基于多源數據的城市空間發展評估研究
——以上海市徐匯區為例

劉 群 王夢珂 范潤生

基于多源數據的城市空間發展評估研究
——以上海市徐匯區為例

劉 群 王夢珂 范潤生

數據技術的快速發展為城市規劃領域帶來了全新的研究視角和研究方法，城市空間發展評估的研究也逐步從定性走向定量，定量評估能彌補傳統規劃評估方法的主觀性強、不全面、時效性差等缺陷。運用與人口分布及人的活動相關的多種來源數據對徐匯區職住功能空間、綜合交通空間、商務活力空間和商業休閑空間的發展進行定量評估，結果顯示：徐匯區空間發展存在明顯的不均衡狀態，就業、交通、商務、商業服務等多種要素的空間分布都存在“北優中良南薄弱”特征，同時東部濱江地區發展也較為欠缺。最后，對徐匯區未來空間發展策略進行了初步探索。

多源數據 | 城市空間 | 評估 | 徐匯區

劉 群

上海復旦規劃建筑設計研究院

規劃分院執行副院長，高級城市規劃師，碩士

王夢珂

上海復旦規劃建筑設計研究院

工程師，碩士

范潤生

上海市徐匯區規劃和土地管理局

副局長，碩士

隨著信息技術與產業、經濟和社會的深度融合，數據相關技術得到了迅速發展，已被廣泛應用到政府公共管理、零售業、醫療服務、制造業等領域，日漸成為社會發展的戰略性資源和資本要素。在城市層面，數據更是成為一種新的“打開”城市的方式，可以更客觀地對當下的城市空間進行描述與分析。目前，來自公共網絡平臺、基礎設施平臺、商業平臺等的各種新興數據逐漸與傳統數據一起應用到城市研究和城市規劃實踐中，一方面，形成了新的公眾參與方式，另一方面，為城市規劃與研究提供了新的分析工具與新的視角[1]。

近年來，國內學者對手機信令數據、智能交通卡刷卡數據、互聯網開源數據等新興數據在城市發展研究領域的應用進行了積極的探索，并取得了較好的成果。楊飛、許寧分別用手機定位數據進行了交通調查[2-4]和城市職住人口空間分布分析[5]；鈕心毅、丁亮等人利用手機信令的數據，實現了對上海用戶日間駐留地、夜間駐留地的識別，分析了上海市域的職住空間關系[5-6]；龍瀛等[7]、Ma等[8]、W J[9]利用公交卡刷卡數據分別對北京市持卡人的通勤出行和出行規律等進行了研究；甄峰等[10]、熊麗芳等[11]、陳映雪等[12]、董琦等[13]通過對新浪微博、百度搜索引擎、大眾點評網等網絡開源數據的挖掘來對城市網絡、區域聯系、城市消費空間等進行了研究。此外，還出現了多個數據研究和交流的機構與平臺，如北京城市實驗室（BCL）、城市數據派、城市數據團等，不定期推出一些新的大數據研究成果，為數據在城市研究中的應用拓寬了視野，也對數據研究方法進行了推廣。

新興數據的研究結果與用其他傳統方法得到的結果具有高度一致性，但前者更為全面、快捷、時效性高。然而，已有的新興數據研究成果多聚焦于一種數據在城市研究中的運用，數據維度比較單一，只能研究城市發展過程中的某一個方面，尚未在城市發展綜合評估中應用。本研究將彌補傳統評估方法的缺陷，把互聯網開源數據、商業級數據等新興數據與傳統數據等多種來源的數據結合在一起，對徐匯區的職住功能空間、綜合交通空間、商務活力空間、商業休閑空間等方面進行評估判斷，找出徐匯區城市空間發展存在的問題，并對未來空間發展策略進行探索。本研究是數據運用在城市發展評估上的一次全新探索，對城市發展研究與城市空間評估具有重要借鑒意義。

1 徐匯區空間發展演變

1.1 境域歷史變遷

徐匯區境在唐、五代、宋時屬華亭縣高昌鄉。元、明、清三代時，屬上海縣高昌鄉。抗日戰爭勝利后，區境屬上海市第七區（常熟區）、第八區（徐家匯區）、第二十六區（龍華區）的大部分轄地。1950年6月，成立常熟區人民政府和徐匯區人民政府。1956年3月，常熟區、徐匯區合并為徐匯區。1964年5月，原閔行區域（閔行地區和吳涇地區）并入徐匯區。1981年2月，國務院批復上海市政府，同意恢復閔行區（實際恢復時間為1982年4月），原閔行地區和吳涇地區仍屬閔行區。1984年9月，上海縣龍華鎮和漕河涇鎮劃歸徐匯區。1986年2月，上海縣虹梅路以東、漕寶路以北、上澳塘港以西、蒲匯塘以南地區劃歸徐匯區。1992年7月，上海縣龍華鄉劃歸徐匯區（圖1）。1998年5月，龍華鄉撤鄉建鎮，易名華涇鎮。2001年2月，龍華鎮和漕河涇鎮撤鎮建街道辦事處。

目前，徐匯區轄有湖南路、天平路、斜土路、楓林路、徐家匯、田林、虹梅路、康健新村、長橋、凌云路、漕河涇、龍華12個街道和華涇鎮（圖2）。

圖1 徐匯區行政區劃沿革資料來源：作者自繪。

圖2 徐匯區現狀行政區劃資料來源：作者自繪。

1.2 歷年規劃沿革

2004年，上海市開展中心城分區規劃，徐匯區重點關注外環以內的區域。以內環線為界，劃分為中央分區徐匯次分區和南分區徐匯次分區兩部分。

2010年，上海市開展了區域總體規劃梳理，徐匯區首次在區域范圍內進行了規劃整合，形成《徐匯區總體規劃梳理（2010版）》。徐匯區注重南北軸向發展，規劃形成“一軸一帶、兩中心三片區”的空間結構，把全區分為南中北3個片區，在強調滬閔高架—漕溪路—衡山路發展帶和徐家匯市級副中心等傳統重點片區的發展之外，又明確了濱江發展軸和濱江商務中心的重要地位（圖3）。

2016年2月1日，《徐匯區國民經濟和社會發展第十三個五年規劃綱要》發布，規劃徐匯區未來形成“一軸一帶七片區”的空間結構：一軸即徐匯南北均衡發展軸；一帶即徐匯濱江發展帶；7個重點功能片區為徐家匯國際商務商業核心區、衡山路—復興路歷史文化風貌保護區、漕河涇新興技術開發區、徐匯濱江國際濱水魅力區、楓林生命健康產業集聚區、徐匯中城融合發展實踐區和華涇城市功能拓展區（圖4）。可見，:“十三五”規劃進一步強調了南中北3個片區的軸向聯動發展，同時也更加注重東西方向的協調發展。

上海新一輪城市總體規劃對全市未來發展目標有更高的要求，在以往確定的“四個中心”發展目標的基礎上，又提出了“全球城市”和“具有全球影響力的科創中心”的發展命題。這些新的發展內涵使得上海（尤其是中心城區）面臨新的挑戰，徐匯區作為上海市中心城區的重要組成部分，應結合自身實際情況，優化城區發展職能和空間布局，以便在上海2040新的核心功能體系中有重要的角色擔當。

2 徐匯區城市空間發展特征與評估

2.1 徐匯區空間發展總體特征

徐匯區自建制以來，發展重點都集中在外環線以內地區，外環線以外的南部地區發展緩慢，相關配套設施也較為落后。從十三五規劃相關內容仍可明顯看出全區發展建設重點空間的南北不平衡，7個重點功能區中有6個都分布在北、中片區，且每個片區有明顯主導功能；南片區只有1個華涇城市功能拓展區，重點完善各類城市服務功能。外環線以內地區又以內環線為分隔線，形成北、中兩個片區，北片區主要分布有徐家匯商業中心、衡復歷史文化風貌區、楓林醫學園區，整體發展水平較高；中片區在漕河涇開發區、南站等地形成發展中心，但由于鐵路線的分隔，南站以南和東部濱江地區發展緩慢。

從以上分析可以看出，徐匯區空間發展呈“北優中良南薄弱”的特征，存在南北向發展不均衡、東西向發展不協調的問題。

2.2 徐匯區城市空間發展評估

城市空間發展的問題可以從各項功能的布局中反映出來，更可以通過調整功能布局來優化空間布局。下面利用多種來源的數據對徐匯區的職住、綜合交通、商務活力、商業休閑等不同功能的空間布局進行定量分析，進而對徐匯區城市空間發展情況做出評估，找出問題的關鍵所在。

圖3 徐匯區總體規劃（2010版）空間結構資料來源：作者根據徐匯區總體規劃自繪。

圖4 徐匯區十三五規劃空間結構資料來源：作者根據十三五規劃相關內容自繪。

表1 1982年與2010年內環內人口與公共綠地總量情況

2.2.1 多源數據說明

按照數據獲取的方式，本研究將數據分為基礎數據、互聯網開源數據和商業級數據。基礎數據主要包括人口和經濟普查數據、政府網站公開數據、各類城市規劃等方面的基礎數據；互聯網開源數據包括房價交易數據、公共設施數據、商業平臺數據、城市天氣數據等；商業級數據包括個人移動設備數據、個人消費數據、個人出行數據、多維度個人畫像數據等。

基礎數據屬于傳統數據，是過去多年來用于描述城市現狀的常規手段。通常由政府專門部門基于一定的統計口徑負責收集整理，具有精度高，實用性強的特點，但更新速度慢，在實際研究過程中，不能滿足一定時間維度的需求。互聯網開源數據和商業級數據是近年來在城市研究中逐漸興起的新型數據。互聯網開源數據主要通過公開網頁獲取，如百度地圖數據、大眾點評網數據等，成本較低，但也存在精度低的問題，主要用于研究宏觀城市問題上，如城市功能空間識別等。商業級數據大多是由數據相關企業采集獲得，需要通過商業購買后進行應用，該類數據更新快，時效性強，精度高，可以研究精準的城市問題，但這也伴隨著數據獲取成本高的特點。

本研究以基礎數據、網絡開源數據和商業級數據等多種來源的數據為支撐①本研究所使用的網絡開源數據均由城市數據團（MDT）提供。移動設備數據來自城市數據團的合作伙伴TalkingData。TalkingData的數據收集依賴于設備使用者的授權，TalkingData不會收集姓名，手機號，通訊記錄，居住或通信地址等個人身份信息。TalkingData的數據服務也是匿名化和模糊化的。本文中所使用的數據，對設備ID做了匿名化處理，不僅無法對應到具體個人，也無法對應到具體設備。研究中，對地理位置數據也做了空間和時間兩個維度上的模糊化，使用這些數據無法跟蹤，定位具體個人，也不能用來確定個人身份。，采用基本統計分析與空間分析相結合的方法，對徐匯區社會人口空間、商務活力空間、商業休閑空間和綜合交通空間的發展進行評估研究。根據不同類型的城市空間選取適合的數據類型進行評估，有的也采取多種不同來源數據分析同一類型城市空間，加以印證與補充相關結論，如職住功能空間可以用基礎數據和商業級數據來交叉印證。具體數據情況如表1。

2.2.2 職住功能空間：北片區和中片區的就業崗位密度高，產業功能強

運用傳統普查數據、個人移動設備數據和軌道交通進出站數據等3種不同來源的數據進行徐匯區職住空間分析，發現3種數據分析所得結果極為相似，這說明了不同數據源分析可以相互驗證，也能夠對徐匯區職住空間進行更為全面深入的分析。

（1）基于傳統數據的職住空間分析

基于2010年的人口普查數據和2008年第二次經濟普查數據，將上海市的人口密度與上海市的就業崗位分布點密度相疊加。可以看出，徐匯北部地區職住比較高，都在1以上，徐家匯、漕河涇開發區等地達到2.4以上，說明該地區就業崗位較多，居住人口較少，主要承載就業功能；徐匯濱江、南站地區，以及南部片區就業崗位較少，主要承載居住功能（圖5）。

（2）基于個人移動設備數據的職住空間分析

基于2015年若干月的個人移動設備數據進行人口通勤分析，篩選出日夜不同時間段（白天09:00—17:00、傍晚18:00—22:00、夜晚00:00—06:00）出現的高頻數據，這類數據能體現出一個人的居住和就業情況：該設備長期在白天時間出現則判定在此就業；該設備長期夜晚在此出現則表明在此居住。日夜間人口的增減可以反映出職住關系情況：地區日間人口多表明崗位多，產業功能強于居住功能；夜間人口多表明住宅多，居住功能強于產業功能。

在進行徐匯區全區晝夜人口數量變化統計（圖6，圖7）和分片區（南/中/北片區）早高峰跨區流動情況統計（圖8-圖11）后發現②數據來源：圖6-圖11采用的是智能移動設備的長期不規則采樣數據，定位方式是基于APP調用的GPS定位。共抽取上海300萬個設備的半年的數據進行數據清洗，篩選出來25萬個設備符合“上海市域內軌跡穩定的移動設備”的條件，約等于1%的上海市常住人口抽樣。：徐匯區整體產業功能強于居住功能。其中，北片區和中片區的人口與其他地區有高強度交通聯系且日間人口增量較高，說明該片區提供較多就業崗位，有大量通勤人口日夜往返，所以徐匯北片區和中片區的就業功能較強；相反，南片區與外界交通聯系較弱且日間人口增量較少甚至為負，說明該地區提供較少的就業崗位，居住功能較強。

（3）基于軌道交通站點進出站數據的職住空間分析

圖5 基于普查數據的2010年上海市職住關系情況資料來源：上海市2010年的人口六普數據和2008年第二次經濟普查數據。

圖6 基于個人移動設備數據的徐匯區人口通勤分析

圖7 基于個人移動設備數據的徐匯區人口早高峰跨區流動情況分析

圖8 徐匯北片區人口通勤分析分析

圖9 徐匯中片區人口通勤分析

圖10 徐匯南片區人口通勤分析

選取2015年某工作日軌道交通站點早高峰（7:00—9:00）人流情況數據進行分析，研究認為，早高峰從軌交站點進站的人員可以看作是居住在這里到別處工作的人，出站的人員可以看作是從別處到該地工作的人。

樣本日當天，徐匯區早高峰軌道交通總流量（流入+流出）約127萬，從軌道交通凈流入人口約31萬，顯示出徐匯區的產業功能強于居住功能。漕河涇開發區、徐家匯、宜山路和常熟路站對就業人口的吸聚力最強。從站點的流入量、流出量和站點的布局上來看，徐匯北片區和中片區的產業功能都很強，南片區的居住功能強（圖12）。

2.2.3 綜合交通空間：北片區道路交通條件遠高于中南片區，全區南北交通不暢

（1）城市道路南北不暢特征顯著，南部地區道路體系不完善

把徐匯區道路網密度和交叉口密度落到1 km×1 km柵格中進行可視化表達，可以看出北片區道路條件遠遠高于中南部片區，南北不暢的道路交通劣勢顯著（圖13，圖14）。

一方面，因為鐵路線隔斷南北交通網絡，造成南北不暢；另一方面，鐵路以南地區用地混雜，導致支路少、斷頭路多，道路體系不完善。

（2）軌道交通覆蓋率較低，對中南部片區服務能力較弱

軌道交通也呈現了與道路交通相似的空間差異。徐匯區軌道交通站點1 km服務半徑覆蓋率為60.86%，在上海市中心城區八區（含原閘北區）中排名第7，僅高于楊浦區。軌交站點覆蓋盲區均位于徐匯南部地區，南站鐵路線以南基本沒有軌交站點（圖15）。

在軌交站點1 km服務半徑覆蓋率不理想的情況下，本研究又測算了軌交站點500 m和1 000 m步行網絡覆蓋居住用地的覆蓋率，可以更直觀地看到軌道交通對于居民的服務效率。0.5 km能覆蓋16.5%的居住用地；1 km能覆蓋56.5%的居住用地（圖16）。徐匯區中部以南的大部分地區，也是居住用地比較密集的地區，現狀的軌道交通是無法覆蓋到的。綜合之前的職住分析可見，徐匯區的軌道交通對于就業人口的吸聚力很強，但對于內部居民，主要是中南部居民的疏導服務力偏弱。

圖11 基于個人移動設備數據的上海市街鎮日間人口增量分析

圖12 徐匯軌交早高峰進出站客流資料來源：上海市申通地鐵數據。

圖13 徐匯區道路網密度資料來源：徐匯區規劃和土地管理局提供的現狀道路圖。

圖14 徐匯區交叉口密度資料來源：徐匯區規劃和土地管理局提供的現狀道路圖。

圖15 徐匯區軌道交通覆蓋情況資料來源：上海市軌道交通站點分布圖。

圖16 徐匯區軌道交通覆蓋居住用地的情況資料來源：徐匯區居住用地分布圖。

2.2.4 商務活力空間：商務要素明顯集聚于北

中片區，中東部和南部片區為活力盲區

對商務活力的判斷，主要基于商務辦公、銀行布點、酒店住宿、咖啡館等商務相關設施的空間分布與相互疊合來進行分析，數據主要來源于對百度地圖、大眾點評網等互聯網數據的挖掘。

（1）全區商務活力空間存在嚴重南北不均衡特征，鐵路線對商務空間存在割裂影響

將商務相關的空間要素疊合形成商務空間活力密度圖，可看出徐匯區南北部地區的商務活力發展非常不平衡（圖17）。北部高活力區覆蓋范圍大，影響范圍廣；中部商務活力覆蓋不均勻，田林、漕河涇開發區、南站是幾處高點，但地區分布不連貫，中東部盲區范圍廣；南部基本為商務活力盲區。由此看來，中部的鐵路線對地區的商務空間拓展存在割裂的影響。

（2）銀行和酒店住宿設施分布相對均勻，商務樓和咖啡店分布具有較突出的北部集聚特征

商務樓主要集中在徐家匯、宜山路、漕河涇開發區，徐匯濱江及南站以南地區基本是盲區。可見，商務辦公功能仍然集聚在北部地區，中城和濱江商務區還未建設完成（圖18）。銀行營業網點分布比較均衡，密度高點在徐家匯和田林，盲區主要在植物園、南站鐵路站場和濱江區域（圖19）。主要因為銀行網點有多種級別之分，商務型高級網點分布具有向心性且能承擔高地價，多服務于中高端商務人士及企業；社區型普通網點多服務于個人，在生活區周邊也會有布局，所以徐匯南片區也有銀行網點的分布。酒店住宿分布也極不均勻（圖20），酒店住宿點密度較高的地區主要位于徐匯北部，分別為復旦大學楓林校區周邊、4號線宜山路站等人口活動密度較高、商務與科研交流頻繁的交通便利地區；中部則較低，其中密度較高的地區位于田林、南站、華東理工大學附近；南部密度則極低，主要因為北部多為低密度住宅區和零散性工業用地，對酒店住宿的需求不大。星巴克咖啡店需要依托較高的商務商業氛圍，已逐漸演化為現代商務交流洽談的重要場所。主要集中在徐家匯和漕河涇開發區，與商務樓布局高度匹配（圖21）③在生活節奏和工作節奏都較快的上海、北京等大都市，咖啡廳的功能已經不能單純被定義為餐飲類功能，其商務功能越來越突出。一方面，為商務人群提供交流洽談的場所，如星巴克等國際連鎖咖啡廳；另一方面，為年輕創業人群提供思想碰撞、創業創新的新型創客空間，如北京3W咖啡、車庫咖啡等。因此，本文識別出設在辦公環境內或附近的星巴克咖啡廳，作為衡量商務空間的重要元素之一。。

圖17 徐匯區商務空間活力密度圖資料來源：（商務樓、銀行、酒店住宿、咖啡店等數據）百度地圖POI數據。

圖18 商務樓分布密度圖資料來源：（商務樓、銀行、酒店住宿、咖啡店等數據）百度地圖POI數據。

圖19 九大銀行營業網點分布密度圖資料來源：（商務樓、銀行、酒店住宿、咖啡店等數據）百度地圖POI數據。

圖20 酒店住宿分布密度圖資料來源：（商務樓、銀行、酒店住宿、咖啡店等數據）百度地圖POI數據。

圖21 星巴克咖啡店分布密度圖資料來源：（商務樓、銀行、酒店住宿、咖啡店等數據）百度地圖POI數據。

2.2.5 商業休閑空間：北片區是商業休閑高活力區，濱江和南片區活力缺失

對商業休閑空間的判斷，主要基于餐飲、購物、休閑娛樂等生活相關設施的空間分布與相互疊合來進行。主要來源于百度地圖、大眾點評網等互聯網抓取的數據。

（1）商業休閑空間發展南北不均衡，南部地區和濱江地區商業活力非常弱

將商業休閑相關的空間要素疊合形成生活品質空間活力密度圖，與商務空間一樣，呈現出南北部地區巨大的差異（圖22）。北部地區，活力空間聚集；中部地區，僅在田林地區呈現一處較高活力聚集區，南站地區和梅隴新村則只呈現中高活力；而濱江以及南部廣大地區都是商業休閑空間缺失的地區。由此看來，雖然有鐵路線的阻隔，但是居住生活依然跨過了鐵路線，并且形成了幾個明顯的商業休閑高活力區。然而，由于濱江的土地仍在收儲過程中，而南部地區土地情況復雜，工業用地和城中村交錯，小區建設零散，造成南部和濱江廣大地區缺乏生活設施，難以凝聚商業休閑空間。

（2）徐匯區南部地區餐飲、購物和休閑娛樂功能缺失

餐飲、購物和休閑娛樂等商業休閑功能需要高密度人群和便捷交通條件等要素來支撐，所以基本一致地集中在發展較為成熟、人氣較高的北片區，以及中片區的南站、田林等地；南片區和濱江地區交通設施不完善、就業崗位和人口密度較低，尚無法支撐大量商業功能。從細分功能來看，餐飲功能分布極不均衡，餐飲店密度較高的地區主要分布于徐匯北部，分別為陜西南路、徐家匯、4號線宜山路站附近；中部較低，其中密度略高的地區位于田林、南站地區和梅隴新村；而南部密度則極低（圖23）④該部分的餐飲功能里包括各類餐廳和休閑型咖啡廳，商務型咖啡廳已除去。。購物功能分布也極不均衡，其聚集特征與餐飲功能極為相似，區別主要在南站地區，該處購物功能不足（圖24）。休閑娛樂功能分布同樣失衡，高密度集中于徐家匯、陜西南路和田林地區，南部則基本為盲區（圖25）。

圖22 徐匯區商業休閑空間活力密度圖資料來源：（餐飲、購物、休閑娛樂等數據）百度地圖POI數據。

圖23 餐飲功能分布密度圖資料來源：（餐飲、購物、休閑娛樂等數據）百度地圖POI數據。

圖24 購物功能分布密度圖資料來源：（餐飲、購物、休閑娛樂等數據）百度地圖POI數據。

圖25 休閑娛樂功能分布密度圖資料來源：（餐飲、購物、休閑娛樂等數據）百度地圖POI數據。

2.3 空間發展問題總結

總體而言，徐匯區城市空間發展存在嚴重的不均衡特征，文章基于多源數據對徐匯區的細分功能（包括職住、交通、商務、商業）的空間發展進行分析，可以更直觀更深入地看到徐匯區城市空間發展存在的問題：（1）徐匯區整體上就業功能強于居住功能，其中，北片區和中片區就業功能較強，南片區產業功能發展滯后，以居住為主。（2）徐匯區道路網密度較為集中的地區在北部，居住功能、商務功能分布較為集中的地區也在北部地區，中南部地區無論是在道路網密度、各項功能的集聚情況上來看，發展都較為欠缺，整體空間發展南北不均衡，存在明顯的“北優中良南薄弱”特征；（3）徐匯濱江地區各項發展都較為欠缺，商務設施、生活設施等存在較大空白，濱江發展軸和濱江中心尚未形成。

3 徐匯區未來空間發展建議

根據以上研究分析，結合徐匯區發展總體規劃及“十三五”規劃對全區空間的發展引導，本文對徐匯區未來空間發展策略進行初步探索，認為需從幾個方面進行突破。

（1）優化道路交通系統，推動南北協調發展：完善中南部地區的綜合交通系統，提升徐匯中片區和南片區空間發展質量，推動徐匯區南北聯動發展。在新一輪軌道交通線網規劃中，急需將南部地區納入線路發展及覆蓋區，以促進商務辦公空間的拓展，提高居住及出行的品質。梳理南部地區道路網，并在土地整理的同時增加道路網密度。

（2）積極改善公共服務空間，促進東西功能滲透：加快推動濱江地區的發展，由濱江地區向西部扇形滲透發展，促進徐匯區東西部協調發展（圖26）。徐匯濱江地區作為“十三五”發展的重要地區將會成為整個徐匯地區發展的契機，可依托未來濱江地區的規劃和建設，形成由濱江向南遞推的扇形空間發展策略，與由北向南的功能推進同步進行，共同加強中南部、中東部的空間發展。另外，建議在濱江結合軌道交通站點，在南部地區應結合有儲備用地的中大型居住區，設置多處具有現代化建設與經營思路的綜合性地區或社區中心，以提高整體空間的服務品質，進行商務和居住的雙向服務與空間引導。

（3）加快中南部地區就業、商務、居住等功能的導入，實現全區整體提升：從本文的分析可以看出，中片區和南片區是徐匯區未來發展戰略空間。因此，近期應完善中南部片區的綜合交通系統，加強產業功能導入，提供合適租住的住宅產品，以吸引青年勞動力人口來徐匯工作；遠期要優化提升商務與居住環境，提供交通便捷的普通商品房，以吸引工作有一定年限、具備一定經濟基礎的外來勞動力在徐匯置業，獲得穩定的居住品質，以此來留住人才，支撐全區未來經濟和社會發展。

圖26 徐匯區“東西滲透”空間發展示意資料來源：作者自繪。

4 結論與討論

在大數據應用快速發展的時代，數據信息滲透到每一個行業和業務職能領域。采用多源數據來“認知”、“解讀”和“評估”城市空間發展具有重要意義：其一，多源數據能夠相互補充，對城市空間發展的多個方面進行綜合研究，如人口分布空間、職住通勤空間、道路交通空間、商務辦公空間、商業活力空間等；其二，同時運用新興數據和傳統數據等多源數據對城市空間發展的某一領域進行研究，結果可以相互檢驗和印證，使研究更科學、更有說服力，能夠切實指導城市未來發展。

本文基于傳統普查數據、網絡開源數據和商業級數據等多源數據對徐匯區城市空間發展現狀進行研究評估，結果顯示徐匯區職住、交通、商務、商業等要素的發展存在嚴重空間不協調問題，“北優中良南薄弱”特征顯著，在發現問題的同時也為徐匯區找出了未來發展潛力空間——中片區和南片區。根據此研究結果，文章提出了促進徐匯區未來空間發展的對策。然而，由于數據獲取存在較大的難度，文章只針對與人的活動緊密相關的要素空間進行分析，未能對徐匯區產業經濟空間、市政設施空間等方面進行研究評估，期待相關學者能對數據分析在城市空間方面的應用有更深入的探索，使“無處不在”的數據在城市研究與城市規劃中能夠發揮更大的價值。

References

[1]王鵬. 大數據支持的城市規劃方法初探[C]//2014中國城市規劃年會. 海口，2014. WANG Peng. Preliminary research on urban planning methods supported by big data [C]//Annual National Planning Conference 2014. Haikou, 2014.

[2]楊飛. 基于手機定位的交通OD數據獲取技術[J].系統工程，2007（1）：42-48. YANG Fei. Traffic OD data collection based on cell phone location technology [J]. Systems Engineering, 2007 (1): 42-48.

[3]楊飛，裘煒毅. 基于手機定位的實時交通數據采集技術[J]. 城市交通，2005（4）：67-72. YANG Fei, QIU Weiyi. Mobile phone locationbased real time traffic data collection research [J]. Urban Transport of China, 2005 (4): 67-72.

[4]許寧. 基于手機定位數據的居民職住地分布特征研究[D]. 長沙：中南大學碩士學位論文，2014. XU Ning. Research of distribution features of homework location based on mobile phone positioning data in Shenzhen [D]. Changsha: The Dissertation for Master Degree of Central South University, 2014.

[5]鈕心毅，丁亮. 利用手機數據分析上海市域的職住空間關系——若干結論和討論[J]. 上海城市規劃，2015（2）：39-43. NIU Xinyi, DING Liang. Analyzing job-housing spatial relationship in Shanghai using mobile phone data: some conclusions and discussions [J]. Shanghai Urban Planning Review, 2015 (2): 39-43.

[6]丁亮，鈕心毅，宋小冬. 利用手機數據識別上海中心城的通勤區[J]. 城市規劃，2015（9）：100-106. DING Liang, NIU Xinyi, SONG Xiaodong. Identifying the commuting area of Shanghai Central City using mobile phone data [J]. Shanghai Urban Planning Review, 2015 (9): 100-106.

[7]龍瀛，張宇，崔承印. 利用公交刷卡數據分析北京職住關系和通勤出行[J]. 地理學報，2012（10）：1339-1352. LONG Ying, ZHANG Yu, CUI Chengyin. Identifying commuting pattern of Beijing using bus smart card data [J]. Acta Geographica Sinica, 2012 (10): 1339-1352.

[8]Ma X, Wu Y, Wang Y, et al. Mining smart card data for transit riders’ travel patterns [J]. Transportation Research Part C: Emerging Technologies, 2013 (36): 1-12.

[9]W J. Travel time and transfer analyses using transit smart card data [J]. Transportation Research Record: Journal of the Transportation Report Board, 2010 (144): 142-149.

[10]董琦，劉航. 南京城市消費空間活力演變研究——基于消費簽到數據的空間分析與思考[C]//2015中國城市規劃年會. 貴陽，2015. DONG Qi, LIU Hang. Research on the evolution of consumption space vitality: analysis and thinking based on consumption checking-in data [C]//Annual National Planning Conference 2015. Guiyang, 2015.

[11]甄峰，王波，陳映雪. 基于網絡社會空間的中國城市網絡特征——以新浪微博為例[J]. 地理學報，2012（8）：1031-1043. ZHEN Feng, WANG Bo, CHEN Yingxue. China’s city network characteristics based on social network space：an empirical analysis of Sina Micro-blog[J]. Acta Geographica Sinica, 2012 (8): 1031-1043.

[12]熊麗芳，甄峰，王波，等. 基于百度指數的長三角核心區城市網絡特征研究[J]. 經濟地理，2013（7）：67-73. XIONG Lifang, ZHEN Feng, WANG Bo, et al. The research of the Yangtze River Delta core area’s city network characteristics based on Baidu Index [J]. Economic Geography, 2013 (7): 67-73.

[13]陳映雪，甄峰，王波，等. 基于社會網絡分析的中國城市網絡信息空間結構[J]. 經濟地理，2013（4）：56-63. CHEN Yingxue, ZHEN Feng, WANG Bo, et al. Chinese city network structure in the cyberspace based on social network analysis [J]. Economic Geography, 2013 (4): 56-63.

Research of Urban Spatial Development Evaluation Based on Multi-source Data: A Case Study of Xuhui District, Shanghai

The rapid development of data technology brings new research perspective for urban planning field, and the research method of urban spatial development assessment gradually changes from qualitative analysis to quantitative analysis which can remedy weaknesses of traditional planning assessment method, such as subjectivity, one-sidedness and poor timeliness. This paper uses multi-source data related to human activities to analyze living function space, comprehensive transportation space, business activity space and commercial space of Xuhui District. The results show that various elements’ spatial distribution clearly presents the North Excellent -Middle Good - Southern Poor characteristic, and the development of riverside area is lagging behind. Finally, this article puts forward some strategies to promote the spatial development of Xuhui District.

Multi-source data | Urban space | Evaluation | Xuhui District

1673-8985（2017）01-0126-08

TU981

A