基于出租車軌跡的廣州市活躍度的時空演變分析

◎ 古 杰 周素紅 閆小培 楊慶媛

基于出租車軌跡的廣州市活躍度的時空演變分析

◎ 古 杰 周素紅 閆小培 楊慶媛

研究一天中不同時段的城市活躍度及其穩定性可以為公共基礎設施和公共服務設施的空間配置以及公共交通及安全政策的制定提供依據。本文通過出租車GPS數據所表現出的城市活躍度及其穩定性來研究城市的時空間結構形態。研究結果表明：城市活躍度的空間格局呈現出明顯的中心外圍結構特征，可以視為一種不規則的同心圓模式。不同日期在相同時段內城市活躍度的空間格局也存在差異，一些區域在星期一是城市活躍度一般，而同一時段的星期天城市活躍度較高。從城市活躍度和穩定性的節律特征來看，城市活躍度和穩定性均表現出明顯的高峰與低谷，顯示城市活躍度具有明顯的日常活動的節律性。

城市活躍度 出租車出行數據 時間地理學 廣州

一、引言

從實踐層面來看，對城市空間結構在時間尺度上進行更加微觀的研究對優化城市空間格局、建設智慧城市、提高城市基礎設施和公共服務設施配置的效率以及應對城市突發事件等多個領域都具有重要的應用價值［1］。現有的空間規劃和應急預案等領域多以人口分布狀態或城市土地利用形態等靜態或相對靜態的地理事物為基礎，人口分布所表現出來的城市活躍度狀況成為空間規劃和政策制定的重要依據［2］。然而，由于人口處在不斷的移動過程之中，因此相關設施的布局和政策的制定也難免具有一定的局限性。因此，如何通過獲取動態的城市空間結構數據來提高決策的科學性成為亟待解決的問題［3］。從現實情況來看，我國的人口普查數據以居民的居住地為基礎，難以提供晝夜不同時間的人口分布狀況，更難以提供更加精細的不同時段的人口分布狀況。從土地利用方式來看，不同時段人們對土地利用的程度存在較為明顯的差異，白天人口集聚的商業中心，晚上可能轉變成依然高活躍度的夜市，也有可能轉變成人口分布稀疏的低活躍度區域。因此，現有的土地或人口分布數據難以滿足城市規劃和建設實踐的需求。

從理論層面來看，在微觀的時間和空間尺度上分析人口的分布和移動的規律性是學術研究的重要內容。在人口分布和遷移的話題中，學者們普遍認為人口的產生和分布在大尺度的空間范圍內具有地域性，在大的時間尺度上具有階段性［4］。在較小的時空尺度內，居民在居住地居住，在工作地工作，在商業和休閑空間購物休閑，居民從事不同的活動需要在不同的空間范圍內進行［5］。從時間過程來看，居民早上要從居住地出發，白天不同的時間需要前往不同的地點，晚上回到居住地，會隨著晝夜交替呈現出生活節律性。由于城市是一個復雜的具有自組織功能的巨系統，同時又受到城市功能分區的影響，居住、工作、休閑、購物、接送小孩和交友等諸多活動一般分布在城市不同的位置［6］。因此，有必要從更加微觀的尺度研究人口分布和遷移的規律性。

本文的研究是在時間地理學的理論框架內研究城市活躍度。相關的研究成果可以追溯到哈格斯特朗及其領導的隆德學派的研究［7］。20世紀70年代和80年代，相關的研究成果主要表現為理論和模型的構建［8-9］。其間，實證研究的內容以問卷調查為主［10-12］。20世紀90年代到21世紀初，相關研究的理論和方法獲得突破［13-17］。在國外學者的研究過程中，職住不匹配話題、設施和人口不匹配話題等研究受到廣泛關注［18-20］。隨著現代信息通訊技術的發展以及GPS數據的廣泛運用，討論現代信息通訊技術對居民日常出行活動的影響或利用現代信息通訊技術所提供的數據進行城市時空間結構研究逐漸成為一個比較新的話題［21-22］。從國內學者的研究成果來看，城市時空間結構、貧困群體的日常活動空間、流動人口的生活活動空間、少數群體的日常行為空間等諸多領域都有所涉及［23-34］。

學者們已經開始使用時間地理學的研究方法對城市居民的行為空間進行研究［35］。然而從具體的研究內容來看，學者們對城市居民行為空間的研究一般是從特定的人群或者對特定出行目的的方面進行，這些研究一般以實地調查為主或問卷訪談為主，以大數據為基礎進行全面的城市活躍度研究還有待進一步強化。本文把通過居民出租車出行目的地的核密度大小來反映城市活躍度狀況，相對于已有的研究它有兩個特點：一方面它是基于大數據的全樣本研究；另一方面它是一種動態的研究，研究的時間尺度細化到一個小時。

二、數據與方法

北京、上海和廣州是中國人口規模最大的三個城市。其中，廣州是廣東省的省會，位于中國大陸的南部。出租車出行在廣州市交通中起著重要的作用。從公共交通的車輛比重來看，2009年廣州市出租車總量為18893輛，占公共交通車船總量的62.24%，從運輸乘客的人次來看，出租車年輸送乘客395904萬人次，占運輸人次總量的14.78%。從客運收入情況來看，出租車2009年總收入為574052萬元，占廣州市公共交通的客運收入比重的48.13%。研究中用到的出租車數據來自出租車GPS裝置，每20秒左右，出租車就會刷新一次信息，包括出租車的車牌號、速度、經緯度、速度、日期時間和載客狀態等基本信息。本文選取2009年5月11日（星期一）和5月17日（星期日）兩天的數據分別代表廣州市工作日和休息日出租車出行的情況。其中，周一共包括約35萬次出行，平均出行的直線距離為3.03km，周日共包含約39萬次出行，平均出行的直線距離為3.11km，略高于周一的平均出行距離。

把出行目的地（D點）的核密度作為衡量城市活躍度的指標，并把出行目的地核密度進行分等級顯示，核密度等級越高，城市活躍度較高，核密度等級越低，城市活躍度較低。對柵格內出行目的地的核密度與全天平均水平進行回歸分析，用一次項系數代表該時段內的城市活躍度，R2值代表城市活躍度的總體穩定性。用單位柵格內24小時時間段內核密度的變異系數來表示空間穩定性。

三、不同時段的城市活躍度分析

在研究過程中本文通過對出行目的的核密度分析來反映不同時間區域的出行活動的活躍度。把出行活動的核密度劃分為10個等級，其范圍分布是（0～1］、（1～5］、（5～10］、（10～20］、（20～40］、（40～80］、（80～160］、（160～240］、（240～320］、（320～1000］，單位是人次/km2，其中小括號表示不包含，中括號表示包含。在核密度分析的過程中本文選取的搜索半徑為1000米。為了表述的方便，將核密度不同的閾值范圍依次稱為一級活躍度、二級活躍度……十級活躍度，其中一級活躍度的核密度最低，表示單位面積內出行人次的核密度估計最低，十級活躍度的核密度最高，表示單位面積內出行人次的核密度估計最高。

0∶00到1∶00時段內，城市整體活躍度較低。最高等級的活躍度是七級活躍度。這一時期七級活躍度的區域分布比較零散，其中分布最集中的一個區域是越秀、荔灣和海珠區三個區交界的一些街道，主要有東風街道、逢源街道、龍津街道、大新街道、海幢街道和江南中街道等區域。第二個區域是天河南街、梅花街道和石牌街等越秀與天河接壤的一些街道。第三個高活躍度區域是白云區的三元里街道、新市街道和棠景街道等機場高速附近的一些區域。七級活躍度區域的外圍是六級活躍度區域，外圍是五級活躍度區域。

8∶00到9∶00是一天中出行的早高峰時段。本時段的最高出行活躍度為十級，十級活躍度區域主要分布在環市東路到天河路和中山大道西路沿線的街道主要包括東風街道、大榕街道、廣衛街道、建設街道、華樂街道、農林街道和黃花崗街道等區域。此外在廣州火車站和廣州火車東站的附近區域也為十級活躍度區域。在解放中路、解放南路附近的區域也呈現出十級活躍度，而在珠江新城附近的區域也呈現出十級活躍度。

11∶00到12∶00時段內，十級活躍度的區域主要有5處，面積較大的是廣州火車站所在的流花街道附近區域，其次是華樂街道和建設街道所在區域的部分范圍。天河南街也有部分區域屬于十級活躍度區域，另外還有兩個面積較小的區域分別在北京路步行街附近和廣州火車東站附近。

18∶00到19∶00時段內，十級活躍度區域僅剩下天河南街道范圍內一處，九級活躍度的區域有五處，第一處分布在天河南街道，第二處位于華樂街道的范圍內，第三處位于北京路附近，第四處位于廣州火車站附近，第五處位于棠景街道范圍內。

廣州市在工作日不同時段城市活躍度的空間狀況呈現出如下幾個特點：其一，廣州市在不同的時段出行活動的最高活躍度等級是不同的。從最高活躍度的級別來看，在0∶00到6∶00的時段內，廣州市出租車出行的最高活躍度為七級。6∶00到7∶00在廣州火車站和火車東站首次出現了九級活躍度區域。7∶00到8∶00最高出行活躍度有所降低，8∶00到20∶00廣州市居民出租車出行的最高活躍度等級均為十級，20∶00到21∶00最高活躍度等級降低到九級。20∶00 到23∶00最高活躍度的等級恢復到十級水平。23∶00到24∶00最高活躍度區域降低到九級水平。其二，從最高等級活躍度的空間分布來看，不同的時段所處的位置是不同的。在全天較長的時段內流花街道、林和街道、天河南街道、華樂街道以及人民街道等街道屬于城市活躍度較高的區域。然而就最高等級的活躍度區域范圍來看，不同的時段差異較為明顯。其三，同一區域在不同時段的活躍度等級有明顯的變化，在區域中活躍度的相對地位也呈現比較明顯的變化。

休息日城市活躍度的時空格局與工作日呈現出相似的規律性，基本特征如下：其一，廣州市在不同時段最高活躍度的等級呈現出一定的節律性。從1∶00到3∶00時段內廣州市的最高活躍度等級為八級，3∶00到6∶00時段內，最高活躍度等級下降到七級水平，6∶00到7∶00上升到八級，7∶00到8∶00上升到九級。9∶00到21∶00一直保持在十級水平，21∶00之后，又呈現降低的趨勢。其次，在一天中的不同時段，最高活躍度等級所在的空間位置也呈現出明顯的節律性變化。一些區域一直是比較穩定高等級活躍度中心，比如廣州火車站、華樂街道和天河南街道，有些區域只有部分時段是高活躍度中心，而在其他時段城市活躍度水平一般，比如北京路附近和天河客運站附近區域。再次，同一區域不同時段的活躍度等級也呈現較為明顯的變化。

四、城市活躍度的總體特征分析

在研究過程中，本文通過對所有時段出行目的地的核密度分析反映不同時間區域的出行活動的活躍度。圖1中把出行活動的核密度劃分為10個等級，為了方便與分時段的核密度等級進行對比，其范圍分布是（0～24］、（24～120］、（120～240］、（240～480］、（480～960］、（960～1920］、（1920～3840］、（3840～5760］、（5760～7680］、（7680～10000］，單位是人次/km2，其中小括號表示不包含，中括號表示包含。在核密度分析的過程中，本文選取的搜索半徑為1000米。同樣，為了表述的方便，將核密度不同的閾值范圍依次定義為一級活躍度、二級活躍度……，以及十級活躍度，其中一級活躍度的核密度最低，表示單位面積內出行人次的核密度估計最低，十級活躍度的核密度最高，表示單位面積內出行人次的核密度估計最高。由于在對總體核密度水平進行分析的過程中閾值設定相當于分時段閾值的24倍，所以總體水平的活躍度可以視為各小時時段活躍度的平均水平。

圖1　工作日不同時段城市活躍度的等級

工作日最高活躍度等級為十級，十級活躍度區域僅有廣州火車站附近一處區域，范圍較小。九級活躍度區域有三處，一處位于廣州火車站附近十級活躍度的外圍地區，一處位于華樂街道范圍內并向建設街道和黃花崗街道延伸，另外一處位于天河南街道范圍內。八級活躍度區域也有三處分別位于三個九級活躍度的外圍地區。七級活躍度區域分布在八級活躍度的外圍地區，已經呈現出相對連片的分布態勢。六級活躍度區域分布在七級活躍度區域的外圍地區。在中心城區，基本上所有的區域活躍度等級均達到六級或六級以上水平。在中心城區之外，花都和番禺兩個區的中心城區最高活躍度等級僅達到五級水平，且呈現出快速的距離衰減的趨勢。其中，番禺區的區域高活躍度中心位于市橋街道范圍內，而花都區高活躍度中心位于新華街道范圍內。除此之外，白云機場的最高活躍度等級在周一達到了六級水平，高于番禺和花都兩個區的中心活躍度。

休息日的最高活躍度等級也為十級水平。活躍度等級為十級的區域依然僅有廣州火車附近一處，但是區域范圍有所擴大。九級活躍度區域從工作日的三處增加到四處。一處位于廣州火車站所在的流花街道，一處位于華樂街道，一處位于天河南街道，這三處區域在工作日也是九級活躍度區域。北京街道、人民街道北側以及珠光街道和大塘街道的西側的活躍度等級在周日也升高到九級水平。八級熱度的區域分布在九級熱度區域的外圍，其中在越秀街道范圍內的面積較大，主要圍繞九級活躍度中心散開。荔灣區的八級活躍度區域主要分布在靠近越秀區的一側。天河區的八級活躍度區域主要以天河南為中心并延伸到林和街道和石牌街道。海珠區的八級活躍度中心主要分布在江南中街道和昌崗街道的交界處，面積較小。同在海幢街道和濱江街道靠近越秀區的一側也有小面積區域達到八級活躍度水平。七級活躍度區域分布在八級活躍度區域的外圍地區，面積較大。除此之外，在赤崗街道、棠下街道、元崗街道等街道范圍內也有比較孤立的七級熱度區域分布。從全市的范圍來看，在距離中心城區較近的區域，個別區域的活躍度等級達到六級水平。在遠郊區，除白云機場所在的區域有小面積區域達到六級水平外，其他遠郊區的最高活躍度等級為五級水平。遠郊區的多數區域活躍度等級在二級或二級以下水平。從不同的搜索半徑及其熱度等級的示意圖來看，廣州市城市活躍度呈現明顯的多中心格局。

從總體上看，廣州城市活躍度呈現以下特點：其一，城市活躍度有幾個明顯的中心。流花街道、天河南街道和華樂街道范圍內或相鄰區域的中心性較強，其中等級最高的是廣州火車站所在的流花街道。其二，一些中心在工作日不明顯，而在休息日較為明顯。比如北京街道范圍內及其附近的高活躍度區域。其三，在距離主城區較近的非中心城區也形成了一些具有較高活躍度的區域，比如天河客運站范圍內的元崗街道。其四，在遠離中心城區的遠郊區也形成了若干高等級的活躍度中心，分別是白云機場、花都區域中心和番禺區域中心。其五，在遠離中心城區的多數空間范圍內，城市的活躍度等級水平較低，普遍在三級水平或二級水平以下。

圖2　工作日和休息日城市活躍度等級

為了測度城市在不同時段的活躍度的總體水平，本文首先計算出全天的平均活躍度水平。然后把單位時段內的活躍度水平與全天平均的活躍度水平進行線性回歸分析。其中表中x表示城市活躍度的平均水平，y表示不同時段的城市活躍度水平。如果一次項系數大于1，表示該時段內的整體活躍度水平大于全天的平均水平，如果小于1，表示活躍度水平低于全天的平均水平（圖3）。

在工作日城市活躍度水平表現為早晨高峰時段、上午高峰時段、下午高峰時段和晚上高峰時段四個城市活躍度的高峰時段，其間對應的是城市活躍度的四個低谷時段。0∶00到4∶00時段內，城市活躍度水平呈現出下降的趨勢，是一天中城市活躍度的第一個低谷階段。6∶00到7∶00時段內，城市活躍度水平呈現出短暫的升高。8∶00到10∶00時段內，城市活躍度達到了一天中城市活躍度的第一個高峰時段。12∶00 到13∶00為城市活躍度的第二個低谷階段。14∶00到15∶00城市活躍度水平有所升高，成為第二個城市活躍度的第二個高峰時段。16∶00到18∶00是下午城市活躍度的低谷階段，也是一天中第三個城市活躍度的低谷階段。19∶00到20∶00是城市活躍度的第三個高峰時段，20∶00到21∶00城市活躍度水平有所降低，是一天中的第四個低谷時段。21∶00到22∶00是一天中的第四個高峰時段，22∶00之后，城市活躍度逐漸降低。從8∶00到23∶00，除20∶00到21∶00城市活躍度略低于平均水平外，整體上城市活躍度水平較高。0∶00到8∶00，城市活躍度水平始終低于平均水平，是城市活躍度的低水平階段。總體上，城市活躍度具有明顯的晝夜交替的節律性。

休息日城市活躍度水平表現為上午高峰時段、下午高峰時段和晚上高峰時段三個城市活躍度的高峰時段，與高峰時段對應的是城市活躍度的低谷時段。0∶00到6∶00，城市活躍度呈現出穩步下降的趨勢，5∶00到6∶00是休息日城市活躍度的第一個低谷時段。6∶00之后城市活躍度逐漸提高，10∶00到16∶00是城市活躍度的第一個高峰時段。休息日由于多數居民不需要上班，沒有出現早晨高峰時段和上午高峰時段的明顯分離，僅僅在13∶00 到14∶00有極小幅度的下降。16∶00到17∶00成為休息日城市活躍度的第二個低谷階段。19∶00到21∶00是一天中的第二個高峰時段。21∶00到22∶00是休息日的第三次低谷階段。22∶00到23∶00是休息日的晚高峰時段，23∶00之后，城市活躍度水平明顯降低。從城市活躍度的晝夜節律性看，21∶00 到22∶00城市活躍度的水平明顯低于平均水平，1∶00到7∶00城市活躍度低于平均水平。

五、城市活躍度的空間格局

根據活躍度和變異系數的高低，把研究區域劃分為四類，第一類是穩定低活躍度區域，指的是活躍度低變異系數也低的區域，其中活躍度在240人次/Km2以下，變異系數小于1；第二類是穩定高活躍度區域，指的是活躍度較高且變異系數較低的區域，其中活躍度在240人次/Km2以上，變異系數小于1；第三類是不穩定低活躍度區域，指的是活躍度較低而變異系數較高的區域，其中活躍度在240人次/Km2以上，變異系數大于1；第四類是是不穩定高活躍度區域，指的是活躍度較高變異系數也較高的區域，其中活躍度在240人次/Km2以上，變異系數小于1。

各種類型的區域分布如圖4所示。從圖示情況來看，穩定的高活躍度區域占據了中心城區的大部分分區域。越秀區除登峰街道靠近白云山的一側，其余全部區域都屬于穩定高活躍度區域。荔灣區靠近越秀區的一側也屬于穩定高活躍度區域。海珠區的南洲街道、江海街道和赤崗街道及其以西的區域屬于穩定高活躍度區域，琶洲街道的部分區域也屬于穩定高活躍度區域。天河區靠近海珠區和越秀區一側的區域也屬于穩定高活躍度區域。休息日穩定高活躍度區域的空間分布與工作日總體上相同，不同的是空間分布的范圍稍微大一些。

圖3　工作日和休息日城市活躍度的時間變化

穩定低活躍度區域分布在兩個比較集中的區域。一是在遠離中心城區的郊區地帶，由于在全天的活躍度等級均比較低，變異系數較小，因此屬于穩定的低活躍度區域。二是臨近中心城區的近郊區活躍度水平相對較低，同時變異系數是略低于1，這些區域屬于穩定的低活躍度區域。但是其活躍度水平比郊區的要高，變異系數也比郊區的要高。

不穩定低活躍度區域主要分布在近郊區和遠郊區的過渡地帶。這一區域隨著與中心城區之間的距離增大，活躍度水平有較為明顯的下降。同時這一區域往往在一些重要的交通站點或區域性高活躍度中心的周圍，在部分時段仍然有較高的出行密度，因此屬于不穩定的低活躍度區域。從圖示情況來看，不穩定低活躍度區域主要分布在番禺區和白云區，尤其是兩個區在靠近中心城區的一側分布范圍較為廣泛。黃埔區除黃埔街道的部分區域外，多數區域也屬于不穩定的低活躍度區域。蘿崗區在靠近黃埔區的部分區域屬于不穩定低活躍度區域。花都區在新華街道、炭步鎮、獅嶺鎮和花山鎮的部分區域屬于不穩定低活躍度區域。花東鎮僅有幾個比較離散的點狀區域屬于不穩定的低活躍度區域。相對于工作日的情況，不穩定的低活躍度區域在遠郊區有較多的點狀區域分布。

圖4　工作日和休息日城市活躍度的空間格局

不穩定高活躍度區域的范圍極小。工作日不穩定高活躍度區域主要分布在荔灣區的東沙街道和金沙街道，海珠區南側的瑞寶街道和南洲街道。天河區的車陂街道和前進街道，以及京溪街道、龍洞街道和長興街道。白云區主要分布在白云山南側和東側的白云山風景區。在休息日不穩定的高活躍度區域主要分布在金沙街道、三元里街道北側、白云山景區的南側和東側、龍洞街道、長興街道和元崗街道以及五山街道和琶洲街道的部分區域。

六、結論與討論

本文通過對不同時間斷面居民出租車出行目的地的分布狀況來分析城市活躍度，根據居民出行目的地核密度的大小把城市活躍度分為十個等級，從而展示一天中不同時段城市活躍度的空間狀況和分布特征。基本結論如下：

其一，不同時段內城市活躍度的水平有明顯的變化。主要表現在三個方面：不同時間最高活躍度的等級具有一定的規律性；一天中不同時段最高活躍度區域出現的空間位置也有明顯的變化；同一區域不同時段城市活躍度也呈現出日常活動的規律性。

其二，城市活躍度的總體水平表現出明顯的中心外圍格局。城市中心區域城市活躍度水平較高，與城市中心相鄰的城市近郊區地帶城市活躍度水平較低，中心城區的遠郊區地帶城市活躍度水平極低，部分區域范圍內鮮有出租車出行的目的地分布。

其三，城市活躍度水平的時間變化表現出明顯的節律性。工作日城市活躍度有明顯的早晨高峰、上午高峰、下午高峰和晚上高峰以及分布其間的低谷時段，表現為四個高峰時段和四個低谷時段明顯的節律性。休息日城市活躍度表現為上午高峰、下午高峰和晚上高峰三個高峰時段及分布其間的低谷時段，表現為三個高峰時段和三個低谷時段。工作日和休息日城市活躍度均表現出明顯的晝夜交替的規律性，其中工作日白天城市活躍度的水平總體上高于休息日，而晚上恰好相反。

其四，城市活躍的空間格局呈現出明顯的中心外圍結構特征。在城市中心區形成了穩定高活躍度區域，近郊區形成了不穩定的高活躍度區域，而在遠郊區則形成了穩定的低活躍度區域。活躍度高但不穩定的區域零散地分布在穩定高活躍區域的外圍，在高活躍度區域和低活躍度區域之間也會形成面積較小的過渡地帶。整體上城市活躍的空間格局呈現出中心外圍的圈層結構特征，可以視為一種不規則的同心圓結構。

為了驗證相關的結論，本文進行了出行日志的問卷調查。問卷調查的時間是2013年4月4日（清明節）到5月1日（勞動節）之間進行。5月1日之后，個別調查地點進行了補充調查，約占問卷總量的10%。問卷調查在廣州市12個街道內的18個社區內進行。共計回收1604份有效問卷，被調查的家庭個數是1332個，每個家庭調查一位被訪者的戶數是1060戶，每個家庭有兩位被訪者的戶數是272戶。跨度是12～75歲，18歲以下的未成年人有16位，占本地問卷總數的1.0%。從問卷調查結果來看，工作日出行活躍度與相應的出租車出行活躍度的空間耦合程度為71.47%，休息日的空間耦合程度為65.22%。

本文重點分析了城市活躍度水平時間和空間變化的規律性，同時也考慮到了工作日和休息日之間的區別。但是在研究的過程中僅僅用星期一城市活躍度水平來代替工作日，把星期天的城市活躍度水平來代替休息日還是有一定的局限性。尤其是休息日，居民出行的隨機性較大，需要更多的案例研究才較為合理。出租車出行雖然相對于其他出行方式更具有靈活性，但是也存在一定的代表性問題，以5∶00到 6∶00的出行高峰為例，實際上是由于6∶00之前部分居民的出行已經開始，公交車和地鐵等其他公共交通尚未開始運營，因此在數據上表現出了城市活躍度的小高峰時段。此外，城市空間結構會受到多種因素的影響，以出租車出行的城市活躍的空間結構的影響因素有待于進一步研究［36］。

［1］戚偉，李穎，劉盛和，高曉路，趙美風.城市晝夜人口空間分布的估算及其特征——以北京市海淀區為例.地理學報，2013，68（10）：1344-1356.

［2］柴彥威，關美寶，蕭世倫.時間地理學與城市規劃：導言［J］.國際城市規劃，2010，25（6）：1-2.

［3］Gusdorf F， Hallegatte S， Lahellec A. Time and space matter： how urban transitions create inequality［J］. Global Environmental Change. 2008，18（4）：708-719.

［4］劉盛和，鄧羽，胡章.中國流動人口地域類型的花費方法及其空間分布特征.地理學報，2010，65（10）：1187-1196.

［5］Kwan M P. How GIS can help address the uncertain geographic context problem in social science research［J］. Annals of GIS. 2012， 18（4）： 245-255.

［6］周素紅，鄧麗芳.基于T-GIS的廣州市居民日常活動的時空關系.地理學報，2010，65（12）：1454-1463.

［7］H?gerstrand T. What about people in grgional science ［J］. Papers and proceedings ofthe regional science association. 1970，24（1）：7-21.

［8］Pred A. Social Reproduction and the Time-Geography of Everyday Life［J］. Geografiska Annaler. Series B，Human Geography.1981，63（1）：5-22.

［9］Pred A. The choreography of existence： comments on H？gerstrand's time-geography and its usefulness［J］. Economic geography.1977：207-221.

［10］Burnett P， Hanson S. The analysis of travel as an example of complex human behavior in spatiallyconstrained situations： Definition and measurement issues［J］. Transportation Research Part A：General.1982，16（2）：87-102.

［11］Hanson S， Burnett K O. Understanding complex travel behavior： Measurement issues［J］. New horizons in travel-behaviour research.1981：207-230.

［12］Hanson S， Hanson P. The travel-activity patterns of urban residents： dimensions and relationships to sociodemographic characteristics［J］. Economic geography.1981，57（4）：332-347.

［13］Schwanen T， Dijst M， Kwan M P. Introduction - The Internet， changing mobilities， and urban dynamics［J］. Urban Geography.2006，27（7）：585-589.

［14］Kwan M P. GIS methods in time-geographic research： Geocomputation and geovisualization of human activity patterns［J］. Geografiska Annaler， Series B： Human Geography.2004，86（4）：267-280.

［15］Kwan M P. Space-time and integral measures of individual accessibility： a comparative analysis using a point-based framework［J］. Geographical Analysis.1998，30（3）：191-216.

［16］Miller H J. Modelling accessibility using space-time prism concepts within geographical information systems［J］. International Journal of Geographical Information System.1991，5（3）：287-301.

［17］Pendyala R M， Goulias K G， Kitamura R. Impact of telecommuting on spatial and temporal patterns of household travel［J］. Transportation.1991，18（4）：383-409.

［18］Neutens T， Schwanen T， Witlox F. The prism of everyday life： towards a new research agenda for time geography［J］. Transport reviews.2011，31（1）：25-47.

［19］Sang S， O'Kelly M， Kwan M P. Examining commuting patterns： Results from a journey-to-work model disaggregated by gender and occupation［J］. Urban Studies.2011，48（5）：891-909.

［20］Hawthorne T L， Kwan M P. Using GIS and perceived distance to understand the unequal geographies of healthcare in lower-income urban neighbourhoods［J］. Geographical Journal.2012，178（1）：18-30.

［21］Berry M， Hamilton M. Changing urban spaces： Mobile phones on trains［J］. Mobilities.2010，5（1）：111-129.

［22］Kwan M P. Mobile communications， social networks， and urban travel： Hypertext as a new metaphor for conceptualizing spatial interaction［J］. Professional Geographer.2007，59（4）：434-446.

［23］柴彥威.以單位為基礎的中國城市內部生活空間結構──蘭州市的實證研究［J］.地理研究.1996，15（1）：30-38.

［24］柴彥威，翁桂蘭，劉志林.中國城市女性居民行為空間研究的女性主義視角［J］.人文地理.2003，18（4）：1-4.

［25］曹麗曉，柴彥威.上海城市老年人日常購物活動空間研究［J］.人文地理.2006，21（2）：50-54.

［26］劉玉亭，何深靜，李志剛.南京城市貧困群體的日常活動時空間結構分析［J］.中國人口科學.2005（S1）：85-93.

［27］馮健，陳秀欣，蘭宗敏.北京市居民購物行為空間結構演變［J］.地理學報.2007，62（10）：1083-1096.

［28］蘭宗敏，馮健.城中村流動人口的時間利用以及生活活動時空間結構——對北京5個城中村的調查［J］.地理研究.2010，29（6）：1092-1104.

［29］蔡曉梅，賴正均.廣州居民在外飲食消費行為的時空間特征研究［J］.人文地理.2008，123（03）：79-84.

［30］曹小曙，黃曉燕，董哲.基于GIS的公共交通可達性與居民出行特征［J］.華南師范大學學報（自然科學版）. 2013，45（5）：98-105.

［31］曹小曙，林強.基于結構方程模型的廣州城市社區居民出行行為［J］.地理學報.2011，66（02）：167-177.

［32］劉云剛，譚宇文，周雯婷.廣州日本移民的生活活動與生活空間［J］.地理學報.2010，65（10）：1173-1186.

［33］薛德升，蔡靜珊，李志剛.廣州市城中村農民工醫療行為及其空間特征——以新鳳凰村為例［J］.地理研究.2009，28（05）：1341-1351.

［34］周春山，葉昌東.中國城市空間結構研究述評［J］.地理科學進展.2013，32（7）：1030-1038.

［35］Yanwei. Chai.Space-Time Behavior Research in China：Recent Development and Future Prospect［J］. Annals of the Association of American Geographers，2013，103（5），1093-1099

［36］曹衛東，唐云云.城市專業批發市場區位演化與城市空間的時空耦合——以蕪湖市為例［J］.經濟地理. 2013，33（5）：60-66.

（責任編輯：盧小文）

Research on Space-Time Evolution of Urban Activity Based on the Trajectory of Taxi： A Case Study of Guangzhou

Gu Jie， Zhou Suhong， Yan Xiaopei， Yang Qingyuan

Researching active level and its stability could help policy making in spatial allocation of public infrastructure and public service facilities as well as public transportation safety. Traditional public service facilities and infrastructure allocation has limitation as it is based on static population distribution rather than considering individual mobility. It is important to get city active level information， but it is not easy to collect relative data as traditional census does not involve temporal information. However big data （taxi GPS e.g.） provides a new data collection approach in this field. Taxi GPS trajectories have advantages in massive data， flexibility and dynamics compared to travel diary， publication transportation data and land-use data， etc. Taxi travel takes a proportion of 14.78% in citizen daily travel. This study explores urban spatial temporal structure of active level and stability represented by GPS trajectory data. Main results are as follows. Characteristics of spatial pattern of urban activity has obvious center periphery structure， can be regarded as a kind of irregular concentric patterns. Differences also exist in different date. Active level in some areas is higher in Sunday than Monday in the same time period. From perspectives of active stability rhythms， active level and stability present obvious peak and trough over time. Urban active level has obvious daily rhythms feature.

time-space structure； activity； taxi trajectory data； time geography； Guangzhou

U495

10.3969/j.issn.1674-7178.2016.04.008

國家自然科學基金項目“時空關聯視角下城市空間結構的形成與演變機理研究”（41271166）。

古杰，深圳市城市規劃設計研究院主創設計師，主要研究方向是城市地理、時間地理和區域經濟。周素紅，中山大學地理科學與規劃學院教授，主要研究方向是城市地理、城市交通和GIS應用等。閆小培，中山大學地理科學與規劃學院教授，博士生導師，主要研究方向是城市地理學。楊慶媛，西南大學地理科學學院教授，博士生導師，主要研究方向是國土資源管理與區域開發、區域經濟。