一、设计背景及意义
随着经济快速发展,城市功能类型也越来越多,在空间上逐渐聚集和演化,形成了居住区,商业区等城市功能区,而这些功能区没有明显边界,确定困难,如使用传统人力调查方法费时费力,并受个人主观意愿较大,故本作品基于大数据时代环境的思考,确定了由POI、OSM、夜间灯光数据、人口点数据进行团队所在地南昌市的主城区功能区划分,使用大数据分析结果辅助验证并与城市规划图进行精度验证,最终得出各功能区划分的最优结果与人口、功能区为优化城市结构提供便捷便利的参考方法。
二、设计思想
OSM路网
本作品的主要数据是从OSM(http://www.openstreetmap.org)获得的道路数据,根据筛选的路网等级构建不同距离的缓冲区,将其用于划分城市单元并确定功能区类型。
POI数据
分类筛选POI为六类,如下图,利用六大类进行点分布度量,得到方向特征和中心特 征,同时对其进行核密度分析,充分利用原始数据信息,结果受主观因素影响小,具有渐变性和揭示细部特征的优势,并生成等值线,以获取热点信息、城市功能边界,得出各类功能区的发展态势及其现有范围。
人口数据
对人口数据进行标准距离、标准差椭圆分析,得到方向和范围特征。
灯光数据
从珞珈一号下载灯光数据进行掩膜提取,对其分区统计并加以表格显示,将亮度可视化。
三、技术路线
技术路线图
四、主要功能
模型1:功能区划分(城市功能区识别)
该模型利用按规则进行拓扑修复后的OSM路网数据,筛选出一二三级道路、主干道和高速公路,进行不同距离缓冲区分析,再将生成缓冲区合并,并用于擦除主城区范围,分别将各类型POI空间连接,添加并使用python字段计算器计算频数、频数密度、比例及用于辅助连接的FID字段,最后计算各单元POI频数和频数密度生成按功能区类型比例40%、50%、60%三个阈值划分的单一功能区和混合功能区。模型与结果图如下图所示。
三比例精度分区结果图-40%
三比例精度分区结果图-50%
三比例精度分区结果图-60%
模型2:POI点标准差、平均中心(各类POI分布特征)
该模型依次对六大类POI点进行点度量分析,获取每类功能中心点及分布方向,便于判断目前集中区域及日后发展趋势。
模型3:灯光分区统计(夜间人类活动状况)
该模型对南昌市夜间灯光数据进行了按功能区统计亮度值并输出一张亮度统计表,方便查询每个单元亮度值。
亮度统计图
亮度统计表
模型4:POI核密度(按照核密度结果提取城市功能区范围边界)
设置500、1000、2000三个不同带宽并最后选择合适带宽(1000)进行核密度分析用来提取功能边界进行辅助验证。
1000m带宽休闲娱乐核密度图
下图为交通边界
1000m带宽休闲娱乐核密度图-交通边界
1000m带宽交通功能核密度
下图为休娱边界
1000m带宽交通功能核密度-休娱边界
模型5:人口分析(人口分布特征)
基于市区人口数据,分析得到人口方向和范围特征。
五、特点及展望
本作品以南昌市2021POI数据为基础,从城市功能区各要素及混合度识别来研究该区域目前空间结构,与传统方法区分开的点是:
1、使用路网进行缓冲区,而不是直接利用道路网自然分割的单元作为划分单元,消除道路空间后得到的独立的地块,将这些地块作为划分单元,这样的划分更具合理性。
2、使用了多源大数据进行辅助验证,弥补了仅仅基于单一POI数据的缺陷。
3、选择了频数和频数密度模型并设置40%、50%、60%比例来划分单元。
4、使用python字段计算器结合模型一键生成各比例功能区。
5、核密度分析提取功能边界采用三种不同带宽,设置对比实验选出最佳分析结果。
6、将分区结果与城市总体规划图进行对比,挑选出最适合的比例划分单元,并将其作为最后结果图。
研究结果:
综上,选择1000m带宽核密度,50%阈值功能区结果,用人口、灯光、POI分布结果分析结合50%功能区识别结果,可为各类研究提供参考数据和分析基础。
展望:
本作品仅使用频数模型来识别单元类型,虽已结合其他大数据辅助验证,但精度仍可改进,后可增加遥感影像基于本次提取的功能边界对城市功能进行高精度识别。