基于POI数据的城市中心体系识别——以西安主城区为例

基于POI数据的城市中心体系识别——以西安主城区为例

李洁雅 李洪杨 赵晓倩

陕西省城乡规划设计研究院，陕西省 西安市 710021

摘要：基于西安主城区的POI数据，应用核密度分析法识别城市主次中心，通过自然间断法和平均最近邻分析法对比分析不同功能要素的集聚度，探讨不同功能要素对城市中心的集聚作用。研究发现，西安主城区在规划的引导下，呈现明显的“两主多副”城市中心结构。西安主城区空间要素集聚能力呈圈层式向外减弱，同时沿城市横向发展轴聚集程度高，沿城市纵向发展轴聚集能力较强。不同功能要素集聚对城市中心的影响显著，需要加强空间规划，科学引导要素合理集聚。

关键词：城市空间结构；POI；中心体系；西安市主城区

1.引言

西安作为特大城市，近年来空间规模不断拓展，城市空间要素的集聚效应在不断增强。由于大数据的兴起，城市社交媒体数据、夜晚灯光数据、POI数据等多源数据和方法应用于城市结构研究、城市边界提取和城市中心体系识别，同时为城市空间绩效评估提供行之有效的途径。近年来国内学者们分别以北京、重庆等中国大都市为例，采用不同方法识别城市空间结构特征。郭洁[1]等学者基于点模式分析的北京空间结构研究，侧重于就业主次中心对不同产业的集聚作用，段亚明[2]等基于POI数据利用核密度分析、自然断点法和邻近分析等方法，识别城市总体及不同职能的多中心结构及其影响范围。综上所述利用城市POI数据的空间位置信息及相邻点位信息，可以反映城市中心集聚的形态和强度。

本文基于高德地图 POI 数据，以西安主城区为研究范围，利用核密度分析、自然断点分类法、最近邻分析等方法，对整体和不同功能要素，分步识别研究主城区中心城市结构，探究不同功能中心的空间分布特征和集聚作用。

2.数据来源

由于城市特色空间主要集中于城市建成区范围内，本文选取2017年西安市规划局发布的西安主城区范围作为本次的研究范围，包含莲湖区、新城区、碑林区、未央区、雁塔区、灞桥区和长安区七个行政区。

本研究数据来源于西安市高德地图POI数据，包含空间位置和类别两种要素。通过数据清洗，以及去重、坐标纠偏后共得到278446条数据，包含购物类、商务居住类、生活服务类、餐饮类、公共设施类、教育类等六类数据。

3.实证研究

3.1西安市主城区多中心识别与影响范围分析

根据研究区数据邻近分析结果，主城区POI在空间上呈明显的聚集分布。从总体上看，在钟楼城市级商业主中心形成高度集聚的状态，集聚程度呈现以钟楼为核心向外围递减的趋势，次级的城市中心则在小寨、高新商务区、胡家庙等组团形成较高的要素集聚，曲江、张家堡、土门、韦曲组团空间要素集聚程度不高。

图1 西安市主城区核密度分区图

基于核密度分析结果，利用自然间断法进一步分析城市中心的影响范围。由图1可知，密度分区呈现圈层式，影响程度向外逐层递减。由钟楼、小寨、高新商务区、胡家庙组团形成的聚集区面积占高度集聚区比重最高，单个聚集区向外不断拓展粘连，跨越城市环路发展，城市中心集聚效应不断增强。

由此可知西安主城区空间结构以钟楼为主中心，同时小寨与高新区有融合发展的态势，与西安市城市总体规划明确的“一主七副”的城市中心结构目标仍有差距，曲江、张家堡、土门、韦曲组团的聚集程度有待增强。

3.2不同类型城市中心识别与影响范围分析

由于城市发展、规划引导、自然条件等因素，不同功能的城市中心在空间分布上存在差异。利用自然间断法对六种POI核密度分析结果进行再分类，比较不同类型城市中心的影响范围。整体层面，城市POI纵向聚集效应较强，表现在纵向影响范围的扩大；不同功能层面，各类型POI数据都呈向外递减的圈层结构，其中生活服务类与整体分析结果的空间叠合度最高，其中生活服务类、餐饮类、购物类、公共设施类城市中心聚集效应强烈，教育科研类聚集能力有限，居住类虽然在图中表现为影响范围最大，但聚集程度低。钟楼主中心集聚效应最强，同时高新商务区和小寨组团有横向靠拢集聚成为新中心的潜力，同时城市交通发展格局和区域功能业态的组成结构是影响城市中心的重要因素。

表2 西安市主城区不同POI临近分析结果

4.结论与反思

4.1 结论

本文利用POI数据揭示西安主城区目前的中心体系结构以及发展集聚规律：一是西安主城区空间结构趋向于“两主多副”，形成以钟楼组团、小寨-高新组团为主中心，张家堡、土门、胡家庙、韦曲、曲江组团为次中心的城市中心结构。可以预见，高新商务区和小寨组团有融合发展的态势，在未来两副中心不断向外围拓展，进一步疏解钟楼中心的服务职能。二是西安主城区空间要素沿城市横向发展轴聚集程度高，沿城市纵向发展轴聚集能力较强。横向发展有良好的发育程度，功能中心相对完善，但在发展态势上略有疲软，可创新和培育城市功能要素，激发新的发展动力。

本文基于城市POI数据，可以快速直观的得出各种功能在城市中的分布状况，对城市中心结构客观描绘，但是相对于传统的静态数据对应的多种时间尺度的未来规划、扩张规划，大数据使我们获得了一种非常适合稳态规划，或者说“细规划”的技术手段[3]。数据是城市各种要素共同运作的结果，而非推动城市建设发展的原因。所以作为规划人员更要在于学习大数据的数据统计、空间分析等方法，深入挖掘事物的发展规律和内在机制，辅助进行规划决策。

参考文献

[1]郭洁,吕永强,沈体雁.基于点模式分析的城市空间结构研究——以北京都市区为例[J].经济地理,2015,35(08):68-74+97.

[2]段亚明,刘勇,刘秀华,王红蕾.基于POI大数据的重庆主城区多中心识别[J].自然资源学报,2018,33(05):788-800.

[3]王鹏. 大数据支持的城市规划方法初探[C]. 中国城市规划学会.城乡治理与规划改革——2014中国城市规划年会论文集（04城市规划新技术应用）.中国城市规划学会:中国城市规划学会,2014:331-351.