基于POI大數據劃分與識別城市功能區

黃慧敏 龍嘉露 吳寧邦 韋二揚

摘? 要：準確識別城市功能用地，有助于了解城市內部空間結構，為城市規劃與管理提供決策依據。基于道路網對研究區進行不規則分割，選取地理實體占地面積和公眾認知度對各類POI數據核密度進行加權，建立城市功能區定量識別方法，輸出城市功能區識別結果并進行分析和研究。研究表明，該方法能對城市功能區進行精細劃分和識別，識別的總體精度達到70.56%。

關鍵詞：POI大數據? ?城市功能區? ?OSM路網? ?核密度分析

中圖分類號：K901? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A文章編號：1672-3791（2021）05（b）-0001-05

Abstract： Accurate identification of urban functional areas is helpful to understand the urban internal spatial structure and provide decision-making basis for urban planning and management. The study area is segmented irregularly based on the road network， the area of geographical entities and the public recognition are selected to weight the kernel density of various POI data， to create quantitative identification method of urban functional areas and to output and analyze the identification results of urban functional areas. The results show that this method can divide and identify the urban functional areas precisely， and the identification accuracy is 70.56%.

Key Words： Point of Interest（POI）;Urban functional areas;OSM;Kernel Density

城鎮化使大量農村人口和資源涌入城市，引發城市粗放擴張、功能不齊、交通擁堵、能源緊缺等問題，城市建設與可持續發展面臨新的挑戰。城市功能分區是城市規劃建設的重要基礎，已成為城市規劃研究的焦點和熱點問題之一。精準識別城市功能區及其空間結構，對提升城市規劃、改善城市秩序、協調人地關系具有重要意義。

傳統的土地普查數據、土地利用數據和遙感影像等具有獲取成本高、數據量龐大復雜、時效性差等不足，對城市功能區的研究多停留在宏觀層面。隨著大數據時代的到來，各種類型的數據大量涌現，如城市興趣點數據（Point Of Interest，POI）、手機信令數據、軌跡數據等。其中，POI數據包含地物名稱、類型、經度和緯度4個方面信息，具有數據量大、精度高和時效性強等特點，能精細地反映出城市活動。不少學者借助大數據技術，利用POI對城市進行功能分區研究，探索城市土地利用和城市發展模式，為深入了解城市空間結構和指導區域空間優化調控提供科學支撐。

1? 研究區概況

南寧是廣西壯族自治區首府、國務院批復確定的中國北部灣經濟區中心城市、國家“一帶一路”有機銜接的重要門戶城市。全市下轄7個區、4個縣、1個市，總面積22 112 km2，建成區面積372 km2，常住人口791.38萬人，城鎮人口467.88萬人，城鎮化率63.7%。《南寧市城市總體規劃（2007—2020年）》提出城市的主要發展方向：以邕江為軸線，西建東擴，完善江北，提升江南，重點向南。在總體布局形態中，中心城應突出“一軸兩帶多中心”的發展模式，逐步形成沿邕江兩岸串珠式展開、沿其支流縱深發展的城市布局形態。該文以南寧市邕江為軸線，快速環線內的中心城為研究區域，總面積為178.073 km2，具體見圖1。

2? 數據來源與研究方法

2.1 數據來源

南寧市路網數據來源于Open Street Map （OSM）地理數據平臺，POI數據來源于2019年百度地圖，共計43 929條。單體POI數據包括名稱、類別、地址、經度、緯度等屬性信息，共有三級類別。一級類共15類，如餐飲服務、道路附屬、政治機構和社會團體等;二級類包括汽車服務、商務住宅相關和住宅區等;三級類包括二手車交易、汽車維修、洗車場等。參考2011年《城市用地分類標準與規劃建設用地標準（GB 50137-2011）》[1]，結合南寧市的實際情況，將功能用地分為商服用地、工業用地、公服用地、居住用地、道路交通設施用地、綠地與廣場用地六大類。

2.2 劃分最小研究單元

道路作為城市發展與建設的骨架、建筑與各類活動空間的依托，對城市發展起到引導作用[2]。作為城市區域自然分割的界線，道路形成的不規則格網單元在承載城市功能影響方面是均勻的[3]。該文對OSM數據進行拓撲處理，刪除重復線路、延長斷頭路、補齊缺失道路線，選取高速公路、主干路、次干路和支路，刪除小區路、人行橫道和其他道路，使其相交形成閉環，生成以道路為邊界的地塊作為功能區識別的最小單元，具體見圖1。

2.3 POI加權疊加

POI是由實際地物抽象而成的點，功能區單元內POI實體面積和密度在很大程度上代表該地塊的用地屬性，但僅憑POI的數量和密度不能確定該單元地塊利用類型。該文根據地理實體的占地面積和公眾認知度[4]以及專家分級打分的方法[5]，對各類POI進行權重調和[6]。核密度估計（kernel density estimation，KDE）顧及了地理學第一定律的區位影響，適用于城市設施服務、交通路段風險評估以及商業聚集空間等研究[7]。核密度公式為：

式中，為獨立同分布的n個樣本點;f（x）核密度估計值;n為樣本總數;h為帶寬;k為核函數。

在一定帶寬區間內產生的核密度分析結果精度相似，核函數對核密度估計結果影響很小，而帶寬的影響較大[8]，需選擇合適的帶寬進行核密度分析。該文經過多次實驗分析將研究區帶寬區間設置為[300m，400m]。

2.4 功能區復合類型確定

利用不規則道路網劃分的城市功能區單元來分割各類型POI的核密度，并計算各地塊單元內各類POI核密度所占比例，通過構建類型比例（Category Ratio，CR）來識別城市功能區性質[9]，公式為：

式中：i為POI的類型;n為各類型POI的數量;Ci表示類型比例，表示每一個地塊單元內第i種類型POI的頻率密度;di為第i類POI在地塊單元內的核密度值;D為單元中所有POI類型的核密度總數。

對劃分后的每個地塊單元進行統計分析，根據公式（2）分別計算出每個單元內6種POI類型的類別比例，將類型比例的閾值設定為50%，以此來區分每個單元的功能區性質。功能區分為3種：（1）單一功能區，一個地塊單元內存在一種POI類型的Ci值大于50%，則該地塊單元即為單一功能區，功能區性質則由該POI類型決定;（2）混合功能區，一個地塊單元內所有POI類型的Ci值均小于50%即為混合功能區，將Ci值按從大到小的順序排列，功能區性質由Ci值較大的兩類POI決定;（3）無數據區，地塊單元內不包括任何POI數據，當頻率密度為0時，該地塊單元則被劃分為無數據區。

3? 結果分析

3.1 城市功能區識別結果

根據實驗結果，南寧市共有20種功能區類型（見圖2），包括6類單一功能區和14類混合功能區。在1 341個研究單元中，單一功能區共計850個，占總功能區數的63.4%，混合功能區有444個，占總功能區數量的33.1%，無數據區共計47個，占總功能區總數量的3.5%。

3.2 功能區空間分布特征

單一功能區以居住用地、公服用地和綠地與廣場用地為主（見圖3）。居住用地數量最多且占地面積最大，地塊數共計281塊，面積47.58 km2，占研究區總面積26.73%。南北差異明顯，邕江以北居住用地地塊多、面積小、分散獨立，邕江以南則面積大、聚集成片。其次是公服用地，共計162塊，面積約為32.04 km2，占研究區總面積為17.97%，主要分布在西鄉塘區和青秀區。綠地與廣場用地地塊共計42塊，面積約為21.8 km2，占研究區面積12%，地塊單元面積大，分布獨立分散。

混合功能區以居住-公服用地和居住-商服用地、商服-公服用地為主（見圖4）。（1）居住-公服用地連片簇集，占地面積最大，地塊數量共計85塊，面積約為23.07 km2，占研究區總面積為12.96%，主要分布在邕江北部。（2）居住-商服用地，地塊總共有120塊，分散分布在邕江北部。（3）商服-公服用地共計110塊，邕江以北地塊數量多，多分布于人流密集地段，邕江以南則集中分布在邕江附近，地塊數量少、占地面積大。

3.3 識別結果精度評價

混淆矩陣是廣泛使用的目標分類精度評價方法，該文采用混淆矩陣對識別結果進行驗證分析。參照2021遙感影像圖、谷歌地圖和南寧市城市總體規劃（2011—2020年）——中心城用地規劃圖作為混淆矩陣的真值，從每類功能用地中隨機選取30個功能地塊建立誤差矩陣對分類結果進行評價，具體見表1。

公服用地、工業用地、綠地與廣場用地的占地面積大、公眾認知度高，權重較大，識別精度較高，分別為0.8、0.7、0.833。居住用地和商服用地主要分布在市中心，功能類型復雜，且多以混合為主，而交通設施用地雖然數量多，但占地面積小且公眾認知度低，在城市功能區識別中不具有顯著性，故這3類功能用地識別精度較低。

綜上所述，基于POI數據定量劃分和識別城市功能區的方法是可行并有效的。為了驗證識別結果的準確性，將實驗得到的功能區分布圖與遙感影像地圖、百度地圖以及南寧市總體規劃圖（2011—2020年）對照分析，選取典型區域進行驗證分析。

圖5中選取廣西大學作為驗證區域，（1）為識別結果，（2）（3）（4）分別為遙感影像圖、百度地圖和總體規劃圖。廣西大學識別結果為公服用地，周邊有商服用地、居住用地、居住-商服用地，對照該區域的百度地圖，廣西大學旁分布了南都大廈、靈秀公寓、富達花園等，與規劃圖的功能分區基本一致，功能區識別結果較為準確。

4? 結語

（1）與傳統的城市功能區識別方法相比，該文的研究方法能夠較精準識別出城市各類功能區，且識別效率高，識別的總體精度達到70.56%，混淆矩陣Kappa系數為0.65。

（2）南寧市各類型功能用地大體上空間分布均勻、分散，表明中心城空間結構較合理，產業協同發展。但城市公共資源在新老城區分配不均衡，與規劃提出的“一軸兩帶多中心”的發展模式仍有差距。

（3）該文收集到的城市規劃數據、遙感影像等有滯后性，實驗結果與其比對存在一定的差異。POI數據核密度權重賦值受主觀因素影響較大，部分功能用地識別精度不高。未來將結合多時相POI數據，重點挖掘可信的社交媒體、手機信令、導航GPS、可穿戴設備和群智設備等大數據，全面感知城市功能區演變特征及其驅動機制，為城市土地利用精準規劃與可持續發展提供支撐。

參考文獻

[1] 中國城市規劃設計研究院.城市用地分類與規劃建設用地標準：GB50137-2011[S].北京：中國建筑工業出版社，2011：4-6.

[2] 王俊玨，葉亞琴，方芳.基于核密度與融合數據的城市功能分區研究[J].地理與地理信息科學，2019，35（3）：66-71.

[3] 薛冰，趙冰玉，肖驍，等.基于POI大數據的資源型城市功能區識別方法與實證——以遼寧省本溪市為例[J].人文地理，2020，35（4）：81-90.

[4] 趙衛鋒，李清泉，李必軍.利用城市POI數據提取分層地標[J].遙感學報，2011，15（5）：973-988.

[5] 胡曉鳴，黎小龍，蔚芳.基于POI的城市功能區及其混合度識別研究——以重慶市核心城區為例[J].西南大學學報：自然科學版，2021，43（1）：164-173.

[6] 李強，鄭新奇，晁怡.大數據支持的武漢市功能識別與分布特征研究[J].測繪科學，2020，45（5）：119-125.

[7] 禹文豪，艾廷華，楊敏，等.利用核密度與空間自相關進行城市設施興趣點分布熱點探測[J].武漢大學學報：信息科學版，2016，41（2）：221-227.

[8] 丁彥文，許捍衛，汪成昊.融合OSM路網與POI數據的城市功能區識別研究[J].地理與地理信息科學，2020，36（4）：57-63.

[9] 池嬌，焦利民，董婷，等.基于POI數據的城市功能區定量識別及其可視化[J].測繪地理信息，2016，41（2）：68-73.