王迪，左小清 ，金宝轩

(1.昆明理工大学 国土资源工程学院，云南 昆明 650093； 2.云南省自然资源厅国土资源信息中心，云南 昆明 650034)

1 引 言

城市空间结构不断随着新政策措施的变化，城市内不同类型要素的分布聚集情况随之产生分异，各类要素地物的变化同时也反映出城市发展的阶段化进程。随着城市面积扩大以及常住人口的增加，社会保障问题以及城市规划不合理等问题使得城市化质量问题日益显著。利用人类出行记录、城市建筑等的互联网大数据，结合多样化分析手段使得城市运行状态的时效性、精细化探索城市问题有所提高。由传统的基于“空间和场所”的感性分析手段转换为更为理性的基于人类活动轨迹的数据来探索城市空间布局的合理性[1]。不同类型的要素组合方式都会对城市功能建设及空间结构变化产生影响，进一步对整个城市的可持续发展产生影响[2]。因此，掌握城市各区化空间的集聚效果，对科学实现城市系统规划发展有重要意义。

目前，许多学者在基于POI数据的研究中多集中于城市多中心识别研究[3～5]、城市边界提取[6，7]、城市居民时空变化[8，9]与城市功能区识别[10，11]等方面。阳建强表明城市发展方式正由一味向外扩展转为向内调整内部结构，进而提高城市承载能力，优化质量与存量[12]；段亚明利用POI数据分析重庆市地物空间分布特征与聚集程度，进而判断识别城市多中心区域及影响范围[13]；李卫东通过对南京市POI数据分类，提取边界及分类渲染等，实现对南京市商业中心提取及空间格局及定量研究分析[14]；樊文平利用POI数据与百度热力图数据验证济南市各功能用地类型与人口流量分布一致性[15]；贾晓婷以POI数据为基础，研究乌鲁木齐市公共休闲设施空间布局[16]；薛冰利用400多万条兴趣点数据对东北三省城市空间结构与行业形成机制进行分析研究[17]；窦旺盛充分利用POI数据对济南市开展城市用地功能识别[18]；李江苏采用POI数据对郑东新区服务业进行总体、分行业的空间布局聚类分析[19]；王奇通过计算POI在街区中的分布密度，进行主成分分析从而对相应功能区进行可视化表达[20]。基于以上实验与应用背景，以北京市POI数据为切入点，结合现行总规并利用GIS密度及热点分析等方法研究城市空间要素聚集规律，探索城市功能空间特征。

2 研究区域与数据获取

北京市作为全国政治、文化、国际交往以及科技创新中心，优化城市的空间布局及明确各区功能定位有一定的必要性。《北京城市总体规划(2016年--2035年)》(http：//ghzrzyw.beijing.gov.cn/)中提出在要改变单个中心集聚发展的模式，在市域范围内形成“一核一主一副、两轴多点一区”的城市空间结构，并提出北京未来新的两翼将为北京城市副中心与河北雄安新区，如图1所示。

图1 北京市城市规划结构示意图

其中，“一核”为首都功能核心区，作为展示国家首都形象的重要窗口，要维护好其安全与稳定，优化提升城市基本服务功能；“一主”为中心城区即城六区，包括朝阳区、东城区、西城区、海淀区、石景山区、丰台区，降低中心城区人口密度，扩增用于保障中央政治服务空间，是疏散非首都功能的重要地区；“一副”为北京城市副中心，作为背景未来新两翼中的一翼，将行政功能与城市各功能相互结合，打造完善的综合城市配套功能；“两轴”分别为中轴线及其延长线、长安街及其延长线，两条线路分别以文化功能和行政功能为主，体现出国家丰厚的文化底蕴的同时也能展示出庄严、稳重的形象气质；“多点”分别为位于平原地区的顺义、大兴、亦庄、昌平、房山5个新城，既可以有连接中心城区服务功能，又可以有服务首都功能，是协调京津冀发展的重要区域；“一区”为生态涵养区，包括门头沟区、平谷区、怀柔区、密云区、延庆区、昌平区以及房山区的山区，秉承“绿水青山就是金山银山”的生态理念，构造和谐生态家园，维护生态平衡同样也是城市发展中的主要任务。

本文研究的POI数据来源于高德地图，获取时间为2019年7月。经过数据纠偏并去除研究范围以外的数据后，共保留有效数据 1 323 597条，POI数据分布如图2所示。依据高德POI数据分类标准，将其分为生活服务、生活居住、公共服务、休闲娱乐与金融商务五大类，如表1所示。

图2 北京市POI分布图

北京市POI数据分类 表1

3 研究方法

3.1 核密度估计

核密度分析法是通过对空间点、线要素分布密度进行连续模拟，有效计算挖掘每个输出像元在其周围邻近要素中的密度并反映出要素的空间分布特征。本文利用核密度分析法探索北京市整体和各个类型POI数据集聚特征，为使得各等级差异化显著，根据自然间断法则提取分析等值线，分析不同类型数据的分布区域及形态。计算公式如下：

(1)

其中，f(x)为概率密度函数；x1，x2……xn为独立同分布的n个样本点；k为空间权重函数；h为带宽，即距离衰减阈值。

3.2 标准差椭圆法

标准差椭圆法是根据点的疏密度、方位以及数量多少判断其分布的一致性以及是否均匀。基本工作原理为以要素平均中心为起点计算x坐标以及y坐标的标准差，以此确定椭圆的轴，通过此方法可以更为明确地感受到要素的方向性。标准差椭圆形式如下：

(2)

(3)

3.3 热点分析

热点分析即对数据集中的每个要素进行Getis-OrdGi*计算统计，是一种利用要素空间自相关性展现某要素的地理属性与其邻近具有同一地理属性要素间的关系的分析法，通过分析统计发现具有统计显著性的冷热点区域，进而对地理现象的聚类特征进行挖掘。其基本工作方式为：在指定范围内，通过比较某要素的相邻要素总和与所有要素的总和，分析该要素在此范围内的集聚特征。当得出的局部总和与预期局部总和有很大差异时，则无法产生随机结果。若要素具有高值，且被其他同样高值的要素所包围，则表示其具显著统计学意义的Z得分。计算公式如下：

(4)

4 城市基本空间结构分布

4.1 城市要素形态分布特征

不同政策因素、规划方案、产业聚集对城市发展有着重要影响，因此不同功能区的要素聚集特征也存在差异。通过表1发现，不同类型POI数据所占比例具有较大差异，其中，所占比例最高的功能类型为生活服务类，占比为51.93%，超过总数的一半以上；其次为公共服务类，占比为21.81%；而其他三类占比均不到20%，其中休闲娱乐类最少，占比不足5%。从不同POI类型分布的空间形态及所占比例可以反映出各类要素在城市的重要性。

通过对北京市POI数据进行最近邻分析得出其邻近比率为 0.919 83，在1%的显著性水平检验下呈显著的聚类模式。由于核心城区在城市发展中占据主导地位，其POI数量及分布密度在此区域内也是最多，因此在选择带宽时会发现，无论带宽大小为多少其密度分布最高点都在核心城区，通过调整与探索，发现以 2 km为带宽时集聚效应较明显直观，因此在此基础上观测整体和不同类型数据的密度分布特征。

将北京市整体POI核密度分布与城区分类进行叠加，与北京市副中心位置与区位分析图(来源于北京城市副中心控制性详细规划(街区层面)图2)进行对比分析，如图3所示，发现：①核密度值由核心区至中心城区依次向外围递减，密度最高点位于东城区东部与朝阳区西部连接处，次高密度点位于海淀区西南部，生态涵养区则分布密度最低，较散碎零星；②由长安街及其延长线的轴线上POI分布形态明显，顺义、大兴、亦庄、昌平、房山5个新城区域密度分布适中；③经测量发现，以东西主轴线交点为圆心分别以 10 km为间距向外围扩展，核密度分布最为密集的区域均处于中心城区内；10 km～20 km以内区域核密度分布基本适中；20 km～50 km以内除了五大新城及 50 km外的怀柔、密云新城等，分布密度均很低。

图3 POI核密度分布与北京市副中心区位对比分析图

4.2 城市各类要素形态分布结构

基于自然间断法将各类要素核密度值分成9个级别，对五类要素进行最近邻指数分析(表2)，发现五类要素分布均呈集中团块型聚集模式。此分布模式的城市通常具有方格网状或环形放射状的道路体系，北京市恰好满足这一特征，且在城市规模上沿多个方向向外扩张，形成紧凑发展成团块状的分布格局。

北京市各类型要素最近邻指数分析 表2

(1)金融商务类空间分布

由图4(a)可以看出，金融商务类要素聚集度最高的区域主要集中在海淀区东南部与朝阳区西部，依次扩展至西城区西北部及东城区东部。标准差椭圆面积最小，分布最为聚集紧凑。包括大量IT互联网公司、创业公司及多所科研院所；朝阳区拥有绝大多数驻华领事馆，海淀区拥有中关村、上地等传媒机构以及各类国际组织、商会、跨国公司总部等，其中各类证券、投行等金融公司、文化传媒产业等也聚集在国贸、望京、酒仙桥等地；西城区、东城区则汇聚了银行、商圈、保险公司等多家企业。

(2)生活服务类空间分布

由图4(b)中可以看出，生活服务类要素集聚最高点在朝阳区西部与东城区东部，其次延伸至西城区，周边怀柔、密云、平谷等地也具有中等集聚核心，呈现出中心聚集，四周离散的分布模式。朝阳区在餐饮、购物方面占据主导地位，其中，位于朝阳区的三里屯太古里、国贸、潘家园旧货市场、朝阳大悦城、以及位于东城区的王府井商圈、崇文新世界等著名商圈均聚集于此，形成极高聚集度，继而向外延伸至拥有西单大悦城、金融街以及大栅栏等商圈的西城区。同时通州区由于发展万达广场、京通罗斯福广场、东朗产业园等产业，聚集程度也适中，与北京市副中心发展战略相呼应。

(3)生活居住类空间分布

由图4(c)发现，生活居住类要素密度最高点位于朝阳区与东城区相邻处，由金融商务类与生活服务类要素分布可知，朝阳区与海淀区围绕各类商圈及产业具备大量商务住宅。依次向外围递减，处于中等聚集度的昌平区、丰台区拥有天通苑、回龙观、方庄等大面积住宅社区以及处于五环以外的西山、燕西、城南、亦庄、中央别墅区等。

(4)公共服务类空间分布

由图4(d)可以看出，公共服务类要素最高聚集点分别位于海淀区西部以及东城区和朝阳区相邻交汇处，次高密度点则位于二者之间。其中医疗保健类中，三甲医院及优质医疗资源在五环内较为集中，海淀区、西城区以及东城区占比最大；政府机构及社会团体等主要集中在东城西城区以及长安街沿线；科研院校主要聚集于海淀区的学院路、成府路以及中关村南大街等；公共交通设施的热点区域则主要聚集在城市近郊的大型居住社区附近[21]，以保障居民基本日常出行与生活。

(5)休闲娱乐类空间分布

由图4(e)可以看出，休闲娱乐类要素分布最密集区位于东城区与朝阳区西部，处于中等聚集度分布等级较多且分散，呈现出一聚集核心，多中心离散的放射型分布模式。相比其他四类要素，其标准差椭圆长轴与短轴最长，面积最大，分布最为分散。其中主城区内故宫博物院、天安门广场、人民英雄纪念碑等著名景点均分布在东城区，北京奥林匹克公园、欢乐谷、水立方等聚集于朝阳区，圆明园遗址公园、奥林匹克森林公园等位于海淀区。周边城区同时具有各类不同风格风景区，包括位于延庆区的八达岭长城、昌平区的明十三陵、丰台区的卢沟桥、房山区的十渡风景名胜区、石花洞、周口店坡峰岭等风景区，平谷区的京东石林峡、金海湖等景点，位于怀柔区的圣泉山、青龙峡、石门山的风景区、密云区的古北水镇、黑龙潭、密云水库等自然风景区。

图4 北京市五大类POI核密度分布图

4.3 城市要素集聚特征分析

通过采用Getis-OrdGi*统计计算，进一步对五类要素在城市空间中的聚集情况进行热点分析。为避免因街区面积过大而影响大量POI密度反而小的情况，采用构建规则格网的形式并以每个栅格单元为单位进行热点分析。根据不同单元连接点的个数，将每一类要素分为9个密度等级，如图5所示。

图5 北京市五大类POI热点分布图

从五类要素整体热点分布来看，均以核心区为中心向四周发展，并逐渐形成北京市副城区发展规模，生态涵养区中由于以山区为主，设施服务分布数量少且分散。对五类要素单元栅格内要素数量及占地面积进行统计(表3)，发现：

(1)仅生活服务类要素单元内个数存在 3 000以上，且100以上的不同等级中数量均是最多，主要集中在东、西城区的东长安街与崇文门内大街和西长安街与北华新街交汇处周边，以及中心城区的朝阳路、农展馆南路、建国路、大红门路、蓝靛厂路、西三环中路，以及大兴区的市场路与京开高速周边与顺义区的府前东街附近。

(2)金融商务类要素单元内个数在2 000以上的主要集中在东三环线与国贸桥交汇处、北清路、沙阳路以及中关村大街北二环与西直门交汇处周边；数量在 1 000以上的主要分布在朝阳北路，东三环北路，光华路，东大桥路，东升南路，外交部街，秀水街等，均集中在朝阳区与海淀区。

(3)公共服务类要素单元内个数在1 000以上的地区主要集中在顺义区京密街与天纬三、四街交汇附近，海淀区中关村大街、科学院南路以及朝阳区光华路、东三环中路等。

(4)生活居住类要素单元内个数没有超过500，热点区域主要集中在东城区崇文门外大街、北京站西街、朝阳门内大街及朝阳区百子湾路、九龙山路等。

(5)由于休闲娱乐设施呈较分散的分布形式，其要素单元内个数最高不超过500，超过200仅有3个单元。主要集中在东城区故宫东西门外、景山前街、东直门内大街等，朝阳区东三环北路、朝阳北路、工人体育场北路、农展馆南路、呼家楼北街等。

将每一类要素占地面积与北京市面积相比，生活服务类占比最高，为19.51%，其次为公共服务类与金融商务类，分别为18.65%和17.38%，生活居住类与休闲娱乐类最少，均不超过10%，分别为6.12%和8.27%，但各类型要素热点区域包含POI数量占总量比均在75以上，聚类效果明显。

北京市栅格单元内POI数量及占地面积图 表3

5 结 语

本文利用北京市POI数据，通过核密度估计、标准差椭圆及热点分析等方法对北京市POI空间集聚分布情况进行研究分析，得出以下结论：研究区整体呈现出团块型集聚发展模式，POI分布密度由核心城区依次向外递减，向北京市副中心发展的趋势已逐渐成形。五大不同要素类型中，休闲娱乐类要素发展最快，处于中等聚集分布，呈现出一聚集核心，多中心离散的放射型分布模式，已向主城区外不断扩展发展。生活居住、生活服务与公共服务三者发展与城市居民生活联系紧密，互相牵制影响力较大，逐渐形成一核心、多中心的发展机制。金融商务类要素分布最为聚集紧凑，发展相对滞后，主要集中在核心城区。为减轻城市中心城区的压力，北京市不仅通过发展副城区来缓解中心紧张状态，整体上的城市发展有着多核心、少聚集且覆盖广的发展趋势。