POI數據在城鄉規劃中的應用研究綜述

摘要：大數據的發展為城鄉規劃研究提供了數據基礎和技術支撐。本文通過梳理興趣點（POI）數據應用于城鄉規劃的相關文獻，利用CiteSpace軟件進行知識圖譜分析，從發文量、發文機構、關鍵詞共線、關鍵詞聚類、突發性探測等方面系統綜述國內城鄉規劃領域POI研究的知識特征，總結POI數據在城鄉規劃領域的分析方法，即核密度分析法、多源數據及其他要素耦合分析法、賦值評價與模型計算法，并從城市功能分區、城市開發邊界劃定、城市空間分布特征、區域聯系與空間結構、居民空間行為、城市及街區活力測度等6個方面論述POI數據在城鄉規劃領域的應用研究進展，指出POI數據應用存在的不足，展望POI數據的發展趨勢，以推進POI研究，更好地將POI數據應用于城鄉規劃中。

關鍵詞：POI數據；大數據；城鄉規劃；研究綜述；CiteSpace

中圖分類號：TU984 文獻標識碼：A 文章編號：1008-9500（2023）04-00-08

DOI：10.3969/j.issn.1008-9500.2023.04.021

Review on the Application Research of POI Data in Urban and Rural Planning

——Visual Analysis Based on CiteSpace Knowledge Graph

SU Yingqiong1，2， LIU Ben3， ZHAO Xinyi4， HE Peiyong1，5

（1. China Institute of Geo-Environment Monitoring， Beijing 100081， China;

2. School of Architecture， Huaqiao University， Xiamen 361021， China;

3. Guangzhou Urban Planning amp; Design Survey Research Institute， Guangzhou 510060， China;

4. Agency Services Bureau， Ministry of Natural Resources， Beijing 100812， China;

5. Key Laboratory of Mine Ecological Effects and Systematic Restoration， Ministry of Natural Resources， Beijing 100081， China）

Abstract： The development of big data provides a data foundation and technical support for urban and rural planning research. By sorting out relevant literature on the application of Point of Interest （POI） data in urban and rural planning， and using CiteSpace software for knowledge graph analysis， this paper systematically reviews the knowledge characteristics of POI research in the field of urban and rural planning in China from the aspects of number of publications， publication institutions， keyword collinearity， keyword clustering and sudden detection， and summarizes the analysis methods of POI data in the field of urban and rural planning， including kernel density analysis， multi-source data and other element coupling analysis， assignment evaluation and model calculation， and discusses the application research progress of POI data in urban and rural planning from six aspects， namely urban functional zoning， delineation of urban development boundaries， urban spatial distribution characteristics， regional connections and spatial structures， residents’ spatial behavior， and measurement of urban and block vitality， and points out the shortcomings of POI data application and looks forward to the development trend of POI data， in order to promote POI research and better apply POI data to urban and rural planning.

Keywords： POI data; big data; urban and rural planning; research review; CiteSpace

城鎮化推動了我國經濟社會的快速發展，也帶來尖銳且復雜的城市問題。當前，我國城市更加關注發展質量，不再一味追求發展速度。轉變傳統的城市發展模式已成為人類共識，而大數據技術的發展為這種革新提供了新機遇。在大數據技術日益成熟的時代，手機信令、夜間燈光、微博、興趣點（POI）、刷卡等數據被廣泛應用于城市規劃研究中。POI數據具有樣本量大、更新快、涵蓋信息細致等優勢[1]，被廣泛應用于城市活力測度、智能交通、公共服務設施布局及服務水平測度、應急指揮等領域，為城鄉規劃決策提供經濟、社會、文化等方面的數據統計分析服務[2]。

POI是一種代表真實地理實體的點狀數據[3]，主要指一些與人們生活密切相關的地理實體，如醫院、學校、超市、便利店、餐飲店等，同時表征其屬性和空間信息。POI數據具有處理速度快、形式多樣、數據量大、準確性高以及蘊含價值大等特點[4]，集功能分類和地理位置信息于一體，綜合體現經濟、社會、土地、人口等城市要素的相互作用[5]。目前，主要通過百度地圖、Google Earth等軟件獲取相關范圍一定時間內的POI數據。每個POI數據包含名稱、地址、經緯度、類型等信息，后期可借助ArcGIS軟件進行數據處理和空間分析，將其進一步應用于城鄉規劃等領域[6-8]。目前少有研究采用文獻計量學方法，系統總結POI在城鄉規劃領域的應用。本文從文獻計量和綜合評價的角度收集中國知網（CNKI）數據庫的POI文獻，結合城鄉規劃領域POI研究文獻的發布特點，選擇建筑科學與工程、自然地理學和測繪學這2個學科的文獻，使用CiteSpace軟件，系統綜述國內城鄉規劃領域POI研究的知識特征，總結POI數據在城鄉規劃中的分析方法及應用研究進展，以期更好地發揮POI在城鄉規劃領域的作用。

1 研究方法及數據來源

1.1 研究方法

本文運用基于Java平臺開發的CiteSpace信息可視化應用程序進行引文空間分析，通過可視化方式直觀地表達科學知識的分布、規律和結構[9]。借助CiteSpace軟件，結合算法運算，對關鍵詞、作者、發文機構等信息進行可視化表達，分析POI在城鄉規劃領域的演進脈絡、研究熱點及趨勢。

1.2 數據來源

本文的數據來源為中國知網數據庫，它是中國文獻覆蓋率最高的數據庫，也是公認的中文文獻權威數據庫。以POI為關鍵詞進行檢索，檢索時間從2011年1月1日至2021年12月31日，結合城鄉規劃領域POI研究文獻的發布特點，選擇建筑科學與工程、自然地理學和測繪學這2個學科的文獻，文獻類型選擇綜述和研究論文，剔除資訊、報紙等文獻，得到1 013篇文獻。

2 城鄉規劃領域POI研究的知識特征分析

2.1 發文量分析

研究文獻的年度發文量變化可以展現學術界對該研究領域的關注度和活躍度[10-12]。從發文量來看，國內城鄉規劃領域POI研究成果發表數量呈增長態勢。POI研究始于2011年，2014年以前發展緩慢，年度發文量較少。2015年以來，隨著新型城鎮化的發展，POI研究文獻急劇增加，POI越來越受研究者青睞，隨著大數據技術的不斷發展和完善，城鄉規劃領域POI研究逐年增長，如圖1所示。

2.2 文獻作者及發文機構分析

2.2.1 文獻作者分析

利用CiteSpace生成POI在城鄉規劃領域的作者合作網絡圖，如圖2所示。觀察發現，發文作者間的連線較多，說明POI數據處理復雜，工作量較大，加之數據分析及成果應用需要作者具備扎實的基礎知識，因此POI在城鄉規劃中的研究多以多個作者合作的形式出現。其中，發文數量最多的作者為東南大學的楊俊宴，共有6篇，其次是郭慶勝、曹政、任紹斌，發文數量均為4篇。

2.2.2 發文機構分析

發文量居于前15名的發文機構如圖3所示。POI在城鄉規劃領域的發文機構主要為高等院校，包括武漢大學、東南大學、天津大學、重慶大學、同濟大學、華中科技大學等，可見高等院校對該領域的研究比較深入，重視程度高，有較多的科研文獻成果產出。

2.3 研究熱點及演進脈絡分析

2.3.1 關鍵詞共現圖譜分析

關鍵詞是作者對文章主題的高度凝練，分析文獻關鍵詞特征可以反映某一領域當前研究熱點[13-14]。關鍵詞共現圖譜節點大小表征關鍵詞頻次，從圖4可以看出，國內城鄉規劃領域POI研究主要集中于4個方面。一是大數據與分析方法，涉及POI、大數據、多源數據、手機信令、空間句法、隨機森林等關鍵詞；二是POI的應用，涉及空間結構、空間分布、空間形態、街區活力、生活圈、商業業態等關鍵詞；三是研究應用的城市，包括北京、上海、武漢、西安、廣州、杭州、南京等城市；四是研究的內容，涉及影響因素、影響機制等關鍵詞。

2.3.2 關鍵詞聚類圖譜分析

關鍵詞的聚類分析可以反映一個領域內的研究重點[15-17]。采用對數似然比（LLR）算法對城鄉規劃領域POI主題關鍵詞進行聚類分析（見圖5），共得到11項研究關注度最高的核心聚類，分別為POI、空間分布、街區活力、城市活力、大數據、多源數據、電子地圖、空間分析、空間認知、商業中心、有效性等。各聚類之間關聯性較強，每個聚類分布也相對集中。

2.3.3 關鍵詞聚類時間線譜分析

為清晰展示各聚類的發展脈絡，將聚類標簽沿時間軸橫向展開，形成關鍵詞聚類時間線圖譜，如圖6所示。每個聚類對應一個時間軸，節點在軸上的位置代表該關鍵詞首次出現的年份，節點的大小代表關鍵詞出現的頻率[18-19]。由圖6可知，城鄉規劃領域POI研究延續性強，以移動地圖研究為起點，在空間分布方面最早得到應用，并隨著多源數據、大數據及電子地圖等的發展，逐漸應用于空間分析、街區活力、商業中心、城市活力等方面，應用層面更加多元化，呈現螺旋上升趨勢。

3 POI數據在城鄉規劃領域的分析方法

對CiteSpace生成的知識圖譜進行分析后，對我國城鄉規劃領域POI研究有了直觀認知，結合所形成的圖譜，對主要文獻進行研讀，進一步總結POI在我國城鄉規劃領域的應用研究進展。POI作為一種空間數據源，其分布密度與分布模式在城市空間分析、城市基礎設施布局及規劃中具有重要作用[20]。某一類別POI數據的提取及分析可以直觀反映城市中該類別的空間分布。結合以往學者研究，POI數據在城鄉規劃中的分析方法主要有3種。

3.1 核密度分析法

在POI數據的應用中，多數研究先對獲取的POI數據進行提取和篩除，再結合POI數據所攜帶的空間位置屬性信息，運用核密度分析法分析某一類別的數據點，即通過研究所選中規則區域內點密度的空間分布及變化，分析點的分布特征[21]。劉鵬程等[22]通過對鎮江市POI數據的收集，運用核密度分析法，總結出鎮江市的各類服務業中心，并同國內其他城市進行對比，提出城市空間布局改進措施；馬君彥[23]抓取太原市5年POI數據，運用核密度分析法和熱點分析法，從城市整體和街道2個層面論述太原市各類別下服務業設施的發展變化，并分析演變規律。

3.2 多源數據及其他要素耦合分析法

城市是個復雜的巨系統，各要素之間相互關聯并存在耦合關系。POI數據是城市中各類功能在空間上的投影，一個城市或區域某一類別的POI總量或總的POI數據量與該城市或區域的經濟總量及規模、人口數量與規模、產業規模等可能都存在相關性。借助空間統計分析技術，可以測算基于POI數據的人類活動空間要素與自然地理要素（水源、氣候等）、人文要素（經濟、社會、心理、交通等）的耦合關系[24]。然而，由于單一維度數據表征的空間信息存在局限性，利用POI數據，結合夜間燈光、人口、手機信令、街景地圖等多源數據，從不同維度對城市空間進行分析，這已成為POI數據應用的新趨勢。嚴朝霞等[25]以上海市POI數據為基礎，利用辛普森多樣性指數、相關性分析法、核密度分析法，計算城市消費活力空間分布和熱點識別、城市道路網與城市消費活力的相關性；向雨等[26]以長沙市為例，融合遙感影像、POI、房價等多源數據，構建城市體檢指標體系，對城市自然本底和運行體征展開計算評估；盛強等[27]綜合利用POI、無人機航拍、路網等多源數據，利用空間句法模型，以武漢市三陽路的城市更新項目體現新數據在城市規劃和設計中的應用。

3.3 賦值評價與模型計算法

在POI數據中，不同類別的數量及屬性不同。針對不同類別的POI數據，可根據研究需要進行分類賦值，建立適宜的評價模型。例如，通過對POI進行分類賦值，可以評價城市基礎設施分布合理性、設施服務水平、設施品質、城市活力等的客觀情況；可以將POI密度作為表征城市功能多樣性、生活便捷程度等的指標，引入專家打分模型中；可以建立POI表征的社會空間活動變量與各類自然及人文變量的回歸分析模型；可以結合隨機森林、空間句法等算法應用，建立模型分析，構建多要素耦合的城市相關指標體系。索超等[28]選取淮安市中心城區部分類別POI數據，結合大眾點評評論數與評分值進行賦值分析，得出其代表的活力值與品質值，并進一步測度各區內人口與POI規模的關系；韓善銳等[29]利用空間與非空間多元回歸模型，在2 km、5 km、10 km三個尺度上研究地表溫度與同期POI密度及植被和水體蓋度的相關性；楊建思等[30]通過隨機森林模型，結合POI、夜間燈光、路網等多源數據，對空置指數進行可視化表達，對武漢市城區空置區域進行評估與分析。

3.4 POI數據分析方法存在的問題

在城鄉規劃中，POI數據分析方法可以利用多種要素和數據源，構建多模型評價體系。目前，POI數據分析方法仍然存在系統性不足的問題，不同學科依據自身需求選擇分析方法，在POI數據的整體性方面缺乏統一認識，存在破碎化現象。同時，許多分析方法僅局限于描述傳統特征、表達相互關系、理解語義、多維可視化等，有待在分析方法的知識化服務水平和自動化程度等方面進一步突破[24]。

4 POI數據在城鄉規劃中的應用研究進展

POI作為一種開源空間數據，為城鄉規劃研究增添新的矢量空間信息來源，為人們提供有別于用地現狀圖的新視角與方法去理解和認知城市。目前，POI數據在城鄉規劃中應用廣泛，主要涉及6個方面。

4.1 城市功能分區

城市包含很多功能區，便于城市居民開展居住、交通、工作、游憩等活動，不同功能區的空間布局及組合也是城市各類要素空間布局及組合的體現[31]。傳統的城市功能區劃分方法主要采用統計調查、土地利用、人口規模及空間布局等數據，并結合體現城市功能分區特征的各類指標體系，這種方法存在一定的缺陷。大數據時代為城市功能區劃定提供了新契機，POI數據為城市空間結構的描述和理解提供了一種新渠道。Yuan等[32]通過建立隱含狄利克雷分布模型，利用POI數據結合出租車數據，探索城市不同功能區的差異并予以區分。陳世莉等[33]結合廣州POI數據以及一周的浮動車數據，利用時空語義挖掘方法進行數據處理及分析，得出廣州的功能分區結果，并識別出特征明顯的城市功能區；姜佳怡等[34]基于POI數據的重分類與賦值，對上海市域范圍進行6大類功能區的識別，并結合用地現狀圖對功能區識別圖進行驗證。

4.2 城市開發邊界劃定

隨著國土空間規劃的全面鋪開，國家和地方出臺多項空間管控政策，依據城鎮空間、生態空間、農業空間，分別劃定城鎮開發邊界、生態保護紅線、永久基本農田保護線[35]，以控制城市無序蔓延，促進生產空間、生活空間和生態空間協調發展，提升城市空間發展質量。傳統的通過遙感圖像解譯劃定城市開發邊界與建成區范圍的方法，沒有考慮居民行為空間、社會活動空間等反映居民行為活動的要素，基于此劃定的城市開發邊界存在一定的不足，無法真正實現控制城市無序蔓延的目標。POI數據為研究復雜的人類活動和城市空間提供了新路徑。許澤寧等[36]提出利用POI密度分布識別城市開發邊界的新方法，并基于此方法結合全國所有地級以上的城市建成區邊界進行實證分析。雷志成[37]利用POI數據，運用斷裂點分析法、密度值-距離分析法識別廣（州）佛（山）城市邊緣區，并分析其土地利用類型結構等特征。

4.3 城市空間分布特征

城市是多要素的聚合體，城市各要素的有機結合能促進整個城市生態系統的良性循環。以統計、調研等方式獲得城市各功能集聚及其空間分布特征的傳統方法需要花費大量時間和人力，最終結果準確性有待考究。POI數據為城市各功能的集聚特征分析提供了新思路，在城鄉規劃中應用于商業設施、公益性服務設施、城市文化設施等服務設施的分析。孫宗耀等[38]收集濟南市區生活設施數據，通過多種計算方法得出生活設施的空間分布特征、重心位置、相關性與綜合評價指標。趙曉彤[39]通過收集濟南市2016年零售數據，識別出購物中心、百貨店、超市、專業店4類零售業態的空間分布特征，并運用SPSS軟件對分布特征進行相關性分析，指出零售業態在空間集聚、區位選擇上有明顯差異。

4.4 區域聯系與空間結構

隨著區域化、全球化的發展，城市與城市之間、城市與區域之間的聯系和交互日益密切，區域聯系與城市等級對城市及區域發展的影響日益增強。在城鎮體系規劃中，衡量城市之間、城市與區域之間關系的重要指標包括人流、貨流、信息流等要素。此外，城市等級對城市在整個區域發展中的地位、作用和獲得資源的機會具有關鍵性影響[2]，傳統的區域聯系和空間結構研究以缺少空間屬性的靜態數據作為基礎，在反映城市關系的準確性方面有待進一步提升。POI數據為測度區域聯系與空間結構聯系提供了新思路，可結合遙感、夜間燈光等多源數據，對大尺度區域范圍的空間結構及形態進行表征。巫細波等[40]以粵港澳大灣區為例，利用POI數據，采用空間核密度方法研究粵港澳大灣區的商業、產業、科技文化等7類城市功能空間的結構特征，并對未來粵港澳大灣區城市群空間結構發展提出建議。梁澤等[41]提出基于夜間燈光遙感影像、電子地圖興趣點和社會經濟統計數據等，利用迭代自組織聚類、聚合分析、指標閾值篩選等方法，對中國14個城市群進行識別。

4.5 居民空間行為

傳統的城市空間側重于對宏觀統計數據的研究，如經濟總量、土地利用、人口規模及產業布局等靜態數據[42]，忽略了作為主體的居民對城市的動態需求。隨著信息技術的飛速發展，城市居民的行為活動及其影響下的城市空間布局變化已成為城鄉規劃發展研究的重點。POI數據結合其他大數據技術，不僅可以分析居民行為的時空變化，而且可以預測居民的空間位移軌跡及活動需求，把握居民時空行為特征規律，并基于此制定相應的空間管理策略[35]。劉子靖[43]利用武漢都市發展區POI數據，對地鐵站點進行以時間流量為特征的聚類，以個體層面的通勤模式為基礎，對武漢都市發展區居民的出行特征及通勤特點進行評價。王振坡等[44]將POI數據與居民住房與交通狀況調查問卷數據相匹配，得出天津市居民通勤活動的相關特征，并分析了居民個體與通勤距離和公共服務空間偏好的關系。

4.6 城市及街區活力測度

城市活力的定義抽象而復雜，目前，學術界還未有統一的定義及標準。隨著大數據的普及和技術的發展，在城鄉規劃中，越來越多的研究利用POI、微博簽到、手機信令等大數據測度城市及街道活力，分析影響城市活力的建成環境因素。在歷史文化遺產保護中，結合一定研究范圍內的POI業態數據的空間分布特征，分析歷史文化街區、傳統村落等空間活力的研究也日漸增多。郝新華等[45]綜合利用POI、路網等數據對北京市五環內街道活力展開測度和影響因素分析，并對比不同指標體系對不同類型街道活力的解釋力度。曹鈺等[46]基于天津市歷史文化街區內不同類型POI業態數據的空間分布特征，結合地理信息系統（GIS），分析歷史文化街區的空間活力并提出街區活力提升路徑。

5 結論

POI是一種代表社會經濟地理單位的點狀地理空間大數據，經CiteSpace知識圖譜分析，其研究熱度濃烈，研究熱點呈螺旋式上升趨勢。POI數據在城鄉規劃領域的分析方法主要有3種，即核密度分析法、多源數據及其他要素耦合分析法、賦值評價與模型計算法。一是利用POI進行單類要素核密度分布表征，描繪城市各類功能區分布；二是結合多源數據及其他要素耦合分析，描繪城市系統要素的相關性；三是對POI進行分類賦值，結合模型建構，對城市空間及相關設施做綜合評價。POI數據在城鄉規劃中得到廣泛應用，涉及城市功能分區、城市開發邊界劃定、城市空間分布特征、區域聯系與空間結構、居民空間行為、城市及街區活力測度。基于POI的城鄉規劃研究為認知城市提供一種新視角，未來，隨著城鄉規劃研究領域的深入，其應用前景會更加廣闊。然而，POI數據不可避免地存在缺陷。POI數據是一種點狀數據，無法包含相關設施的具體內容，如學校班級數、醫療及商業設施面積、商業設施營業額等信息；POI數據的分類分級準確性有待提高，在實際使用中，各小類別的POI數據存在重復；POI數據主要是基于地理位置的空間數據，無法反映人的心理活動、行為活動等，這使得應用POI數據進行與人相關的社會研究存在不足。未來，要進一步探索POI數據多元分析方法，構建多種數據模型，拓寬對人流、信息流、資金流等社會要素與城市耦合關系的認知，推動POI數據更好服務城市發展，構建智慧城市。

參考文獻

1 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（2）：68-73.

2 房佳萱.基于POI的深圳市南山區步行可達性評價研究[D].哈爾濱：哈爾濱工業大學，2017：15-16.

3 Krosche J，Boll S.The POI Concept[C]//First International Workshop on Location and Context Awareness，Oberpfaffenhofen，Germany.2005.

4 MACEACHREN A M，GAHEGAN M，PIKE W，et al.Geovisualization for knowledge construction and decision support[J].IEEE Computer Graphics and Applications，2004（1）：13-17.

5 陳蔚珊，柳 林，梁育填.基于POI數據的廣州零售商業中心熱點識別與業態集聚特征分析[J].地理研究，2016（4）：703-716.

6 姚寧廣，徐 芳.安徽省礦業科技進展、不足與展望：基于近10年來礦業領域科技獎項數據[J].金屬礦山，2021（1）：202-212.

7 吳 多，熊 偉.基于“三調”數據的國土空間規劃底圖建設：以武漢市為實例[J].中國國土資源經濟，2022（3）：53-60.

8 陳群弟.國土空間規劃體系下城市更新規劃編制探討[J].中國國土資源經濟，2022（5）：55-62.

9 陳超美.CiteSpaceⅡ：科學文獻中新趨勢與新動態的識別與可視化[J].情報學報，2009（3）：401-421.

10 李 麗，楊金中，陳 棟，等.長江經濟帶江蘇段廢棄露天礦山分布與生態修復遙感調查研究[J].水文地質工程地質，2022（1）：183-190.

11 王 娜，田 磊，文可戈，等.基于遙感技術的礦山生態修復調查研究：以冀東鐵礦為例[J].金屬礦山，2021（10）：192-198.

12 張成業，李 軍，雷少剛，等.礦區生態環境定量遙感監測研究進展與展望[J].金屬礦山，2022（3）：1-27.

13 陳 誠.國土空間規劃政策變遷與體系演進邏輯研究：基于政策擴散理論視角[J].中國國土資源經濟，2021（10）：34-39.

14 蔣杏雨.鄉村振興戰略下的村莊規劃編制研究[J].國土資源情報，2021（8）：39-43.

15 成佩昆，胡守庚，張 鵬.西北地區集聚提升類村莊規劃編制探索與實踐：以寧夏回族自治區Y村為例[J].中國國土資源經濟，2021（9）：31-39.

16 胡 偉，束 平.數據中臺支持下國土空間規劃“一張圖”實施監督信息系統設計：以常州市為例[J].國土資源信息化，2021（2）：35-40.

17 鄧顯彬，田 康，陳運菊，等.縣級國土空間規劃中耕地保護實現路徑探討：以貴州省為例[J].國土資源情報，2021（4）：46-50.

18 孫 光，李樹志，董慶歡，等.濟寧市任城區采煤沉陷區綜合治理實踐與思考[J].礦業安全與環保，2020（6）：113-117.

19 劉 虎，姜 岳，夏明宇，等.基于30年遙感監測的礦區生態環境變化：以南四湖周邊礦區為例[J].金屬礦山，2021（4）：197-206.

20 趙向陽，杜洪濤，趙 鵬.基于標準化規則的城市POI數據庫建庫研究：以濟南市為例[J].城市勘測，2013（4）：21-24.

21 王遠飛，何洪林.空間數據分析方法[M].北京：科學出版社，2007：55-56.

22 劉鵬程，陳 超，孔 斌，等.基于POI數據的鎮江中心城區空間結構識別與特征解析[J].江蘇城市規劃，2017（9）：7-12.

23 馬君彥.基于POI數據的城市服務業設施空間演變研究[D].濟南：山東建筑大學，2018：11-12.

24 薛 冰，李京忠，肖 驍，等.基于興趣點（POI）大數據的人地關系研究綜述：理論、方法與應用[J].地理與地理信息科學，2019（6）：51-60.

25 嚴朝霞，季民河，宋太新.上海城市道路對消費活力的影響：基于POI密度與多樣性分析[J].蘇州科技大學學報（自然科學版），2017（2）：73-80.

26 向 雨，張鴻輝，劉小平.多源數據融合的城市體檢評估：以長沙市為例[J].熱帶地理，2021（2）：277-289.

27 盛 強，方 可.基于多源數據空間句法分析的數字化城市設計：以武漢三陽路城市更新項目為例[J].國際城市規劃，2018（1）：52-59.

28 索 超，丁志剛.POI在城市規劃研究中的應用探索[C]//新常態：傳承與變革——2015中國城市規劃年會.2015.

29 韓善銳，韋 勝，周 文，等.基于用戶興趣點數據與Landsat遙感影像的城市熱場空間格局研究[J].生態學報，2017（16）：5305-5312.

30 楊建思，柳 帥，王艷東，等.融合多源大數據的武漢城市空置區域評估與分析[J].地球信息科學學報，2020（5）：997-1007.

31 陳澤東，譙博文，張 晶.基于居民出行特征的北京城市功能區識別與空間交互研究[J].地球信息科學學報，2018（3）：291-301.

32 Yuan J，Zheng Y，Xie X.Discovering Regions of Different Functions in a City Using Human Mobility and POIs[C]//Acm Sigkdd International Conference on Knowledge Discovery amp; Data Mining.2012.

33 陳世莉，陶海燕，李旭亮，等.基于潛在語義信息的城市功能區識別：廣州市浮動車GPS時空數據挖掘[J].地理學報，2016（3）：471-483.

34 姜佳怡，戴 菲，章俊華.基于POI數據的上海城市功能區識別與綠地空間評價[J].中國園林，2019（10）：113-118.

35 甄茂成，黨安榮，許 劍.大數據在城市規劃中的應用研究綜述[J].地理信息世界，2019（1）：6-12.

36 許澤寧，高曉路.基于電子地圖興趣點的城市建成區邊界識別方法[J].地理學報，2016（6）：928-939.

37 雷志成.基于POI的城市邊緣區識別與空間分析[D].廣州：廣州大學，2019：18-19.

38 孫宗耀，翟秀娟，孫希華，等.基于POI數據的生活設施空間分布及配套情況研究：以濟南市內五區為例[J].地理信息世界，2017（1）：65-70.

39 趙曉彤.基于POI數據的濟南市零售業空間布局特征及其影響因素研究[D].濟南：山東建筑大學，2017：14-15.

40 巫細波，賴長強.基于POI大數據的城市群功能空間結構特征研究：以粵港澳大灣區為例[J].城市觀察，2019（3）：44-55.

41 梁 澤，黃 姣，韋飛黎，等.基于夜光遙感影像與百度POI數據的中國城市群空間范圍識別方法[J].地理研究，2020（1）：92-102.

42 李燕萍，虞 虎，王 昊，等.面向大數據時代的城市規劃研究響應與應對方略[J].城市發展研究，2017（10）：1-10.

43 劉子靖.利用SCD和POI數據研究武漢居民通勤出行與站點分類[D].武漢：武漢大學，2018：10-11.

44 王振坡，牛家威，王麗艷.基于POI大數據的天津市居民居住就業空間特征及其影響因素研究[J].地域研究與開發，2020（2）：58-63.

45 郝新華，龍 瀛，石 淼，等.北京街道活力：測度、影響因素與規劃設計啟示[J].上海城市規劃，2016（3）：37-45.

46 曹 鈺，李 科，東 方，等.基于POI的天津歷史街區活力分析及策略研究[C]//交通治理與空間重塑——2020年中國城市交通規劃年會.2020.