王 润 泽，周 鹏，潘 悦，林 奕 晨，项 晓

(武汉工程大学土木工程与建筑学院，湖北 武汉 430074)

0 引言

随着城市建设进入存量挖潜阶段，识别城市功能区并探究人类活动规律已成为城市研究中的重要课题。传统城市功能区的划分与识别主要依据土地利用类型，基于土地规模、用途、空间分布等特征的集聚效应，将城市土地功能划分为单一用途分区，具有一定局限性和主观性，且数据获取困难[1-3]。大数据时代背景下，多元数据及其挖掘技术的不断进步，革新了城市功能区识别和人口活动时空规律挖掘的数据框架和技术体系，为城市功能区人口时空聚散模式研究提供了新的参考方向。

目前，面向人口活动的时空聚散规律研究成果较为丰富[4]。例如：刘彤等基于POI和多时相百度热力数据，挖掘沈阳市中心城区的人口时空分布规律，探析工作日和周末的城市人口活动差异[5]；曹劲舟等利用微博签到数据，通过构建人口移动出行活动链，研究城市人口活动的时空动态性[6]；杨喜平等在分析人口时空聚散模式的基础上，结合土地规划数据，发现人口聚散与土地利用之间的内在联系[7]。随着土地集约节约利用成为城市发展的必然选择，城市用地混合利用越来越受到重视。然而，已有研究主要根据土地利用类型探究人口时空聚散模式[8]，对城市空间功能的复杂性和多样性缺乏考虑，难以探究不同城市功能区的人口时空聚散模式。鉴于此，本文基于POI数据识别城市功能区类型，利用位置服务(LBS)数据测度人口净流量时空变化，并定量探究不同城市功能区人口流动差异性和时空聚散模式，以期为科学合理地制定国土空间规划、完善配套设施建设等提供理论与实践支撑。

1 研究数据与方法

1.1 研究数据

研究数据包括：1)武汉市主城区POI数据，源于泛在网络信息抓取，共290 468条，包括数据类型(住宅、教育、生活、医疗、政府、公共设施等14种[9])、数量、坐标、地址和所属行政区类型(表1)；2)腾讯位置服务(LBS)数据，通过Python爬虫技术获取武汉市主城区2019年4月28日1：00-24：00时段的人口流量数据，数据粒度为公里网格，抓取时间间隔为30 min，主要包含时间、经度、纬度及点位热度4个字段[10]。

表1 POI数据功能分类Table 1 Classification of POI data functions

1.2 研究方法

本文研究技术路线见图1，包括城市功能区识别、不同城市功能区的人口流动差异和时空聚散模式三方面，采用数据转化、空间关联和聚类分析等方法对相关数据进行处理和可视化。

图1 技术路线Fig.1 Technical route

1.2.1 城市功能区识别 城市功能区识别的基本单元分为宗地单元、均匀网格和道路网格单元。宗地单元间的面积差异较大，均匀网格无法准确捕捉城市街区不规则的复杂形态，而道路网格单元能更好地兼顾城市道路实际形态和地块规模均衡性[11]。因此，本研究以道路网格单元为基本单元，以POI数量、密度和优势功能识别为重点，将城市功能区划分为单一功能区和混合功能区[12]。首先利用功能密度指数(式(1))和功能优势指数(式(2))评估城市功能区的第一、第二优势功能，当第一优势功能的功能优势指数大于50%时，将评估单元划分为单一功能区，否则划分为混合功能区[13]；然后基于网络分析方法，识别第一、第二优势功能的组织模式与组合特征[14-16]。由于不同类型的POI数量差异明显，计算评估单元内的功能密度指数时，需同时考虑POI数量、单元面积和不同类型POI的总量差异。

PDij=Nij/(SjMi)

(1)

(2)

式中：PDij、Nij、FPij分别为第i(i=1,2,3,4,5,6)种功能在第j(j=1,2,3,…,n)个评估单元内的功能密度指数、POI数量和功能优势指数；Sj为第j个评估单元的面积；Mi为第i种功能的POI总数量。

1.2.2 不同城市功能区的人口流动差异 城市功能区的分布可直接影响城市人口出行分布特征，不同城市功能区的人口活动规律存在一定差异。为得到各类城市功能区人口流动规律，基于LBS数据识别出各评价单元每小时人口流入和流出的差值，并将其标注为净流量，将识别出的各类城市功能区与人口净流量数据进行空间关联，计算出单位时间内各类城市功能区所在道路网格单元的人口净流量之和，据此分析不同城市功能区一天内各时段人口净流量总和变化趋势[17-20]。

1.2.3 不同城市功能区的人口时空聚散模式 将单位时间内不同城市功能区的人口净流量数据组成集合N，其包含34×23个数据(单一、混合功能区共36种，剔除了2种样本极少且面积极小的功能)；将集合中各元素按从小到大顺序排列，然后基于十分位数法对其进行分割，分割断点处的净流量值为M=[-231,-120,-55,-19,0,25,72,130,255],据此对每个功能区人口净流量聚散程度进行等级划分(表2)；最后利用WEKA数据挖掘工具中的K-means算法对不同城市功能区人口聚散等级矩阵进行聚类分析，得到6种模式，综合其构成特征，分析每种模式的主导城市功能和人口聚散变化规律。

表2 不同功能区人口净流量聚散等级划分Table 2 Grade division of aggregation and dispersion of net population flow in different functional areas

2 结果与分析

2.1 城市功能区识别

利用式(1)和式(2)计算研究区各道路网格单元的第一、第二优势功能(图2)。从空间分布格局看，第一优势功能(图2a)中，武汉市主城区各类功能的数量较为均衡，且具有明显的集聚效应，但每类功能的空间形态差异显著：绿地功能呈明显的“带状+块状”集聚形态，商业功能呈“点状+带状”集聚分布，工业功能主要集聚分布在城市三环线以外，形成“两旧一新”的工业中心格局，居住功能主要紧密环绕在城市生态资源外围。第二优势功能分布格局(图2b)显示，交通和居住功能的规模显著提升，而商业功能明显下降，主要呈居住、交通和商业功能相邻分布。

图2 第一、第二优势功能分布Fig.2 Distribution of the first and the second dominance function

将各道路网格单元划分为单一功能区和混合功能区，其分布特征为：1)不同单一功能区的空间分布格局呈明显差异性(图3a)。绿地功能区集聚效应明显，主要集聚在长江、东湖、自然山体等大型自然生态资源附近；公共功能区呈局部集聚而整体分散的“簇—网”结构，主要分布于绿地功能区附近；商业功能区主要集聚在商圈和城市中心区附近，而居住功能区则环绕在商圈和大型生态资源外围，且商业和居住功能区“空间相邻”分布显著，呈局部集聚。2)混合功能区主要集聚在三环线以内，且在主城区一环线内斑块破碎度较大，而在三环线附近斑块连片度较大(图3b)。以商业功能为第一优势的混合功能区主要分布于城市主中心和副中心，包括王家墩中央商务区与光谷、王家湾、洪山广场、杨春湖和其他城市副中心；以工业功能为第一优势的混合功能区主要呈环状分布于城市外围；以公共功能为第一优势的混合功能区主要以少数斑块零散分布在主城区；以绿地功能为第一优势的混合功能区主要分布在东湖和墨水湖周围；以居住功能为第一优势的混合功能区主要分布在大型自然开敞空间周围，遍布于武汉市主城区。

图3 单一、混合功能区Fig.3 Single and mixed function zoning

通过对不同城市功能区的功能混合类型进行分析(图4)，可以发现：在以商业功能为第一优势的混合功能区内，商业功能与公共、交通功能混合较多，呈现出“商公”“商交”类型；在以居住功能为第一优势的混合功能区内，居住功能与公共、交通和商业功能混合较多，形成“居商”“居公”“居交”类型；在以交通功能为第一优势的混合功能区内，交通功能与公共、居住功能混合较普遍，即“交公”“交居”类型；在以公共功能为第一优势的混合功能区内，商业、交通功能的POI出现频率较高，形成大量的“公交”“公商”类型；以工业功能为第一优势的混合功能区与其他功能混合较均衡。

注：数值表示相应功能区的数量。

2.2 不同城市功能区的人口流动差异

将研究区各道路网格单元的每小时人口净流量与城市功能区进行空间关联，可得到每个功能区的总人口流动变化趋势[21-23](图5)。以工业功能为第一优势的混合功能区一天内人口活动变化呈明显的“波动增减”现象。7：00后“上班族”涌入，人口呈集聚现象，下班后(18：00-20：00时段)，大部分人会进行其他社会性活动，“工交”“工商”及“工居”功能承接工作人口的涌入；以公共功能为第一优势的混合功能区由于与商业功能联动较多，且商业功能包含大量娱乐场所，所以在21：00后“公商”功能与其他功能的人口变化存在一定差异性，呈现涌入现象；以交通功能为第一优势的混合功能区在7：00-8：00会有大量人口涌入，通行需求明显；以居住功能为第一优势的混合功能区人口活动变化呈现“波动强度递减”现象，在7：00-8：00时段出于工作和交通需求促使“居交”“居商”功能人口流入；绿地单一与混合功能分区的人口净流量变化曲线差异显著，以绿地功能为第一优势的混合功能区人口在一天内无明显动态变化，而单一绿地功能区在6：00-9：00以及18：00-20：00时段有明显人口集聚现象；以商业功能为第一优势的混合功能区包含商业购物中心和娱乐场所，在5：00-11：00时段会吸引人口涌入。

图5 不同城市功能区人口净流量趋势Fig.5 Trend of net population flow in different urban functional areas

2.3 不同城市功能区的人口时空聚散模式

基于聚类分析得到的人口时空聚散模式如图6所示。整体上看，模式1和模式4在特定的时间点呈现出人口集聚现象，聚散变化规律性较强；模式2和模式3在一天内人口集聚时间较长，其中模式3在所有模式中集聚时间最长，而模式5、模式6相较于其他模式表现出完全不同的人口聚散变化。为更加清晰地识别出6种模式之间的人口聚散起止时间、强度变化的相似性和区别点，对比分析具有相似或相反特征的人口聚散模式。

图6 基于聚类分析的城市功能区人口时空聚散模式Fig.6 Spatiotemporal aggregation and dispersion patterns of population in urban functional areas based on cluster analysis

模式1主要分布于交通枢纽站(武汉站、中南路等)和医疗教育(华中师范大学、同济医院等)等公共服务中心处，呈现“圈层+轴向延伸”式空间布局，模 式4主要分布于大型生态资源(东湖、汉口江滩、沙湖公园等)及其周边配套建设的商业设施和交通场站，呈现“圈层+带状”式空间布局，两种模式包含的城市功能不同，故在人口聚集强度和起止时间方面存在一定差异。在17：00和19：00时，由于学生放学、工作群体下班，模式1会出现短暂人口集聚，为避免与学生、工作群体在晚高峰时段发生出行冲突，模式4的人口集聚起止时间比模式1提前1 h。

模式3主要为高密度老城区(常青花园、武昌首义区等)，呈“散块”式空间布局，多位于武汉市各区级中心，能提供工作岗位并满足市民的居住、购物等其他社会性需求，因此在5：00-22：00时段内，模式3与其他模式的人口聚散变化有明显差异，呈现出高强度、长时间的人口聚集状态。模式2与模式3在空间分布上邻近，但两种模式的功能定位不同，导致人口活动空间和人口密度差异巨大。模式2主要分布于交通便利的中心城区商务区(王家墩、洪山广场)和郊区的产业园生活区，呈现出“圈层+轴向延伸”式空间布局，区域人口为节约时间会在周边选择居住场所，缩短通勤距离，导致活动空间有限，人口聚集强度明显低于模式3，且由于居住地距工作地较近，在午餐时间模式2会出现短暂的消散现象。

模式5主要分布于城市郊区功能配套完善的小型商住混合区，呈疏点式分布，区域城市用地功能混合度较高，会在不同时段吸引不同需求的人，导致在一天内该区域没有很强的人口聚散现象，整体上呈动态平衡状态。模式6主要分布于城市郊区的工业园(青山区武钢工业园区、汉阳黄金口工业园区和白沙洲南部的新兴汽车工业园区)，呈现“圈层”式空间布局，区域拥有大量工作岗位，导致在5：00-11：00时段出现高强度的人口聚集状态。

分析6种不同城市功能人口的时空聚散模式可以发现，一方面，城市用地功能的混合改善了城市建成区环境，提升了空间可达性并完善了配套服务设施，从而影响城市居民的日常出行需求；另一方面，城市人口聚散过程发生在不同的时空层次，受不同行为主体的居住、工作、娱乐、生态及交通等需求的驱动，会推动城市用地功能和空间结构改善。综合城市功能区人口流动的变化趋势、时空需求差异和构成特征，可将研究区域划分为6种人口聚散模式(图7)，分别为公共主导-聚散波动型、商务主导-持续集聚型、居住主导-持续集聚型、绿地主导-聚散交替型、商业主导-动态平衡型和工业主导-先聚后散型。

图7 人口聚散模式分布Fig.7 Distribution of population aggregation and dispersion patterns

3 结论与讨论

本研究融合POI数据和腾讯位置服务大数据，识别研究区内城市混合用地功能，并对不同功能区的人口净流量变化趋势进行定量分析，探究不同城市功能区的人口时空聚散模式。结果表明：1)武汉市三环线以内用地功能混合度较高，且不同功能组合差异明显。主要以“商公”“居商”“交公”“公商”等类型出现；2)不同城市功能区对居民的吸引力和吸引时间不同，促使各城市功能区呈现差异性显著的人口时空变化规律。其中，工业混合功能分区和居住混合功能分区人口变化规律较为明显，分别呈现出“波动增减”和“波动强度递减”现象；3)武汉市中心城区划分为6种人口聚散模式，且各模式间的人口聚散起止时间、聚散强度、用地功能和空间分布存在差异。

通过对城市功能区人口时空聚散模式的研究能优化城市空间布局、增强城市活力、改善城市交通管理、提升城市效率。例如，在存量规划阶段，根据人口时空聚散模式，发现城市用地功能、空间与居民时空需求之间的联系，改善既往“终极蓝图”式用地布局和开发方式，结合大数据科学控制土地开发强度、功能选择，形成城市功能和人口需求之间良好的互动。在改善城市交通管理方面，研究城市功能区的人口时空聚散模式，能更详细地展现城市的局部人口活动时空动态变化，有助于城市管理者了解城市各功能区人口聚散的时间特点，从而科学规划公交、地铁等交通线路和运营时间。相比已有的人口时空聚散模式研究，本文方法的贡献在于：1)突破了传统数据研究的局限性，改善了土地利用数据无法表征用地上的设施分布、功能状况和统计人口数据尺度宏观且时点单一的问题，从多功能混合、多时点序列视角挖掘不同城市功能区的人口时空聚散模式，提升了研究结果的多尺度性与科学性；2)已有人口聚散格局的研究多停留在利用密度分析或热点分析探索单一时点的空间集聚形态，本研究探究连续时间序列的人口时空聚散规律，实证了此领域“时空序列研究”的可行性与优势；3)突破了传统城市形态与人口移动的研究范式，利用POI大数据清晰划分了不同的城市功能混合结构，基于LBS数据及时空聚类方法挖掘人口聚散模式及其与城市功能的交互关系，从城市多功能混合、人口时空迁徙与变化角度丰富了人地关系研究的切入点。然而本文也存在不足，如缺乏城市具体地块和其他城市的时空聚散规律的探究。