王欣+李心+謝明昊+汪湘憶

[摘要]一座城市必須有自己合適的規(guī)模和空間形態(tài)，它根植于城市內(nèi)部的需求結(jié)構(gòu)，長期形成的地理環(huán)境以及產(chǎn)業(yè)結(jié)構(gòu)。有關(guān)核心功能區(qū)分布的研究很多，影響城市結(jié)構(gòu)的因素繁多且復(fù)雜。文章基于LBS技術(shù)，運(yùn)用SAS、SPSS、Sublime、Excel等軟件，通過用戶手機(jī)APP的登錄情況來量化城市的需求，結(jié)合實(shí)際地理環(huán)境，確定出北京市及其周邊核心功能區(qū)的分布建設(shè)建議。

[關(guān)鍵詞]LBS；核心功能區(qū)；基站登錄；地理環(huán)境定位；APP使用情況

[DOI]1013939/jcnkizgsc201714165

1引言

LBS首先從美國發(fā)展起來，起源于以軍事應(yīng)用為目的所部署的全球定位系統(tǒng)（Global Positioning System，GPS），隨后在測繪和車輛跟蹤定位等領(lǐng)域開始應(yīng)用。當(dāng)GPS民用化以后，產(chǎn)生了以定位為核心功能的大量應(yīng)用，直到20世紀(jì)90年代后期，LBS及其所涉及的技術(shù)才得到廣泛的重視和應(yīng)用。手機(jī)LBS的核心是“定位精準(zhǔn)”，并獲取周邊與位置相關(guān)的服務(wù)信息。本文借助手機(jī)用戶APP簽到，引入LBS大數(shù)據(jù)，從居民實(shí)際活動的角度對城市空間的分析，一方面豐富和擴(kuò)展已有的城市空間研究方法，同時也能夠更好地解讀ICT對城市空間結(jié)構(gòu)的影響，從而更好地服務(wù)于當(dāng)前快速轉(zhuǎn)型的城市社會經(jīng)濟(jì)發(fā)展與城市空間結(jié)構(gòu)的優(yōu)化，并對城市空間的發(fā)展與規(guī)劃起到積極有效的指導(dǎo)作用。

2研究對象

本文的研究對象基于紫數(shù)網(wǎng)給出的9700000條基站用戶簽到數(shù)據(jù)與50000條用戶信息數(shù)據(jù)、從基站的APP簽到類型的頻率高低和用戶活躍程度來確定基站附近的服務(wù)類型并與實(shí)際情況作比較加之以完善。從一個基站簽到點(diǎn)推廣到整個城市，進(jìn)而對城市功能布局進(jìn)行修整與完善。

3數(shù)據(jù)分析過程

31數(shù)據(jù)分析

首先從中抽取一個基站000a53de6e8d3c6971e218a742 eaca86作為樣本，統(tǒng)計(jì)每種App的使用人次，從而關(guān)聯(lián)出相應(yīng)的主題，劃分出區(qū)域的功能?？梢缘贸鲈诖颂幒灥降挠脩舻腁PP類型。

311基站分析

綜合下圖，該基站附近人們最主要的需求為交通出行、聊天社交、新聞資訊和各種娛樂。

312需求分析

那么從以上數(shù)據(jù)能看出此基站有什么需求呢？

從中可以看出，此基站位于一個十字路口附近，這可以解釋此處為何租車用車類APP使用頻繁；且其周圍存在聯(lián)想、中國工商銀行、花園小區(qū)等，這與其聊天社交、視頻、新聞閱讀類APP使用人次多相吻合；另外，其周圍存在天賜福康大藥房、眾多小區(qū)，這使得其購物、生活服務(wù)、醫(yī)療用藥等需求的上升。

313需求規(guī)律

在此基站，以打車APP為例做出了每日APP使用次數(shù)折線圖，雖然打車的高峰日期沒有明顯的規(guī)律，但是通過與這段時間的天氣情況進(jìn)行線性回歸分析，發(fā)現(xiàn)人們對于打車APP需求的變化規(guī)律與星期幾和天氣有關(guān)，可以看出人們在天氣不佳的時候打車需求較大。因此建議使用打車APP的車租車公司結(jié)合天氣和星期幾調(diào)配車輛，以提高資源利用效率，并能更好地滿足人們的需求。

32對城市核心功能區(qū)優(yōu)化布局的分析

通過變量timestamp推算出數(shù)據(jù)的日期范圍為2016年1月1日至2016年3月31日，權(quán)衡分析時間和人員水平，確定樣本量為7天。為了使分析結(jié)果更具代表性，將總體數(shù)據(jù)分成兩層，工作日和周末。根據(jù)工作日和周末的總天數(shù)對樣本進(jìn)行劃分，確定工作日抽樣天數(shù)為5天，周末抽樣天數(shù)為2天。

321篩選聚類數(shù)據(jù)

為了將對單個基站的分析拓展到整個城市，筆者需要對總體數(shù)據(jù)進(jìn)行分析。筆者設(shè)計(jì)了一個名為“網(wǎng)絡(luò)依賴度”的指標(biāo)（網(wǎng)絡(luò)依賴度=某基站所有APP被使用的次數(shù)，可以反映該地用戶對APP的使用程度），來對聚類數(shù)據(jù)進(jìn)行篩選。根據(jù)網(wǎng)絡(luò)依賴度在5萬多個基站中選取了4000個基站。接著，在三維圖中對4000個基站APP使用情況進(jìn)行了可視化處理，為后面的分析提供參考，發(fā)現(xiàn)綜合功能區(qū)為多數(shù)，量級相差較大，即絕大多數(shù)的基站數(shù)據(jù)特征平庸。但筆者依然可以觀察到少數(shù)在某一指標(biāo)上呈現(xiàn)突出的基站，說明它們具有比較鮮明的需求特征。這少數(shù)基站就很有可能成為筆者后面分析中的重點(diǎn)研究對象。

322聚類分析

根據(jù)網(wǎng)絡(luò)依賴度指標(biāo)，筆者把4000個基站分成20類，并用散點(diǎn)氣泡圖對功能區(qū)核心程度進(jìn)行展示。通過觀察散點(diǎn)氣泡圖筆者不難發(fā)現(xiàn)，絕大多數(shù)的基站核心影響力非常小，而只有少數(shù)基站具有很高覆蓋度的核心影響力，這與筆者在篩選數(shù)據(jù)時的推測相同。

323判別分析

雖然筆者對樣本進(jìn)行了篩選取樣，但筆者同樣需要對總體數(shù)據(jù)進(jìn)行處理，以保證研究的完整性，找出它們在已得出的20個功能區(qū)分類中的歸屬，并對聚類分析結(jié)果進(jìn)行修正。

通過先篩選聚類，再進(jìn)行判別分析的方式，筆者將總體數(shù)據(jù)進(jìn)行了科學(xué)的分類，同時回避了將數(shù)量龐大的數(shù)據(jù)直接進(jìn)行回歸時容易出現(xiàn)的問題，如分類過細(xì)等。

324核心功能區(qū)域分布和改進(jìn)方案

為確定核心功能區(qū)的區(qū)域劃分，筆者選擇了20個核心程度較高的基站。由于20個基站在7個樣本日的數(shù)據(jù)中具有最高的核心程度，因此可以近似認(rèn)為這些基站周圍區(qū)域具有成為核心功能區(qū)的基本條件。下面分別選取各個基站數(shù)據(jù)中使用數(shù)量前五（前五數(shù)量不到10的數(shù)據(jù)將略去）的APP類型標(biāo)簽，作為基站功能區(qū)分類的依據(jù)。

在對基站進(jìn)行具體分析時，大體將基站分為兩類：一類是具有明顯指向性APP的基站，如教育類、購物類。這樣的基站體現(xiàn)了比較明顯的需求導(dǎo)向，筆者一般根據(jù)實(shí)際情況建議該地區(qū)向滿足需求的方向靠攏。另一類是沒有具體需求導(dǎo)向，基礎(chǔ)類APP為主的基站。對于這類基站需要根據(jù)實(shí)際地理位置判斷該地區(qū)需求的真實(shí)情況，是得以滿足還是沒有完全體現(xiàn)在鏡像功能區(qū)的建議。

325結(jié)論

最后得到了修正后的功能區(qū)劃分建議：1號基站：大型娛樂商業(yè)區(qū)。2號基站：公共休閑區(qū)。3號基站：寵物功能區(qū)。4號基站：寵物功能區(qū)。5號基站：辦公區(qū)。6號基站：辦公區(qū)。7號基站：辦公區(qū)。8號基站：教育功能區(qū)。9號基站：辦公商業(yè)區(qū)。10號基站：住宅區(qū)。11號基站：辦公區(qū)。12號基站：農(nóng)業(yè)特色商業(yè)區(qū)。13號基站：住宅區(qū)。14號基站：住宅區(qū)。15號基站：住宅區(qū)。16號基站：住宅區(qū)。17號基站：辦公區(qū)。18號基站：綜合商業(yè)區(qū)。19號基站：娛樂商業(yè)區(qū)。20號基站：辦公區(qū)。

參考文獻(xiàn)：

[1]王波基于位置服務(wù)數(shù)據(jù)的城市空間活動研究[D].南京：南京大學(xué)，2013

[2]張翔大數(shù)據(jù)時代城市規(guī)劃的機(jī)遇、挑戰(zhàn)與思辨[J].規(guī)劃師，2014（8）