张文佳 李春江 罗雪瑶 柴彦威 ZHANG Wenjia,LI Chunjiang,LUO Xueyao,CHAI Yanwei

0 引言

近年来，随着新型城镇化的推进以及城市规划和城市发展观念的转变，“以人为本”、重视居民需求和生活质量的社区生活圈规划得到学术界和规划界的关注。社区生活圈规划研究以居民在社区及附近的日常生活供需匹配作为研究对象，是时空行为研究在社区规划领域的创新性应用。然而，目前关于社区生活圈的研究仍然是传统居住区公共服务设施配置研究的延续，对于社区生活圈内的居民需求和居民时空行为关注不足。总的来说，社区生活圈规划研究在概念界定、范围划定、职能归属、规划方法和实施模式等方面仍处于讨论和探索阶段，亟需大量研究关注[1]。

在社区生活圈规划研究所面临的诸多问题中，传统的数据分析方法无法适应时空行为日益复杂、行为轨迹数据日益丰富的需要，有必要引入新方法来挖掘行为需求，理解时空行为模式，并指导规划编制。其中，机器学习算法结合了统计学和计算机科学的优势，其监督学习（supervised learning）与无监督学习（unsupervised learning）算法已被广泛应用于时空大数据特征挖掘分析，如分类、聚类、异常值分析、模式识别、因果推断、决策预测等。因此，以机器学习算法为基础的分析框架可以更为精准、高效地挖掘社区生活圈中居民的时空行为模式，实现不同社区行为模式的迁移，为社区生活圈规划提供指导。

本文将系统梳理现有机器学习在时空行为预测、模式挖掘和行为与环境非线性关系等方面研究的前沿进展，以及社区生活圈规划研究面临的难点与挑战；……