李 莹，涂志德，刘艳芳,2*，唐名阳，王楠楠

（1. 武汉大学 资源与和环境科学学院，湖北 武汉 430079；2. 武汉大学教育部地理信息系统重点实验室，湖北 武汉 430079）

城市作为一个复杂的系统，存在着一定的秩序与模式，当各种社会活动开始聚集，就形成了居民区、商业中心等功能区[1]。城市功能区不仅承载着社会经济发展的各项职能[2]，具有聚集和辐射能力，而且还是城市空间结构的重要体现[3]。识别城市功能区的空间分布特征，有利于发现城市空间特征、优化土地利用结构、促进资源的有效配置，对城市规划和经济建设具有重要意义。

传统的功能区识别主要是基于土地利用数据、遥感影像数据、实地调研、问卷调查、统计资料以及相关图书资料等，利用统计分析、计量模型或归纳演绎等方法进行识别，但这些数据和方法只能静态模拟城市现象，存在时效性不高、数据量大、成本较高、主观性较强的缺点，缺乏对居民这一城市空间活动主体的考量。随着大数据的发展，人们更加注重对居民行为数据的采集与分析，进而考虑居民活动对城市空间组织和结构的影响[4]。目前，研究者多基于签到数据[5]、手机基站数据[6]、轨迹数据[7]、公交刷卡数据[8]、腾讯LBS 数据[9]、GPS[10-11]等数据，结合POI 数据，采用聚类分析、因子分析等方法[12]进行功能区识别研究。研究单元多采用格网、Delaunay 三角网或OpenStreetMap（OSM）路网数据划分地块数据[13]。现有研究中多采用聚类分析方法对地理空间数据进行功能区识别[14]，但缺乏对时间序列地理数据的研究[15]。……