基于POI大数据的城市零售商业空间布局与人口耦合关系研究——以上海市为例

城市零售商业空间的合理布局是推动城市经济发展、满足居民消费需求的基础,商业空间与人口的耦合度高低是商业布局合理的主要因素之一.以上海市零售商业POI数据、人口数据等为基础,通过最邻近距离分析法、核密度估计法、Ripleys K函数空间聚类分析等方法分析了上海市零售商业空间布局特征,建立人口耦合度模型,分析各类商业与人口的耦合度.结果表明:①上海市各类商业空间均显示出明显的集聚特征;②各类商业的集聚区域有所不同,且中心与外围分异明显;③各类商业在不同尺度范围内集聚表现不同,在距离范围为10～12km时,大多数类型的商业空间呈现聚集状态,便利店、电子卖场区位空间选择尺度较大,特殊买卖场所区位选择尺度较小;④便利店的人口耦合度最高,超市的人口耦合度最低.     

O2O与实体商业空间布局与关联研究——以乌鲁木齐市为例

以O2O(Online to Offline,线上到线下)为代表的网络团购电子商业因其消费方式和体验过程的特殊性、服务范围的空间特定性,正在对城市实体商业空间格局产生不可忽视的影响。目前,对O2O与实体商业的研究多关注在空间特征与影响因素上。文章以乌鲁木齐市为例,选取2019年的O2O与实体商业POI(Point of Interest,兴趣点)数据,运用空间计量方法、空间句法测算的路网可达性以及OLS模型,对乌鲁木齐市O2O与实体商业的空间分布以及空间关联进行实证研究。结果表明:首先,乌鲁木齐市O2O与实体商业空间都表现出中心集聚,外围离散分布的特征,但O2O商业的中心集聚性较低,而外围呈现出多核心的形态。其次,O2O对实体商业具有极强的关联性,一方面,O2O能够加剧实体商业中心化现象,给中心聚集区的消费者带来更多的便利,从而加剧中心区的消费能力,使中心更加极化;另一方面,使商业在空间上产生扩散效应,即利用O2O模式的网络优势,使更多的商家远离中心区域同样达到高收益的效果,同时O2O使诸多商业的信息传播不再受距离限制,刺激了新的商业类型发展。对O2O与实体商业关系论证能够帮助理解电子商务影响下的城市商业区位理论,并有助于了解未来城市商业空间发展内在逻辑。     

浅谈商业的空间设计

文章讨论商业空间在现代城市空间的作用及商业空间与城市空间的内在联系。商业空间存在着商业外部空间和商业内部空间，内部空间影响商业外部空间，最终影响城市空间。总结，商业空间是城市空间中最活跃的空间之一，商业空间与城市其它空间一样，也存在收缩与扩张性。商业空间的扩张及扩张程度是商业空间设计及商业管理等多方面的成功。     

基于POI数据的广州市儿童商业活动空间的演变特征及形成机制

运用大数据与传统地理信息系统相结合的方式，以广州市儿童商业活动空间的POI(Point of Interest)数据为研究对象，对其进行分类后，研究其总体空间格局及各功能类型空间的分布特征，探讨其空间分布规律及发展态势并分析形成机制，对广州儿童友好型城市规划提出相应建议。研究表明:(1)广州市儿童商业活动空间整体呈现分布不均的“核心-边缘”格局，在核心区呈现多中心结构，在市域范围内呈现组团式结构。经过5年的发展，总体的空间格局没有发生显著变化，空间分布不均问题依旧突出。(2)各功能类型儿童商业活动空间的高核密度区具有一致性，都位于城市中心区。在空间规模上，辅导类及艺术类的儿童活动空间规模最大，特殊教育类儿童活动空间在5年内的变化不明显。在空间拓展速度上，早教类和游乐类的儿童活动空间发展速度较快。运动类儿童活动空间的商业体量没有明显增大，但该空间扩散现象明显。(3)儿童商业活动空间受到多种因素的共同影响，包括了社会发展及儿童的需求变化、城市的空间格局及未来发展方向、城市的交通及儿童商业活动空间的可达性、互联网技术及线上教育的发展。     

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例，基于宜出行和兴趣点（points of interest，POI）2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法，开展了城市土地利用分类研究．通过对比不同数据与方法组合下的城市土地利用分类精度，确定了提取城市土地利用信息的最优数据组合方式和分类方法．并基于分类结果对西宁市的城市土地利用格局进行了分析．结果显示，基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高，总体精度为71.25%，Kappa系数为0.62．主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征，而神经网络可以有效综合多源大数据的信息．因此，基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径，具有较大的应用潜力．      

基于空间句法的历史城区商业形态演变分析——以武威市老城区为例

基于空间句法理论,通过对武威老城区4个不同时期的城市空间形态和武威传统"四大街、四小街"的布局演变过程经行描述和分析,来探讨武威老城区空间形态与商业形态之间的联系,提出对武威老城区商业空间改造的意见建议。通过空间句法理论定量分析了武威老城区商业活动较强的传统街道空间演变格局,以此丰富对历史城市发展的认识和了解,提出一种新的分析城市商业发展问题的方法。     

广州市主城区道路结构与商业集聚空间关联分析

城市道路结构对商业的集聚有重要影响,研究两者关系对商业的选址和布局以及道路规划等方面有现实意义。以广州市主城区为例,运用空间句法模型计算道路结构指标,采用核密度分析法计算2018年广州主城区的商业POI密度以分析商业集聚的空间结构,通过相关分析得出商业空间与道路结构之间的关系。结果表明:(1)各类道路形态指标都与商业空间集聚呈现"高-高"集聚的空间关联模式。(2)商业集聚分布总体呈现出"核心-边缘"结构,核心区域集中于主城区的中西部,并向外围逐渐扩散。(3)道路结构指标中,全局整合度是大部分商业类型的最强相关因子,能够较好预测商业空间的分布;连接值和局部整合度稍差,平均深度值的相关性最弱。     

基于时空语义挖掘的城市功能区识别研究

针对目前城市功能区划分大多依靠人工完成,且未充分使用城市中时空数据的问题,提出一种基于时空语义挖掘的城市功能区识别方案.首先,选取某城市矩形区域为研究样本,并以建筑物为划分依据将研究样本划分为有效的基础区域;然后,对各基础区域内的新浪微博位置签到数据及POI(Points of Interest)数据进行时空语义挖掘,采用狄利克雷多项式回归(DMR)主题模型生成区域的功能性向量;最后,通过向量聚类,依据POI类别比例完成区域的功能性识别.实验结果表明,本方案相比基于POI密度的k-means聚类方案和基于潜在狄利克雷分布(LDA)主题模型的城市功能区识别方法具有更高的准确性,位置签到数据所表征出的人们活动模式可以揭示城市功能区之间的差异,在城市地理空间分析上具有良好的效果.     

福州市夜间旅游业态发展特征及其优化对策

以中国夜间经济十佳城市——福州市为例，依托POI数据和夜间灯光数据以及GIS空间分析技术，分析了福州市夜间旅游空间布局、业态集聚特征，并且以夜间灯光数据和POI耦合结果为依据提出业态布局特征的优化对策.研究发现：(1)福州市的夜间旅游业态布局显现出由中心城区集中向远城区蔓延，多核引领模式的发展规律；(2)区域业态发展失衡，热点区域的夜间旅游业态均衡发展，次热点区域多由单一业态引领；(3)对灯光数据和POI数据耦合发现，两者耦合效果较好，可以看出夜间旅游业态分布格局大致是由中心城区向远城区发展，总体格局呈现为东聚西散的发展态势；(4)福州市夜间旅游业态总体分布格局是人地相互作用的结果，依据热点区域和耦合结果来看，总体分为三大板块——核心旅游板块、次级旅游板块、延伸旅游板块，并按照各自区域的实际情况提出相应优化对策.     

基于GIS的贵阳市主城区零售商业空间格局及影响因素分析

运用大数据网络爬虫技术,获取贵阳市主城区零售商业网点POI数据,通过核密度分析、标准差椭圆分析、平均最近邻指数分析和多项Logistic回归分析等方法,对贵阳市主城区零售商业空间布局特征及其影响因素进行研究。结果显示:1)贵阳市主城区零售商业网点呈现"一主多次"的空间格局,以云岩区、南明区为核心聚集区,以白云区西南部、观山湖区东部、花溪区北部、乌当区东南部为次级聚集区,各聚集区呈圈层递减规律;2)主城区各类零售商业网点的空间格局呈南北方向展布的特征,与贵阳市城市发展规划方向基本一致;3)主城区各类零售商业网点的平均最近邻指数均小于1,且在0%的显著性水平下Z值均小于-2.58,呈显著聚集分布模式;4)人口密度、公共交通通达性与土地价值等因素是贵阳市主城区零售商业网点空间布局的主要影响因素。     

基于多源数据的城市内部空间交互特征：以福州市主城区为例

人群在城市内部空间中的流动是社会活力和资源分配的直接体现,是城市交通规划管理的重要依据。融合手机信令大数据和POI(point of interests)数据,对福州市主城区内的交通小区进行功能分区并构建了交通小区之间的空间交互网络,采用复杂网络方法对各类型功能区的中心性地位及出行距离衰减效应进行了分析。结果表明：福州市主城区功能区以居住及公共服务相关功能区为主。鼓楼区和台江区的人流量最为活跃,仓山区及晋安区的内部空间交互格局存在显著的不平衡现象。各功能区的中心性地位存在明显的空间和周期差异,科教文化及商服类型功能区的中心性普遍较高。居住用地与其他功能区之间的距离衰减效应受到时段的影响较大。基于以上结果可对城市公共交通优化提供一定支持。     

基于POI数据的贵阳市服务业空间格局及其影响因素

基于贵阳市中心城区178 749条POI数据,采用核密度分析、平均最近邻分析和区位熵分析,从服务业整体和分行业方面,探讨贵阳市服务业空间分布格局及其影响因素.研究发现:①贵阳市中心城区服务业已基本形成"双核多组团"的结构,极化成核现象显著,呈现出核心—边缘的空间结构;空间上整体呈"Y"型分布形态,主要分布在交通网络中心性好和地势低平的地区;②服务业分行业视角下,不同类型服务业的数量和集聚程度差异有统计学意义;存在明显的核心—边缘空间结构,具体分布模式呈现3种类型;专业化功能区差异明显,在城市边缘更易于形成专业化集聚区;③交通、地形、人口、城市规划是影响服务业布局的主要因素.最后从规划视角提出城市服务业布局优化的策略,对山地城市规划具有指导意义.     

2002-2018年北京市通州区城市热岛(冷岛)效应时空分异规律及其影响因素

北京市通州区于2015年正式成为首都市副中心。截止至2018年,已有大量的人口、工业、商业迁入通州区,使得人为活动大大增加。人为活动以及下垫面的变化会影响通州区地表温度的时空分布。为了给通州区今后的发展进行指导,本文通过MODIS数据和气象数据,得到北京市通州区城市热岛（冷岛）效应的时空分异规律,分析了地表温度和归一化植被指数（NDVI）及气象要素之间的关系。结果表明：北京市通州区1951~2018年的四季气温呈显著上升趋势;城市热岛（冷岛）与环境要素关系密切,归一化植被指数与地表温度呈显著负相关,这表明通州区的植被分布对热场具有调节作用;城市热岛比例指数与平均气温、平均相对湿度呈负相关（相关系数分别为0.012和0.119）;城市冷岛比例指数与平均气温、最大风速呈正相关（相关系数分别为0.186和0.089）。说明随着通州区平均气温的升高,通州区热岛现象减弱,城市冷岛现象增强。通州区最大风速的增加对城市冷岛现象有增强作用。通州区平均相对湿度的增加对城市热岛现象有削弱作用。可见该研究结果可以为北京市通州区城市规划和生态城市建设提供依据。     

SOFM网络下的深圳市城市用地功能识别分析

基于88814条POI数据, 并借助自组织映射网络(SOFM网络), 对深圳市城市土地利用的功能进行分析和识别, 并与中国基本城市土地利用类型制图(EULUC-China)进行比较验证。结果表明: 1) 深圳市城市街区尺度呈现功能混合的特征, 主要分为第二产业和生产性服务业主导、交通设施主导、居住+第二产业及生产性服务业+商业服务业设施混合、居住+公共管理和服务混合以及商业+公共管理和服务混合5类空间用地。2) 基于SOFM网络的用地功能识别模型, 结果更为细致, 混合功能用地的分类更能突出地域特征。     

武汉市主城区餐饮业空间特征及与动态人口的耦合分析

城市餐饮业空间格局研究对城市规划及城市可持续发展具有重要意义.针对现有研究中方法单调,衍生研究以对影响因素定性分析为主的不足,采用POI数据,运用基于核密度的热点指数方法对武汉市主城区的餐饮热点进行识别,并结合工作日和休息日的百度地图热力图数据构建人口活动强度模型,对动态人口与餐饮业空间分布进行耦合分析.分析发现,武汉市主城区餐饮业可显著识别出1个一级中心、3个二级中心和9个三级中心;餐饮业分布与动态人口的空间匹配程度总体较好,工作日时匹配程度高的区域占比稍高于休息日.匹配程度为较差和差的区域依具体类型不同而散布在大型商圈外围、传统中小型商圈、旅游点、复兴街区和新兴街区.     

基于“12345”市民服务热线的城市公共管理问题挖掘与治理优化途径

以海南省三亚市的“12345”市民服务热线数据为研究对象, 通过提取热线数据记录中的空间信息进行地理编码, 结合热线记录的原始信息, 刻画市民来电的时间、空间和类别特征。利用高频词分布及其相关性网络来归纳城市公共管理中的主要问题, 分析各类问题的时间变化特征和空间分布模式。用不同类型兴趣点(POI)反映城市功能, 用道路网反映城市结构, 探讨影响城市问题发生的因素。结果表明: 1) 热线记录以周为单位波动, 周中数量大于周末; 2) 城市问题发生数量前5类依次为噪音、建设施工、通信与网络、城市用水和停车, 且噪音与建设施工问题联系紧密; 3) 不同城市问题在时间上有不同的发生模式, 空间上集中分布在城市活动密集的区域; 4) 城市问题的发生与道路网密度关系不大, 与城市功能中的公共设施、交通设施和科教文化POI密度显著正相关, 与风景名胜、体育休闲和政府职能POI密度显著负相关。研究结果验证了“12345”市民服务热线在挖掘和刻画城市问题方面的有效性, 并提出利用大数据优化城市治理的途径(包括城市数据积累与分析、融合多源数据以及提高数据共享程度等), 对推动城市精细化治理和智慧城市建设具有迫切意义。     

超大城市就业多中心的空间格局及形成机理——以武汉市为例

多中心城市空间结构逐渐成为诸多大城市的发展战略,有必要深入探索城市就业多中心之间的功能关联和就业次中心的形成机理.为此,该研究以超大城市武汉市作为研究区域,基于手机App移动定位数据、百度POI数据和地理国情普查数据等地理空间大数据,运用残差分析方法和数理统计模型识别和分析武汉市就业多中心及其关联特征,采用Logistic回归方法,探索武汉市就业次中心的形成机理.研究发现： 1) 武汉市多中心城市空间格局显著,就业多中心之间的关联表现为城市主中心与最近次中心间的功能互补.2) 武汉市就业次中心形成的关键性驱动因素有多样化指数、三产企业数量、交通路网密度和《武汉市城市总体规划(2010—2020)》等,产业结构的优化是促进就业次中心形成和发展的重要举措,科学的城市规划能够有效引导就业多中心布局.3) 劳动力集聚和《武汉市城市总体规划(1996—2020)》分别对武汉市就业次中心的形成具有显著和较为显著的阻碍作用.     

位置服务大数据下广州市土地利用类型模拟探讨

位置服务(LBS)产生的时空行为大数据为地理环境模拟提供了重要机遇,也为土地利用类型的模拟识别提供了创新思路。位置服务大数据下的居民活动强度的周期性变化与土地利用有显著相关性,带有较强的土地利用指示性,在土地利用类型模拟识别上具有较大的应用价值。以广州为案例,本文利用百度地图平台APP联盟用户的位置服务大数据,以150*150m格网为精度单元,应用监督分类方法中的随机森林分析法模拟识别土地利用类型,模拟总准确率达72.40%,其中,村镇建设用地、工业用地、公园绿地、居住用地和商业金融用地的预测准确率分别为50.39%、82.65%、49.53%、82.66%和49.56%。研究结果表明随机森林方法在应用高密度时空行为大数据进行土地利用类型模拟的有效性及位置服务大数据在城市土地利用类型模拟上的潜在价值,也反映了居民活动强度空间形态与土地利用之间的显著相关性。当然,这需要利用不同的技术手段在不同城市和城市的不同区域上更多的案例实证。