基于多源數據的城市空間活力時空特征分析
——以南京市河西、仙林新城為例

翟 青，李 淼，蔣文鑫

（1.南京郵電大學 地理與生物信息學院，江蘇 南京210023；2.南京大學 建筑與城鄉規劃學院，江蘇 南京210093）

城市空間活力一直是城市規劃學關注的議題。早在20 世紀60 年代，“活力”就被認為是評價城市空間形態質量的首要指標［1］。人們的行為活動與承載活動的場所相互交織會產生并激發城市空間活力［2］，同時城市空間活力還受到經濟、社會、文化等因素的影 響［3］。以 街 道 空 間［4，5］、公 共 空 間［6］、軌 道交通站域空間［7］為研究對象的實證研究證明，城市空間活力是由交通、周邊環境及配套、公共基礎設施、微觀品質等多種因素的綜合作用。

隨著大數據時代的到來，研究數據源從問卷調查、深度訪談、評價指標等傳統渠道拓展至POI 數據、LBS 數據、手機信令數據、百度熱力圖等網絡渠道，聚焦于人們的時空行為活動，研究方法由定量分析、統計分析拓展至ArcGIS 空間分析。王德、王燦、謝棟燦等利用手機信令數據，以散點的形式進行可視化表達，以消費者覆蓋率為指標，將上海市劃分為核心、次級、邊緣三級商圈，描述了商圈的基本特征，并進一步驗證了城市商業中心地體系中等級結構的存在［8］；周素紅、郝新華、柳林對海量浮動車（FCD）GPS數據進行時空分析，基于空間熱點聚類分析方法，識別出了深圳市的兩個重要的城市商業中心，并進一步驗證了商業中心地理空間的衰減規律［9］；胡慶武、王明、李清泉利用街旁網位置簽到數據，采用空間熱點聚類方法對武漢商圈的分布特征進行了挖掘，并對實際商圈與城市規劃商圈在空間上進行了比對，發現兩者高度吻合［10］；焦耀、劉望保、石恩名利用POI數據，通過對廣州市商業業態空間的研究，探尋了相關產業發展、城市用地開發、交通網絡建設、消費者行為等多種因素對商業業態空間布局的影響［11］。綜上，商業空間是最具活力的空間類型，學者們開展了豐富的實證研究，但針對新城空間活力的研究相對有限。

1 研究區與數據來源

1.1 研究區概況

研究區為南京市河西和仙林新城（圖1）。

圖1 南京市行政區劃

南京市是江蘇省的省會城市，也是我國長三角地區唯一的一個特大城市，常住人口850 萬，市域面積6587.02km2［12］。伴隨著城市化的進程，南京市先后規劃建設了河西、仙林、城南、江北4 個新城，承擔南京市的部分城市職能和主城區的人口疏散。其中，河西新城于2001 年開始規劃建設，目前已發展成為僅次于新街口商業圈的中央CBD，是南京主城西部的高檔次、多功能的重要市級商業中心［13］；仙林新城則是依托仙林大學城建設而發展起來的，共有南京大學、南京師范大學等12 所高校匯集于此，吸引了20 多萬的師生在此教學、學習與生活，仙林新城的居住區、商業設施及生活配套設施逐步建設完善，發展成為成熟獨立的新城。

1.2 數據來源與處理

本文的研究數據來源于傳統規劃數據和網絡數據。傳統規劃數據是河西和仙林的空間矢量數據（包括街區、地塊、道路、建筑和自然環境等信息）與矢量化的土地利用現狀圖；網絡數據是微信宜出行數據，是騰訊公司根據微信的定位功能所獲取的用戶位置數據，包括經緯度、時間和請求次數。本文按工作日和休息日兩種類型共獲取了5，108，032 條數據，數據包含從0 點到23 點共24 個時間點，每一條數據代表了在某個類型日的特定時間和地點的人群數量。

本文的研究基礎單元是地塊，即最小的城市用地劃分單位。根據研究需要，將傳統規劃數據和微信宜出行數據導入ArcGIS 進行配準，刪除不在研究范圍內的數據，并對數據進行整合和清洗，建立綜合的空間數據庫。

2 研究方法

2.1 核密度估計法

核密度估計法（Kernel Density Estimation，KDE）最先由Emanuel Parzen 和Rosenblatt 提出［14］，它借助一個移動的單元格對點或線格局的密度進行估計。給定樣本點x1，x2，…，xn，利用核心估計模擬出屬性變量數據的詳細分布［15］。本文選取的核密度估計函數公式為：

式中，K 為 核 函 數；（x - xi）2+（y - yi）2是 點（xi，yi）與點（x，y）之間的距離；n 為范圍內的點數；d為數據的維數，本文取d ＝2；h為定義平滑量大小的自由參數，即帶寬。實踐中，選擇帶寬的方法主要有Silverman的“經驗法則”（Rule- of-thumb）、交叉驗證法（Cross - validation）和插入法（Plug - in）。本文選擇采用Silverman 的“經驗法則”對最優帶寬h 進行計算［16］，計算公式為：

式中，SD為標準距離；n為數據點數；Dm為中值距離。

2.2 局域Getis- Ord G*i 指數法

局域Getis- Ord G*i指數由Getis 和Ord 提出度量觀測值與周圍鄰居之間是否存在局部空間關聯的G*統計量［17，18］。該統計量對給定距離范圍內的要素及其相鄰要素的總和與所有要素的總和進行比較，以分析目標屬性值在局部空間上的集聚程度，計算公式為：

式中，Xj為第j個地塊的空間活力；n 為要素總數；Wij為空間權重矩陣，若第i 個和第j 個地塊之間的距離在臨界距離d 內，將其賦值為1，反之為0。局域Getis- Ord G*i統計量的統計檢驗可采用標準化形式（Z值）表示，計算公式為：

2.3 定量分析法

為了深刻探討城市空間活力的時間特征，本文以微信宜出行數據為基礎，運用EXCEL 軟件對城市空間活力進行數值規律的分析。主要計算工作日和休息日兩個類型日一天24h和5 個時段的時均分布密度，并探索出河西和仙林新城城市空間活力的時間波動特征。

兩個類型日的城市空間活力強度：本文中的微信宜出行數據包含工作日與休息日兩部分，計算公式見表1。

表1 兩個類型日空間活力強度計算表

5 個時段的城市空間活力強度：用一天24h 中5個時段的時均分布密度代表該時段的活動強度，計算公式見表2。

表2 5個時段空間活力強度計算表

3 河西新城空間活力特征

3.1 河西新城的空間分布特征

從工作日和休息日的核密度分析圖來看，河西新城的城市空間活力呈現顯著的集聚特征，具體表現為空間活力東高西低、北高南低（具體詳見圖2 與圖3）。

在工作日，工作時間段和非工作時間段的空間集聚中心存在顯著差異（圖2）。以凌晨5 點為例，空間集聚中心主要分布在龍江、南湖和油坊橋等大型居住區，空間集聚呈塊狀結構；以下午15 點為例，空間集聚中心主要分布在地鐵2 號線沿線的商業區，如中心廣場、萬達廣場、金鷹世界、新城大廈，空間集聚呈軸線串珠結構。與非工作時間段相比，工作時間段的單個集聚中心范圍相對較小，集聚中心的分布更分散。

圖2 河西新城工作日0：00—23：00 核密度分析結果

在休息日，河西新城空間集聚中心的變化與工作日有所差異（圖3）。由于沒有了工作出行的需求，龍江、南湖和油坊橋等大型居住區的集聚密度的變化幅度下降，2 號線地鐵沿線的商業區僅呈現點狀式的集聚。人們外出游憩的高峰時段主要出現在中午（以13 點為例），這說明河西新城已經基本形成了以地鐵沿線為發展軸線，以地鐵站為發展中心的空間發展模式，地鐵站、居住區、商業區及其他配套設施的有機結合分布，能夠滿足新城居民的日常生活需求。

圖3 河西新城休息日0：00—23：00 核密度分析結果

本文采用局域Getis- Ord G*i指數法對河西新城活力的空間分布特征進行了分析，地塊的城市空間活力分布符合熱點分析聚類模式的統計特征。對Z值進行可視化表達，其中Z 值大于1.96，且符合95%置信度（概率似然值P ＜0.05）的區域，即為熱點區域。

在工作日，河西新城共有4 個顯著熱點區域（圖4a）：萬達廣場、萬科—光明城市、中勝地鐵站（10 號線）和永初路地鐵站（S3 號線）。以萬科—光明城市為例，雖然自身是居住用地，但是周邊用地性質多樣，有奧體中心商業區、奧體東地鐵站、兩所中學等，自身及周邊地區的空間活力均十分活躍，符合“高—高”集聚的特征，是空間活力的熱點。其他3個熱點區域則是居住區、寫字樓與商業住宅混合區，周邊也有多個地鐵站分布，也符合熱點“高—高”集聚的特征。

在休息日，河西新城共有3 個顯著熱點區域（圖4b）：龍江、紫金、永初路地鐵站。其中，龍江和紫金均為住宅區，周邊有完善的配套服務設施。

圖4 河西新城空間活力熱點區域分布

3.2 河西新城的時間波動特征

河西新城的空間活力在24h 內呈“降—升—降—升—降”的波動模式，空間活力的峰值和強度在工作日和休息日有差異（圖5）。工作日的時均城市活力（即分布密度）峰值略晚于休息日，工作日的城市空間活力強度要高于休息日。

河西城市空間活力0—23 點間整體表現出為“降—升—降—升—降”。工作日的高峰值發生在11點，值為3.7 次/m2·h，低谷值發生在23 點，值為0.03 次/m2·h，極差為3.67 次/m2·h。休息日的高峰值發生在12 點，值為3.16 次/m2·h，低谷值發生在2點，值為0.14 次/m2·h，極差為3.26 次/m2·h。24 小時內出現多次較大幅度的波動，主要是因為早晚通勤和午間活動造成的。工作日的6—7 點、10—11點、18—19 點和休息日的5—7 點、10—12 點、17—19點屬于大幅上升階段，工作日的7—8 點、11—12 點、19—20 點和休息日的7—8 點、12—13 點、19—20 點屬于大幅下降階段。

圖5 河西新城空間活力24h波動

將24h劃分為5 個時段：夜間（0—6 點）、早通勤（6—9 點）、日間（9—17 點）、晚通勤（17—20 點）、晚間（20—24 點），進一步分析河西空間活力的時間波動特征（表3）。河西空間活力表現出“活力低迷期—活力集聚期—活力活躍期—活力持續期—活力驟降期”的波動特征。日間時段既是工作日，也是休息日的活力高峰時段，該時段承載了人們工作、休閑、游憩等多種活動。在早通勤和晚通勤時段，工作日的空間活力高于休息日，這是由人們的工作出行需求所導致的。夜間和晚間時段是工作日和休息日的活力低谷時段，但休息日的晚間活力顯著高于工作日，說明休息日晚間仍有較多的休閑與游憩活動發生。

表3 河西新城一日5個時段活力總量與密度匯總表

4 仙林新城空間活力特征

4.1 仙林新城的空間分布特征

仙林新城的城市空間活力呈現顯著的集聚特征，集聚中心的分布與高校的分布高度匹配。在工作日，從非工作時段到工作時段，城市空間活力集聚中心的活力密度逐漸升高，集聚面積逐漸變大，集聚中心明顯從居住區向商業區轉移。以凌晨5 點為例，最大的集聚中心是文苑路以北的高校校區，其次是仙林湖居住區和文苑路以南的居住區（圖6）。以下午16 點為例，集聚中心主要分布在文苑路以北的高校校區、文苑路以南的商業區和萬達茂商業中心。

由于高校學生是居住在仙林新城的主要群體，休息日的空間活力集聚中心的空間分布與工作日的差別不大。與工作日相比，休息日的文苑路以南商業區的空間活力強度更大、持續時間更長（圖7）。

圖6 仙林新城工作日0：00-23：00 核密度分析結果

圖7 仙林新城休息日0：00-23：00 核密度分析結果

本文采用局域Getis- Ord G*i指數法對仙林新城活力的空間分布特征進行分析，城市空間活力強度符合熱點分析聚類模式統計特征，用于檢驗的Z得分大于1.96 且符合在95%置信度（概率似然值P ＜0.05）。

仙林工作日的城市空間活力熱點分布較為分散，主要分布在仙鶴、南京地理信息產業園、南京信息職業技術學院、南京理工大學紫金學院、南京工業職業技術大學、南京財經大學仙林校區，南京審計大學金審學院仙林校區（圖8）。仙鶴為地區級商業中心，周邊被多個高校包圍，滿足“高—高”集聚，符合熱點特征；高校周邊有其他高校群和住宅區，城市空間活力活躍，是統計意義上的熱點區域。

圖8 仙林新城城市空間活力熱點區域分布

仙林休息日的城市空間活力熱點分布較為集中，在工作日的基礎上新增了南京工業職業技術大學、羊山公園地鐵站，屬于“高—高”集聚，是統計學意義上的高強度城市空間活力地塊的聚集區。

4.2 仙林新城的時間波動特征

仙林新城的空間活力在24 小時內呈“降—升—平緩”的波動模式，空間活力的峰值和強度在工作日和休息日有差異（圖9）。工作日的時均城市活力（即分布密度）峰值略早于休息日，城市空間活力強度要高于休息日。

仙林城市空間活力0—23 點間整體表現為“降—升—平緩”。工作日的高峰發生在12 點，值為4.20 次/m2·h，低谷發生在5 點，值為0.03 次/m2·h，極差為4.17 次/m2·h；休息日波動高峰發生在14點，值為3.45 次/m2·h，低谷發生在4 點，值為0.18次/m2·h，極差為3.27 次/m2·h。與河西新城相比，仙林新城空間活力的時間波動相對較緩，早晚通勤表現不顯著。工作日的11—12 點、休息日的13—14點屬于大幅上升階段，工作日的12—13 點、休息日的14—15 點屬于大幅下降階段。

圖9 仙林新城兩個類型日城市空間活力的一日波動

將24h 分為5 個時段：夜間（0—6 點）、早通勤（6—9 點）、日間（9—17 點）、晚通勤（17—20 點）、晚間（20—24 點），進一步分析仙林空間活力的時間波動特征（表4）。仙林空間活力在前兩個時段差異明顯，表現出“活力消沉期—活力回升期—活力集聚期—活力活躍期—活力持續期”的波動特征。日間時段既是工作日，也是休息日的活力高峰時段，該時段承載了工作、休閑、游憩等多種活動。在早通勤和晚間，工作日的空間活力高于休息日的，這是由人們的工作和學習出行需求導致的。晚通勤工作日和休息日差別不大，和夜間的巨大差異，都是由于居住在仙林的主要群體是高校學生而產生的，學生休息日的夜間活動更為豐富。

表4 仙林1 日5個時段活力總量與密度匯總表

5 結論與討論

5.1 結論

本文以南京市仙林、河西新城為例，采用傳統規劃數據與微信宜出行數據，從空間和時間兩個維度對城市空間活力進行量化評估。研究發現：在空間分布上，河西新城呈“東高西低、北高南低”的集聚分布特征，仙林新城的空間集聚與高校分布高度匹配；在時間波動上，河西新城呈現出“活力低迷期—活力集聚期—活力活躍期—活力持續期—活力驟降期”的波動特征，仙林新城則呈現“活力消沉期—活力回升期—活力集聚期—活力活躍期—活力持續期”的波動態勢。

本文還借助多源數據，從工作日和休息日兩個類型來探索城市空間活力的時空變化特征，研究發現：在空間分布上，河西新城的城市活力工作日主要集聚在萬科-光明城市等居住區，休息日主要在地鐵2 號線沿線的商業區的集聚；仙林新城的城市活力工作日和休息日的集聚中心都主要分布在文苑路以北的高校校區和文苑路以南的商業區；在時間波動上，工作日與休息日并不同步，河西新城的工作日人群活動密度峰值要早于休息日，仙林新城的峰值比休息日晚些，但工作日的人群活動強度均要高于休息日。

5.2 討論

對城市空間活力的量化分析，有助于準確評估新城建設和發展質量，為新城的高質量發展提供規劃依據和定量支撐。本文采用微信宜出行數據，既可視化了城市居民的時空分布，又量化了城市空間活力，能較為準確地識別空間集聚熱點。由于河西新城與仙林新城的發展定位不同，二者的空間活力時空特征存在著一定的差異。河西新城是繼新街口商圈之后的南京市第二個商務中心，已經基本形成了以地鐵沿線為發展軸線，以地鐵站為發展中心的空間發展模式；仙林新城是依托仙林大學城發展起來的城市副中心，居住區、商業區的空間活力仍有待強化，未來發展需優化地鐵站、居住區、商業區及其他配套設施的有機結合。總之，基于空間活力的視角，河西新城發展比仙林新城發展更好一些。河西新城的商業區、居住區都已經具備一定規模，而仙林新城的商業區、居住區規模還不足以承擔起城市副中心的職能。

本研究仍存在著不足：第一，采用微信宜出行數據導致樣本抽樣上存在一定程度的偏離，即微信用戶不代表全體城市居民，該樣本已自然排除了不使用微信軟件的群體。第二，微信宜出行數據的精度不如手機信令數據。如，在夜間由于微信用戶長期不使用手機，位置定位需求大幅減少，導致了夜間數據反饋的缺失。本研究仍然采用該數據，是因為它的獲取成本和技術難度均遠低于手機信令數據。下一步的研究計劃是，以地塊為研究基礎單元，將城市土地利用性質與空間活力度相結合，通過構建模型，探索不同用地性質的空間活力規律。在此基礎上，為新城的公共服務設施布局和交通可達性提出規劃建議和定量依據。