基于POI大數據的青島市區域可持續發展研究

徐月娟，趙金寶，李明星，姜嘉偉，劉文靜，孔維超

(山東理工大學 交通與車輛工程學院, 山東 淄博 255049)

青島市國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要指出，未來五年，青島將以海洋科學城為龍頭，依托李滄、嶗山、即墨等區市，集中建設3～5個輻射作用強的園區，建設膠東經濟圈區域創新體系[1]。近年來，國內外學者針對中國城市可持續發展水平分析普遍采用經濟、社會等指標構建評價模型，如: Delphi 法[2]、AHP[3]、灰色關聯分析法[4]、PCA[5]、數據包絡分析法( DEA)[6]等評價區域可持續發展。隨著社會網絡與通信技術的發展，大數據創造了一個全新的維度，城市的很多信息都被記錄在網絡上，其中借助興趣點(points of interests，POI)數據進行城市功能分析比較常見[7]。主要集中在兩個方面：一是各類POI數據空間分布特征的研究，進行城市功能區的識別、布局均等化問題的研究[8-11]；二是與軌道交通站點相結合，利用緩沖區計算可達性、類型劃分與空間特征挖掘[12-13]。研究區大多集中在發達城市，對新興發展城市關注不足，且研究大多集中在主城區熱點區域識別以及單一服務設施布局，缺乏全區域可持續發展分析及不同POI點之間的相關性探討[14-16]。基于以上研究背景，本文以沿海重要中心城市青島為例，基于不同類型POI數據、柵格(人口和GDP)數據等，利用 ArcGIS軟件綜合相關性分析、核密度分析等方法，對青島市區域可持續發展水平進行分析并提出相應發展建議。

1 研究區域與數據來源

1.1 研究區概況

青島地處中國華東地區、山東半島東南、東瀕黃海，是山東省經濟中心、國家重要的現代海洋產業發展先行區、海上合作戰略支點。青島下轄七個市轄區，代管三個縣級市，青島市內十個行政區具體情況見表1，數據主要來源于《青島市統計年鑒》。

表1 青島市行政區概況

1.2 數據來源與處理

POI數據可通過編寫python、Java爬蟲程序，在高德地圖開發者平臺，根據其所提供的Web服務API，結合行政區劃區域，并根據所提供的經緯度坐標所圍成的矩形區域范圍進行檢索，爬取的POI 數據坐標系為 WGS84 坐標系，對數據進行篩選、去重、裁剪等處理生成csv格式數據文件，最終獲得206 925條POI數據。參考高德地圖開發者平臺的POI分類文檔、《城市用地分類與規劃建設用地標準(GB50137—2011)》、天地圖POI數據分類編碼以及其他多種分類方法[17]，對爬取的POI數據進行分析，結合青島市生產生活特點，最終選擇青島市六類POI數據作為研究對象，將POI數據主要分為一級要素類和二級要素類。一級要素類包括生活服務、餐飲服務、交通設施等六個要素，具體見表2。

表2 POI 數據要素分類表

1.3 研究方法

利用空間相關性分析對青島市各類POI進行空間分布的相關性判斷。主要是基于Pearson相關系數模型[18]。一般地，空間相關系數的范圍能夠表示出兩個要素之間相關性的強弱大小，數值越大，其相關性越強。在ArcGIS中通過分析兩個或多個相同像元大小的柵格圖層進行計算。Pearson相關系數的計算公式為

(1)

運用核密度對青島市不同類型興趣點分布進行分析，核密度分析能夠通過計算要素密度，直觀反映空間中離散點在連續區域的分布規律[19]，其值越高代表該點的聚集程度越高，高密度區域集中連續分布聚集面積也就越大，體現了空間位置的差異性，使用不同的色彩來表示聚集點不同的空間變化。核密度估計式可表示為

(2)

式中:di表示估計點與樣本觀測點的距離;k是核函數;h是一個正值，稱為光滑參數。

在核密度分析中聚集高低情況是基于分割單元計算POI密度，通過計算局部莫蘭指數得出的，局部莫蘭指數定義為

(3)

(4)

2 研究結果與討論

2.1 POI數量分布情況

對爬取到的POI點進行初步處理之后導入ArcMap進行可視化分析，青島市區六類POI點空間分布情況如圖1所示。

圖1 青島市區各類POI點空間分布情況

由圖1可知，六類服務設施分布在城陽區、市北區、市南區以及膠州市接界處數量較多，分布較為集中，而以此為中心點向外擴散分布。總體來說，青島市服務設施的POI數量分布呈中間密集，邊緣稀少的分布格局，這一格局在平度市以及萊西市最為明顯。具體來看，餐飲服務與交通設施的分布數量遠多于其余四類；沿海市區的發展遠超其他市區；市南區的服務設施數量分布最多，其他地區分布數量較平均，而平度市的分布數量相對較少。

為了更好地利用POI數據分析青島市區域發展情況，本文通過對六類POI數據進行空間相關性分析，生成的矩陣可以分析各要素之間空間分布的相關性，結果見表3。

表3 青島市區不同POI類型相關性矩陣

由表3可知，各類POI點兩兩之間的空間相關性均比較顯著，在空間分布上的相關性都較強。其中科教文化與保健服務的空間相關性最高，因為科教文化大多分布于人口比較集中、社區比較密集的城市中心區域；住宿服務和餐飲服務之間的空間相關性最低，表明兩類POI之間沒有強烈的依賴關系；生活服務與各類POI的相關性都比較強，主要是因為生活服務涉及到的范圍比較廣；住宿業分布與其他各類服務設施分布的空間相關性相對來說都較弱，因為住宿服務考慮到成本問題，其選址與其余五類POI略有不同。

2.2 考慮POI點的核密度分析

應用核密度分析法對青島市區的六類服務設施分別進行分析。對各類興趣點密度均采用自然間斷點分級法分為五類[20]，利用局部莫蘭指數對各類POI點的空間分布聚集情況進行比較，青島市區各類P0I核密度分析如圖2所示。

(a)生活服務 (b)餐飲服務 (c)保健服務

由圖2(a)可知，青島市區生活服務核密度最高的區間值為1 698 561～3 208 394，最低區間值為0～113 237；從區域分布上看，生活服務數據點分布不均勻，連片集聚區主要分布在市南區南部、市北區東南部、黃島區東部以及李滄區北部；市南區生活服務分布過于集中，該區面積較小；黃島區東北部和西南部都有分布，但是零星布置分布較為分散，缺少連續成片的熱點區域。

由圖2(b)可知，青島市區餐飲服務核密度最高的區間值為86 053～153 419，最低區間值為0～6 618;分析餐飲服務分布情況可以發現，餐飲類設施分布較廣，大致呈由市北區、市南區、即墨區、城陽區接連處為中心向外擴散的趨勢。分析結果表明，中心城區餐飲服務核密度等值線具有較好的平滑度，能識別出青島市區較大的餐飲點集聚區，同時反映出餐飲業發展的方向。從核密度的熱點區域分布情況來看，餐飲業主要分布在青島市中心城區的東部和南部地區；整體上形成多中心的布局結構，南部以大學城(青島大學、青島科技大學等)形成兩個興趣點的集聚中心，各自向南擴散；類似的有青島國信體育中心和周邊居住小區等處形成了興趣點集中地，以及城陽區的西北角青島農業大學、即墨區山東大學也形成了一個集聚中心，核密度較高；此外，平度市中學較多，中西部為社區聚集地，其餐飲分布核密度也較高。

由圖2中(d)、(e)可知，青島市區科教文化和交通設施核密度最高的區間值為696 338～783 381，最低區間值為0～261 127;分析科教文化和交通設施分布情況可以發現，青島市區中心城區的布局密度明顯高于外圍地區，主要以城陽區與李滄區的交界處以及市北區、市南區、黃島區三區為中心向外擴散，且這兩個大規模組團的空間布局呈東南—西北方向延展的趨勢；平度市中部、萊西東部、即墨區中南及東北部、嶗山區西南部呈小范圍的集聚分布。

由圖2(f)可知，青島市區住宿服務核密度最高的區間值為598 739～991 419，最低區間值為0～31 103；分析住宿服務分布情況可以發現，住宿服務點分布不均勻，主要是在主城區密集分布，其他核密度高的區域分布較分散且分布范圍較小；青島市區的住宿服務集聚特征較明顯的有市南區、市北區，兩區均為高密度區域，黃島區只有在靠近沿海地區住宿服務才比較密集；除此之外，各區交界處密集程度都較高，城陽區和李滄區中部、嶗山區西南部以及即墨區南部各自都形成了小規模的組團。

在六類核密度分析圖中，圖2(c)所示的保健服務設施分布最為均勻，最高的區間值為865 798～1 051 326，最低區間值為0～16 491；上面分析中平度市其余五類POI點數值大部分均分布在中部，只有保健服務業在平度全市內分布較為均勻；但市南區與市北區仍保持中心地位，分布較為密集，并以兩區為中心向外擴散；黃島區東北部、嶗山區西南部和東南部、城陽區中部以及即墨區南部都各自形成了小規模組團。

根據上述分析可以得出結論，六類POI服務設施的聚集地在空間上具有明顯的重合特征，六類POI聚集情況從大到小依次為：餐飲服務、生活服務、保健服務、交通設施、科教文化和住宿服務，表明餐飲業的發展形勢相對較好，聚集程度最高；而住宿業的建設相對滯后于其他服務業，其密度區域高的地方也是其他類型服務業聚集程度較高的地方。由于平度市配套設施的建設略滯后于城市建設，應擴大服務范圍，避免服務盲區，為市民提供更加方便快捷的生活服務。

2.3 考慮人口、經濟分布的各區域發展水平分析

為更加科學地判斷青島市各區域的發展水平，本文在POI點的基礎上增加青島市人口密度、經濟密度柵格數據，數據來源于資源環境科學數據中心。人口密度柵格數據單位為人/平方千米，經濟密度的為萬元/平方千米。首先對兩個數據進行處理，利用多因子權重分配法，結合行政區單位權重，運用柵格空間計算，得到GDP和人口的空間化結果如圖3所示[21]。

(a)人口密度

為了能夠將圖3與圖2進行對比分析，需要引入重合度模型量化分析。圖像重合度算法在機器學習場景中運用比較廣泛。重合度算法主要包括內容特征法、關鍵點匹配、SSIM算法、直方圖等算法。直方圖比較的原理是將所要比較的兩幅圖片的直方圖數據歸一化，最終得到一個相似指數，能夠描述一幅圖像中顏色的全局分布，捕捉顏色信息的重合度。而本文獲得的核密度圖主要就是基于顏色分布計算的重合度，所以采用直方圖算法，用python編寫代碼實現重合度的計算。

由于人口和GDP使用的是夜間燈光數據，在運算前需要將其進行重投影，計算出來的人口、GDP與六類POI點直方圖重合度分別為0.45，0.32。結果表明，相較于經濟密度而言，青島市區人口密度分布與六類POI點高密度聚集區域分布重合范圍更大。

圖3(a)顯示的人口密度較高或中等的地區，與六類POI的熱點重疊區域基本一致；圖3(b)顯示的經濟密度較高或中等的地區，與六類服務設施高密度區域差別較大。兩個典型例子，如市南區人口空間分布最高，所對應的服務設施POI的聚集程度也較高；嶗山區由于區內的嶗山風景區，相應的餐飲、酒店、購物等服務業在周邊有所聚集，所以存在GDP空間分布高或中等，POI密度較高，但人口空間分布較低的情況。

3 結論

根據本文對POI分布密度的分析，為提高青島市各區的可持續發展水平，對部分地區提出相應發展建議。

1)結合各POI密度分析可以看出市北區是青島市發展較好的地區，作為青島城市更新的重點地區，要加強保健服務方面建設，尤其是金融部分，雖是老城區，也要建設金融創新核心區以及煥新示范區。

2)嶗山區POI點在旅游服務設施較為聚集，嶗山區自身在旅游業就有很大的地理優勢，嶗山風景區可以增設住宿、餐飲等配套服務，發展旅游業的同時也需注重交通設施路網的布設，重點規劃株洲路兩側區域以及張村河兩岸區域，建設金融、旅游度假、科技的集聚地。

3)萊西市應注重商業服務的發展，加強科教服務、交通設施、商業貿易、物流服務等功能。包括高鐵新城、萊西國際陸港等重點產業區，極大發揮區域交通樞紐的優勢，帶動區域經濟水平的提升。

總體來看，青島市發展依然存在地區差異較大的問題，青島位于山東半島的西南角，既擁有靠近內陸的陸上交通優勢，也擁有海上交通的優勢，又因為未處于交通末端，所以發展潛力比大連、煙臺等濱海城市要大。為更好地發展，應打破行政區界限，根據人口集聚程度和經濟發展水平建設生活服務設施，促進各區生活服務均等化發展。