使用語義資料識別多層次城市功能結構
餘貝貝1，2，3，4，王中輝1，2，3，4，常亞斌2，3，4，韓 金2，3，4
（1。自然資源部城市國土資源監測與模擬重點實驗室，廣東深圳518034；
2。蘭州交通大學測繪與地理資訊學院，蘭州730070；
3。地理國情監測技術應用國家地方聯合工程研究中心，蘭州730070；
4。甘肅省地理國情監測工程實驗室，蘭州730070）
摘
要：
針對城市功能結構認知的不足，空間規劃的需求和可持續城市的轉變。本文以城市大資料為依託，以交通小區為最小研究單元，提出一種利用電子地圖POI資料與交通小區結合識別城市功能區的方法。把高等級道路劃分交通小區作為最小研究單元，使用電子地圖POI資料的標籤，精細化識別交通小區的功能區屬性，利用層次分析法識別城市主要功能結構。本文以上海市主城區為例進行實驗，結果表明：上海市主城區城市功能以市中心為圓心呈現明顯層次性，商業用地、居住用地、工業用地依次分佈；以交通小區為研究單元，能夠對複雜城市功能區進行有效識別。該方法有利於城市空間結構最佳化與規劃的合理制定。
引言
城市是一個複雜的系統，是地處交通便捷、且覆蓋有一定面積的人群和房屋的密集結合體［1-3］。隨著城市的不斷髮展逐漸形成了不同的功能區域，如居住區、商業區、工業區等。這也使得城市的空間結構變得越來越複雜［4-6］。準確識別城市各功能區對正確認知城市的功能結構和空間結構有著十分重要的意義，是當前城市空間規劃領域的研究熱點。傳統的城市功能區調查通常採用實地調查來更新城市已有的歷史規劃圖。這種方式費時費力，調查精度也受到主觀因素制約。海量城市大資料的出現，為城市地理計算和分析創造了新的機遇，同時也為城市功能區的識別提供了豐富的手段［7-9］。
近年來，大量國內外學者結合城市大資料開展了對城市功能區識別的相關研究。如文獻［10］利用騰訊使用者每小時密度圖，提出了一種基於建築級社會媒體資料的城市功能區劃分方法；文獻［11］透過遙感影像資料，提出了一種線性Dirichlet混合模型來分解混合城市場景；文獻［12］對深圳市浮動車軌跡資料使用核密度分析方法進行語義挖掘，識別出深圳市商業雙中心；文獻［13］將出租車資料與興趣點（points of interest，POI）資料相結合，透過非負矩陣分解（non-negativematrix factorization，NMF）方法與語義挖掘識別城市功能區；文獻［14］利用社交媒體登記資料透過K-means演算法推斷城市內部功能區域。以上文獻在識別城市功能區研究中的研究單元劃分中，大多使用規則格網劃分，忽略了研究單元內部的完整性及之間的差異性，導致識別誤差大、精度低。
綜上所述，本文在研究單元劃分中，基於交通小區［15］原理和POI語義分析，利用主幹道將研究區分割成若干小單元，作為本文的最小研究單元；同時利用電子地圖POI資料，精細化標籤全面識別城市功能區，以期能夠提高功能區識別精度，為未來探知城市功能區空間分佈提供一種有效的研究思路。
1 研究區域和資料來源
1。1 研究區概況
研究區位於上海市主城區，包括了黃浦區、徐彙區、長寧區、靜安區、普陀區、虹口區、楊浦區、寶山區、嘉定區、浦東新區和閔行區11個區（圖1），是中國的經濟、金融、科技創新中心。根據2018年上海市統計年鑑可知，研究區總面積約為2166 km2，約佔上海市總面積的34。16％。2017年研究區內常住人口約為1051。27萬人，約佔上海市常駐人口的43。47％。主城區是中心城區內部的核心發展片區，對城市的經濟發展起到重要作用［16-17］。本研究考慮到研究區重要的經濟、政治、文化地位，將對上海市城市土地利用現狀進行探究。
1。2 POI資料
1。3 交通小區
城市街區在城市研究中越來越受到重視［18-20］，因為交通小區是一定區域內部具有相似交通特徵和交通關聯的集合，且交通小區的劃分與普查小區邊界相協調［21］。本文利用街區的概念，選擇交通小區作為研究單元。選取研究區內主幹道對研究區進行研究單元劃分，得到1474個交通小區。從城市中心向城市外圍的交通小區面積越來越大，這與上海市城區高等級道路越來越稀疏的實況相符。
2 城市功能區識別方法
2。1 研究方法與技術路線
1）層次分析法。層次分析法是一種定性和定量相結合的分析方法，透過構建層次結構模型，綜合考慮衡量指標，可以實現城市功能區識別。城市中的POI資料主要指一些與人們日常生活息息相關的運動場所或地點。透過對特定的POI資料進行組合，從而挖掘POI資料的語義資訊。基於POI資料密度和型別運用層次分析法。需要先確定POI型別，構建計算POI類別權重的計算標準，對交通小區的權重得分進行排序，得到最終的識別結合。
2）技術路線。本文的技術流程如圖2所示。利用高等級道路網生成交通小區，將交通小區作為本文研究單元；提出一種基於POI資料密度和型別，運用層次分析法［22］進行語義資訊挖掘方法；透過對兩種結果運算，得到最終識別結果。
2。2 POI類別權重計算
常見的確定POI權重的方法有熵值法［23］、主成分分析法［24］、德爾菲法［25］等，但這些方法都是單一的客觀或主觀方法。本實驗參考文獻［26］的研究成果，透過構建公眾認知度、空間分佈特徵、類別特徵3個指標分析影響POI權重的因素。採用問卷調查法、多密度空間統計方法計算POI各個型別的權重值。
1）問卷調查法。問卷調查法是一種高效、便捷的研究方法［27］。本研究採用調查問卷形式對POI類別的公眾認知度進行調查，以表1的POI分類為調查問卷的主要內容，選取了100位有效的調查問卷作為本次實驗的樣本，調查物件根據自己的認知，對POI類別進行打分，依照五級量表設定分值為1～5分，分值依次代表從“不重要”“不太重要”“比較重要”“很重要”“非常重要”。彙總有效調查問卷，對調查結果進行統計後，利用SPSS軟體對調查結果進行平均值和標準差分析，並對各類別平均值進行極差正規化分析，從而獲得各類別POI的公眾認知度，分析結果如表（2）所示。
2）各類別POI空間統計。不同類別POI特徵需要採用不同方法表達，例如二級分類的購物服務、金融服務、醫療保健、產業園區等可以分別從經營面積、服務範圍、佔地面積、樓高等定量指標進行衡量。透過極值正規化分析，可以作為重要衡量指標，但是這些指標受到極端值的影響很大，更為合理的方式是透過對POI類別進行分級，透過分級結果進行規格化變換。同一大類的POI物件在不同小類中的權重可能差異很大，例如：交通設施大類下，公交車站與火車站之間重要性就具有較大差異，所以對不同小類的POI資料進行分級表示十分必要。參考文獻［26］的研究成果，不同類別的POI資料分級標準不同，例如：醫院、酒店、景點等地點可以按照國家統一標準進行分級，分為三級甲等醫院、六星級酒店、國家5A級景點；政府單位和科教文化單位的分級可以按照常識分級，如大學、小學、文化宮等，可以劃分為省級行政單位、市級行政單位等。
採用不同標準對不同類別POI進行分級後，將不同分級線性轉換到［0，1］，這樣透過不同標準分級的POI類別就可以在統一的計算標準下進行分析。分級結果如表3所示。
在識別每個交通小區的功能區屬性時，POI類別的公眾認知度和等級都是重要的引數，分別統計各交通小範圍內的POI公眾認知度和等級，計算分析交通小區權重，從而計算出每個交通小區的功能屬性（functional properties，FP）值。功能屬性值計算見式（1）。
式中：P表示POI；i表示各種類別；C表示權重值；Count表示計算和；n表示交通小區內POI類別個數；G表示POI的公眾認知度；D表示POI的等級。
由此，可根據交通小區的功能屬性值經驗公式，求出每個交通小區的功能屬性值。從而實現研究區的功能識別。
3 結果分析
3。1 上海市城市功能區識別
根據POI在研究區的數量和型別特徵，對每個交通小區內部的POI資料進行語義資訊挖掘，得出研究區的功能分割槽圖，如圖3所示。共識別出商業用地、綠地廣場用地、居住用地、工業用地、重要交通設施用地、公共設施用地共6種用地型別。
圖3上海市中心城區功能結構分佈圖
其中：商業用地出現在城市中心和居住用地內部；綠地廣場用地零星分佈；居住用地佔據城區大部分地區；工業用地主要出現在主城區外圍區域；重要交通設施分佈在商業與居住用地周圍；公共設施用地均勻分佈在主城區內部。商業用地佔總面積的31。86%，綠地廣場用地佔總面積的0。41%，居住用地佔總面積的38%，工業用地佔總面積的27。88%，重要交通設施用地佔總面積的0。28%，公共設施用地佔總面積的1。57%。由於交通小區由高等級道路網劃分，造成城市中心交通小區面積小，城市外圍的交通小區面積大。西北角及東南角的大塊商業用地、工業用地主要是因為寶山工業園區位於研究區西北角，上海自貿區位於研究區東南角。
3。2 識別結果驗證
功能區識別結果透過對比GoogleEarth影像和百度地圖進行驗證，驗證結果如表4所示，透過對比驗證結果表明，本研究能夠對交通設施用地準確識別；研究區內主要的商業用地能夠識別，尤其是特色商業街；居住用地識別效果較好；工業用地大部分能夠被識別；綠地廣場用地能夠識別出一些面積較大的廣場和公園，一些小面積公園廣場識別效果不好；公共設施用地主要分佈在混合功能區內，單個識別出來的效果不好。
為了進一步對本文識別方法的準確性進行檢驗，本文將從研究區中均勻選取20個交通小區，與現實中土地利用情況進行對比，檢驗本方法的識別準確率。設定四級得分標準，滿分3分，0分為完全不符合，1分為相比不符合，2分為相對符合，3分為完全符合。識別準確率的計算方法見式（3）。
式中：n為抽樣的交通小區數量；xi為交通小區的實際等分；xj為交通小區滿分。
圖4上海市城市交通小區抽樣檢測
交通小區功能屬性符合度的評價結果見表5，根據式（3）計算可知，上海市城市功能區識別結果準確率為95%，進一步說明了本方法在城市功能區識別中具有良好效果。
4 結束語
本文從社會感知角度出發，提出了一種基於電子地圖興趣點資料的城市功能區識別方法，並將識別結果與實際場景進行對比分析，驗證了本文方法對於功能區識別的正確性和可行性。先利用高等級道路網劃分交通小區，後根據電子地圖POI資料的密度和型別利用層次分析法對交通小區進行識別，得到商業用地、綠地廣場用地、居住用地、工業用地、重要交通設施用地、公共設施用地共6種用地型別。
從交通小區最終的識別結果的空間分佈來看：城市功能區以市中心為圓心大致呈同心圓分佈且距離城市中心距離越遠人流量和POI密度越少。從識別結果中發現工業用地分佈在城市外圍，商業用地有向外擴充套件趨勢與居住用地緊密相鄰。從識別效果來看：利用交通小區作為研究單元，能夠對目前複雜城市功能區進行有效識別。
城市功能區識別是一個複雜的過程，本文對於POI資料和交通小區結合的方法相對於使用遙感資料分類方法識別城市功能結構結果更豐富，精度和可靠性更高，但僅用POI資料對城市的模擬結果與實際情況還存在一定偏差，期望在以後的研究中加入精細化的街區資料、手機信令資料、公交地鐵出行資料和社交簽到資料等時空大資料，進一步提高對城市環境的模擬能力，從不同時空尺度進行資料探勘，以便更加精準地對城市功能區進行識別。
引用格式：
餘貝貝，王中輝，常亞斌，韓金。使用語義資料識別多層次城市功能結構［J］。測繪科學，2021，46（5）：175-181。
更多內容可關注公眾號“測繪學術資訊”