基于POI大數(shù)據(jù)的青島市區(qū)域可持續(xù)發(fā)展研究

徐月娟，趙金寶，李明星，姜嘉偉，劉文靜，孔維超

(山東理工大學(xué) 交通與車輛工程學(xué)院, 山東 淄博 255049)

青島市國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要指出，未來五年，青島將以海洋科學(xué)城為龍頭，依托李滄、嶗山、即墨等區(qū)市，集中建設(shè)3～5個輻射作用強(qiáng)的園區(qū)，建設(shè)膠東經(jīng)濟(jì)圈區(qū)域創(chuàng)新體系[1]。近年來，國內(nèi)外學(xué)者針對中國城市可持續(xù)發(fā)展水平分析普遍采用經(jīng)濟(jì)、社會等指標(biāo)構(gòu)建評價模型，如: Delphi 法[2]、AHP[3]、灰色關(guān)聯(lián)分析法[4]、PCA[5]、數(shù)據(jù)包絡(luò)分析法( DEA)[6]等評價區(qū)域可持續(xù)發(fā)展。隨著社會網(wǎng)絡(luò)與通信技術(shù)的發(fā)展，大數(shù)據(jù)創(chuàng)造了一個全新的維度，城市的很多信息都被記錄在網(wǎng)絡(luò)上，其中借助興趣點(diǎn)(points of interests，POI)數(shù)據(jù)進(jìn)行城市功能分析比較常見[7]。主要集中在兩個方面：一是各類POI數(shù)據(jù)空間分布特征的研究，進(jìn)行城市功能區(qū)的識別、布局均等化問題的研究[8-11]；二是與軌道交通站點(diǎn)相結(jié)合，利用緩沖區(qū)計算可達(dá)性、類型劃分與空間特征挖掘[12-13]。研究區(qū)大多集中在發(fā)達(dá)城市，對新興發(fā)展城市關(guān)注不足，且研究大多集中在主城區(qū)熱點(diǎn)區(qū)域識別以及單一服務(wù)設(shè)施布局，缺乏全區(qū)域可持續(xù)發(fā)展分析及不同POI點(diǎn)之間的相關(guān)性探討[14-16]。基于以上研究背景，本文以沿海重要中心城市青島為例，基于不同類型POI數(shù)據(jù)、柵格(人口和GDP)數(shù)據(jù)等，利用 ArcGIS軟件綜合相關(guān)性分析、核密度分析等方法，對青島市區(qū)域可持續(xù)發(fā)展水平進(jìn)行分析并提出相應(yīng)發(fā)展建議。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)概況

青島地處中國華東地區(qū)、山東半島東南、東瀕黃海，是山東省經(jīng)濟(jì)中心、國家重要的現(xiàn)代海洋產(chǎn)業(yè)發(fā)展先行區(qū)、海上合作戰(zhàn)略支點(diǎn)。青島下轄七個市轄區(qū)，代管三個縣級市，青島市內(nèi)十個行政區(qū)具體情況見表1，數(shù)據(jù)主要來源于《青島市統(tǒng)計年鑒》。

表1 青島市行政區(qū)概況

1.2 數(shù)據(jù)來源與處理

POI數(shù)據(jù)可通過編寫python、Java爬蟲程序，在高德地圖開發(fā)者平臺，根據(jù)其所提供的Web服務(wù)API，結(jié)合行政區(qū)劃區(qū)域，并根據(jù)所提供的經(jīng)緯度坐標(biāo)所圍成的矩形區(qū)域范圍進(jìn)行檢索，爬取的POI 數(shù)據(jù)坐標(biāo)系為 WGS84 坐標(biāo)系，對數(shù)據(jù)進(jìn)行篩選、去重、裁剪等處理生成csv格式數(shù)據(jù)文件，最終獲得206 925條POI數(shù)據(jù)。參考高德地圖開發(fā)者平臺的POI分類文檔、《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)(GB50137—2011)》、天地圖POI數(shù)據(jù)分類編碼以及其他多種分類方法[17]，對爬取的POI數(shù)據(jù)進(jìn)行分析，結(jié)合青島市生產(chǎn)生活特點(diǎn)，最終選擇青島市六類POI數(shù)據(jù)作為研究對象，將POI數(shù)據(jù)主要分為一級要素類和二級要素類。一級要素類包括生活服務(wù)、餐飲服務(wù)、交通設(shè)施等六個要素，具體見表2。

表2 POI 數(shù)據(jù)要素分類表

1.3 研究方法

利用空間相關(guān)性分析對青島市各類POI進(jìn)行空間分布的相關(guān)性判斷。主要是基于Pearson相關(guān)系數(shù)模型[18]。一般地，空間相關(guān)系數(shù)的范圍能夠表示出兩個要素之間相關(guān)性的強(qiáng)弱大小，數(shù)值越大，其相關(guān)性越強(qiáng)。在ArcGIS中通過分析兩個或多個相同像元大小的柵格圖層進(jìn)行計算。Pearson相關(guān)系數(shù)的計算公式為

(1)

運(yùn)用核密度對青島市不同類型興趣點(diǎn)分布進(jìn)行分析，核密度分析能夠通過計算要素密度，直觀反映空間中離散點(diǎn)在連續(xù)區(qū)域的分布規(guī)律[19]，其值越高代表該點(diǎn)的聚集程度越高，高密度區(qū)域集中連續(xù)分布聚集面積也就越大，體現(xiàn)了空間位置的差異性，使用不同的色彩來表示聚集點(diǎn)不同的空間變化。核密度估計式可表示為

(2)

式中:di表示估計點(diǎn)與樣本觀測點(diǎn)的距離;k是核函數(shù);h是一個正值，稱為光滑參數(shù)。

在核密度分析中聚集高低情況是基于分割單元計算POI密度，通過計算局部莫蘭指數(shù)得出的，局部莫蘭指數(shù)定義為

(3)

(4)

2 研究結(jié)果與討論

2.1 POI數(shù)量分布情況

對爬取到的POI點(diǎn)進(jìn)行初步處理之后導(dǎo)入ArcMap進(jìn)行可視化分析，青島市區(qū)六類POI點(diǎn)空間分布情況如圖1所示。

圖1 青島市區(qū)各類POI點(diǎn)空間分布情況

由圖1可知，六類服務(wù)設(shè)施分布在城陽區(qū)、市北區(qū)、市南區(qū)以及膠州市接界處數(shù)量較多，分布較為集中，而以此為中心點(diǎn)向外擴(kuò)散分布?？傮w來說，青島市服務(wù)設(shè)施的POI數(shù)量分布呈中間密集，邊緣稀少的分布格局，這一格局在平度市以及萊西市最為明顯。具體來看，餐飲服務(wù)與交通設(shè)施的分布數(shù)量遠(yuǎn)多于其余四類；沿海市區(qū)的發(fā)展遠(yuǎn)超其他市區(qū)；市南區(qū)的服務(wù)設(shè)施數(shù)量分布最多，其他地區(qū)分布數(shù)量較平均，而平度市的分布數(shù)量相對較少。

為了更好地利用POI數(shù)據(jù)分析青島市區(qū)域發(fā)展情況，本文通過對六類POI數(shù)據(jù)進(jìn)行空間相關(guān)性分析，生成的矩陣可以分析各要素之間空間分布的相關(guān)性，結(jié)果見表3。

表3 青島市區(qū)不同POI類型相關(guān)性矩陣

由表3可知，各類POI點(diǎn)兩兩之間的空間相關(guān)性均比較顯著，在空間分布上的相關(guān)性都較強(qiáng)。其中科教文化與保健服務(wù)的空間相關(guān)性最高，因?yàn)榭平涛幕蠖喾植加谌丝诒容^集中、社區(qū)比較密集的城市中心區(qū)域；住宿服務(wù)和餐飲服務(wù)之間的空間相關(guān)性最低，表明兩類POI之間沒有強(qiáng)烈的依賴關(guān)系；生活服務(wù)與各類POI的相關(guān)性都比較強(qiáng)，主要是因?yàn)樯罘?wù)涉及到的范圍比較廣；住宿業(yè)分布與其他各類服務(wù)設(shè)施分布的空間相關(guān)性相對來說都較弱，因?yàn)樽∷薹?wù)考慮到成本問題，其選址與其余五類POI略有不同。

2.2 考慮POI點(diǎn)的核密度分析

應(yīng)用核密度分析法對青島市區(qū)的六類服務(wù)設(shè)施分別進(jìn)行分析。對各類興趣點(diǎn)密度均采用自然間斷點(diǎn)分級法分為五類[20]，利用局部莫蘭指數(shù)對各類POI點(diǎn)的空間分布聚集情況進(jìn)行比較，青島市區(qū)各類P0I核密度分析如圖2所示。

(a)生活服務(wù) (b)餐飲服務(wù) (c)保健服務(wù)

由圖2(a)可知，青島市區(qū)生活服務(wù)核密度最高的區(qū)間值為1 698 561～3 208 394，最低區(qū)間值為0～113 237；從區(qū)域分布上看，生活服務(wù)數(shù)據(jù)點(diǎn)分布不均勻，連片集聚區(qū)主要分布在市南區(qū)南部、市北區(qū)東南部、黃島區(qū)東部以及李滄區(qū)北部；市南區(qū)生活服務(wù)分布過于集中，該區(qū)面積較??；黃島區(qū)東北部和西南部都有分布，但是零星布置分布較為分散，缺少連續(xù)成片的熱點(diǎn)區(qū)域。

由圖2(b)可知，青島市區(qū)餐飲服務(wù)核密度最高的區(qū)間值為86 053～153 419，最低區(qū)間值為0～6 618;分析餐飲服務(wù)分布情況可以發(fā)現(xiàn)，餐飲類設(shè)施分布較廣，大致呈由市北區(qū)、市南區(qū)、即墨區(qū)、城陽區(qū)接連處為中心向外擴(kuò)散的趨勢。分析結(jié)果表明，中心城區(qū)餐飲服務(wù)核密度等值線具有較好的平滑度，能識別出青島市區(qū)較大的餐飲點(diǎn)集聚區(qū)，同時反映出餐飲業(yè)發(fā)展的方向。從核密度的熱點(diǎn)區(qū)域分布情況來看，餐飲業(yè)主要分布在青島市中心城區(qū)的東部和南部地區(qū)；整體上形成多中心的布局結(jié)構(gòu)，南部以大學(xué)城(青島大學(xué)、青島科技大學(xué)等)形成兩個興趣點(diǎn)的集聚中心，各自向南擴(kuò)散；類似的有青島國信體育中心和周邊居住小區(qū)等處形成了興趣點(diǎn)集中地，以及城陽區(qū)的西北角青島農(nóng)業(yè)大學(xué)、即墨區(qū)山東大學(xué)也形成了一個集聚中心，核密度較高；此外，平度市中學(xué)較多，中西部為社區(qū)聚集地，其餐飲分布核密度也較高。

由圖2中(d)、(e)可知，青島市區(qū)科教文化和交通設(shè)施核密度最高的區(qū)間值為696 338～783 381，最低區(qū)間值為0～261 127;分析科教文化和交通設(shè)施分布情況可以發(fā)現(xiàn)，青島市區(qū)中心城區(qū)的布局密度明顯高于外圍地區(qū)，主要以城陽區(qū)與李滄區(qū)的交界處以及市北區(qū)、市南區(qū)、黃島區(qū)三區(qū)為中心向外擴(kuò)散，且這兩個大規(guī)模組團(tuán)的空間布局呈東南—西北方向延展的趨勢；平度市中部、萊西東部、即墨區(qū)中南及東北部、嶗山區(qū)西南部呈小范圍的集聚分布。

由圖2(f)可知，青島市區(qū)住宿服務(wù)核密度最高的區(qū)間值為598 739～991 419，最低區(qū)間值為0～31 103；分析住宿服務(wù)分布情況可以發(fā)現(xiàn)，住宿服務(wù)點(diǎn)分布不均勻，主要是在主城區(qū)密集分布，其他核密度高的區(qū)域分布較分散且分布范圍較??；青島市區(qū)的住宿服務(wù)集聚特征較明顯的有市南區(qū)、市北區(qū)，兩區(qū)均為高密度區(qū)域，黃島區(qū)只有在靠近沿海地區(qū)住宿服務(wù)才比較密集；除此之外，各區(qū)交界處密集程度都較高，城陽區(qū)和李滄區(qū)中部、嶗山區(qū)西南部以及即墨區(qū)南部各自都形成了小規(guī)模的組團(tuán)。

在六類核密度分析圖中，圖2(c)所示的保健服務(wù)設(shè)施分布最為均勻，最高的區(qū)間值為865 798～1 051 326，最低區(qū)間值為0～16 491；上面分析中平度市其余五類POI點(diǎn)數(shù)值大部分均分布在中部，只有保健服務(wù)業(yè)在平度全市內(nèi)分布較為均勻；但市南區(qū)與市北區(qū)仍保持中心地位，分布較為密集，并以兩區(qū)為中心向外擴(kuò)散；黃島區(qū)東北部、嶗山區(qū)西南部和東南部、城陽區(qū)中部以及即墨區(qū)南部都各自形成了小規(guī)模組團(tuán)。

根據(jù)上述分析可以得出結(jié)論，六類POI服務(wù)設(shè)施的聚集地在空間上具有明顯的重合特征，六類POI聚集情況從大到小依次為：餐飲服務(wù)、生活服務(wù)、保健服務(wù)、交通設(shè)施、科教文化和住宿服務(wù)，表明餐飲業(yè)的發(fā)展形勢相對較好，聚集程度最高；而住宿業(yè)的建設(shè)相對滯后于其他服務(wù)業(yè)，其密度區(qū)域高的地方也是其他類型服務(wù)業(yè)聚集程度較高的地方。由于平度市配套設(shè)施的建設(shè)略滯后于城市建設(shè)，應(yīng)擴(kuò)大服務(wù)范圍，避免服務(wù)盲區(qū)，為市民提供更加方便快捷的生活服務(wù)。

2.3 考慮人口、經(jīng)濟(jì)分布的各區(qū)域發(fā)展水平分析

為更加科學(xué)地判斷青島市各區(qū)域的發(fā)展水平，本文在POI點(diǎn)的基礎(chǔ)上增加青島市人口密度、經(jīng)濟(jì)密度柵格數(shù)據(jù)，數(shù)據(jù)來源于資源環(huán)境科學(xué)數(shù)據(jù)中心。人口密度柵格數(shù)據(jù)單位為人/平方千米，經(jīng)濟(jì)密度的為萬元/平方千米。首先對兩個數(shù)據(jù)進(jìn)行處理，利用多因子權(quán)重分配法，結(jié)合行政區(qū)單位權(quán)重，運(yùn)用柵格空間計算，得到GDP和人口的空間化結(jié)果如圖3所示[21]。

(a)人口密度

為了能夠?qū)D3與圖2進(jìn)行對比分析，需要引入重合度模型量化分析。圖像重合度算法在機(jī)器學(xué)習(xí)場景中運(yùn)用比較廣泛。重合度算法主要包括內(nèi)容特征法、關(guān)鍵點(diǎn)匹配、SSIM算法、直方圖等算法。直方圖比較的原理是將所要比較的兩幅圖片的直方圖數(shù)據(jù)歸一化，最終得到一個相似指數(shù)，能夠描述一幅圖像中顏色的全局分布，捕捉顏色信息的重合度。而本文獲得的核密度圖主要就是基于顏色分布計算的重合度，所以采用直方圖算法，用python編寫代碼實(shí)現(xiàn)重合度的計算。

由于人口和GDP使用的是夜間燈光數(shù)據(jù)，在運(yùn)算前需要將其進(jìn)行重投影，計算出來的人口、GDP與六類POI點(diǎn)直方圖重合度分別為0.45，0.32。結(jié)果表明，相較于經(jīng)濟(jì)密度而言，青島市區(qū)人口密度分布與六類POI點(diǎn)高密度聚集區(qū)域分布重合范圍更大。

圖3(a)顯示的人口密度較高或中等的地區(qū)，與六類POI的熱點(diǎn)重疊區(qū)域基本一致；圖3(b)顯示的經(jīng)濟(jì)密度較高或中等的地區(qū)，與六類服務(wù)設(shè)施高密度區(qū)域差別較大。兩個典型例子，如市南區(qū)人口空間分布最高，所對應(yīng)的服務(wù)設(shè)施POI的聚集程度也較高；嶗山區(qū)由于區(qū)內(nèi)的嶗山風(fēng)景區(qū)，相應(yīng)的餐飲、酒店、購物等服務(wù)業(yè)在周邊有所聚集，所以存在GDP空間分布高或中等，POI密度較高，但人口空間分布較低的情況。

3 結(jié)論

根據(jù)本文對POI分布密度的分析，為提高青島市各區(qū)的可持續(xù)發(fā)展水平，對部分地區(qū)提出相應(yīng)發(fā)展建議。

1)結(jié)合各POI密度分析可以看出市北區(qū)是青島市發(fā)展較好的地區(qū)，作為青島城市更新的重點(diǎn)地區(qū)，要加強(qiáng)保健服務(wù)方面建設(shè)，尤其是金融部分，雖是老城區(qū)，也要建設(shè)金融創(chuàng)新核心區(qū)以及煥新示范區(qū)。

2)嶗山區(qū)POI點(diǎn)在旅游服務(wù)設(shè)施較為聚集，嶗山區(qū)自身在旅游業(yè)就有很大的地理優(yōu)勢，嶗山風(fēng)景區(qū)可以增設(shè)住宿、餐飲等配套服務(wù)，發(fā)展旅游業(yè)的同時也需注重交通設(shè)施路網(wǎng)的布設(shè)，重點(diǎn)規(guī)劃株洲路兩側(cè)區(qū)域以及張村河兩岸區(qū)域，建設(shè)金融、旅游度假、科技的集聚地。

3)萊西市應(yīng)注重商業(yè)服務(wù)的發(fā)展，加強(qiáng)科教服務(wù)、交通設(shè)施、商業(yè)貿(mào)易、物流服務(wù)等功能。包括高鐵新城、萊西國際陸港等重點(diǎn)產(chǎn)業(yè)區(qū)，極大發(fā)揮區(qū)域交通樞紐的優(yōu)勢，帶動區(qū)域經(jīng)濟(jì)水平的提升。

總體來看，青島市發(fā)展依然存在地區(qū)差異較大的問題，青島位于山東半島的西南角，既擁有靠近內(nèi)陸的陸上交通優(yōu)勢，也擁有海上交通的優(yōu)勢，又因?yàn)槲刺幱诮煌┒耍园l(fā)展?jié)摿Ρ却筮B、煙臺等濱海城市要大。為更好地發(fā)展，應(yīng)打破行政區(qū)界限，根據(jù)人口集聚程度和經(jīng)濟(jì)發(fā)展水平建設(shè)生活服務(wù)設(shè)施，促進(jìn)各區(qū)生活服務(wù)均等化發(fā)展。