EN中文

地理科学 >

2024 , Vol. 44 >Issue 5: 843 - 852

DOI: https://doi.org/10.13249/j.cnki.sgs.20220301

基于兴趣点的上海五个新城设施空间结构研究

  • 沈思矣 , 1 ,
  • 顾高翔 , 1, 2, * ,
  • 张颖 3 ,
  • 刘杰 3
展开
  • 1.华东师范大学人口研究所，上海 200241
  • 2.华东师范大学教育人口实验室，上海 200062
  • 3.上海世脉信息科技有限公司，上海 200433
顾高翔。E-mail:

沈思矣（1997—），女，浙江慈溪人，硕士研究生，研究方向为人口地理学、城市大数据。E-mail:

收稿日期: 2023-01-16

  修回日期: 2023-04-16

  网络出版日期: 2024-06-04

基金资助

国家自然科学基金项目资助(71950004)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatial structure of facilities in Five New Towns of Shanghai based on POI data

  • Shen Siyi , 1 ,
  • Gu Gaoxiang , 1, 2, * ,
  • Zhang Ying 3 ,
  • Liu Jie 3
Expand
  • 1. Institute of Population Research, East China Normal University, Shanghai 200241, China
  • 2. Education Demography Laboratory, East China Normal University, Shanghai 200062, China
  • 3. Shanghai Citybeats Information Technology Co. Limited, Shanghai 200433, China

Received date: 2023-01-16

  Revised date: 2023-04-16

  Online published: 2024-06-04

Supported by

National Natural Science Foundation of China(71950004)

Copyright

Copyright reserved © 2024.
Fold

摘要

本文基于高德地图兴趣点（POI）数据，将其分为生活、生产、公共3类设施，采用核密度估计法、Ripley’s K函数等空间分析方法，并设计了一个反映设施类型结构在空间中演化的三角轨迹模型，以上海主城区为参考，基于不同类型设施的数量、分布和聚集程度，分析了上海五个新城的设施空间结构特征和分布规律，探讨了五个新城进一步建设的方向。研究发现：与上海主城区相比，五个新城的设施空间分布特征差异明显，发展历史较长的新城已经出现明显的单中心空间结构，而发展历史较短的新城表现为微弱的多中心结构；从设施高密度圈层到低密度圈层，主城区的设施类型结构变化较小，表现出内部“城市功能趋同”的特征，而五个新城则均表现出生活设施的占比逐步降低而公共设施和生产设施的占比升高的趋势，新城之间呈现“扩张结构趋同”的特征；新城的高密度圈层中，生活设施占比均高于主城区水平，表现出一定的“卧城”特征；低密度圈层中，尽管生产设施占比均高于高密度圈层，但不同类型设施聚集中心高度重合表明生产设施的聚集中心同样在新城的中心区，其外围城市功能薄弱，并没有出现完善的“专业功能中心”。因此，新城的进一步建设需强调设施的均衡协调发展，完善城市功能，避免出现“卧城”“空城”等现象。

关键词： POI; 上海五个新城; 设施空间结构; 城市功能; 三角轨迹模型

本文引用格式

沈思矣 , 顾高翔 , 张颖 , 刘杰 . 基于兴趣点的上海五个新城设施空间结构研究[J]. 地理科学, 2024 , 44(5) : 843 -852 . DOI: 10.13249/j.cnki.sgs.20220301

Abstract

Since the Industrial Revolution, the agglomeration effect brought by the high specialization and division of labor of industry has continuously guided the concentration of elements and resources to cities. The rapid expansion has resulted in an increase in gathering costs, which has triggered a series of pressures on population, transportation, housing, environment, etc. These factors lead to the decline of the attractiveness of central cities and the transfer of urban development elements to multi centers. Among them, Shanghai has been exploring the breakthrough of polycentric development for a long time since the 1980s. The Shanghai Urban Master Plan (2017—2035) issued in 2017 proposed the new town development strategy of cultivating Shanghai’s Five New Towns into comprehensive nodes with radiating and driving capabilities in the Yangtze River Delta urban agglomeration. Therefore, based on the existing polycentric research and POI data, this paper studies the spatial structure characteristics of the Five New Towns in Shanghai during the polycentric process. Compared with previous studies on urban spatial structure, this paper focuses on the spatial distribution pattern of facilities at the micro level, at the same time, explores the combination characteristics of urban spatial structure between different circles, and innovates the research methods of urban spatial structure. Based on AutoNavi Maps point of interest (POI) data, this paper divides POI into 3 types of facilities: living, production and public. Kernel Density Estimation (KDE) and Ripley’s K Function are mainly used, and a triangular trajectory model is designed to reflect the structural evolution of facility types in space. Taking the main urban area of Shanghai as a reference, based on the number, distribution and aggregation degree of different types of facilities, this paper analyzes the spatial structure characteristics and distribution rules of facilities in the Five New Towns in Shanghai, and probes into the further construction direction of the five towns. The results show that compared with the urban area, the spatial distribution characteristics of facilities in the Five New Towns are significantly difference. The new towns with long development history have obvious single center spatial structure, while those with short development history show weak multi center structure. From the high-density circles to the low-density circles, the structure of facility types in the main urban area changes little, showing the characteristics of internal “convergence of urban functions”, while the Five New Towns show the trend of gradually decreasing the proportion of living facilities and increasing the proportion of public and production facilities. Between new towns, it shows the characteristics of “convergence of expansion structure”. In the high-density circles of the new towns, the proportion of living facilities is slightly higher than that of the main urban area, reflecting certain characteristics of “sleeping town”. In the low-density circles, although the proportion of production facilities is higher than that in the high-density circle, the concentration centers of 3 facilities are highly overlapped, indicating that the concentration center of production facilities is also in the central area of the new town, and its peripheral urban functions are weak, so there is no perfect “professional function center”. Therefore, the further construction of the Five New Towns needs to emphasize the balanced and coordinated development of facilities, improve urban functions and avoid the phenomena of “bedroom town” or “ghost town”.

Key words： POI; Five New Towns in Shanghai; spatial structure of facilities; urban function; triangular trajectory model

自工业革命以来，产业的高度专业化和分工化带来的聚集效应，不断引导要素、资源向城市集中[1-2]。城市迅速扩张造成聚集成本增加，引发了人口、交通、住房、环境等一系列压力[3]，导致中心城市的吸引力下降，城市发展要素向多中心转移[4-5]。在这一过程中，城市核心区的人口、就业、服务等功能向外迁移，城市内外联系加强；边缘区外扩的同时也产生商业中心、产业中心等次级中心，以提供相应城市功能。城市结构在总体上表现出“外向空间扩展，内部空间重组”的变化趋势[6]。近年来的许多研究表明中国特大城市结构正在向多中心、多轴线、多组团的方向演变和发展[7-10]。上海自20世纪80年代以来长期探索从人口、产业等角度实现多中心发展的突破口，已初步形成中心城区以三产为主、郊区以二产为主的大都市产业空间结构[11-12]，但郊区的城市功能仍然薄弱，无法打破单中心的人口空间结构[13]。2017年出台的《上海市城市总体规划（2017—2035年）》提出“重点建设嘉定、松江、青浦、奉贤、南汇五个新城，将其培育成为在长三角城市群中具有辐射带动能力的综合性节点城市”的新城发展战略[14]。区别于早期“半卫星城”“城市功能区”的新城定位，该战略强调将五个新城打造为上海大都市圈第一圈层，成为独立的综合性节点城市，以缓解中心城区人口过密，产业聚集负外部性等问题。因此，研究多中心化过程中上海五个新城的空间结构特征，有利于探索城市空间演化规律，挖掘新城发展过程中的空间结构问题，对不断完善新城功能，有效疏散中心城区的人口和产业，实现城市整体的协调发展，具有重要的理论和现实意义。
当前对多中心化过程中新城建设发展的研究，主要关注新城产业、人口、设施服务等要素之间的结构关系和增长效应，强调高质量发展，以定量分析为主要研究方法[15-16]。许多研究从人口聚集、产业发展、职住关系、交通网络建设等角度对上海五个新城的独立性和建设成效进行研究[13,17-18]，以避免陷入产城不融合，人口增长缓慢，土地粗放式利用，低水平均衡等发展瓶颈。但是，这些研究大多从宏观层面论述新城的城市发展，鲜有研究对多中心化过程中，新城空间结构特征及其演替规律进行探讨。在城市空间结构方面，大量学者从不同角度广泛深入地研究了不同时期城市的空间结构，得到了诸如圈层结构、带状结构、放射结构、多中心团状结构等重要的城市空间结构。这些研究普遍采用人口统计、就业普查数据，建筑面积，经济总量等统计监测数据和社会调查数据[18-20]，但受限于数据时效性，导致研究无法精准有效地识别城市空间信息，其空间尺度也较为粗糙，使得其研究结果仍存在不足。设施分布是城市空间结构最基本的外部表现，包括服务设施在内的各类设施建设和配置为人口、产业等要素转移提供了必要的保障。随着遥感、GIS、物联网等技术的广泛应用，城市服务设施的兴趣点（Point of interest, POI）数据开始受到学界重视。POI数据具有易获取，更新快，覆盖范围广，能够准确反映城市空间地理信息的特点，被广泛应用于城市空间结构聚类识别[21-23]、城市中心判别[24-26]、人口活动规律分析[27-29]等研究中。运用POI数据，分析新城的设施空间分布特征，能客观反映多中心化过程中城市的基本空间结构及其分布和演变特征。
因此，本文针对现有的多中心化和城市空间结构方面研究存在的不足，以兴趣点POI数据为基础，研究多中心化过程中，上海五个新城的空间结构特征。相较于以往城市空间结构方面的研究，本文聚焦城市多中心化过程，重点关注微观层面上设施的空间分布格局，以大量设施点的空间分布挖掘城市空间结构特征。同时，为反映这一空间结构特征的演化，本文设计了一个生产−生活−公共设施三角轨迹模型，探索不同核密度圈层城市空间结构的组合特征，创新了城市空间结构的研究方法。
在此基础上，本文综合采用核密度估计法、Ripley’s K函数等空间分析方法，以上海主城区为参考，基于不同类型设施的数量、分布和聚集程度，研究了上海五个新城的设施空间结构和分布规律，分析了新城快速扩张过程中的空间特征；进一步地，本文根据五个新城当前设施空间布局存在的问题，探讨了新城建设未来优化策略，对于五个新城城市功能的提高完善以及同类新城的规划和建设工作具有政策启示的意义。

1 研究数据与方法

1.1 研究对象与数据来源

1.1.1 研究对象

上海五个新城的空间范围参考《上海市新城规划建设导则》[30]。为反映城市发展阶段的差异性，本文以上海主城区为五个新城3类设施空间布局的参照对象。考虑到城市发展辐射效应、设施可达性和经济活动流动性的影响，主城区的空间范围不能直接以行政区划来界定。本文参考许泽宁[25]的研究，以核密度等值线距离递减率为判断标准，识别上海主城区边界。上海主城区和五个新城的空间范围见图1。
图1 上海主城区和五个新城的空间范围

Fig. 1 Spatial scope of Shanghai’s main urban area and Five New Towns

1.1.2 数据来源

本文以2021年8月更新的高德地图平台（https://lbs.amap.com/api/webservice/guide/api/search）数据为基础，利用多边形搜索方法，爬取上海市行政区域内所有的POI数据。在此基础上，根据高德地图的POI分类编码和《城乡用地分类与规划建设用地标准》（https://www.mohurd.gov.cn/gongkai/fdzdgknr/zqyj/201805/20180522_236162.html），从23个大类标签中筛选出具有代表性的14类设施，结合各类设施的功能属性及其与人类活动之间的关系，将其划分为生产设施、生活设施和公共设施3大类。其中，生产设施POI包括金融保险服务、公司企业、园区楼宇，生活设施POI包括生活住宅、餐饮服务、购物服务、生活服务、住宿服务、娱乐设施；公共设施POI包括体育休闲、医疗保健、科教文化、交通设施、公园广场。主城区和五个新城为边界筛选出215 304个POI点，其中生产设施共53 306个，生活设施共103 903个，公共设施共58 095个。

1.2 研究方法

1.2.1 基于核密度的点模式分析

核密度估计法（Kernel Density Estimation，KDE）是一种可视化的空间数据分析工具，能直观呈现点要素密度的空间变化特征，适合探究五个新城的3类设施的聚集强度分异情况。核密度估计法首先确定固定的核函数带宽作为搜索半径，通过测度搜索半径内的点样本来估计点的密度。本文的核密度估计公式及其最优带宽的计算方法参考文献[31]，计算得到的3类设施混合，以及单独的生产、生活和公共设施POI的最优带宽分别为1 680 m，2 090 m，1 910 m和2 000 m。

1.2.2 基于距离的点模式分析

Ripley’s K函数是一种计算累积分布的分析函数，用于探究空间点要素在不同距离范围内的聚集或扩散的程度，以及在邻域大小发生变化时是如何变化的，具有精确、简洁、易用等优点，适用于多尺度的空间格局分析[32]，对于五个新城内的POI数据空间分布情况具有较好的适用性。对于五个新城内的POI数据空间分布情况具有较好的适用性。本文采用Ripley’s K函数参见文献[32]。

1.2.3 设施类型结构演化三角轨迹模型

本文设计了一种反映设施类型结构在空间中演化过程的三角轨迹模型，据此分析不同类型设施在空间分布中的关系模式。该模型针对给定空间范围内生活设施、生产设施、公共设施的所占比例li、pi、ci，依据“等边三角形内部任一点到三边直线距离之和为定值”的性质，即li+pi+ci=1，以特征点的形式在二维坐标系中反映空间内3类设施的相对数量关系，以此刻画空间内的设施类型结构。设施类型结构在空间中的演化过程可通过不同空间范围的特征点在等边三角中位置的变化来反映。等边三角形内6个区域分别代表6种设施关系类型（表1）。
表1 3类设施在空间中的关系类型

Table 1 Relationship types of 3 types of facilities in space

类型关系图示
　　注：“>”代表靠前设施在空间内占比更高；li、pi、ci分别为空间内生活设施、生产设施、公共设施的所占比例。
Ⅰpi＞ci＞li
Ⅱci＞pi＞li
Ⅲci＞li＞pi
Ⅳli＞ci＞pi
Ⅴli＞pi＞ci
Ⅵpi＞li＞ci

2 结果与分析

2.1 设施聚集特征

2.1.1 3类设施的核密度分布

图2所示，受到发展背景的影响，五个新城的设施分布特征较为复杂，聚集特征差别较大。其中，发展时间较长的嘉定和松江新城呈现较为明显的单中心空间形态，其设施聚集最为显著；奉贤新城部分依托于原县城，在老城区同样出现设施聚集中心，也具有单中心的空间形态特征；南汇新城和青浦新城发展时间较短，呈现微弱的多中心空间形态，其设施总量较少，核密度值极低，在空间上没有表现出明显的聚集中心。特别是南汇新城，由于其原有的泥城、万祥等镇发展水平较低，新城力主发展的城市核心区域尚在基础建设阶段，其设施布局尚不成熟，常住人口数量也较少，因此设施分布呈现明显的多中心结构。需要说明的是，由于3种设施的核密度上限不同，实际上生产设施和公共设施的核密度值远低于生活设施。
图2 上海五个新城的3类设施POI核密度分布

Fig. 2 Kernel density distribution of POI data of 3 types of facilities in Shanghai’s Five New Towns

基于空间等位栅格中3类设施的核密度值，本文计算了相同空间内上海主城区和五个新城两两设施之间的核密度值相关系数。结果显示，五个新城和主城区3类设施两两之间的相关系数均高于0.75，其中生产设施和生活设施的相关系数均高于0.8，表明新城的生产和生活设施在空间分布上几乎重合，在一定程度上表明五个新城在其自身规划时强调的各类“功能核心区”建设并没有在现有的设施聚集方面体现出来。

2.1.2 3类设施的Ripley’s K分布

本节采用Ripley’s K函数，对3类设施在不同测算距离上的聚集特征进行分析（图3）。图3a显示，主城区的3类设施的聚集曲线表现为“单峰值凸型”，在本文的测算距离下主城区3类设施的空间分布均表现为聚集，聚集程度在5.0~5.5 km达到最大值。相比主城区，新城聚集曲线的“单峰值凸型”特征更加明显，突出表现在生活设施上，但曲线的峰值及峰值所处测算距离均小于主城区，反映出新城的设施聚集程度不如主城区。
图3 上海主城区和五个新城3类设施的Ripley’s K函数分析结果

Fig. 3 Ripley’s K-function analysis results of three types of facilities in Shanghai’s main urban area and Five New Towns

对比3类设施的聚集曲线可以发现，五个新城生产设施的聚集曲线相对平缓，$\Delta L(d)$值较低且无明显极大值，与其他两类设施的曲线特征差异较大。这一结果反映了新城的生产设施不仅数量稀少，且较其他两类设施空间布局的聚集趋势弱，产业发展尚未成熟。值得注意的是，不同新城生产设施聚集程度低的原因并不一致。其中，嘉定新城规划较早，生产设施数量虽不低，但前期大规模工业化、粗放型产业发展模式在土地资源的限制下无法进一步形成有效聚集[33]，导致设施聚集效应不明显。奉贤新城规划起步较晚，基础交通、核心产业等方面优势不足，还未形成成熟的生产和公共设施聚集。而南汇新城3类设施的Ripley’s K函数曲线均存在陡升陡降的特征，这与其建设过程主要由政府主导，且先行发展产业核心区，后期出现配套设施发展不协调有关。

2.2 设施类型结构的空间演化特征

本节采用三角轨迹模型反映设施类型结构的空间分布特征。由于核密度结果表现出明显的中心–外围空间结构，因此本节以设施的核密度圈层为空间划分依据，分析五个新城和上海主城区的设施类型结构在空间中的演化过程。图4显示，从高密度圈层到低密度圈层，上海主城区的3类设施空间分布关系相对稳定，设施关系类型特征点集中在Ⅳ和Ⅴ区域内（即生活设施占比大于公共设施和生产设施占比），反映主城区的“城市功能趋同”。五个新城在高密度圈层的设施关系类型与主城区基本相似，但从高密度圈层到低密度圈层，新城生活设施占比降低，其他两类设施占比升高，设施关系类型特征点朝I和Ⅵ区域移动，出现“以生活设施为主”到“以生产设施为主”的圈层结构转变，这体现了新城的“扩张结构趋同”。
图4 上海主城区及五个新城3类设施关系类型的空间分布特征

Fig. 4 Relationships of 3 facility types in Shanghai’s main urban area and Five New Towns

根据3类设施空间等位栅格核密度值的相关性分析可知，五个新城的生产设施和生活设施在空间分布上基本重合，低密度圈层尽管以生产设施为主，但并不是生产设施的空间聚集区，因此设施低密度圈层并没有出现独立完善的生产功能区，而高密度圈层也并非单一的生活功能区，因此这一转变并不意味着生产设施在新城的低密度圈层聚集。
事实上，三角轨迹模型中特征点往I和Ⅵ区移动主要有两个原因：一方面，当前新城的整体城市功能不完善，对人口的吸引力集中在设施高密度圈层，其生活设施数量和密度随圈层外扩急速下降，导致生产设施的占比提高；另一方面，就生产设施本身而言，新城的部分产业类型为高新技术产业，在选址上不再局限于对传统工业区位因素的依赖，综合多元因素将产业区设置在城市边缘区[34]。例如，嘉定新城的工业园和上海赛车场位于低密度圈层，即新城的外围边缘区。这一点也可从Ripley’s K分布上（图3bⅠ）得到印证。
从整体上看，尽管五个新城的规划设计和发展过程有较大差异，空间形态也大不相同，但从设施分布看，其发展现状仍然符合从核心到外围的城市扩张的基本过程。与主城区趋同的城市功能相比，五个新城的生活设施在高密度圈层中的占比普遍较高，且这一占比随圈层密度下降急剧降低，特别是南汇和嘉定新城，表明新城中生活居住的功能区过分集中在中心区，对比主城区，存在“卧城”[35]倾向。而新城的外围区无论是居住功能还是生产功能都比较弱，城市功能很不完善，尤其是产业聚集水平较低，没有形成明显的居住或生产聚集区，这在发展时间较短的南汇、青浦新城尤为明显。
因此，为满足2035年五个新城“各集聚100万左右常住人口”的目标[36]，新城由核心向外围扩张时，需进一步关注设施之间的均衡协调发展，丰富中心地区的设施类型，加强外围地区专业功能区的建设，协调相关配套设施布局，减小中心地区和外围地区的城市功能的差距，促进产城融合，改善新城内部及其和主城区之间的职住分离现象，推动整个城市的持续健康发展。

3 结论与政策启示

本文基于高德地图POI数据，将其中14类与城市功能相关的POI归并为生产设施、生活设施、公共设施3类，采用核密度估计法、Ripley’s K函数法，探究了新城内不同设施类型在不同空间尺度下的聚集特征；设计了一种反映城市设施类型结构的三角轨迹模型，阐述了城市不同密度圈层基本的设施类型结构特征与演化模式，得到以下结论：
1）上海五个新城受发展过程的影响，设施的空间聚集形态差异较大。相对而言，开发时间较长的嘉定和松江新城，以及老城区拥有较长发展历史的奉贤新城在设施空间分布上呈现较为明显的单中心空间形态，而开发历史较短、尚处在基础建设阶段的青浦和南汇新城则呈现多中心空间形态。与主城区相比，新城生产设施的聚集程度普遍偏低，产业发展尚未成熟。
2）相比中心城区的“城市功能趋同”，五个新城的设施类型结构随设施密度的变化而变化。在设施高密度圈层，新城的生活设施占比大于其他两类设施，这与主城区类似，而随着圈层密度的下降，生产设施和公共设施的占比逐渐升高。尽管五个新城的发展阶段不同，空间形态也有差异，但从高密度到低密度圈层，设施类型结构的变化趋势高度一致，表现出“扩张结构趋同”的态势，也表明五个新城的空间形态在城市发展过程仍然遵循中心−外围逐步扩张规律。
3）考虑到各类设施在空间分布上的高度重合，新城的3类设施实际上都在高密度圈层聚集，其内部没有形成完善的“专业功能中心”，这与政府前期建设不同类型功能区的规划期望不符。其中，新城的高密度圈层中生活设施的占比高于主城区，表现出一定的“卧城”特征。随着圈层密度的下降，新城的生活设施数量占比急剧下降，导致低密度圈层中生产设施占比提高，但并没有新城外围形成有效的产业聚集。这表明新城的低密度圈层仍然处于较低的发展阶段，设施不仅数量稀少，其发展也不协调，城市功能薄弱。
为实现“有辐射带动作用的独立综合性节点城市”的发展目标，根据研究结果与结论，本文提出以下政策启示：
1）在生活和公共设施方面，应加快在新城，特别是当前核心区外围的相关配套设施建设，提高其生活和公共服务能力，进而提高新城对人口的吸引力。同时，为满足多元人口的高品质需求，要注重设施质量的发展，打造多样化的生活服务配套，建设完备的公共服务体系，建立复合的多功能服务核心区，推动五个新城的城市服务从“保证数量”的低水平均衡向“提高质量”的高水平均衡发展。
2）在生产设施方面，应进一步加大特色产业引导，强化产业空间聚集，加快推进产能提升，注重产业链融合和产业配套设施的建设，完善新城的产业体系，提高就业岗位数量，促进新城的产城融合，实现职住平衡。
总之，五个新城应当注重优化新城设施空间结构关系，促进各类设施均衡发展，核心区需注重设施规模扩大，丰富和协调设施类型；外围区需加强产业空间和生产生活配套设施建设，完善城市功能，避免出现核心区“卧城”化，外围区“死城”“空城”化的情况。整体上,上海城市发展应注重新城独立城市功能建设，努力打破上海单中心的人口结构，加快推动上海城市多中心发展。
由于数据可获得性问题，本文仅利用静态的POI数据，探讨了上海五个新城的设施空间分布特征，研究尚未加入时间维度，无法分析城市设施分布的动态变化过程，也没有涉及城市设施空间聚集相关驱动力的定量分析。这些问题还有待我们深入研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李健英. 空间经济聚集与分工外部性[J]. 广东社会科学, 2007(1): 29-34.

DOI

Li Jianying. Spatial economic agglomeration and externality of division of labor. Social Sciences in Guangdong, 2007(1): 29-34.

DOI

[2]
Krugman P. Increasing returns and Economic Geography[J]. Journal of Political Economy, 1991, 99(3): 483-499.

DOI

[3]
石忆邵. 从单中心城市到多中心城市——中国特大城市发展的空间组织模式[J]. 城市规划汇刊, 1999(3): 36-39+26-80.

Shi Yishao. From a single center city to a multi center city: The spatial organization model of the development of China’s mega cities. Urban Planning Forum, 1999(3): 36-39+26-80.

[4]
卢伟, 黄征学. 构建城市发展规划的八力分析模型研究[J]. 区域经济评论, 2021(1): 79-88.

Lu Wei, Huang Zhengxue. Research on eight forces analysis model of urban development planning. Regional Economic Review, 2021(1): 79-88.

[5]
Pawson E. Megalopolis: The urbanized northeastern seaboard of the United States[J]. Progress in Human Geography, 2008, 32(3): 441-444.

DOI

[6]
熊国平. 90年代以来中国城市形态演变研究[D]. 南京: 南京大学, 2005.

Xiong Guoping. Study on the morphology evolution of Chinese cities since 1990s. Nanjing: Nanjing University, 2005.

[7]
Long Y, Song Y, Chen L. Identifying subcenters with a nonparametric method and ubiquitous point-of-interest data: A case study of 284 Chinese cities[J]. Environment and Planning B Urban Analytics and City Science, 2021, 49(1): 58-75.

[8]
张丹, 孙铁山, 李国平. 中国首都圈区域空间结构特征——基于分行业就业人口分布的实证研究[J]. 地理研究, 2012, 31(5): 899-908.

Zhang Dan, Sun Tieshan, Li Guoping. Spatial structure of the capital metropolitan region in China: An empirical study of the employment distributions by sectors. Geographical Research, 2012, 31(5): 899-908.

[9]
王郁. 上海城市功能与人口郊区迁移的特征和影响分析[J]. 人文地理, 2007, 22(5): 34-37.

DOI

Wang Yu. Analysis of characteristics and influences of urban function and population redistribution in Shanghai. Human Geography, 2007, 22(5): 34-37.

DOI

[10]
叶昌东, 周春山. 近20年中国特大城市空间结构演变[J]. 城市发展研究, 2014, 21(3): 28-34.

Ye Changdong, Zhou Chunshan. Evolution of urban spatial structure in Chinese mega-cities in recent 20 years. Urban Studies, 2014, 21(3): 28-34.

[11]
毕秀晶, 汪明峰, 李健, 等. 上海大都市区软件产业空间集聚与郊区化[J]. 地理学报, 2011, 66(12): 1682-1694.

DOI

Bi Xiujing, Wang Mingfeng, Li Jian et al. Agglomeration and suburbanization: A study on the spatial distribution of software industry and its evolution in Metropolitan Shanghai. Acta Geographica Sinica, 2011, 66(12): 1682-1694.

DOI

[12]
马学新. 20世纪90年代上海产业布局的发展变化[J]. 当代中国史研究, 2009, 16(3): 92-99+127-128.

Ma Yuexin. Development and changes in industrial distribution in Shanghai in the 1990s. Contemporary China History Studies, 2009, 16(3): 92-99+127-128.

[13]
王春兰, 杨上广. 上海人口郊区化与新城发展动态分析[J]. 城市规划, 2015, 39(4): 65-70.

Wang Chunlan, Yang Shangguang. Dynamic analysis on population suburbanization and new town development of Shanghai City. City Planning Review, 2015, 39(4): 65-70.

[14]
上海市人民政府. 上海市城市总体规划(2017—2035年)[R/OL]. 2018. https://www.shanghai.gov.cn/newshanghai/xxgkfj/2035002.pdf.

Shanghai Municipal People’s Government. Shanghai master plan 2017—2035. Shanghai. 2018. https://www.shanghai.gov.cn/newshanghai/xxgkfj/2035002.pdf.

[15]
林华. 关于上海新城“产城融合”的研究——以青浦新城为例[J]. 上海城市规划, 2011(5): 30-36.

Lin Hua. Discussion on the “Urban and Industrial Integration” in the suburb of Shanghai—Taking Qingpu New City for example. Shanghai Urban Planning Review, 2011(5): 30-36.

[16]
肖池伟, 刘影, 李鹏, 等. 基于城市空间扩张与人口增长协调性的高铁新城研究[J]. 自然资源学报, 2016, 31(9): 1440-1451.

DOI

Xiao Chiwei, Liu Ying, Li Peng et al. Evaluation of the high-speed rail new town based on coordination of urban spatial expansion and population growth. Journal of Natural Resources, 2016, 31(9): 1440-1451.

DOI

[17]
查波, 季芳, 王春兰. 上海郊区新城人口集聚现状分析[J]. 统计科学与实践, 2012(10): 23-25.

DOI

Zha Bo, Ji Fang, Wang Chunlan. Analysis on the current situation of population agglomeration in new cities in Shanghai Suburbs. Statistical Theory and Practice, 2012(10): 23-25.

DOI

[18]
王颖, 孙斌栋, 乔森, 等. 中国特大城市的多中心空间战略——以上海市为例[J]. 城市规划学刊, 2012(2): 17-23.

DOI

Wang Ying, Sun Bindong, Qiao Sen et al. Polycentric spatial strategy of mega-cities in China—The case of Shanghai. Urban Planning Forum, 2012(2): 17-23.

DOI

[19]
宋伟轩, 徐旳, 王丽晔, 等. 近代南京城市社会空间结构: 基于1936年南京城市人口调查数据的分析[J]. 地理学报, 2011, 66(6): 771-784.

DOI

Song Weixuan, Xu Di, Wang Liye et al. Urban socio-spatial structure of Nanjing during the modern era: Analysis based on the data of urban population investigation in 1936. Acta Geographic Sinica, 2011, 66(6): 771-784.

DOI

[20]
徐旳, 朱喜钢. 近代南京城市社会空间结构变迁: 基于1929、1947年南京城市人口数据的分析[J]. 人文地理, 2008, 23(6): 17-22.

Xu Di, Zhu Xigang. The transformation of Nanjing urban social structure during the modern times. Human Geography, 2008, 23(6): 17-22.

[21]
王少剑, 莫惠敏, 吕慧妮, 等. 区位因素影响下高铁站区产业结构特征——基于POI数据的实证分析[J]. 地理学报, 2021, 76(8): 2016-2031.

Wang Shaojian, Mo Huimin, Lyu Huini et al. Industrial structure of high-speed railway station areas under the influence of location: Empirical evidences from POI data. Acta Geographica Sinica, 2021, 76(8): 2016-2031.

[22]
薛冰, 肖骁, 李京忠, 等. 基于兴趣点(POI)大数据的东北城市空间结构分析[J]. 地理科学, 2020, 40(5): 691-700.

Xue Bing, Xiao Xiao, Li Jingzhong et al. Analysis of spatial economic structure of northeast China cities based on points of interest (POI) big data. Scientia Geographica Sinica, 2020, 40(5): 691-700.

[23]
Lu C, Pang M, Zhang Y et al. Mapping urban spatial structure based on POI (Point of Interest) data: A case study of the central city of Lanzhou, China[J]. International Journal of Geo-Information, 2020, 9(2): 92

DOI

[24]
杜志强, 黄冬宁, 丁火平, 等. 融合POI数据的建成区人口数据空间化方法——以武汉市为例[J]. 地理信息世界, 2021, 28(1): 21-25.

DOI

Du Zhiqiang, Huang Dongning, Ding Huoping et al. Spatialization of population data in built-up Area merging with POI data: A case study over Wuhan City. Geomatics World, 2021, 28(1): 21-25.

DOI

[25]
许泽宁, 高晓路. 基于电子地图兴趣点的城市建成区边界识别方法[J]. 地理学报, 2016, 71(6): 928-939.

DOI

Xu Zening, Gao Xiaolu. A novel method for identifying the boundary of urban built-up areas with POI data. Acta Geographica Sinica, 2016, 71(6): 928-939.

DOI

[26]
Deng Y, Liu J, Liu Y et al. Detecting urban polycentric structure from POI Data[J/OL]. International Journal of Geo-Information, 2019, 8(6): 283.https://doi.org/10.3390/ijgi8060283.

[27]
舒天衡, 任一田, 申立银, 等. 大型城市消费活力的空间异质性及其驱动因素研究——以成都市为例[J]. 城市发展研究, 2020, 27(1): 16-21.

Shu Tianheng, Ren Yitian, Shen Liyin et al. Study on spatial heterogeneity of consumption vibrancy and its driving factors in large city: A case of Chengdu City. Urban Development Studies, 2020, 27(1): 16-21.

[28]
Yang X, Ye T, Zhao N et al. Population mapping with multisensor remote sensing images and point-of-interest data[J/OL]. Remote Sensing, 2019, 11(5): 574. https://doi.org/10.3390/rs11050574.

[29]
王德, 王灿, 谢栋灿, 等. 基于手机信令数据的上海市不同等级商业中心商圈的比较: 以南京东路、五角场、鞍山路为例[J]. 城市规划学刊, 2015, (3): 50-60.

Wang De, Wang Can, Xie Dongcan et al. Comparison of retail trade areas of retail centers with different hierarchical levels: A case study of East Nanjing Road, Wujiaochang, Anshan Road in Shanghai. Urban Planning Forum, 2015, (3): 50-60.

[30]
上海市新城规划建设推进协调领导小组办公室. 上海市新城规划建设导则[R/OL]. 上海, 2021. https://www.shanghai.gov.cn.

Shanghai New Town Planning and Construction Promotion Coordination Leading Group Office. Shanghai new town planning and implementing guideline. Shanghai, 2021. https://www.shanghai.gov.cn.

[31]
陈蔚珊, 柳林, 梁育填. 基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J]. 地理研究, 2016, 35(4): 703-716.

Chen Weishan, Liu Lin, Liang Yutian. Retail center recognition and spatial aggregating feature analysis of retail formats in Guangzhou based on POI data. Geographical Research, 2016, 35(4): 703-716.

[32]
Okabe A, Yamada I. The K-function method on a network and its computational implementation[J]. Geographical Analysis, 2001, 33(3): 271-290.

DOI

[33]
顾维铭. 郊区城市化进程中的政府主导型新城建设模式研究[D]. 上海: 复旦大学, 2010.

Gu Weiming. Research on the dominant mode of government in construction of new city in the process of suburb urbanization. Shanghai: Fudan University, 2010.

[34]
沈爱华. 高新技术产业开发区选址与总体布局研究[D]. 西安: 西安建筑科技大学, 2003.

Shen Aihua. Study on location option and overall layout of the new-high technology industrial development zone. Xi’an: Xi’an University of Architecture and Technology, 2003.

[35]
张贝贝, 刘云刚. “卧城”的困境、转型与出路: 日本多摩新城的案例研究[J]. 国际城市规划, 2017, 32(1): 130-137.

DOI

Zhang Beibei, Liu Yungan. Commuter town’s problems, transition and future: A case study of Tama New Town, Japan. Urban Planning International, 2017, 32(1): 130-137.

DOI

[36]
上海市人民政府. 上海市人民政府印发《关于本市“十四五”加快推进新城规划建设工作的实施意见》的通知 [EB/OL]. 2021-03-02. https://www.shanghai.gov.cn/nw12344/20210302/6c8561a91a67478899a5eb51aa612d78.html.

Shanghai Municipal People’s Government. Notice on the implementation of accelerating the planning and construction of new towns in the 14th five year plan. 2021-03-02. https://www.shanghai.gov.cn/nw12344/20210302/6c8561a91a67478899a5eb51aa612d78.html.

Options
文章导航

/

〈 〉