基于大數據的城市功能區人口時空聚散模式研究

王 潤 澤，周 鵬，潘 悅，林 奕 晨，項 曉

(武漢工程大學土木工程與建筑學院，湖北 武漢 430074)

0 引言

隨著城市建設進入存量挖潛階段，識別城市功能區并探究人類活動規律已成為城市研究中的重要課題。傳統城市功能區的劃分與識別主要依據土地利用類型，基于土地規模、用途、空間分布等特征的集聚效應，將城市土地功能劃分為單一用途分區，具有一定局限性和主觀性，且數據獲取困難[1-3]。大數據時代背景下，多元數據及其挖掘技術的不斷進步，革新了城市功能區識別和人口活動時空規律挖掘的數據框架和技術體系，為城市功能區人口時空聚散模式研究提供了新的參考方向。

目前，面向人口活動的時空聚散規律研究成果較為豐富[4]。例如：劉彤等基于POI和多時相百度熱力數據，挖掘沈陽市中心城區的人口時空分布規律，探析工作日和周末的城市人口活動差異[5]；曹勁舟等利用微博簽到數據，通過構建人口移動出行活動鏈，研究城市人口活動的時空動態性[6]；楊喜平等在分析人口時空聚散模式的基礎上，結合土地規劃數據，發現人口聚散與土地利用之間的內在聯系[7]。隨著土地集約節約利用成為城市發展的必然選擇，城市用地混合利用越來越受到重視。然而，已有研究主要根據土地利用類型探究人口時空聚散模式[8]，對城市空間功能的復雜性和多樣性缺乏考慮，難以探究不同城市功能區的人口時空聚散模式。鑒于此，本文基于POI數據識別城市功能區類型，利用位置服務(LBS)數據測度人口凈流量時空變化，并定量探究不同城市功能區人口流動差異性和時空聚散模式，以期為科學合理地制定國土空間規劃、完善配套設施建設等提供理論與實踐支撐。

1 研究數據與方法

1.1 研究數據

研究數據包括：1)武漢市主城區POI數據，源于泛在網絡信息抓取，共290 468條，包括數據類型(住宅、教育、生活、醫療、政府、公共設施等14種[9])、數量、坐標、地址和所屬行政區類型(表1)；2)騰訊位置服務(LBS)數據，通過Python爬蟲技術獲取武漢市主城區2019年4月28日1：00-24：00時段的人口流量數據，數據粒度為公里網格，抓取時間間隔為30 min，主要包含時間、經度、緯度及點位熱度4個字段[10]。

表1 POI數據功能分類Table 1 Classification of POI data functions

1.2 研究方法

本文研究技術路線見圖1，包括城市功能區識別、不同城市功能區的人口流動差異和時空聚散模式三方面，采用數據轉化、空間關聯和聚類分析等方法對相關數據進行處理和可視化。

圖1 技術路線Fig.1 Technical route

1.2.1 城市功能區識別 城市功能區識別的基本單元分為宗地單元、均勻網格和道路網格單元。宗地單元間的面積差異較大，均勻網格無法準確捕捉城市街區不規則的復雜形態，而道路網格單元能更好地兼顧城市道路實際形態和地塊規模均衡性[11]。因此，本研究以道路網格單元為基本單元，以POI數量、密度和優勢功能識別為重點，將城市功能區劃分為單一功能區和混合功能區[12]。首先利用功能密度指數(式(1))和功能優勢指數(式(2))評估城市功能區的第一、第二優勢功能，當第一優勢功能的功能優勢指數大于50%時，將評估單元劃分為單一功能區，否則劃分為混合功能區[13]；然后基于網絡分析方法，識別第一、第二優勢功能的組織模式與組合特征[14-16]。由于不同類型的POI數量差異明顯，計算評估單元內的功能密度指數時，需同時考慮POI數量、單元面積和不同類型POI的總量差異。

PDij=Nij/(SjMi)

(1)

(2)

式中：PDij、Nij、FPij分別為第i(i=1,2,3,4,5,6)種功能在第j(j=1,2,3,…,n)個評估單元內的功能密度指數、POI數量和功能優勢指數；Sj為第j個評估單元的面積；Mi為第i種功能的POI總數量。

1.2.2 不同城市功能區的人口流動差異 城市功能區的分布可直接影響城市人口出行分布特征，不同城市功能區的人口活動規律存在一定差異。為得到各類城市功能區人口流動規律，基于LBS數據識別出各評價單元每小時人口流入和流出的差值，并將其標注為凈流量，將識別出的各類城市功能區與人口凈流量數據進行空間關聯，計算出單位時間內各類城市功能區所在道路網格單元的人口凈流量之和，據此分析不同城市功能區一天內各時段人口凈流量總和變化趨勢[17-20]。

1.2.3 不同城市功能區的人口時空聚散模式 將單位時間內不同城市功能區的人口凈流量數據組成集合N，其包含34×23個數據(單一、混合功能區共36種，剔除了2種樣本極少且面積極小的功能)；將集合中各元素按從小到大順序排列，然后基于十分位數法對其進行分割，分割斷點處的凈流量值為M=[-231,-120,-55,-19,0,25,72,130,255],據此對每個功能區人口凈流量聚散程度進行等級劃分(表2)；最后利用WEKA數據挖掘工具中的K-means算法對不同城市功能區人口聚散等級矩陣進行聚類分析，得到6種模式，綜合其構成特征，分析每種模式的主導城市功能和人口聚散變化規律。

表2 不同功能區人口凈流量聚散等級劃分Table 2 Grade division of aggregation and dispersion of net population flow in different functional areas

2 結果與分析

2.1 城市功能區識別

利用式(1)和式(2)計算研究區各道路網格單元的第一、第二優勢功能(圖2)。從空間分布格局看，第一優勢功能(圖2a)中，武漢市主城區各類功能的數量較為均衡，且具有明顯的集聚效應，但每類功能的空間形態差異顯著：綠地功能呈明顯的“帶狀+塊狀”集聚形態，商業功能呈“點狀+帶狀”集聚分布，工業功能主要集聚分布在城市三環線以外，形成“兩舊一新”的工業中心格局，居住功能主要緊密環繞在城市生態資源外圍。第二優勢功能分布格局(圖2b)顯示，交通和居住功能的規模顯著提升，而商業功能明顯下降，主要呈居住、交通和商業功能相鄰分布。

圖2 第一、第二優勢功能分布Fig.2 Distribution of the first and the second dominance function

將各道路網格單元劃分為單一功能區和混合功能區，其分布特征為：1)不同單一功能區的空間分布格局呈明顯差異性(圖3a)。綠地功能區集聚效應明顯，主要集聚在長江、東湖、自然山體等大型自然生態資源附近；公共功能區呈局部集聚而整體分散的“簇—網”結構，主要分布于綠地功能區附近；商業功能區主要集聚在商圈和城市中心區附近，而居住功能區則環繞在商圈和大型生態資源外圍，且商業和居住功能區“空間相鄰”分布顯著，呈局部集聚。2)混合功能區主要集聚在三環線以內，且在主城區一環線內斑塊破碎度較大，而在三環線附近斑塊連片度較大(圖3b)。以商業功能為第一優勢的混合功能區主要分布于城市主中心和副中心，包括王家墩中央商務區與光谷、王家灣、洪山廣場、楊春湖和其他城市副中心；以工業功能為第一優勢的混合功能區主要呈環狀分布于城市外圍；以公共功能為第一優勢的混合功能區主要以少數斑塊零散分布在主城區；以綠地功能為第一優勢的混合功能區主要分布在東湖和墨水湖周圍；以居住功能為第一優勢的混合功能區主要分布在大型自然開敞空間周圍，遍布于武漢市主城區。

圖3 單一、混合功能區Fig.3 Single and mixed function zoning

通過對不同城市功能區的功能混合類型進行分析(圖4)，可以發現：在以商業功能為第一優勢的混合功能區內，商業功能與公共、交通功能混合較多，呈現出“商公”“商交”類型；在以居住功能為第一優勢的混合功能區內，居住功能與公共、交通和商業功能混合較多，形成“居商”“居公”“居交”類型；在以交通功能為第一優勢的混合功能區內，交通功能與公共、居住功能混合較普遍，即“交公”“交居”類型；在以公共功能為第一優勢的混合功能區內，商業、交通功能的POI出現頻率較高，形成大量的“公交”“公商”類型；以工業功能為第一優勢的混合功能區與其他功能混合較均衡。

注：數值表示相應功能區的數量。

2.2 不同城市功能區的人口流動差異

將研究區各道路網格單元的每小時人口凈流量與城市功能區進行空間關聯，可得到每個功能區的總人口流動變化趨勢[21-23](圖5)。以工業功能為第一優勢的混合功能區一天內人口活動變化呈明顯的“波動增減”現象。7：00后“上班族”涌入，人口呈集聚現象，下班后(18：00-20：00時段)，大部分人會進行其他社會性活動，“工交”“工商”及“工居”功能承接工作人口的涌入；以公共功能為第一優勢的混合功能區由于與商業功能聯動較多，且商業功能包含大量娛樂場所，所以在21：00后“公商”功能與其他功能的人口變化存在一定差異性，呈現涌入現象；以交通功能為第一優勢的混合功能區在7：00-8：00會有大量人口涌入，通行需求明顯；以居住功能為第一優勢的混合功能區人口活動變化呈現“波動強度遞減”現象，在7：00-8：00時段出于工作和交通需求促使“居交”“居商”功能人口流入；綠地單一與混合功能分區的人口凈流量變化曲線差異顯著，以綠地功能為第一優勢的混合功能區人口在一天內無明顯動態變化，而單一綠地功能區在6：00-9：00以及18：00-20：00時段有明顯人口集聚現象；以商業功能為第一優勢的混合功能區包含商業購物中心和娛樂場所，在5：00-11：00時段會吸引人口涌入。

圖5 不同城市功能區人口凈流量趨勢Fig.5 Trend of net population flow in different urban functional areas

2.3 不同城市功能區的人口時空聚散模式

基于聚類分析得到的人口時空聚散模式如圖6所示。整體上看，模式1和模式4在特定的時間點呈現出人口集聚現象，聚散變化規律性較強；模式2和模式3在一天內人口集聚時間較長，其中模式3在所有模式中集聚時間最長，而模式5、模式6相較于其他模式表現出完全不同的人口聚散變化。為更加清晰地識別出6種模式之間的人口聚散起止時間、強度變化的相似性和區別點，對比分析具有相似或相反特征的人口聚散模式。

圖6 基于聚類分析的城市功能區人口時空聚散模式Fig.6 Spatiotemporal aggregation and dispersion patterns of population in urban functional areas based on cluster analysis

模式1主要分布于交通樞紐站(武漢站、中南路等)和醫療教育(華中師范大學、同濟醫院等)等公共服務中心處，呈現“圈層+軸向延伸”式空間布局，模 式4主要分布于大型生態資源(東湖、漢口江灘、沙湖公園等)及其周邊配套建設的商業設施和交通場站，呈現“圈層+帶狀”式空間布局，兩種模式包含的城市功能不同，故在人口聚集強度和起止時間方面存在一定差異。在17：00和19：00時，由于學生放學、工作群體下班，模式1會出現短暫人口集聚，為避免與學生、工作群體在晚高峰時段發生出行沖突，模式4的人口集聚起止時間比模式1提前1 h。

模式3主要為高密度老城區(常青花園、武昌首義區等)，呈“散塊”式空間布局，多位于武漢市各區級中心，能提供工作崗位并滿足市民的居住、購物等其他社會性需求，因此在5：00-22：00時段內，模式3與其他模式的人口聚散變化有明顯差異，呈現出高強度、長時間的人口聚集狀態。模式2與模式3在空間分布上鄰近，但兩種模式的功能定位不同，導致人口活動空間和人口密度差異巨大。模式2主要分布于交通便利的中心城區商務區(王家墩、洪山廣場)和郊區的產業園生活區，呈現出“圈層+軸向延伸”式空間布局，區域人口為節約時間會在周邊選擇居住場所，縮短通勤距離，導致活動空間有限，人口聚集強度明顯低于模式3，且由于居住地距工作地較近，在午餐時間模式2會出現短暫的消散現象。

模式5主要分布于城市郊區功能配套完善的小型商住混合區，呈疏點式分布，區域城市用地功能混合度較高，會在不同時段吸引不同需求的人，導致在一天內該區域沒有很強的人口聚散現象，整體上呈動態平衡狀態。模式6主要分布于城市郊區的工業園(青山區武鋼工業園區、漢陽黃金口工業園區和白沙洲南部的新興汽車工業園區)，呈現“圈層”式空間布局，區域擁有大量工作崗位，導致在5：00-11：00時段出現高強度的人口聚集狀態。

分析6種不同城市功能人口的時空聚散模式可以發現，一方面，城市用地功能的混合改善了城市建成區環境，提升了空間可達性并完善了配套服務設施，從而影響城市居民的日常出行需求；另一方面，城市人口聚散過程發生在不同的時空層次，受不同行為主體的居住、工作、娛樂、生態及交通等需求的驅動，會推動城市用地功能和空間結構改善。綜合城市功能區人口流動的變化趨勢、時空需求差異和構成特征，可將研究區域劃分為6種人口聚散模式(圖7)，分別為公共主導-聚散波動型、商務主導-持續集聚型、居住主導-持續集聚型、綠地主導-聚散交替型、商業主導-動態平衡型和工業主導-先聚后散型。

圖7 人口聚散模式分布Fig.7 Distribution of population aggregation and dispersion patterns

3 結論與討論

本研究融合POI數據和騰訊位置服務大數據，識別研究區內城市混合用地功能，并對不同功能區的人口凈流量變化趨勢進行定量分析，探究不同城市功能區的人口時空聚散模式。結果表明：1)武漢市三環線以內用地功能混合度較高，且不同功能組合差異明顯。主要以“商公”“居商”“交公”“公商”等類型出現；2)不同城市功能區對居民的吸引力和吸引時間不同，促使各城市功能區呈現差異性顯著的人口時空變化規律。其中，工業混合功能分區和居住混合功能分區人口變化規律較為明顯，分別呈現出“波動增減”和“波動強度遞減”現象；3)武漢市中心城區劃分為6種人口聚散模式，且各模式間的人口聚散起止時間、聚散強度、用地功能和空間分布存在差異。

通過對城市功能區人口時空聚散模式的研究能優化城市空間布局、增強城市活力、改善城市交通管理、提升城市效率。例如，在存量規劃階段，根據人口時空聚散模式，發現城市用地功能、空間與居民時空需求之間的聯系，改善既往“終極藍圖”式用地布局和開發方式，結合大數據科學控制土地開發強度、功能選擇，形成城市功能和人口需求之間良好的互動。在改善城市交通管理方面，研究城市功能區的人口時空聚散模式，能更詳細地展現城市的局部人口活動時空動態變化，有助于城市管理者了解城市各功能區人口聚散的時間特點，從而科學規劃公交、地鐵等交通線路和運營時間。相比已有的人口時空聚散模式研究，本文方法的貢獻在于：1)突破了傳統數據研究的局限性，改善了土地利用數據無法表征用地上的設施分布、功能狀況和統計人口數據尺度宏觀且時點單一的問題，從多功能混合、多時點序列視角挖掘不同城市功能區的人口時空聚散模式，提升了研究結果的多尺度性與科學性；2)已有人口聚散格局的研究多停留在利用密度分析或熱點分析探索單一時點的空間集聚形態，本研究探究連續時間序列的人口時空聚散規律，實證了此領域“時空序列研究”的可行性與優勢；3)突破了傳統城市形態與人口移動的研究范式，利用POI大數據清晰劃分了不同的城市功能混合結構，基于LBS數據及時空聚類方法挖掘人口聚散模式及其與城市功能的交互關系，從城市多功能混合、人口時空遷徙與變化角度豐富了人地關系研究的切入點。然而本文也存在不足，如缺乏城市具體地塊和其他城市的時空聚散規律的探究。