基于多源数据的武汉市多中心空间结构识别

研究城市不同要素空间集聚水平与层级差异、明确城市各职能中心分布,对城市多中心空间结构的发展引导和规划调控具有重要意义。论文分别采用兴趣点(points of interest, POI)、夜间灯光和路网3种数据,利用局部等值线树算法,识别武汉市多中心空间结构。研究表明：① 武汉不同城市要素的总体集聚水平不均衡,其中在汉阳集聚水平较低,在汉口和武昌集聚水平较高,特别是二环以内区域;② 武汉中央活动区发展比较均衡,内部各城市要素高度集聚,随着向外扩展,部分城市要素易于在局部集聚形成城市中心;③ 结合武汉圈层发展布局,城市中心沿环线的“商-住-工”职能分布模式逐步确立,其中内环以及二环区域已形成稳定的商服中心;二环附近综合组团内部出现了较具代表性的居住中心;三环外的沌口和武钢主导发展工业,是典型的工业中心。     

多中心空间结构对城市地价影响研究

城市地价的飞速上涨和成本提高,对企业选址、个人购房带来越来越重要的影响,城市多中心发展能否有效抑制地价亟待实证检验.基于2008年和2013年全国285个地级及以上城市的微观土地出让数据,分析城市空间结构对地价的影响.研究发现:①多中心空间结构能有效抑制城市过高地价,但会显著提升城市低段地价和城市整体平均地价;②城市多...     

多中心空间结构的通勤效率——上海和杭州的实证研究

依据多中心空间结构的理想通勤模式构建通勤距离分布的理论模型,将实测结果与理论模型做比较,检验通勤效率。研究以上海和杭州为对象,发现：① 多中心空间结构确实有助于缩短通勤距离,但随着与就业中心距离增加,就业中心对缩短通勤距离的正效应逐渐减弱;② 社会经济发展水平更高的上海,其多中心空间结构的通勤效率比杭州发挥得更好。研究讨论了城市规模、多中心的实施时间、住房市场等对通勤效率的影响：上海的多中心空间结构发展更加成熟、租赁房源比例更高,为维持城市正常运转必须有更高效的交通组织,且居民确实经历了更长时间、有更多住房选择来调整职住空间以缩短通勤距离;杭州的城市功能尚处在完善中,多中心空间结构的通勤效率还未完全发挥作用。     

珠江三角洲地区多中心空间结构的特征及演变

多中心城市区域空间结构的研究和判断是制定适宜区域空间政策、推动其健康发展的前提和基础。珠三角地区作为我国快速发展的经济核心区和城镇密集区,其空间结构正在发生着显著的变化。以珠三角县级行政单位为基本空间单元,采用主成分分析和聚类分析法,对珠三角地区2000,2005,2010年多中心空间结构特征及演变进行研究。珠三角地区经历了从"核心—边缘"特征明显的单中心模式到"多中心"结构特征显著的发展历程,其演变模式总体上符合弗里德曼的区域空间结构演化理论。但在城市区域的空间尺度,钱皮恩的"离心模式、组合模式和融合模式"对其空间结构演变具有更好的解释力。现阶段,珠三角地区基本实现了经济中心和人口中心的空间耦合,但各中心在职能上仍然有所差别。     

基于生态导向的山地城市空间结构控制——以重庆涪陵区城市规划为例

城市生态格局是决定城市空间结构最重要的影响因素之一。在对涪陵城市空间结构,城市发展方向选择中,针对提出"生态引导"的方法。通过对山地自然属性、生态基底划分和用地类型空间管制的具体变化分析,认为将生态导向引入城市规划,确定城市增长边界,从远景城市空间布局入手,对城市空间布局进行控制,最终实现城市空间形态的合理演化,有益于山地城市建设范围、结构、发展方向的合理性,为涪陵区城市空间布局提供良好的方法,最终实现控制城市空间结构发展的目的。     

基于多源数据的东莞城市公共中心体系识别与形成机制研究

基于POI、手机信令、百度建筑等开源数据和传统土地利用数据等多源数据,运用核密度、空间自相关分析等方法全方位、全时态识别东莞城市公共中心体系的空间布局、功能等级和服娱腹地,并从空间形态和功能联系视角评估规划实施效果,最后从政策制度、外资投入、产业经济、土地要素和交通设施等因素探究形成机制。结果发现：1）运用多源数据综合识别东莞城市公共中心体系的技术方法有效、准确且实用,东莞中心体系已初步具有“形态多中心”和“功能单中心”的双重空间特征;2）规划对于东莞城市中心体系的构建具有一定的推动作用,但形态和功能方面的发育情况距规划均有一定差距;3）东莞城市中心体系是政府力与市场力多方博弈的结果,不单取决于政府政策制定、土地投放和设施建设,也与资本投入和产业转移息息相关。     

多中心空间结构经济绩效的研究进展及启示

通过回顾国外多中心经济绩效的相关理论与实证研究,探讨多中心空间结构的经济绩效,特别是单中心与多中心绩效的对比研究,得出如下结论：由于城市之间可以通过“互借规模”、发挥专业化分工与协作的比较优势,加之较小的城市规模可以相对避免集聚不经济的产生,多中心空间结构理论上可以获得同等规模单一城市享有的集聚经济;受城市规模、发展阶段、地理空间尺度、功能联系、行业构成的异质性等因素影响,多中心空间结构的经济绩效表现不一。最后提出了深化国内研究的方向以及相关政策启示。     

基于兴趣点（POI）大数据的东北城市空间结构分析

以东北三省36个城市为研究区,利用400余万条兴趣点行业分类大数据,采用核密度估计、标准差椭圆、区位熵等方法分析城市空间结构及其行业构成机制。研究发现,东北城市要素显著集聚,城市内部空间结构呈现集中团块型、分散组合型、线型、放射型特征以及多元复合类型;第二产业和房地产业呈现郊区化特征,各行业发展方向与东北大区域的经济轴线一致,多数行业尚未形成专业化功能区;第二产业与房地产业的离心发展对集中团块型城市的塑造作用不强,但对分散组合型城市空间结构的贡献较大。线型城市通常兼具多中心特征,放射型城市各行业仍偏向于向心聚集。     

基于多源大数据的城市体征诊断指数构建与计算——以上海市为例

基于多源大数据,构建了整合城市活动-移动系统、城市人口系统、城市运行系统、城市环境系统4个系统的城市体征诊断指数体系。该指数体系分解为底力、动力、压力、活力4个维度,具有4个层次和12个时空间尺度。底力指数表征土地、人口等空间单元基本属性,用以把握区域总体特征;动力指数通过企业发展状况、环境质量等反映了空间单元的发展状态;压力指数用以监测城市系统运行状况,起到风险评判与预警的作用;活力指数以活动和流的时空特征进行活动动态展现,反映空间单元的真实活力。最后以2016年4月6日为例,计算和展示了上海各街道的综合和各维度体征诊断指数,说明了体征诊断指数的可应用性和指数计算结果的稳健性。城市体征诊断指数可以辅助于城市网格化管理、压力预警等治理需求。     

2000―2010年广州人口空间分布变动与多中心城市空间结构演化测度

基于广州市第五次和第六次人口普查中的常住人口数据,运用空间分析法、单中心密度模型和多中心密度模型分析法对广州市人口空间分布和多中心城市空间结构进行研究。结果表明,研究时段内广州人口空间动态变化表现为“内圈层（近郊区）快速增长、外圈层慢速增长、核心圈层（核心区）和外圈低速增长”,核心圈层的人口继续增长并向四周扩散,表明广州人口变动的郊区化现象明显,已呈现多中心特征,由2000年的“1个中心（人民公园）2个次中心（白云区的新景街和海珠区的凤阳街）”演变至2010年的“1个中心（人民公园）4个次中心（白云区的同德街、海珠区的凤阳街、天河区的棠下街和沙河街）”,次中心的人口集聚功能逐渐增强,对城市人口分布影响逐渐增大。     

多中心城市群土地利用/覆被变化地学信息图谱研究——以长株潭城市群为例

多中心城市群具有交通网络发达、功能联系密切、空间多维复合等特征,其土地利用/覆被变化（LUCC）是一个相当复杂的过程。采用地学信息图谱方法,探索城市群LUCC数量结构与时空格局一体化耦合机理,研究用地变化与区域发展互动关系,有助于深入揭示多中心城市群土地利用时空演变规律,为同类城市群的国土空间规划和健康发展提供参考。本文以典型案例长株潭城市群为例,构建1995—2015年四个时期地学信息图谱,并耦合重心转移模型,在总体量化分析基础上,重点从城际与城乡视角深入解析城市群土地利用时空变化特征和一体化发展态势。研究结果表明：① 土地利用总体动态加速演变。四期建设用地扩张年动态度分别为1.06、4.10、2.21和7.39,转移强度动态增加,耕地和林地呈加速减少态势。② 城际与城乡地类图谱转移呈现多维演变。图谱“15（耕地→建设用地）、25（林地→建设用地）、45（水域→建设用地）”重心由株洲城区（Ⅰ 期）向长沙城区（Ⅱ 期和Ⅲ 期）再向湘潭城区（Ⅳ期）迁移,经历“相对均衡-长沙加速崛起-有机均衡”和“城市加速集聚-城乡相对均衡”演变过程。③ 近年来,城际转移强度差异缩小,转移结构分异增加,区域主体功能逐步凸显。同时,外围区县加速发展,城乡一体化水平明显提升。④ 城市群土地利用涨落势图谱与经济社会一体化发展高度耦合,同时耕地保护与高质量发展有待加强。     

Detecting the dynamics of urban structure through spatial network analysis

Urban spatial structure in large cities is becoming ever more complex as populations grow in size, engage in more travel, and have increasing amounts of disposable income that enable them to live more diverse lifestyles. These trends have prominent and visible effects on urban activity, and cities are becoming more polycentric in their structure as new clusters and hotspots emerge and coalesce in a wider sea of urban development. Here, we apply recent methods in network science and their generalization to spatial analysis to identify the spatial structure of city hubs, centers, and borders, which are essential elements in understanding urban interactions. We use a ‘big’ data set for Singapore from the automatic smart card fare collection system, which is available for sample periods in 2010, 2011, and 2012 to show how the changing roles and influences of local areas in the overall spatial structure of urban movement can be efficiently monitored from daily transportation.

In essence, we first construct a weighted directed graph from these travel records. Each node in the graph denotes an urban area, edges denote the possibility of travel between any two areas, and the weight of edges denotes the volume of travel, which is the number of trips made. We then make use of (a) the graph properties to obtain an overall view of travel demand, (b) graph centralities for detecting urban centers and hubs, and (c) graph community structures for uncovering socioeconomic clusters defined as neighborhoods and their borders. Finally, results of this network analysis are projected back onto geographical space to reveal the spatial structure of urban movements. The revealed community structure shows a clear subdivision into different areas that separate the population’s activity space into smaller neighborhoods. The generated borders are different from existing administrative ones. By comparing the results from 3 years of data, we find that Singapore, even from such a short time series, is developing rapidly towards a polycentric urban form, where new subcenters and communities are emerging largely in line with the city’s master plan.

To summarize, our approach yields important insights into urban phenomena generated by human movements. It represents a quantitative approach to urban analysis, which explicitly identifies ongoing urban transformations.     

山地高密度城市热岛效应的多约束因子格局分析与定量探测——重庆都市区案例研究

城市热岛受城市地表多因素影响,山地城市的情况则更为复杂.本文以典型山地城市重庆为例,基于Landsat8 OLI/TIRS影像、高精度矢量建筑等多源空间数据,采用城市地温反演、归一化植被指数、天空开阔度建模等方法,重点针对城市建成区,通过地理探测器分析各因子对城市热岛效应的约束力.研究表明:①在都市区全域,城市热场空间...     

移动定位大数据视角下的人群移动模式及城市空间结构研究进展

了解城市人群移动行为和空间结构对城市规划、交通管理、应急响应等具有重要的意义。近年来,随着信息技术(ICT)的快速发展,采集大规模、长时间序列的人群移动定位大数据变得容易,为人群移动行为研究带来了新的机遇和挑战。本文首先介绍了目前用于城市人群移动行为和空间结构研究的主要数据源及其特征,并分别从人群移动行为、城市空间结构2个方面对近3年国内外相关研究进行归纳总结。目前的研究主要从移动定位大数据中挖掘人群移动模式,理解人群移动时空规律,进一步透视城市的空间结构特征;而对城市空间结构与人群移动行为影响的研究较少。未来可通过融合多源时空数据,综合研究人群移动行为与城市空间结构之间的相互作用,发展大规模群体移动行为时空分析理论和模型,进一步深入理解人群移动行为与城市空间结构的耦合关系。     

中国大都市多中心空间演化过程的非均衡动态模拟

构建了一个基于垄断竞争、规模经济、空间成本、消费者多样化偏好以及商品和服务差异化的大都市多中心空间结构模型,并整合基于agent的建模,借助非均衡(out-of-equilibrium)动态模拟,探讨了人口规模和消费需求、区域间和区域内商业产品及服务的替代弹性、固定成本投入、区位和交通条件等因素的"持续"变化对的大都市空间结构演化的影响过程。模拟表明:以商业为代表的经济活动往往集聚在具有区位优势、规模经济和消费能力的大都市传统中心,而交通条件的持续改善、新兴郊区次中心与传统城市中心之间以及城区内部商业产品和服务的不断差异化对大都市的多中心空间结构有重要影响,但影响的程度不同。更重要的是,大都市的人口规模和消费能力对新兴郊区次中心的形成作用显著。     

中国副省级及以上特大城市人口空间分布与多中心性研究

基于第五、六次人口普查数据及年鉴统计数据,选取我国12 个副省级以上特大城市为研究对象,运用GIS 探索性空间数据分析等方法对我国特大城市的人口时空演化及其空间结构特征进行研究。结果显示：（1）我国特大城市人口增长态势明显,总量差距逐步缩小,人口分布呈“总体均衡、局部集中”的格局。（2）近域扩张特征明显,城市内部人口密度差别较大,特大城市局部地区人口空间极化与空间扩散效应并存。（3）各城市人口分布多中心性存在明显的分化特征,且随着时间的推移特大城市的多中心程度有弱化趋势。     

基于互联网数据的住宿业竞争力及其空间格局——以武汉主城区高端酒店为例

随着互联网的发展,利用互联网数据来研究城市实体空间问题成为城市地理学研究内容和研究方法的新切入点。本文基于互联网消费平台点评数据、互联网地图实时交通数据和城市兴趣点等数据,在建立住宿业竞争力评价指标体系的基础上,计算武汉主城区高端酒店竞争力得分和排名,并探求住宿业竞争力的空间分布特征和布局模式。研究发现：①武汉高端酒店竞争力得分总体较为集中。价格、人气、周边商业和商务服务是酒店之间竞争力差距的主要因素;②武汉高端酒店竞争力投射在空间上总体呈现点状聚集与线形延伸并存的格局,竞争力高分酒店主要集中在二环线内的武昌和汉口;③随着酒店竞争力等级的下降,酒店空间格局呈现由城市中心向四周递减的圈层式发展规律,高等级酒店大多出现在新兴商业区;④本文归纳了武汉主城区高端酒店竞争力空间分布模型,得出中央活动区新兴商圈顶级高端酒店、中央活动区传统商圈中级高端酒店、交通门户周边中级高端酒店等7种住宿业空间格局类型。     

基于词向量数据场轨迹引力的多中心识别和空间交互分析

多中心化是分散城市人口,疏解交通拥堵,调节职住失衡,应对"大城市病"的重要手段.针对轨迹大数据,先利用词向量描述其空间特征和行为规律,再结合数据场理论表达城市区域对轨迹的吸引强度,并完成多中心识别,最后借鉴复杂网络理论对多中心空间交互规律进行探索和挖掘.结果表明:①郑州市轨迹吸引强度呈核心强、外围弱、沿线蔓延的圈层空间...