近年来,我国城市化进程的推进和智慧城市的建设推动了城市的快速发展,各种城市问题(如人口快速增长、交通堵塞、环境恶化等)也不断涌现,给城市的空间规划和管理带来了新的机遇和挑战。为进一步优化各区域的职能分工和空间布局,并及时对城市规划的编制和相关政策的执行做出调整,准确识别城市功能区并理解其内部的空间交互模式至关重要。以往对城市空间结构的研究,往往会遇到数据获取成本较高、时效性差、识别不精确等问题。随着大数据和互联网时代的来临,从城市互联网站和智能终端设备可以获取海量的时空数据,这些数据有利于我们更加高效地探测和理解城市的复杂空间结构。其中,应用最广泛的是兴趣点(Point of Interest,POI)数据,其数据量大、获取成本较低,且蕴含着丰富的地理信息和语义信息。然而,很多文献都是通过计算POI密度或者挖掘POI中的语义信息来判断区域的功能,而忽略了兴趣点内部的空间相关性,这使得功能区识别结果往往偏向于数量较多且较为普遍的兴趣点类型,而无法有效地呈现出区域的功能。因此,本文分别基于格网划分和路网划分的方法生成研究单元,结合POI数据和place2vec模型对城市功能区进行识别:首先根据POI数据的语义信息和地理信息构建训练数据集,通过Skip-Gram模型提取出POI类型的高维特征向量,并应用加权平均法得到各研究单元的特征向量,进而基于K-Means算法对研究单元进行聚类分析,利用POI频数密度、类型系数、热力度平均值等指标和方法进行功能区识别,总共识别出8类功能区,分别为公共管理与公共服务区、成熟商业服务区、产业区、待开发地区、自然风景名胜区、成熟居住区、道路与交通连接区等,最后采用对比分析法和混淆矩阵法对识别结果进行了精度验证。研究结果显示,两种划分方法的识别结果总体精度分别达到了76.57%和79.35%,Kappa系数分别为0.73和0.76,说明该识别方法具有可行性,能够有效识别出城市功能区,且基于路网划分方法的识别结果精度更高。此外,在基于路网划分方法的功能区识别结果基础上,对整体和街道空间尺度下的功能空间总体分布特征和功能复合程度进行分析,探究当前不同功能区域的发展情况,并提出了促进白云区用地空间结构的主要问题和优化建议。研究发现,各功能要素呈现出不同的空间分布特征,各街道呈现出多功能组合模式。此外,其功能空间结构存在东西部发展不平衡、中心城区的城市功能未达到规划发展定位、南部地区产业集聚效应不够明显等问题,未来需要对功能空间结构进行进一步的优化和调整。本研究可以帮助研究人员和公众低成本、快速有效地识别和理解一个城市的空间结构和功能配置,对城市功能区规划和地理空间分异研究具有重要参考意义。
暂无评论