张晓瑞
, 华茜
Zhang Xiaorui, Hua Qian
中图分类号: K901
文献标识码: A
文章编号: 1000-0690（2018）11-1809-08
收稿日期: 2017-11-28
修回日期: 2018-02-27
网络出版日期: 2018-11-20
版权声明: 2018 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：张晓瑞（1976-）,男,安徽太和人,博士,教授,国家注册城市规划师,主要从事城市与区域规划研究。E-mail: rgdhf@126.com
展开
摘要
针对目前城市人口分布研究现状,在传统的空间句法模型基础上,将LBS大数据技术有机引入到城市人口分布研究中,从而构建了理论分布和实际分布有机结合的城市人口分布研究新思路。合肥市中心城区的案例研究显示：空间句法模型与LBS大数据分析所得到的人口集聚区域在空间上并不完全一致;根据空间句法模型和LBS大数据分析结果的综合对比,合肥市中心城区被划分为高密度、中密度和低密度3类人口分区,同时提出了不同密度分区的人口分布发展建议。研究表明,LBS大数据的适时、动态特点能弥补传统数据的不足,其与空间句法模型有机结合将能为城市人口分布研究提供更加精确高效的工具与方法。
关键词：
Abstract
The space pattern of urban population distribution is a classical research topic of urban science and urban planning. In terms of the current research situation of urban population distribution, the LBS big data technology which is considered as a new method and tool to observe the urban spatial and temporal characteristics is introduced into the research of urban population distribution based on the traditional space syntax model. Then, a new idea of urban population distribution research with the integration of theoretical distribution and actual distribution is established. The case study in the central urban area of Hefei City shows that: the spatial clustering areas obtained respectively by space syntax model and LBS big data analyses are different in space. According to the comprehensive comparison of space syntax model and LBS big data analysis, the central urban area of Hefei City is divided into 3 types of population distribution including high density, medium density and low density. The high density zoning consists of the old town, Shushan district and Baohe district. The medium density zoning includes Binhu district, Luyang district and High-tech area. Meanwhile, the low density zoning consists of economic developing area and Yaohai district. Finally, the suggestions of population distribution development in different density partitions are proposed. The research shows that the timely and dynamic characteristics of LBS big data can make up for the shortcomings of traditional data and greatly broaden the source and timeliness of basic data. Obviously, this will enhance the accuracy of the study. And, more importantly, it will provide more accurate and efficient tools and methods combined with the classical space syntax model for the study of urban population distribution. In addition, it is hoped that this research can make some exploration and reference for expanding the practical application field of LBS big data.
Keywords：
人是城市经济社会活动的载体和城市化进程中最活跃的因素[1],人口分布空间格局是城市地理和城市规划研究的重要课题[2]。总体上,国内外已有研究取得了丰富成果,主要包括城市人口空间分布的理论模型建构[3,4,5,6],国家与区域尺度上的人口分布特征分析[7,8,9],城市人口分布的特征及其模拟预测[10,11,12]等方面。在研究方法上,通常采用基于数据驱动的理论建模、统计分析、抽样调查、参观访谈等多种方法。但应看到,传统的城市人口分布研究数据获取速度慢、数据更新滞后,同时数据的数量和质量也难以得到保障[13]。在当前快速城市化的进程中,城市人口规模日益扩大,空间分布变化也更加频繁和复杂,传统的数据获取方法难以捕捉最新的发展态势。但是,随着大数据技术的兴起和广泛应用,其为城市人口分布研究提供了全新的方法工具[14]。另一方面,人口的空间分布活动与城市空间结构存在紧密的互动关系,其是城市空间结构变化的流动载体。在研究城市人口分布活动与空间结构的关系上,空间句法模型是一个经典的技术方法[15],其为探索人口分布活动与城市空间的关系提供了一个桥梁和中介[16]。
大数据为城市人口分布研究提供了新数据和新方法,而把传统的空间句法模型与大数据技术有机结合起来将是一次有益的探索和尝试。这既能发挥经典理论的特长,又能充分应用大数据“海量、实时、动态、精确”的特点,更重要的是通过对两者研究结果进行对比分析,将能进一步提高研究的科学性和有效性。基于此,本文尝试提出了基于空间句法和大数据相结合的城市人口分布研究新思路,并以合肥市为实证案例,以期为相关研究和规划实践提供方法参考。
研究首先利用空间句法模型计算城市空间的句法形态指标并得到城市空间中集聚人口能力强的区域（R1）;再利用大数据技术分析城市人口在空间中的分布情况并得到实际的人口集聚区域（R2）。R1是理论上的人口分布集聚区域,R2则是实际的人口分布集聚区域,对其进行对比分析,将发现两者是否存在重合、哪些区域存在重合等问题,这将对规划政策制定提供重要的基础信息和科学的决策依据,最后再根据分析结果提出针对性的城市空间优化建议。
空间句法模型巧妙地把空间与人口活动的关系通过一系列可测度的定量句法指标展示出来。常用的空间句法指标包括连接值Ci、控制值Cvi、深度值D、集成度Ii。
Ci是第i个单元空间的连接值,等于与i相连的其他单元空间的数量。Ci越大,则i与其他空间的关系越密切,通达性也越好。
控制值（Cvi）是连接值倒数的和,表示i对与其相连单元空间j（共有k个）的控制程度,计算公式为：
式中,Cj为单元空间j的连接值。
深度值D是计算集成度指标的一个重要的中间变量,是指某一个单元空间到达其他所有单元空间的最少连接步数（最短距离）,通常用平均深度值MDi表示单元空间i到其他所有单元空间的平均最少连接步数,公式为：
式中,分子表示单元空间i的总深度值,dij表示i到j（j≠i）的深度值,即i到j的最少连接步数,i到其他所有节点的最少连接步数的和就是i的总深度值。n是城市空间的总节点数,n-1表明最多有n-1个节点与i相连接。集成度Ii是城市空间研究中最常用和最有效的一个句法指标,其表征了一个单元空间与其他所有空间（全局集成度）或距其几步（通常是3步）范围内的部分空间之间的集聚或离散程度。集成度和平均深度值受到空间中节点数量的较大影响,为去除冗余节点的干扰,空间句法用相对不对称值RAi（relative asymmetry）和实际相对不对称值RRAi（realrelative asymmetry）来标准化平均深度值,即有：
式中,MDi为平均深度值,n是城市空间的总节点数。通常,用RAi和RRAi的倒数来表示单元空间i的全局集成度Ii和局部集成度LIi,以便符合“值越大、集成度越大”的常规习惯,即有：
集成度体现了空间单元所具有的可达性、便捷性以及集聚吸引人口的能力,进而体现出一个单元空间相对其余单元空间的中心性。通常,集成度大于1且值越大时,空间的集聚性就越强,反之则越弱。关于空间句法模型更为详细的原理详见相关文献[17],此处不再赘述。
本文应用基于LBS（location-based service,即基于位置的服务）大数据的百度地图热力图作为数据来源。作为大数据的一种重要类型,LBS利用移动智能终端来获取用户的地理位置并将位置数据提供给服务供应商,再在GIS的支持下,为用户提供各种服务[18]。在LBS系统中,移动智能终端用户的地理位置数据构成了LBS大数据,其是当前大数据时代进行城市科学研究和应用的热点[19,20,21]。但应看到,基于LBS大数据的城市人口时空分布研究还相对较少。基于此,本文应用在国内较成功的基于LBS大数据的百度地图热力图作为研究工具。热力图是一种图形化表示,核心是获取用户的地理坐标数据,再通过用户数量渲染地图颜色,通常颜色越暖如红色,表示该区域的人口分布越集聚;颜色越冷如蓝色,表示该区域的人口分布越少。同时,百度地图热力图数据每15 min更新一次,由此在时间尺度上提供连续的动态实时数据。显然,通过基于LBS大数据的百度地图热力图可以快速、准确地获得城市人口在连续时空尺度上的分布特征和规律,由此提供了一个全新的观察城市人口时空分布特征的新方法。
本文以合肥市中心城区为案例研究区。作为安徽省省会,合肥是长三角世界级城市群的副中心城市,是“一带一路”和长江经济带两大国家战略的双节点城市,同时合肥与北京、上海一起构成了三大综合性国家科学中心。根据2016年5月国务院批复的《合肥市城市总体规划（2011~2020年）》,中心城区包括老城区、蜀山分区、包河分区、庐阳分区、瑶海分区、高新分区、经开分区和滨湖分区（图1）。在基于空间句法和LBS大数据的支持下,探讨合肥中心城区人口分布的空间格局特点,对于合肥城市空间的优化布局具有重要意义,也能为其他城市的人口分布研究提供参考和借鉴。
以合肥市2020年规划期末的用地布局图和2011年规划基期的用地现状图为基本数据,根据公式（1）~（6）,利用Axwoman模块得到研究区在2011年和2020年的空间句法指标测度结果及其可视化表达。以2017年6月5日~6月11日连续一周内的合肥市中心城区百度地图热力图为基本数据,数据的取样时间段为9:00~23:00,间隔为1 h,共获取105张热力图。研究将获取的热力图划分为5个等级,并赋值以表征不同的人口时空分布密度等级（即热力度）,密度最高的区域赋值为5,最低的赋值为1,由此得到不同密度等级的人口分布集聚区。在ArcGIS软件平台中,对热力图进行地理空间配准和校正,进而计算人口分布集聚区面积。
2.3.1 空间句法分析
通过上述数据处理与计算,得到研究区在2011年和2020年的城市空间全局集成度I如表1和图2所示。总体上,2011年I的平均值为1.017 2,2020年I的平均值为1.087 7,比2011年提高了6.93%,表明规划后的合肥城市空间的总体可达性、便捷性和空间集聚人流的能力有一定增强。图2根据等间距原则把全局集成度分成了10级,2011年单元空间数量最多的是第4级,占比22.34%,I的范围是0.903 3~1.030 7;2020年单元空间数量最多的是第5级,占比26.62%,I的范围是0.982 8~1.126 7。对比可知,规划前后空间数量最多的分级占比尽管相差不大,但规划后I的范围值则有较大提高,分别提高了8.80%~9.31%,这也从另一个角度表明了规划后城市空间的可达性和集聚能力有一定增强。
表1 规划基期和末期的全局集成度指标统计
Table 1 Global integration at the beginning and end of planning
| 全局集 成度 | 平均值 | 最小值 | 最大值 | 标准差 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 基期 | 末期 | 基期 | 末期 | 基期 | 末期 | 基期 | 末期 | ||||
| 数值 | 1.0172 | 1.0877 | 0.5209 | 0.4073 | 1.7955 | 1.8461 | 0.2051 | 0.2240 | |||
图2 规划基期和末期的全局集成度分析
Fig. 2 The global integration of the beginning and end of planning
根据图2,2011年全局集成度最高的第10级单元空间有2个,即东西向黄山路和南北向徽州大道所代表的区域（图2红色线条）;2020年全局集成度最高的第10级单元空间有4个,即除了黄山路和徽州大道以外,增加了南北向的合作化路和东西向太湖路所代表的区域（图2红色线条）,由此形成了以两纵两横为骨架的城市集成度集中区,这意味着规划后城市空间中集聚能力大的区域有所增加,未来人口分布的集聚区域也将随之增加。
进一步,研究得到合肥市中心城区在2011年和2020年的城市空间局部集成度LI如表2和图3所示。总体上,在平均值、最小值、最大值和标准差指标上,2020年的LI值均高于2011年的对应值,这表明规划后的局部空间的可达性和集聚能力都得到了提高。在LI的分级上,两期单元空间数量最多的都是第5级,但2020年的LI范围（1.883 3~2.270 8）要明显高于2011年的对应值（1.725 3~2.073 5）。2011年LI最高的第10级单元空间有4个,即黄山路、南北向的潜山路（北）和天都路（南）、东西向的紫云路所代表的区域（图3红色线条）;2020年LI最高的第10级单元空间则有11个,即除了黄山路、徽州大道、合作化路以外,所增加的主要分布在滨湖分区（图3红色线条）。显然,规划后城市空间的局部集成度在滨湖分区形成了一个最大值集中区,表明该区域在局部空间上的可达性和集聚能力显著提高,将成为合肥市中心城区的次中心。
表2 规划基期和末期的局部集成度指标统计
Table 2 Local integration at the beginning and end of planning
| 全局集 成度 | 平均值 | 最小值 | 最大值 | 标准差 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 基期 | 末期 | 基期 | 末期 | 基期 | 末期 | 基期 | 末期 | ||||
| 数值 | 1.7846 | 1.9939 | 0.3313 | 0.3729 | 3.8136 | 4.2083 | 0.5809 | 0.6778 | |||
图3 规划基期和末期的局部集成度分析
Fig. 3 The local integration of the beginning and end of planning
根据全局集成度分析图可知,合肥市中心城区集成度较高的区域（暖色线条）主要分布在老城区、蜀山分区和包河分区;而根据局部集成度分析图可知,将在滨湖分区形成次中心。滨湖分区是合肥市近年来重点打造的城市综合功能新区,人口、产业集聚较快,而空间句法分析也表明该区域的人口承载能力具有较大潜力,将能成为未来城市空间的新中心。
2.3.2 LBS大数据分析
对一周内合肥市中心城区的105张热力图进行系统分析可知：工作日和非工作日的人口分布特征存在明显差异,这突出说明了人口分布特征与工作状态具有紧密关系。工作日期间,人们多选择具有商业、办公、医疗、教育文化性质的城市功能区,而非工作日期间人们主要选择具有居住、娱乐休闲、餐饮购物性质的城市功能区,表明了人口的分布特征与城市空间功能结构具有较高的一致性。工作日期间平均每天的人口分布变化为（图4）：9:00~17:00,整体上人口分布集聚区的数量逐步增加,面积逐步扩大,人口活动逐步由分散走向集聚,并且在17:00达到全天峰值;17:00~19:00,人口分布集聚区面积迅速减少,人口活动强度迅速减弱,空间分布呈分散状态。19:00~23:00,人口分布集聚区逐渐消失,人口集聚程度达到了最小值,热力图呈现淡紫色的冷色调状态（图5）。特别的,12:00时刻人口集聚达到了上午峰值,之后到13:00显著下降,说明在中午下班休息时间内,人口在空间上分散和集聚的变化波动较大。图5是周五（6月9日）的人口分布热力图,其明显地反映出上述“分散-集聚-分散”的变化特征。
图4 工作日（9:00~23:00）人口分布集聚区的面积变化
Fig. 4 The area change of population distribution in working day
图5 周五（6月9日）的人口分布热力图
Fig. 5 The heat map of population distribution on Friday (June 9th)
根据105张热力图可以发现合肥市中心城区的人口分布主要形成了6个集聚区：老城区的长江中路两侧区域,蜀山区的五里墩立交桥区域和潜山路区域,包河区的金屯立交桥区域,地铁1号线的部分区域（合肥工业大学南区地铁站周边、朱岗地铁站周边和合肥南站地铁站周边）,滨湖分区的滨湖世纪城区域。而根据上述12:00和17:00两个峰值时刻看,人口分布主要形成了5个区域即老城区的长江中路两侧区域、蜀山区的五里墩立交桥区域和潜山路立交桥区域、包河区的金屯立交桥区域、地铁1号线的部分区域（合肥工业大学南区地铁站周边、朱岗地铁站周边和合肥南站地铁站周边）。对比可知,两个关键时刻的人口集聚区中少了滨湖分区的滨湖世纪城区域（图6）。这就表明,尽管滨湖分区是合肥市近年来正着力打造的新城区,但和传统的合肥市中心城区其他区域相比,其吸引人口集聚的能力仍有待提高。
图6 人口分布集聚区的空间对比分析
Fig. 6 The spatial contrast analysis of population distribution areas
2.3.3 综合对比分析
空间句法模型从理论上得到了未来城市人口分布的集聚区,而LBS大数据则得到了客观现实中的人口分布集聚区。根据表3的对比分析可知,两种方法得到的合肥市中心城区人口集聚区域在空间上存在差异,老城区、蜀山区等在人口集聚区上存在吻合,而高新区、庐阳区则不存在吻合,如黄山路位于高新区的部分在空间句法分析中集成度等级最高,理论上应是人口分布集聚区,但现实的LBS大数据则表明目前仍不是人口集聚区。
表3 人口分布集聚区的综合对比分析
Table 3 The contrast of population distribution areas
| 空间句法分析 | LBS大数据分析 | 所属分区（是否吻合） |
|---|---|---|
| 徽州大道区域 | 长江中路区域 | 老城区（吻合） |
| 黄山路区域 合作化路区域 | 五里墩立交桥区域 潜山路立交桥区域 | 蜀山区（吻合） |
| 黄山路区域 太湖路区域 徽州大道区域 | 金屯立交桥区域 合工大南区地铁站出入口区域 朱岗地铁站出入口区域 | 包河区（吻合） |
| 徽州大道区域 | 滨湖世纪城区域 | 滨湖分区（吻合） |
| 北一环路区域 | ---- | 庐阳区（不吻合） |
| 黄山路区域 | ---- | 高新区（不吻合） |
在8个分区中,滨湖分区具有特殊性。首先,其在全局集成度分析中不具有优势,但在局部集成度分析中则具有明显优势,具有形成城市次中心的基础,综合来看,其空间可达性只能列为较好。其次,在现实的人口分布大数据分析中,其属于人口集聚的6个区域,但从12:00和17:00两个关键时刻看,其并不是人口集聚区。因此,滨湖分区作为合肥市的新城区,尽管内部可达性好,但与其他分区仍存在连接不紧密的问题,这从理论上导致其全局集成度不理想,而在现实中则使其吸引人口集聚的能力仍有待提高。
研究进一步把8个分区分为3类：人口集聚度高且空间可达性好的区域为高密度人口分布区,其在理论上集聚人口能力大,同时现实中人口集聚也大,包括老城区、蜀山区和包河区;人口集聚度一般但空间可达性较好的区域为中密度人口分布区,其在理论上集聚人口能力大但现实中人口集聚少,包括滨湖分区、庐阳区和高新区;人口集聚度一般且空间可达性也一般的区域为低密度人口分布区,该区域在理论上和现实中人口集聚能力均较低,包括经开区和瑶海区。
为引导合肥市中心城区人口有序分布,特提出以下建议：对于高密度人口分布区,要制定措施疏解部分公共功能到中低密度人口分布区,从而引导人口有序流动,降低该区的人口压力,实现人口中心的优化发展。中密度人口分布区可以完善商业、教育、文化、医疗、办公等公共服务和设施,以吸引人口流向该区域,增加人口密度,由此形成新的城市人口副中心。低密度人口分布区要特别注意提高城市空间的可达性,在此基础上尽快增加公共服务和设施,从而提高该区域的人口集聚能力。
针对当前城市人口分布研究现状,本文尝试把传统的空间句法模型与现代LBS大数据技术有机结合起来,从理论和实际两个方面探讨了合肥市人口时空分布的特点和规律,主要结论如下： 空间句法分析表明理论上合肥市人口分布集聚区主要包括徽州大道、黄山路、太湖路、合作化路等区域,LBS大数据分析显示合肥市实际人口分布集聚区主要包括长江中路、潜山路等区域,理论上和实际上的人口分布集聚区在空间上存在差异。 滨湖分区是合肥近年来正在重点打造的城市新区,局部集成度分析显示其将能成为合肥市未来次中心,但在关键时刻点上其并不是实际的人口集聚区,由此表明其吸引人口集聚的能力仍有待提高。 综合人口理论分布和实际分布的特点,将合肥市8个城区划分为高密度、中密度和低密度3个人口分布区,进而提出了促进人口有序分布的对策建议,由此为合肥城市空间布局提供科学的决策依据。
城市人口分布对于保障城市实现可持续发展具有重要的理论价值和现实意义,因此应尽可能采用先进的技术方法来提高研究的精确性,本文正是把传统经典方法与当前最新大数据技术共同应用在城市人口分布研究中的一次探索和尝试。由于LBS大数据具有真实、实时、动态的特点,将其应用在传统的城市人口分布研究中,能大大拓宽基础数据的来源和时效性,由此增强研究的精确性,同时也为扩大LBS大数据的实践应用领域做出探索和参考。研究在一些方面仍需探讨,如空间句法分析所展现的空间特征仍要深入挖掘、LBS大数据的获取时间段可以更长以使得数据采集更丰富等。相信随着研究的深入,特别是现代大数据技术将能弥补传统方法的不足,由此促进城市人口分布空间格局研究的理论与技术方法体系逐步完善起来,从而能对城市实现全面协调的可持续发展起到更加科学的指导作用。
The authors have declared that no competing interests exist.
| [1] |
A changing demographic regime and evolving polycentric urban regions: Consequences for the composition and distribution of city populations [J].https://doi.org/10.1080/00420980120035277 URL [本文引用: 1] |
| [2] |
2000~2010年南京都市区人口空间变动特征研究 [J].https://doi.org/10.1329/j.cnki.sgs.2016.01.010 URL Magsci [本文引用: 1] 摘要
利用南京市第五次、第六次人口普查数据研究南京都市区2000~2010年人口空间变动及其规律。研究发现,① 10 a间南京都市区各地域人口均呈现增长态势,近郊区成为人口增长最为剧烈的区域;人口重心逐渐向南移动,同时人口分布的核心区域有向内收敛的趋势。②根据测定系数、F检验与图像分析的综合判断,对数正态模型能够较好拟合人口分布的单核心结构,两年份曲线的变化表明郊区化的主体仍然是近郊区,尚未发展到远郊化的程度。多核心模型的拟合表明南京都市区已初步形成多核心结构,且主中心对人口仍具有强大吸引力;而多核心与单核心模型同时具有良好的拟合效果说明多核心结构尚未发育成熟。③南京都市区人口分布的空间异质性越来越高,人口分布趋于复杂,表明都市区正在向更加高级的阶段发展。
The features of population redistribution of Nanjing metropolitan area in 2000-2010 .https://doi.org/10.1329/j.cnki.sgs.2016.01.010 URL Magsci [本文引用: 1] 摘要
利用南京市第五次、第六次人口普查数据研究南京都市区2000~2010年人口空间变动及其规律。研究发现,① 10 a间南京都市区各地域人口均呈现增长态势,近郊区成为人口增长最为剧烈的区域;人口重心逐渐向南移动,同时人口分布的核心区域有向内收敛的趋势。②根据测定系数、F检验与图像分析的综合判断,对数正态模型能够较好拟合人口分布的单核心结构,两年份曲线的变化表明郊区化的主体仍然是近郊区,尚未发展到远郊化的程度。多核心模型的拟合表明南京都市区已初步形成多核心结构,且主中心对人口仍具有强大吸引力;而多核心与单核心模型同时具有良好的拟合效果说明多核心结构尚未发育成熟。③南京都市区人口分布的空间异质性越来越高,人口分布趋于复杂,表明都市区正在向更加高级的阶段发展。
|
| [3] |
Urban population densities [J].https://doi.org/10.2307/2981088 URL [本文引用: 1] |
| [4] |
The spatial variation of urban population densities [J].https://doi.org/10.2307/213456 URL [本文引用: 1] 摘要
Since its publication in 1951, Clark's negative exponential rule of the spatial variation of urban population density has been widely accepted by geographers and others interested in the spatial organization of cities. The rule, however, properly applies only to the spatial variation of population density in predominantly residential areas: it is not intended to describe the spatial variation of density in the central business district. In this article an alternative hypothesis is offered, in which the density pattern within and beyond the central business district is seen as a continuum. The hypothesis proposes that population density is a quadratic exponential function of distance from the center of the city, with the squared term in the exponent carrying a negative sign. The distance from the center and the height of the density crest (where it exists), the distance and height of the inflection points of the density profile (where they exist), and the radius of the urbanized area are all defined in terms of the parameters of the curve. The parameters are also used to produce a density profile classification of urban development, and the curve is incorporated in a model of urban growth that accounts for the emergence of the central density crater. Finally, the quadratic exponential model of urban population density variation is tested on thirty-five cases and is found to apply in all but two.
|
| [5] |
Cubic spline urban density functions [J].https://doi.org/10.1016/0094-1190(82)90012-2 URL [本文引用: 1] 摘要
No abstract is available for this item.
|
| [6] |
Challenges to the monocentric model [J].https://doi.org/10.1111/j.1538-4632.1993.tb00275.x URL [本文引用: 1] 摘要
First page of article
|
| [7] |
基于人口集聚度的中国人口集疏格局 [J].https://doi.org/10.11820/dlkxjz.2010.10.003 URL Magsci [本文引用: 1] 摘要
<p>人口集聚和疏散是人口空间分布格局最直观和最集中的体现，研究一个地区人口集疏的空间格局，不仅可以揭示该地区人口集疏的内在规律，也有利于深入研究该地区的整体人口分布的态势和规律，更能够体现出区域内经济格局以及城市化格局的发展。基于人口集聚度的中国人口集疏空间格局的研究，有助于准确把握中国人口空间分布的基本脉络，具有一定的学术价值和实践意义。本研究采用了人口集聚度分级评价的方法，依据人口集聚度的不同，将各个地区划分为不同等级的人口集聚区，并对其分别讨论。在此基础上，结合中国人口分布格局、自然条件空间格局、人居环境自然适宜性评价结果以及经济发展格局和城市化格局，对中国的人口集疏的空间格局进行了归纳，得出了中国人口分布“西疏东密”的传统空间格局突出，人口集聚以平原地区为依托并呈现“沿海、沿江、沿线”高度集聚的特征的结论。</p>
Research on the spatial pattern of population agglomeration and dispersion in China .https://doi.org/10.11820/dlkxjz.2010.10.003 URL Magsci [本文引用: 1] 摘要
<p>人口集聚和疏散是人口空间分布格局最直观和最集中的体现，研究一个地区人口集疏的空间格局，不仅可以揭示该地区人口集疏的内在规律，也有利于深入研究该地区的整体人口分布的态势和规律，更能够体现出区域内经济格局以及城市化格局的发展。基于人口集聚度的中国人口集疏空间格局的研究，有助于准确把握中国人口空间分布的基本脉络，具有一定的学术价值和实践意义。本研究采用了人口集聚度分级评价的方法，依据人口集聚度的不同，将各个地区划分为不同等级的人口集聚区，并对其分别讨论。在此基础上，结合中国人口分布格局、自然条件空间格局、人居环境自然适宜性评价结果以及经济发展格局和城市化格局，对中国的人口集疏的空间格局进行了归纳，得出了中国人口分布“西疏东密”的传统空间格局突出，人口集聚以平原地区为依托并呈现“沿海、沿江、沿线”高度集聚的特征的结论。</p>
|
| [8] |
俄罗斯人口分布及其空间格局演化 [J].https://doi.org/10.3969/j.issn.1000-8462.2014.02.007 URL [本文引用: 1] 摘要
通过收集俄罗斯历年人口普查资料统计数据,运用空间自相关模型(Getis-OrdGi指数和Local Moran's I指数)探讨了俄罗斯欧洲部分人口分布及演化时空特征.结果显示:俄罗斯人口集中在靠近欧洲的地区,东部地区人口稀少,人口分布具有西稠东稀的空间格局;在伏尔加河沿岸地区和乌拉尔地区南部形成人口高密度集聚区,西伯利亚西部、西北联邦区,以及南方联邦区和北高加索联邦区形成人口冷点区及次冷点区(低集聚);从联邦主体(省域)变化趋势上看,1991-2012年俄罗斯93个联邦主体在总体上人口不均匀性的空间格局多年来保持相对稳定,但在中央联邦区与伏尔加河沿岸区高集聚区的一级行政单元个数逐渐增加,并形成了一个人口高度集聚的地带.
Spatial distribution of population in Russia and its evolution .https://doi.org/10.3969/j.issn.1000-8462.2014.02.007 URL [本文引用: 1] 摘要
通过收集俄罗斯历年人口普查资料统计数据,运用空间自相关模型(Getis-OrdGi指数和Local Moran's I指数)探讨了俄罗斯欧洲部分人口分布及演化时空特征.结果显示:俄罗斯人口集中在靠近欧洲的地区,东部地区人口稀少,人口分布具有西稠东稀的空间格局;在伏尔加河沿岸地区和乌拉尔地区南部形成人口高密度集聚区,西伯利亚西部、西北联邦区,以及南方联邦区和北高加索联邦区形成人口冷点区及次冷点区(低集聚);从联邦主体(省域)变化趋势上看,1991-2012年俄罗斯93个联邦主体在总体上人口不均匀性的空间格局多年来保持相对稳定,但在中央联邦区与伏尔加河沿岸区高集聚区的一级行政单元个数逐渐增加,并形成了一个人口高度集聚的地带.
|
| [9] |
东北三省人口分布空间格局演化及其驱动因素研究 [J].
东北地区作为全国重要老工业基地,在面临新一轮振兴机遇的形势下,人口分布的集疏变化及其驱动因素亟待细致梳理。根据中国第四、第五、第六次分县人口普查资料,运用洛伦兹曲线、人口密度相对变化率和空间自相关分析方法对东北地区1990~2010年、176个县域的人口分布空间格局演化进行深入分析,在此基础上,选取10个自然和社会经济指标,使用偏最小二乘法(PLS)对东北地区人口分布空间格局演化的影响因素进行定量分析,研究发现:(1)从总体分布格局变化特征来看,20 a来人口密度始终是黑龙江省吉林省辽宁省,且以省会城市为主的多中心"T"型人口分布空间格局越来越明显;(2)1990~2010年,东北地区人口密度经历了从相对分散到相对集中的变化过程,且人口密度高的地区所占土地面积小,人口密度低的地区占地面积大。人口空间分布呈现显著的正的空间自相关特征,即人口密度存在高高、低低集聚现象;(3)从人口密度变化类型来看,1990~2010年,共80个县域属于快速增加和缓慢增加类型,快速降低和缓慢降低类型的县域共96个,其中辽宁省县域人口密度变化"两极化"现象较为明显;(4)自然因素与社会经济因素同时作用于人口密度变化,但社会经济发展水平是人口密度变化的主要影响因素。
Space pattern evolution of population distribution and the driving factors in northeast China .
东北地区作为全国重要老工业基地,在面临新一轮振兴机遇的形势下,人口分布的集疏变化及其驱动因素亟待细致梳理。根据中国第四、第五、第六次分县人口普查资料,运用洛伦兹曲线、人口密度相对变化率和空间自相关分析方法对东北地区1990~2010年、176个县域的人口分布空间格局演化进行深入分析,在此基础上,选取10个自然和社会经济指标,使用偏最小二乘法(PLS)对东北地区人口分布空间格局演化的影响因素进行定量分析,研究发现:(1)从总体分布格局变化特征来看,20 a来人口密度始终是黑龙江省吉林省辽宁省,且以省会城市为主的多中心"T"型人口分布空间格局越来越明显;(2)1990~2010年,东北地区人口密度经历了从相对分散到相对集中的变化过程,且人口密度高的地区所占土地面积小,人口密度低的地区占地面积大。人口空间分布呈现显著的正的空间自相关特征,即人口密度存在高高、低低集聚现象;(3)从人口密度变化类型来看,1990~2010年,共80个县域属于快速增加和缓慢增加类型,快速降低和缓慢降低类型的县域共96个,其中辽宁省县域人口密度变化"两极化"现象较为明显;(4)自然因素与社会经济因素同时作用于人口密度变化,但社会经济发展水平是人口密度变化的主要影响因素。
|
| [10] |
杭州市人口密度空间分布及其演化的模型研究 [J].https://doi.org/10.3321/j.issn:1000-0585.2002.05.013 URL [本文引用: 1] 摘要
基于四次人口普查数据 ,本文探讨了杭州城市人口密度的空间分布及其演化规律。首先提取了不同年份城市人口密度的空间分布数据 ;然后根据人口分布的曲线特征对各种可能出现的数学模型进行拟合、比较 ,发现杭州市的人口分布服从Clark模型的修正形式———加幂指数模型 ;借助模型参数进行城市增长及其空间动力学分析 ,发现反映信息熵的约束参数波动升高、渐次逼近于 1,从而揭示 :改革开放以来 ,随着城市演化过程中自组织能力的加强以及郊区化的发展 ,城市空间复杂性程度增高 ,城市内各功能单元的效用增强 ,城市的空间结构进一步趋向新的有序状态。本文借助前沿科学思想及郊区化理论 ,尝试提出一个分析城市人口时空变化规律的完整范例 ,对城市规划和管理工作也具借鉴意义
Modeling the spatial distribution of urban population density and its evolution in Hangzhou .https://doi.org/10.3321/j.issn:1000-0585.2002.05.013 URL [本文引用: 1] 摘要
基于四次人口普查数据 ,本文探讨了杭州城市人口密度的空间分布及其演化规律。首先提取了不同年份城市人口密度的空间分布数据 ;然后根据人口分布的曲线特征对各种可能出现的数学模型进行拟合、比较 ,发现杭州市的人口分布服从Clark模型的修正形式———加幂指数模型 ;借助模型参数进行城市增长及其空间动力学分析 ,发现反映信息熵的约束参数波动升高、渐次逼近于 1,从而揭示 :改革开放以来 ,随着城市演化过程中自组织能力的加强以及郊区化的发展 ,城市空间复杂性程度增高 ,城市内各功能单元的效用增强 ,城市的空间结构进一步趋向新的有序状态。本文借助前沿科学思想及郊区化理论 ,尝试提出一个分析城市人口时空变化规律的完整范例 ,对城市规划和管理工作也具借鉴意义
|
| [11] |
Population distribution and spatial structure in transitional Chinese cities: A study of Nanjing [J].https://doi.org/10.2747/1538-7216.47.5.585 URL [本文引用: 1] 摘要
Two geographers use population surface model techniques to analyze the distribution of population in Chinese cities. Focusing on Nanjing, they utilize detailed urban land use and building distribution data to develop a productive alternative method to reveal spatial variations in the distribution of inhabitants. The findings indicate that despite suburbanization, Nanjing remains a compact city with a population density that declines rapidly as distance from its central business district increases. Also, suburbanization has been limited to an inner area where population is densely distributed while commercial and office development is less prominent. Lastly, commercial activities influence the distribution of urban inhabitants and suburbanization more significantly than industrial development in suburbia. Journal of Economic Literature, Classification Numbers: O15, O18, R12, R14. 9 figures, 3 tables, 37 references.
|
| [12] |
北京市人口时空变化与情景预测研究 [J].https://doi.org/10.11821/dlxb201410008 URL [本文引用: 1] 摘要
利用第五次和第六次人口普查数据,分析北京全域乡镇街道尺度人口空间变化格局特征,并借助CA-MAS模型对未来城市人口格局进行情景模拟,以期增进对北京人口时空动态的认识,为北京城市管理决策和宏观调控提供科学参考。研究表明：1 2000-2010年,北京常住人口年均增长率高达3.5%,年均增加近60万人,是同期我国人口增长最快的特大城市之一;2北京全域人口变化在空间上具有明显的圈层式特征,集中表现为中心区人口增长几乎停滞、近郊区人口快速增长、远郊城市发展新区人口高速增长、远郊生态涵养区往往仅区县政府驻地及重点乡镇人口明显增长;3基于CA-MAS的情景模拟分析表明,在自发布局情景下,就业机会进一步向城市中心集聚,人口居住不断郊区化,这将增大城市的通勤压力,加剧城市交通拥堵状况,而通过调整就业参数,强化工作地居住功能的引导政策,则能在一定程度上解决城市内部空间尺度产城失衡的问题,可促进小城镇群的形成,有利于降低城市通勤压力,发挥城市的辐射和扩散作用。本文认为,为实现北京人口空间布局优化,应着力促进就业与居住相协调,推动区域间公共资源均等化,规划多中心组团发展。
Study on spatio-temporal change and simulation of population in Beijing based on census data .https://doi.org/10.11821/dlxb201410008 URL [本文引用: 1] 摘要
利用第五次和第六次人口普查数据,分析北京全域乡镇街道尺度人口空间变化格局特征,并借助CA-MAS模型对未来城市人口格局进行情景模拟,以期增进对北京人口时空动态的认识,为北京城市管理决策和宏观调控提供科学参考。研究表明：1 2000-2010年,北京常住人口年均增长率高达3.5%,年均增加近60万人,是同期我国人口增长最快的特大城市之一;2北京全域人口变化在空间上具有明显的圈层式特征,集中表现为中心区人口增长几乎停滞、近郊区人口快速增长、远郊城市发展新区人口高速增长、远郊生态涵养区往往仅区县政府驻地及重点乡镇人口明显增长;3基于CA-MAS的情景模拟分析表明,在自发布局情景下,就业机会进一步向城市中心集聚,人口居住不断郊区化,这将增大城市的通勤压力,加剧城市交通拥堵状况,而通过调整就业参数,强化工作地居住功能的引导政策,则能在一定程度上解决城市内部空间尺度产城失衡的问题,可促进小城镇群的形成,有利于降低城市通勤压力,发挥城市的辐射和扩散作用。本文认为,为实现北京人口空间布局优化,应着力促进就业与居住相协调,推动区域间公共资源均等化,规划多中心组团发展。
|
| [13] |
时间地理学研究最新进展 [J].https://doi.org/10.3969/j.issn.1000-0690.2009.04.022 URL Magsci [本文引用: 1] 摘要
近10年来,伴随着GIS技术的结合及对虚拟空间行为的研究,时间地理学在经历了一段低迷发展期后,又进入了全新的发展阶段。时间地理学不仅对早期的理论假设、空间表达方式进行了修正,以至于有人提出"新时间地理学"的概念,而且其实践应用领域也得到扩展,在城市交通规划、女性研究、城市空间结构及通讯技术使用的应用范围逐步扩大。
Recent development in time geography .https://doi.org/10.3969/j.issn.1000-0690.2009.04.022 URL Magsci [本文引用: 1] 摘要
近10年来,伴随着GIS技术的结合及对虚拟空间行为的研究,时间地理学在经历了一段低迷发展期后,又进入了全新的发展阶段。时间地理学不仅对早期的理论假设、空间表达方式进行了修正,以至于有人提出"新时间地理学"的概念,而且其实践应用领域也得到扩展,在城市交通规划、女性研究、城市空间结构及通讯技术使用的应用范围逐步扩大。
|
| [14] |
基于签到数据的城市活动时空间动态变化及区划研究 [J].
<p>借助新浪微博,引入位置服务大数据,以南京市为例,从时间、空间、活动3个方面分析城市活动空间的动态变化,并在掌握变化规律的基础上进一步划分城市活动区域.研究发现:传统的作息规律仍然支配着人们的签到活动,时间与活动内容间的对应关系仍然存在;居民活动在工作日、休息日与节假日,以及主城与外围地区存在差异;城市活动空间在一天内经历了相对分散-集聚-进一步集聚-分散-相对集聚的动态变化;城市活动区域可以划分为就业活动区、居住活动区、休闲活动区、夜生活活动区,及综合活动区;活动功能区呈现出混合化与边界模糊化的特征.</p>
The dynamic changes of urban space-time activity and activity zoning based on check-in data in sina web .
<p>借助新浪微博,引入位置服务大数据,以南京市为例,从时间、空间、活动3个方面分析城市活动空间的动态变化,并在掌握变化规律的基础上进一步划分城市活动区域.研究发现:传统的作息规律仍然支配着人们的签到活动,时间与活动内容间的对应关系仍然存在;居民活动在工作日、休息日与节假日,以及主城与外围地区存在差异;城市活动空间在一天内经历了相对分散-集聚-进一步集聚-分散-相对集聚的动态变化;城市活动区域可以划分为就业活动区、居住活动区、休闲活动区、夜生活活动区,及综合活动区;活动功能区呈现出混合化与边界模糊化的特征.</p>
|
| [15] |
|
| [16] |
空间句法研究进展与展望 [J].https://doi.org/10.3969/j.issn.1672-0504.2014.03.018 URL [本文引用: 1] 摘要
在分析空间句法理论基本概念的基础上,指出空间分割和句法测度是其两大关键问题,进而从城市空间决策和应用系统开发两方面归纳和梳理了空间句法的应用研究情况。现有理论和技术方法的不足表现为模型构建具有主观性和难以真实地模拟城市空间。未来研究应从三方面深入展开:完善空间分割模型,改进句法测度方法,优化应用系统,由此使空间句法理论体系和技术方法得到进一步完善。
Review and prospect of space syntax .https://doi.org/10.3969/j.issn.1672-0504.2014.03.018 URL [本文引用: 1] 摘要
在分析空间句法理论基本概念的基础上,指出空间分割和句法测度是其两大关键问题,进而从城市空间决策和应用系统开发两方面归纳和梳理了空间句法的应用研究情况。现有理论和技术方法的不足表现为模型构建具有主观性和难以真实地模拟城市空间。未来研究应从三方面深入展开:完善空间分割模型,改进句法测度方法,优化应用系统,由此使空间句法理论体系和技术方法得到进一步完善。
|
| [17] |
|
| [18] |
L2P2: A location-label based approach for privacy preserving in LBS [J].https://doi.org/10.1016/j.future.2016.08.023 URL [本文引用: 1] 摘要
61We design an efficient framework and algorithm for protecting the location privacy, preference privacy and trajectory privacy of users in LBS.61Considering the locations of users are nearby with each other or even identical, we propose a location-label based approach for privacy preservation.61We propose three protocols to reduce the response time of the LBS system and the probability of identifying a user.61We validate and evaluate our algorithm by conducting extensive simulations under various scenarios.
|
| [19] |
LBS大数据中基于固定网格划分四叉树索引的查询验证 [J].
基于位置的服务(LBS)进行数据发布时,数据拥有者委派第三方服务商来发布数据,服务提供商代表数据拥有者向用户提供服务。但是LBS中的服务提供商可能是不可信的,这样会在LBS大数据的查询中形成由于商业目的而篡改的不准确的结果。LBS大数据中移动对象的位置随时间而变化,因此数据的动态性导致了索引结构大量的更新操作。该文提出了一种基于固定网格划分四叉树索引机制的空间范围查询验证技术,该技术采用网格划分的方法对空间数据进行划分,并采用四叉树对划分后的网格进行索引。该空间索引结构更新代价低,方便了数据的管理,缩短了检索的时间,四叉树索引对于范围查询具有较高的查询验证效率。该方法确保了用户查询结果的真实性、完整性和正确性。通过实验验证了该方法是有效的。
Query authentications based on a fixed grid partitioning quad-tree index in LBS big data .
基于位置的服务(LBS)进行数据发布时,数据拥有者委派第三方服务商来发布数据,服务提供商代表数据拥有者向用户提供服务。但是LBS中的服务提供商可能是不可信的,这样会在LBS大数据的查询中形成由于商业目的而篡改的不准确的结果。LBS大数据中移动对象的位置随时间而变化,因此数据的动态性导致了索引结构大量的更新操作。该文提出了一种基于固定网格划分四叉树索引机制的空间范围查询验证技术,该技术采用网格划分的方法对空间数据进行划分,并采用四叉树对划分后的网格进行索引。该空间索引结构更新代价低,方便了数据的管理,缩短了检索的时间,四叉树索引对于范围查询具有较高的查询验证效率。该方法确保了用户查询结果的真实性、完整性和正确性。通过实验验证了该方法是有效的。
|
| [20] |
基于实景地图的LBS服务 [J].
实景地图的LBS服务在国内的应用越来越普遍,通过对实景地图新技术的研究及各领域市场需求的分析,综合论述了基于实景地图的LBS服务在政府、企业及公众领域的全新应用模式。
LBS services based on live maps .
实景地图的LBS服务在国内的应用越来越普遍,通过对实景地图新技术的研究及各领域市场需求的分析,综合论述了基于实景地图的LBS服务在政府、企业及公众领域的全新应用模式。
|
| [21] |
基于LBS大数据的南京市综合客运枢纽影响范围研究 [J].
文章利用百度地图的LBS大数据,获取枢纽乘客的出行链,分析了南京高铁南站、南京铁路站、南京禄口国际机场三大综合客运枢纽的服务范围与辐射范围,数据分析认为南京市三大综合客运枢纽借助强大的交通转换功能,承担了城市换乘中心、区域换乘中心的作用,是南京都市圈的核心枢纽,对周边城市有较强的辐射影响能力。
Study on the influence scope of Nanjing comprehensive passenger transport hubs based on LBS big data .
文章利用百度地图的LBS大数据,获取枢纽乘客的出行链,分析了南京高铁南站、南京铁路站、南京禄口国际机场三大综合客运枢纽的服务范围与辐射范围,数据分析认为南京市三大综合客运枢纽借助强大的交通转换功能,承担了城市换乘中心、区域换乘中心的作用,是南京都市圈的核心枢纽,对周边城市有较强的辐射影响能力。
|
/
| 〈 |
|
〉 |
