商場等都是一個興趣點。本研究參照相關文獻分析、《城市居住區(qū)規(guī)劃設計規(guī)范》GB 50180-93（2016年版）以及居民的日常需求，將生活設施分為七類，分別是餐飲、交通設施服務、科教文化服務、生活服務、體育休閑服務、醫(yī)療保健服務、政府機構(gòu)機關及社會團體。本研究通過城市數(shù)據(jù)團獲得成都市生活設施POI數(shù)據(jù)，每條POI數(shù)據(jù)至少包括名稱、經(jīng)度、緯度、地址等4個屬性信息。經(jīng)過去重、糾偏與空間匹配，得到生活設施現(xiàn)狀數(shù)據(jù)量共114726條

2.3 研究方法

2.3.1 方法原理

K-means 算法屬于聚類方法中一種典型的劃分方法，以數(shù)據(jù)劃分的類別數(shù)作為數(shù)據(jù)聚類的依據(jù)，同類間相似性高，不同類間相似度低。K-means 算法的基本假設為：對于一個簇，選出一個中心點，使簇中的所有點到該中心點的距離小于到其他簇中心的距離。給定一組n個樣本X，將其分成K個不相交的簇C，每個簇由樣本均值uj描述，即使同一簇內(nèi)和平方最小。[5]

本文提出的空間聚類方法包括3個步驟：①對位置數(shù)據(jù)進行預處理;②利用聚類分析探索空間分布;③根據(jù)聚類結(jié)果分析空間分布特征。具體操作為：將poi數(shù)據(jù)導入Arcgis中，進行坐標轉(zhuǎn)換，并篩選數(shù)據(jù)，再將關聯(lián)到地圖中劃分為562個漁網(wǎng)格。最后進行聚類分析，并配合相關性進行整體特征分析。

3.空間布局分析

3.1數(shù)據(jù)格網(wǎng)化

基于十五分鐘生活圈的原理，即居民十五分鐘步行可達范圍約為一平方公里，將成都市五城區(qū)范圍劃分為562個漁網(wǎng)格，再將poi數(shù)據(jù)關聯(lián)到漁網(wǎng)格上。并基于此開展后續(xù)分析。

3.2迭代聚類分析

由于格網(wǎng)數(shù)據(jù)在空間具有連續(xù)性，可通過聚類分析探索格網(wǎng)的空間分布模式，以反映格網(wǎng)屬性在空間的分布規(guī)律。為了使K-means 算法的聚類結(jié)果能更真實反映聚類特征的空間劃分，以下式中目標函數(shù)為迭代依據(jù)，將聚類數(shù)K作為自適應參數(shù)，迭代確定聚類中心數(shù)。自適應迭代聚類的思想為：假設數(shù)據(jù)集合為（x1，x2，…，xn），每個xi為多維的向量，K-means聚類的目的是在給定分類組數(shù)k（k ≤ n） 的條件下，將原始數(shù)據(jù)分成k 類：S={S1，S2，…，Sk}，K-means所要最小化的目標函數(shù)為：

式中，n為樣本數(shù);xn為第n個樣本;μk為第k個中心點。將樣本分為k類，若第n個樣本點屬于第k類，則rnk=1 ;若第n個樣本點不屬于第k類，則rnk=0.

3.3 聚類結(jié)果空間分布分析

通過對各類POI進行相關性分析，探索同一類中聚類特征與各類POI 之間的關系，并采用spss計算得到各類POI之間相關系數(shù)均為0.7以上，具有相關性。且這表明在聚類區(qū)域內(nèi)，某一類POI的數(shù)目與其他具有顯著的正相關性，利用某一類公共服務設施能探測不同種類的POI在空間上的大致分布情況。因此，結(jié)合格網(wǎng)中空間特征的聚類方法，有利于探索人們行為活動在城市空間中的規(guī)律。

本文結(jié)合POI 數(shù)據(jù)和位置數(shù)據(jù)，采用聚類方法挖掘了公共服務設施空間分布特征信息。首先，通過聚類方法探索各類POI在空間的聚類模式;然后，探索各類POI之間的相關關系，以反映POI在城市生活中的吸引程度，為城市布局的合理規(guī)劃提供幫助。然而，該方法只考慮單一時間段的POI情況，沒有考慮隨著時間變化各類POI在空間中分分布變化情況，對數(shù)據(jù)的時空挖掘還不夠深。且在對現(xiàn)有數(shù)據(jù)進行分析時，還不夠深入。

參考文獻

[1]索超， 丁志剛. POI在城市規(guī)劃研究中的應用探索[C]// 新常態(tài)：傳承與變革——2015中國城市規(guī)劃年會論文集（04城市規(guī)劃新技術應用）. 2015.

[2]龍贏，張宇，崔承印.利用公交刷卡數(shù)據(jù)分析北京職住關系和職勤出行[J].地理學報，2012，10（67）：1339-1352.

[3]陳映雪，甄峰.基于居民活動數(shù)據(jù)的城市空間功能組織再探究—以南京市為例[J].城市規(guī)劃學刊，2014，（05）：72-78.

[4]鈕心毅，丁亮，宋小冬.基于手機數(shù)據(jù)識別上海中心城區(qū)的城市空結(jié)構(gòu)[J].城市規(guī)劃學刊，2014， （06）： 61-67.

[5]劉輝， 黃新， 王京晶. 基于位置數(shù)據(jù)和POI的聚類方法[J]. 地理空間信息， 2017， 15（11）：46-49.

基金項目：成都市哲學社會科學規(guī)劃項目，項目題目：基于大數(shù)據(jù)的成都市公共空間發(fā)展均衡性問題研究，項目編號：2018R53