地理大數(shù)據(jù)支持下的城市功能區(qū)識(shí)別研究

滕俊利 馬紹偉 張鵬 李龍 任浩瑋 曲潔

摘要：準(zhǔn)確識(shí)別城市功能區(qū)有助于精細(xì)化城市管理、合理化資源配置。傳統(tǒng)的城市功能區(qū)識(shí)別方法在很大程度上依賴實(shí)地調(diào)研及統(tǒng)計(jì)年鑒數(shù)據(jù)，不可避免地存在較大的主觀性，且受限于數(shù)據(jù)獲取的繁瑣性，導(dǎo)致識(shí)別過(guò)程耗時(shí)耗力且效率低下。地理大數(shù)據(jù)的廣泛應(yīng)用為城市研究提供了一種新的方法和途徑，已被用于輔助城市規(guī)劃建設(shè)與管理相關(guān)工作。為推廣和普及地理大數(shù)據(jù)在城市功能區(qū)識(shí)別中的應(yīng)用，以特大城市為研究對(duì)象，基于OSM（OpenStreetMap）路網(wǎng)與互聯(lián)網(wǎng)位置信息等地理大數(shù)據(jù)，準(zhǔn)確識(shí)別了研究區(qū)內(nèi)多種類型的主要功能區(qū)，并將識(shí)別結(jié)果與城市實(shí)景予以比較和驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，基于地理大數(shù)據(jù)結(jié)合區(qū)域活躍度指標(biāo)的空間與時(shí)間尺度分析，可以較為準(zhǔn)確地識(shí)別出符合特大城市規(guī)劃現(xiàn)狀的主要功能區(qū)，證明了地理大數(shù)據(jù)支持下的城市功能區(qū)識(shí)別的有效性，有助于為城市規(guī)劃和建設(shè)管理等相關(guān)工作的高效開展提供參考。

關(guān)鍵詞：地理大數(shù)據(jù);城市功能區(qū);城市規(guī)劃;城市管理

中圖分類號(hào)：TU984

文獻(xiàn)標(biāo)識(shí)碼：A??? doi：10.12128/j.issn.1672-6979.2023.07.009

引文格式：滕俊利，馬紹偉，張鵬，等.地理大數(shù)據(jù)支持下的城市功能區(qū)識(shí)別研究［J］.山東國(guó)土資源，2023，39（7）：52-57.TENG Junli， MA Shaowei， ZHANG Peng， et al. Study on Urban Functional Area Identification Supported by Geographic Big Data［J］.Shandong Land and Resources，2023，39（7）：52-57.

0 引言

我國(guó)的城市化進(jìn)程日益迅速且不斷深入，在此過(guò)程中，城市內(nèi)部的空間結(jié)構(gòu)不斷發(fā)生變化，并形成了不同的功能區(qū)（商業(yè)區(qū)、工業(yè)區(qū)和居民區(qū)等）。及時(shí)準(zhǔn)確地識(shí)別城市功能區(qū)對(duì)城市政策制定、資源配置和建筑管理等方面具有重要的意義。傳統(tǒng)的城市功能區(qū)識(shí)別主要包括居民行為分析、專家調(diào)查協(xié)商及指標(biāo)體系分析等方法，這些方法往往在很大程度上依賴實(shí)地調(diào)查數(shù)據(jù)［1-2］。大致可分為定性方法、定量方法和GIS（Geographic Information Science）技術(shù)手段等，這些技術(shù)方法各有利弊，但普遍存在主觀性較強(qiáng)且費(fèi)時(shí)費(fèi)力等缺陷［3-5］。其中，定性方法在很大程度上依賴于領(lǐng)域?qū)＜业闹饔^判斷，費(fèi)時(shí)費(fèi)力且識(shí)別精度不高，現(xiàn)已漸漸被其他方法取代［6-7］。而定量方法是目前功能區(qū)識(shí)別研究中最常用的方法，已經(jīng)具有很多應(yīng)用案例［4］。例如，范業(yè)婷等［8］綜合利用多源遙感數(shù)據(jù)、土地覆被/利用數(shù)據(jù)和相關(guān)統(tǒng)計(jì)數(shù)據(jù)，利用生態(tài)相關(guān)模型和地理探測(cè)器等模型，定量評(píng)估縣域尺度內(nèi)的土地利用功能，并基于此劃定土地利用功能分區(qū)，最終取得了較好的效果。王秀紅［9］利用因子分析統(tǒng)計(jì)法，綜合評(píng)價(jià)了我國(guó)西部部分地區(qū)的土地利用程度，同時(shí)，通過(guò)自上而下和自下而上相結(jié)合的區(qū)劃方法，合并了評(píng)價(jià)結(jié)果，從而得到了更為準(zhǔn)確的土地利用程度分區(qū)結(jié)果。相比而言，基于定量方法的功能區(qū)識(shí)別流程較為簡(jiǎn)便，但因其對(duì)鄰接單元間的空間聯(lián)系考慮不足，導(dǎo)致得到的功能區(qū)識(shí)別結(jié)果不夠完整，亟需研發(fā)并推廣使用其他高效的方法。

近年來(lái)，地理大數(shù)據(jù)支持下的城市功能區(qū)識(shí)別方法逐漸成為主流［10-13］。在當(dāng)前大數(shù)據(jù)時(shí)代以及移動(dòng)設(shè)備廣泛使用的背景下，產(chǎn)生了大量Twitter簽到數(shù)據(jù)、大眾點(diǎn)評(píng)旅游評(píng)論數(shù)據(jù)以及互聯(lián)網(wǎng)位置大數(shù)據(jù)等帶有地理標(biāo)記的社交媒體數(shù)據(jù)。社交媒體數(shù)據(jù)具有獲取成本低、覆蓋范圍廣以及更新迭代快等優(yōu)點(diǎn)，已經(jīng)被廣泛用于開展城市功能區(qū)識(shí)別的相關(guān)研究。例如，陳世莉等［10］基于浮動(dòng)車（Global Positioning System，GPS）數(shù)據(jù)、興趣點(diǎn)（Point of Interest，POI）大數(shù)據(jù)和路網(wǎng)大數(shù)據(jù)，以廣州市部分地區(qū)作為研究區(qū)，通過(guò)潛在的狄利克雷模型（Latent Dirichlet Allocation，LDA）等時(shí)空語(yǔ)義模型和聚類方法，實(shí)現(xiàn)廣州市城市功能區(qū)識(shí)別，同時(shí)，參考百度地圖大數(shù)據(jù)對(duì)識(shí)別結(jié)果進(jìn)行了驗(yàn)證。周杭和樊紅［11］也采用興趣點(diǎn)和OSM路網(wǎng)等眾源地理大數(shù)據(jù)，并提出了一種基于特征向量分析的城市功能區(qū)識(shí)別方法，并以西安市為例，完成了商業(yè)區(qū)、旅游區(qū)、居住區(qū)、科教區(qū)和混合區(qū)5類城市功能區(qū)的準(zhǔn)確識(shí)別。除了上述主要基于通勤大數(shù)據(jù)的城市功能區(qū)識(shí)別研究，還有一些使用手機(jī)信令數(shù)據(jù)或與POI數(shù)據(jù)相結(jié)合的相關(guān)研究，例如，楊振山等［12］融合了數(shù)萬(wàn)條手機(jī)信令數(shù)據(jù)和三十余萬(wàn)條POI數(shù)據(jù)，精細(xì)量化了北京市的城市功能區(qū)；NIU等［13］基于基站位置數(shù)據(jù)和手機(jī)信令數(shù)據(jù)，使用核密度分析方法，探索了特大城市的城市空間結(jié)構(gòu)。除此之外，還有更多手機(jī)信令大數(shù)據(jù)用于城市功能區(qū)識(shí)別的相關(guān)研究［14-17］。相比于傳統(tǒng)調(diào)查數(shù)據(jù)和紙質(zhì)資料，地理大數(shù)據(jù)具有覆蓋面廣、時(shí)空分辨率高，且獲取成本低廉等優(yōu)勢(shì)，能夠更及時(shí)、準(zhǔn)確地反映了用戶的出行規(guī)律，有效地識(shí)別不同類型的功能區(qū)，并為城市研究提供一種新的信息和方法，且為城市規(guī)劃者和決策者等相關(guān)領(lǐng)域人員提供了較好的輔助信息［18］。

大數(shù)據(jù)挖掘與GIS技術(shù)的結(jié)合極大地增強(qiáng)了大數(shù)據(jù)本身的空間數(shù)據(jù)處理和分析能力［19］，有助于提高功能區(qū)的識(shí)別質(zhì)量和效率。然而，部分研究只是運(yùn)用了傳統(tǒng)的空間分析、制圖或數(shù)據(jù)管理等方面的初級(jí)功能，并單獨(dú)在GIS系統(tǒng)平臺(tái)下完成功能區(qū)的識(shí)別任務(wù)，尚未充分落腳在城市功能區(qū)的相關(guān)應(yīng)用，相關(guān)問(wèn)題仍然值得深入研究。基于此，本研究以特大城市為例，融合OSM路網(wǎng)與互聯(lián)網(wǎng)位置等地理大數(shù)據(jù)，并創(chuàng)新性地使用區(qū)域分割及其活躍度指標(biāo)構(gòu)建等方法，準(zhǔn)確識(shí)別了特大城市內(nèi)部各功能區(qū)，該研究有助于輔助相關(guān)人員識(shí)別城市空間結(jié)構(gòu)，對(duì)城市的地理規(guī)劃、資源配置和建筑管理等工作具有重要的實(shí)踐價(jià)值和參考意義［6，20］。

1 數(shù)據(jù)來(lái)源

1.1 OSM路網(wǎng)大數(shù)據(jù)

OSM是一個(gè)眾源的地圖網(wǎng)站（http：//www.openstreetmap.org/）。眾源方式是由用戶通過(guò)各種定位設(shè)施或者僅僅通過(guò)對(duì)目標(biāo)區(qū)域的熟悉印象繪制地圖。關(guān)于用戶選定區(qū)域的方式，OSM網(wǎng)站提供了2種方式，一種是直接導(dǎo)出當(dāng)前地圖界面的內(nèi)容，另一種是自定義手動(dòng)選擇區(qū)域［21］。考慮到本研究的具體情況，使用了第2種方式。此外，由于OSM是基于矩陣下載數(shù)據(jù)的方式，出于數(shù)據(jù)完整性的考慮，本研究截取了比實(shí)際需要的大的多的區(qū)域范圍，即通過(guò)選定包含研究區(qū)的范圍下載OSM數(shù)據(jù)并利用ArcGIS的Editor for Open Street Map轉(zhuǎn)換工具進(jìn)行OSM數(shù)據(jù)的轉(zhuǎn)換，得到了原始OSM路網(wǎng)數(shù)據(jù)。

1.2 互聯(lián)網(wǎng)位置大數(shù)據(jù)

越來(lái)越多的互聯(lián)網(wǎng)平臺(tái)支持用戶使用當(dāng)前的位置實(shí)時(shí)簽到。尤其在手機(jī)端，用戶可以基于自己的位置，實(shí)時(shí)發(fā)布文字、圖片和視頻等信息，從而實(shí)現(xiàn)自己的實(shí)時(shí)位置共享。類似于其他大數(shù)據(jù)，互聯(lián)網(wǎng)位置大數(shù)據(jù)具有數(shù)據(jù)量大、數(shù)據(jù)精度高、信息分布廣且字段內(nèi)容豐富等特點(diǎn)，已經(jīng)引起地理學(xué)、社會(huì)科學(xué)及城市規(guī)劃等眾多領(lǐng)域?qū)W者的廣泛研究［22］。本次研究共采集五十余萬(wàn)條互聯(lián)網(wǎng)位置大數(shù)據(jù)，其基本的屬性字段包括POI ID、User ID、User_Reg_Place和Checkin_Time?？紤]到搜集的數(shù)據(jù)缺少經(jīng)緯度特征，因此，使用基于已有的POI數(shù)據(jù)輔助實(shí)現(xiàn)簽到數(shù)據(jù)的經(jīng)緯度位置匹配處理。

2 研究方法

2.1 技術(shù)路線

首先，借助大數(shù)據(jù)采集程序及工具，獲取了路網(wǎng)和互聯(lián)網(wǎng)位置等地理大數(shù)據(jù)，形成用于城市功能區(qū)識(shí)別的地理大數(shù)據(jù)數(shù)據(jù)庫(kù)。進(jìn)而，分別使用路網(wǎng)擴(kuò)張和抽稀等技術(shù)，借助GIS軟件，完成OSM路網(wǎng)大數(shù)據(jù)的處理。對(duì)于采集到的互聯(lián)網(wǎng)位置大數(shù)據(jù)，進(jìn)行去重復(fù)數(shù)據(jù)、去停用詞以及去特殊符號(hào)等數(shù)據(jù)清洗過(guò)濾操作，進(jìn)而，采用被廣泛使用的一種無(wú)監(jiān)督聚類算法K均值聚類算法（K-means clustering algorithm）實(shí)現(xiàn)數(shù)據(jù)的空間聚類，以此獲得城市內(nèi)居民出行的時(shí)空規(guī)律。最后，通過(guò)構(gòu)建區(qū)域活躍度指標(biāo)，借助人工解譯完成城市功能區(qū)的最終識(shí)別，并將識(shí)別結(jié)果與研究區(qū)城市規(guī)劃的實(shí)際情況進(jìn)行比較，驗(yàn)證識(shí)別的效果（圖1）。

2.2 基于OSM路網(wǎng)大數(shù)據(jù)的區(qū)域分割

區(qū)域分割是地理空間應(yīng)用的重要方法，已被廣泛用于城市規(guī)劃、地理計(jì)算和城市交通分析等領(lǐng)域。相關(guān)學(xué)者往往會(huì)采用區(qū)域分割的方法，降低研究區(qū)域的冗余度，提高后續(xù)分析的效率和質(zhì)量。本次研究使用的路網(wǎng)分割區(qū)域是區(qū)域分割的典型方法?；诼肪W(wǎng)不同的道路等級(jí)分割不同的功能區(qū)域，基于三級(jí)OSM路網(wǎng)數(shù)據(jù)柵格化分割研究區(qū)局部區(qū)域。第一級(jí)道路指的是國(guó)道，第二級(jí)道路指的是省道，第三級(jí)道路指的是城市主干道?；谘芯繀^(qū)具體的城市建設(shè)規(guī)律和當(dāng)?shù)鼐用竦某鲂辛?xí)慣，這些道路能夠較為簡(jiǎn)便地將區(qū)域分割成形狀和大小不相同的子區(qū)域。因此，基于形態(tài)學(xué)圖像處理技術(shù)，采用路網(wǎng)擴(kuò)張、路網(wǎng)抽稀以及標(biāo)記連接區(qū)域的方法實(shí)現(xiàn)了路網(wǎng)數(shù)據(jù)的處理，并通過(guò)道路連接區(qū)域的方法實(shí)現(xiàn)了研究區(qū)的區(qū)域分割（圖2）。

2.3 基于互聯(lián)網(wǎng)位置大數(shù)據(jù)的區(qū)域活躍度指標(biāo)構(gòu)建

社交媒體活躍度是指每個(gè)地塊每個(gè)時(shí)間段的動(dòng)態(tài)發(fā)布數(shù)量，可以側(cè)面反映某一區(qū)域的動(dòng)態(tài)人流量，而人流量隨時(shí)間的動(dòng)態(tài)變化可以反映不同城市功能區(qū)的典型特征。本次研究利用基于計(jì)算機(jī)視覺原理分割研究區(qū)域，在時(shí)間尺度上，基于每個(gè)分割區(qū)域的社交媒體活躍度指數(shù)，劃分具有明顯不同活躍度特征的地塊，進(jìn)而識(shí)別城市功能分區(qū)。由于采集的互聯(lián)網(wǎng)位置大數(shù)據(jù)符合Zipf長(zhǎng)尾分布（冪律分布），因此，采用人工分析解譯的方法，在最大程度上避免了城市功能區(qū)識(shí)別結(jié)果的偏差（圖3）。

3 結(jié)果與分析

3.1 城市功能區(qū)識(shí)別結(jié)果

社交媒體活躍度分析是在時(shí)間尺度上的一種識(shí)別方法，能夠直觀反映出人類活動(dòng)的功能區(qū)間的群體差異。因此，在本研究中，將路網(wǎng)分割的整個(gè)研究區(qū)區(qū)域所得的地塊添加名稱屬性，并將名稱人工標(biāo)注處理?？紤]到路網(wǎng)密集的地方，需要分割的地塊數(shù)量較多。因此，為了保證標(biāo)注圖的清晰性和實(shí)用性，基于從上到下、從左到右的順序，逐步實(shí)現(xiàn)分幅標(biāo)注。

繼而，利用ArcGIS工具箱中的Split分割工具提取每個(gè)地塊中的互聯(lián)網(wǎng)位置大數(shù)據(jù)，并將每個(gè)地塊中的數(shù)據(jù)按照工作日、非工作日與24 h的時(shí)間統(tǒng)計(jì)到單獨(dú)的表格中，為后續(xù)分析這些大數(shù)據(jù)的時(shí)間分布規(guī)律做準(zhǔn)備。由于數(shù)據(jù)量巨大、分割地塊眾多，因此，通過(guò)編程高效實(shí)現(xiàn)其按周的分類統(tǒng)計(jì)?；诼肪W(wǎng)分割區(qū)域，采集的互聯(lián)網(wǎng)位置大數(shù)據(jù)的K-means聚類和區(qū)域活躍度的指標(biāo)計(jì)算，總共識(shí)別了三百余個(gè)地塊的功能區(qū)域。除此之外，某些地塊的功能屬性難以直觀判別，故將其定義為未識(shí)別區(qū)域。最終得到整個(gè)研究區(qū)的功能區(qū)識(shí)別結(jié)果如圖4所示。

3.2 識(shí)別結(jié)果實(shí)景驗(yàn)證

本研究基于研究區(qū)的路網(wǎng)數(shù)據(jù)和互聯(lián)網(wǎng)位置大數(shù)據(jù)，通過(guò)數(shù)據(jù)采集和預(yù)處理、路網(wǎng)處理和聚類等一系列工作對(duì)研究區(qū)的主要功能區(qū)進(jìn)行了識(shí)別。為了保證城市功能區(qū)識(shí)別結(jié)果的準(zhǔn)確性，采用目視和抽樣的方法，分別在整體和部分層面將實(shí)驗(yàn)得到的研究區(qū)功能分區(qū)結(jié)果圖與研究區(qū)城市總體規(guī)劃中的用地現(xiàn)狀圖（圖4）進(jìn)行對(duì)比，在一定程度上證明了地理大數(shù)據(jù)支持下的城市功能區(qū)識(shí)別方法的有效性。綜合以上對(duì)比結(jié)果發(fā)現(xiàn)，基于地理大數(shù)據(jù)的特大城市功能區(qū)識(shí)別結(jié)果具有一定的準(zhǔn)確度和參考價(jià)值，所得識(shí)別結(jié)果與實(shí)際情況具有較好的吻合度。但也存在一定的不足，例如，識(shí)別結(jié)果的可靠性在一定程度上受路網(wǎng)密集程度的影響，在路網(wǎng)稀疏的地方大多為未識(shí)別區(qū)域。其次，相比于被有效識(shí)別的居住區(qū)和工業(yè)區(qū)，商業(yè)區(qū)的識(shí)別效果略顯不足。考慮到現(xiàn)實(shí)情況中，OSM數(shù)據(jù)本身就存在不完整性，而路網(wǎng)密度就研究區(qū)而言地區(qū)差異較大；且研究區(qū)的商住和產(chǎn)住等混合用地的程度較高，特別是主城區(qū)內(nèi)土地利用結(jié)構(gòu)復(fù)雜，一定程度上限制了其識(shí)別效果。

4 結(jié)論

（1）在路網(wǎng)分割地塊的基礎(chǔ)上，基于地理大數(shù)據(jù)的時(shí)空信息構(gòu)建了不同地塊的區(qū)域活躍度指標(biāo)，并利用反映各功能區(qū)的不同區(qū)域活躍度特征，識(shí)別出研究區(qū)的居民區(qū)、工業(yè)區(qū)和商業(yè)區(qū)3個(gè)主要的功能區(qū)域。

（2）本研究將復(fù)雜的識(shí)別結(jié)果進(jìn)行簡(jiǎn)單分類，有助于較為簡(jiǎn)便地理解一個(gè)城市空間功能結(jié)構(gòu)，輔助城市規(guī)劃者和決策者基于人類活動(dòng)和路網(wǎng)開展不同城市功能區(qū)的研究，對(duì)城市規(guī)劃和建筑管理具有較大的輔助參考價(jià)值。

（3）本研究較好地驗(yàn)證了在地理大數(shù)據(jù)的支持下，利用大數(shù)據(jù)挖掘分析技術(shù)開展城市功能區(qū)識(shí)別研究方法的可行性。未來(lái)考慮結(jié)合興趣點(diǎn)和大眾點(diǎn)評(píng)等更多源數(shù)據(jù)，通過(guò)豐富地理大數(shù)據(jù)的來(lái)源和種類，或者結(jié)合遙感大數(shù)據(jù)，識(shí)別混合區(qū)域內(nèi)的商業(yè)區(qū)域，進(jìn)而實(shí)現(xiàn)特大城市功能區(qū)更為細(xì)致的識(shí)別。

參考文獻(xiàn)：

［1］ 韓昊英，于翔，龍瀛.基于北京公交刷卡數(shù)據(jù)和興趣點(diǎn)的功能區(qū)識(shí)別［J］.城市規(guī)劃，2016，40（6）：52-60.

［2］ 王卓然，趙庚星，劉金花.基于生態(tài)足跡模型的市域主體功能區(qū)規(guī)劃研究：以山東省濟(jì)南市為例［J］.國(guó)土資源科技管理，2014，31（1）：16-23.

［3］ 裴韜，黃強(qiáng)，王席，等.地理大數(shù)據(jù)聚合的內(nèi)涵、分類與框架［J］.遙感學(xué)報(bào)，2021，25（11）：2153-2162.

［4］ 李新鳳，李鶯宇，榮玉偉，等.基于GIS的山東省主體功能區(qū)劃分探析［J］.山東國(guó)土資源，2013，29（7）：63-66.

［5］ 朱明明，趙明華.基于相對(duì)資源承載力的山東省主體功能區(qū)劃分［J］.水土保持通報(bào)，2012，32（4）：237-241.

［6］ 陳小良，樊杰，孫威，等.地域功能識(shí)別的研究現(xiàn)狀與思考［J］.地理與地理信息科學(xué)，2013，29（2）：72-79.

［7］ 毛美橋，許慶福，丁喜蓮，等.新一輪土地整治規(guī)劃分區(qū)研究：以山東省肥城市為例［J］.山東國(guó)土資源，2012，28（8）：61-64.

［8］ 范業(yè)婷，金曉斌，甘樂，等.長(zhǎng)三角地區(qū)土地利用功能權(quán)衡的空間特征及其影響機(jī)制［J］.資源科學(xué)，2022，44（8）：1589-1603.

［9］ 王秀紅，何書金，張鐿鋰，等.基于因子分析的中國(guó)西部土地利用程度分區(qū)［J］.地理研究，2001（6）：731-738.

［10］ 陳世莉，陶海燕，李旭亮，等.基于潛在語(yǔ)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］ 周杭，樊紅.基于眾源地理數(shù)據(jù)的城市功能區(qū)及其熱點(diǎn)的識(shí)別研究［J］.武漢大學(xué)學(xué)報(bào)（工學(xué)版），2022，55（4）：417-426.

［12］ 楊振山，蘇錦華，楊航，等.基于多源數(shù)據(jù)的城市功能區(qū)精細(xì)化研究：以北京為例［J］.地理研究，2021，40（2）：477-494.

［13］ NIU X，LIANG D，SONG X，et al.Understanding Urban Spatial Structure of Shanghai Central City Based on Mobile Phone Data［J］.China City Planning Review，2015（3）：9.

［14］ SONG Z， WANG H，QIN S，et al.Building-Level Urban Functional Area Identification Based on Multi-Attribute Aggregated Data from Cell Phones—A Method Combining Multidimensional Time Series with a SOM Neural Network［J］.ISPRS International Journal of Geo-Information，2022，11（2）：72.

［15］ ZHANG B，ZHONG C，GAO Q，et al.Delineating urban functional zones using mobile phone data：A case study of cross-boundary integration in Shenzhen-Dongguan-Huizhou area［J］.Computers，Environment and Urban Systems，2022，98：101872.

［16］ LIU B，DENG Y，LI M，et al.Classification schemes and identification methods for urban functional zone：A Review of Recent Papers［J］.Applied Sciences，2021，11（21）：9968.

［17］ ZHAI W，BAI X，SHI Y，et al.Beyond Word2vec：An approach for urban functional region extraction and identification by combining Place2vec and POIs［J］.Computers，environment and urban systems，2019，74：1-12.

［18］ 李燕萍，虞虎，王昊，等.面向大數(shù)據(jù)時(shí)代的城市規(guī)劃研究響應(yīng)與應(yīng)對(duì)方略［J］.城市發(fā)展研究，2017，24（10）：1-10.

［19］ 劉耀林，劉啟亮，鄧敏，等.地理大數(shù)據(jù)挖掘研究進(jìn)展與挑戰(zhàn)［J］.測(cè)繪學(xué)報(bào)，2022，51（7）：1544-1560.

［20］ 鈕心毅，林詩(shī)佳.城市規(guī)劃研究中的時(shí)空大數(shù)據(jù)：技術(shù)演進(jìn)、研究議題與前沿趨勢(shì)［J］.城市規(guī)劃學(xué)刊，2022（6）：50-57.

［21］ 王康，朱欣焰，咼維，等.OSM/高德路網(wǎng)匹配融合技術(shù)在道路空間化中的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用研究，2019，36（12）：3685-3689.

［22］ 尹建國(guó)，曲黨政，張英.淺談“數(shù)字城市”建設(shè)與城市規(guī)劃［J］.山東國(guó)土資源，2011，27（5）：63-64.

Study on Urban Functional Area Identification Supported by Geographic Big Data

TENG Junli1， MA Shaowei2，? ZHANG Peng3，? LI Long4， REN Haowei1， QU Jie1

（1. Shandong Shengda Geographic Information Surveying and Mapping Engineering Limited Corporation， Shandong Weihai 264200， China; 2. Shandong Institute of Land and Resources Surveying and Mapping， Shandong Ji'nan 250000， China; 3. Shandong Mingjia Surveying and Mapping Limited Corporation， Shandong Zibo 255000， China; 4. Shandong Geological and Mineral Engineering Group Limited Corporation， Shandong Ji'nan? 250000， China）

Abstract： Accurate identification of urban functional areas helps refine urban management and rationalize resource allocation. Traditional methods of urban functional area identification rely heavily on field research and statistical yearbook data， which are inevitably subjective and limited by the tediousness of data acquisition， resulting in a time-consuming and inefficient identification process. The wide application of geographic big data provides a new method and approach for urban research， and has been used to assist urban planning and construction and management. In order to promote and popularize the application of geographic big data in urban functional area identification， megacities are taken as the research object and accurately identifies various types of major functional areas in the study area based on geographic big data， such as OSM （Open Street Map） road network and internet location information， and compares and verifies the identification results with the real city scenery. The experimental results show that the spatial and temporal scale analysis based on geographic big data combined with regional activity indexes can accurately identify the main functional areas in line with the current planning status of megacities， which proves the effectiveness of the identification of urban functional areas supported by geographic big data and helps to provide references for the efficient implementation of urban planning and construction management and other related work.

Key words： Geographic big data; urban functional areas; urban planning; urban management

修訂日期：2023-04-24；

編輯：王敏

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（42001414）

作者簡(jiǎn)介：滕俊利（1987—），男，山東煙臺(tái)人，工程師，主要從事測(cè)繪與地理信息工作;E-mail：38259724@qq.com

通訊作者：馬紹偉（1970—），男，山東濟(jì)南人，工程師，主要從事測(cè)繪與地理信息生產(chǎn)工作；E-mail：358011305@qq.com