毋 亭，湯志偉

(福建農林大學 資源與環(huán)境學院，福建 福州350002)

0 引言

城市的功能區(qū)，是指城市內部按一定標準和功能類型劃分的不同屬性的分區(qū)，各區(qū)域的分布空間及其相應產生的分類子區(qū)域各異.它們受自然、歷史、經濟、社會等諸多因素的影響，隨著城市的發(fā)展而產生、演進、并與時俱進地變化.

傳統(tǒng)的城市功能區(qū)劃分主要依賴于人工手段，周期長、誤差大、工作量也大.隨著信息技術的飛速發(fā)展，大數(shù)據成指數(shù)級增長，基于大數(shù)據的信息挖掘也越來越多的用于解決各種科學問題.興趣點(point of interest，POI)是對空間實體的位置描述，在一定程度與角度上能夠反映城市空間生產與生活活力.基于興趣點的城市功能區(qū)劃分能夠克服傳統(tǒng)劃分方法周期長、誤差與工作量大等弊端，因此，近年來被越來越多的相關學者所接受與應用.但此類研究目前仍存在一些待解決問題，比如：研究區(qū)域的劃分只停留在了相對單一的層面，對于混合區(qū)域、無數(shù)據區(qū)域較少涉略；由于受到噪點的干擾，還存在混合功能區(qū)的識別精度較小的問題；由于區(qū)域過大，POI數(shù)量不充足時會導致功能區(qū)劃分準確度不高的問題.

本文基于核密度和融合數(shù)據構建模型[1]，對泉州市市區(qū)進行功能區(qū)劃分，與傳統(tǒng)的城市功能區(qū)劃分方法相比，本論文的改進之處在于：

1)對不規(guī)則路網進行拓撲處理，以處理后形成的封閉區(qū)域為研究單元進行功能區(qū)的識別，增加功能區(qū)劃分的合理性.

2)使用核密度方法，在充分考慮混合區(qū)影響的基礎上，對數(shù)據進行處理分析，降低噪聲的影響，削弱離散化現(xiàn)象，提高功能區(qū)劃分的效率與精度.

1 研究區(qū)域與數(shù)據來源

1.1 研究區(qū)

研究區(qū)域選取泉州市中心區(qū)域的鯉城區(qū)和豐澤區(qū)為研究區(qū)(如圖1).泉州市位于我國福建省東南部沿海地區(qū)，北接福州，南接廈門，東望臺灣，地形以山地、丘陵為主，海岸線曲折迂回，氣候屬亞熱帶海洋性季風氣候.泉州是全國首個東亞文化之都、福建省三大中心城市(福州、廈門、泉州)之一，GDP總量在全省最高，經濟總量連續(xù)20年保持全省第一.

圖1 研究區(qū)域的地理位置

據2019年泉州統(tǒng)計年鑒統(tǒng)計，泉州市總面積11 015 km2，常住人口870萬，其中，鯉城區(qū)與豐澤區(qū)面積約為161.74 km2，常住人口約95.1萬，城鎮(zhèn)化率高達66.7%，且人口分布較為均質、居住功能相對集中、街道網絡較為完整且歷史最為悠久.因此，以這兩個區(qū)域為研究對象，功能區(qū)識別的準確率相對較高.另外，這兩個區(qū)域交通網絡形成的地理阻隔明顯，可以減少或避免外圍公共服務設施對識別過程產生的邊緣效應(如圖2).

圖2 研究區(qū)路網

1.2 數(shù)據來源

本研究中的POI數(shù)據是基于Python語言從高德地圖中爬取，共7 543條記錄，分13種類型，分別為公共管理和社會組織、公共設施、交通運輸和倉儲及郵政業(yè)、教育、金融、居民生活服務、批發(fā)零售、衛(wèi)生社會保障、文化娛樂體育、住宿餐飲、租貨和商業(yè)活動、工業(yè)、住宅小區(qū).

路網、水域與森林等地理要素矢量數(shù)據源自開放社區(qū)地圖(open street map，OSM).此數(shù)據源是由網絡大眾共同打造的免費、開源、可編輯的地圖服務.它依靠公眾無償?shù)呢暙I，利用集體的力量采集和完善全球相關地理數(shù)據，并通過無償回饋給社會的方式參與并促進相關研究的發(fā)展.相比于其他地圖服務，OSM對于用戶非常友好.

2 研究方法

2.1 基于城市路網生成不規(guī)則格網

城市路網是城市交通空間特征的表現(xiàn)，利用路網劃分城市空間，形成不規(guī)則的多邊形區(qū)域，這些區(qū)域在承載城市影響力方面被認為是均等的.基于路網形成的不規(guī)則多邊形進行功能區(qū)的劃分，可提高劃分的合理性.

針對路網中存在的拓撲錯誤，依據下面規(guī)則，對路網首先進行拓撲修復和糾正.

1)對于孤立的道路，如果其與相鄰路網之間的距離小于20 m，則進行雙向延長直至也相鄰路網連接；若大小20 m，才進行刪除.

2)對于懸掛的道路，進行延長至與其相鄰路網連接.糾正后對比泉州市的實時路況進行校驗.

最后，基于拓撲修復后的路網將研究區(qū)域切割成若干不規(guī)則格網(圖).

2.2 POI的重分類

原始POI數(shù)據中存在數(shù)據冗余問題，需要進行重分類處理[2]，主要解決的問題包括：

1)POI數(shù)據名稱完全相同的[3].

2)POI數(shù)據的空間屬性完全一樣的，即經緯度字段值相同.

之后，剔除掉公眾認知度較低[4]處在城市中心邊緣且數(shù)量極少的點要素類，只保留對于城市功能區(qū)有顯著代表作用的點要素類，如交通汽車站、工業(yè)園等.最后，重分類結果如表1所示(L：large-scale，大尺度分類；M：medium-scale，中尺度分類；S：small-scale，小尺度分類)：

表1 POI數(shù)據重分類

2.3 分類權重

不同的興趣點要素，其建筑面積與公眾認知度等的不同導致其在城市空間中的影響力各不相同.我們用權重的形式來刻畫該影響力，并基于此對城市空間進行識別[5].

本研究城市功能區(qū)劃分為6類，分別為：居住區(qū)、商業(yè)區(qū)、交通用地、綠地廣場、公共用地、產業(yè)區(qū)，每個功能區(qū)內部所有POI大類類型的總權重為1，公式為

∑Li=1i∈(1，2，…，6)

(1)

式中，Li為大尺度分類中第i類的權重.

在同一大尺度類型中，對不同的中類進行兩兩比較，根據相對影響力為比較對中每個中類進行權重賦值，兩中類的總權重之和為1.各中類的最終權重為在所有比較對中獲得的權重的平均值，公式為

(2)

式中，Mj為特定大類下第j中類權重，km為第j中類與第m中類進行比較后的權重取值，n為該特定大類下中類的數(shù)量.

同一中尺度類型中不同小尺度分類之間也存在空間特征影響力的差異，為使研究結果科學合理，本研究設置每個中尺度類型下的第g小尺度類型的權重為Sg，且Sg∈(0，100).

最終，對于某一個POI，它屬于第i大類下的第j中類的第g小類，則其綜合權重為

Sig.=Li×Mj×Sg

(3)

式中Sig.為每一個POI數(shù)據點經過修正后的綜合權重系數(shù).

表2是本次研究中各大類的POI數(shù)據綜合權重值：

表2 POI數(shù)據的綜合權重

2.4 核密度估計

核密度估計是一種從數(shù)據樣本出發(fā)研究數(shù)據分布特征的方法.該方法充分利用數(shù)據原始的信息，對數(shù)據的分布不附加任何假定.根據地理學第一定律，任何事物都是與其相鄰近的事物相關的，且距離越近關聯(lián)性越大.核密度估計正是基于此定律，利用核函數(shù)計算一定空間范圍內興趣點的密度，其核心的影響強度隨距離減弱，因此能夠體現(xiàn)較強的空間差異性，，適合于城市空間分布特征的表示.核密度估計公式為[6]

(4)

式中，f(x)是位置x處的核密度估計函數(shù)；h是帶寬；ci為為寬帶內第i個POI點的空間位置；n是與位置x的路徑距離小于或等于h的POI點數(shù)；φ函數(shù)是空間權重函數(shù)，本研究選擇四次權重方程，公式為

(5)

考慮到不同POI點的分布情況，帶寬h的計算公式為

(6)

2.5 城市功能區(qū)定量識別

基于六大類要素的核密度圖，以及城市路網生成的不規(guī)則多邊形，計算各大尺度分類在各區(qū)域的核密度占比.計算公式為[7]

(7)

式中，Ck，i為第k個多邊形區(qū)域內第i類要素的分布密度占比，F(xiàn)i為第i類要素在區(qū)域單元中的核密度總和，Sk為第k個多邊形區(qū)域內所有興趣點類的核密度總和.當某一大類密度占比大于50%時，則該區(qū)域被識別為這一類型的單一功能區(qū)；當某一大類密度占比大于35%而小于50%時，該區(qū)域被識別為混合功能區(qū)，混合功能區(qū)主要由區(qū)域內占比較大的兩種POI大類決定.其余的區(qū)域則統(tǒng)一識別為多類型混合功能區(qū).

2.6 研究結果檢驗

為了驗證本次實驗的城市功能區(qū)識別是否準確，將研究結果與高德地圖進行對比分析，選擇20個街區(qū)，檢驗研究結果的準確度[8].在準確度的評分標準中，十分符合設置為3分，較為符合為2分，一般符合為1分，完全不符合為0分.總體準確率的計算公式為

(8)

式中，k為十分符合時的評分分數(shù)，xi為第i個街區(qū)的符合度實際評分分數(shù)，n為抽取的總街區(qū)數(shù)量.

3 結果與分析

3.1 六大類興趣點要素分布密度的空間特征

圖3～圖8分別是居民區(qū)、商業(yè)區(qū)、綠地和廣場、交通、公共服務以及產業(yè)區(qū)分布密度圖.從總體上看，研究區(qū)域中的西南、東北區(qū)域的核密度分布相對稀疏，而中心區(qū)域和東南區(qū)域相對密集.

圖3 居民區(qū)分布密度圖圖4 商業(yè)區(qū)分布密度圖

圖5 綠地和廣場分布密度圖圖6 交通分布密度圖圖7 公共服務分布密度圖圖8 產業(yè)區(qū)分布密度圖

商業(yè)區(qū)主要分布在晉江兩岸，其中商業(yè)區(qū)高密度分布區(qū)域與居民區(qū)的高密度分布區(qū)域混合發(fā)生于城市中心.公共服務核密度呈現(xiàn)一強核與若干弱核組成的空間分布特征，符合城市公共服務資源配置的基本規(guī)律，即公共服務資源從城市中心到城市邊緣逐漸遞減.

與其他功能區(qū)密度相比，綠地和廣場高密度聚集區(qū)域面積較小，且高密度區(qū)域與低密度區(qū)域的密度值相比有顯著差異.高密度區(qū)主要集中在城市的中心區(qū)域，呈點狀分布，鑲嵌在商業(yè)區(qū)、公共用地、居民區(qū)的高密度區(qū)域中.其分布狀況一方面反映城市的綠色空間分布特征為點綴式分布，另一方面也反映廣場與城市土地利用的關系，即廣場的屬性與城市土地類型具有高度相關性.根據poi的屬性可以發(fā)現(xiàn)，鑲嵌在商業(yè)區(qū)的高密度廣場多為商業(yè)型廣場，而鑲嵌在公共服務用地的高密度廣場區(qū)多為集散或公共活動類廣場等.

交通在城市的中心和邊緣分別有兩個高密度區(qū)域.其中，位于城市邊緣的兩個高密度區(qū)域分別是泉州動車站、泉南高速樞紐所在地，位于城市中心的是泉州汽車站、泉州客運中心汽車站所在地.通過計算密度數(shù)據可知，城市中心的密度高于邊緣密度，從側面反映，公路運輸是泉州市對外交通的主要方式.根據《泉州市2018年交通運輸工作總結》的統(tǒng)計數(shù)據，公路運輸方式在完成貨物運輸量和旅客運輸量上分別占比 55.75% 、69.67%.但是隨著泉州市經濟發(fā)展，公路運輸?shù)恼急葘⒅饾u減少，同比去年的數(shù)據，公路運輸在完成旅客運輸量的占比上負增長15.6%，在各種運輸方式中下滑最多.而從2015年到2018年間，鐵路、民航、水運占比逐年增長.說明泉州市的交通運輸結構正在發(fā)生改變，快速交通方式運輸成本低、能耗低、運量大的優(yōu)點，大大提高了交通便利性，促進經濟的發(fā)展.表明泉州市即將步入經濟活動快速發(fā)展的階段.

高密度的產業(yè)區(qū)主要以機械汽配、紡織服裝業(yè)、包裝鞋業(yè)、石油化石等產業(yè)為代表，占泉州市國民經濟總產值的76.84%(依據《2018年泉州市國民經濟和社會發(fā)展統(tǒng)計公報》計算).這些產業(yè)主要分布在鄰接水域的地方，如：機械制造業(yè)集中于沿海區(qū)域，紡織服裝業(yè)、包袋鞋業(yè)則主要集中于晉江兩岸下游地區(qū).可見，泉州市的主要工業(yè)活動呈現(xiàn)沿河或沿海線狀分布的特征.

3.2 泉州市主城區(qū)功能區(qū)劃分結果

圖9為泉州市主城區(qū)城市功能分區(qū)分布圖.在研究區(qū)域中，混合功能區(qū)的數(shù)量為98個，面積占比約為14.86%，大部分集中在城市的中心區(qū)域，以公共服務、居住區(qū)、綠地和廣場和商業(yè)區(qū)的混合功能區(qū)類型為主.

圖9 泉州市主城區(qū)城市功能分區(qū)分布圖

單一功能區(qū)的數(shù)量為250個，面積占比約為84%.居民區(qū)、公共服務類用地分布比較均勻.在城市邊緣分布的綠地和廣場一般面積大但數(shù)量少，而在中心區(qū)域分布的綠地和廣場相對面積小但數(shù)量較多.產業(yè)區(qū)主要集中在晉江下游，交通功能區(qū)分布與其核密度分布高度一致.各類單一功能區(qū)的占地面積見表3，面積最大的是綠地和廣場，其次是商業(yè)區(qū).面積最小的是產業(yè)區(qū)，其次是交通.

表3 單一功能區(qū)占地面積

商業(yè)區(qū)在研究區(qū)域占地面積為36.57平方公里，位于區(qū)域中心的占比大約為30%，西南區(qū)域占比大約為38%.一般來說，城市的中心對商業(yè)活動的吸引力是巨大的.但是在分布圖的西南區(qū)域卻有著大片區(qū)域的商業(yè)區(qū).西南區(qū)-鯉城區(qū)是泉州市最大的商業(yè)聚集地，以汽車服務、保險金融、購物服務為主，商業(yè)活動頻繁.從其地理區(qū)位來看，該地區(qū)內商業(yè)較為密集的原因在于：1)該地區(qū)為多級行政區(qū)的交界處，西北、西南與東北分別與南安市、晉江市和豐澤區(qū)接壤，往來流動人口較多；2)與泉南高速樞紐與晉江機場鄰近，交通便利.

城市人口是由不同職業(yè)、不同社會階層的人組成，形成了不同社會處境，相應形成了不同級別的居民區(qū)[9].在研究區(qū)域中，高等住宅小區(qū)附近一般有公園和森林，或者其本來就建設在環(huán)境優(yōu)美的區(qū)域中.而普通住宅小區(qū)則多數(shù)位于與商業(yè)、公共服務等其他類型混合的功能區(qū).

在邊緣地帶，單一功能區(qū)出現(xiàn)的頻率較高.一方面是因為近幾十年以來，隨著城市城鎮(zhèn)化率逐漸上升，城市內部空間逐漸壓縮，以至于一些社會組織和公共機構開始撤離城區(qū)、往市區(qū)邊緣聚集，例如泉州市政府和一些醫(yī)院學校；另一方面也是因為在城市邊緣區(qū)域，政府更容易制定與實施較大規(guī)模的單一功能區(qū)的發(fā)展規(guī)劃與政策，例如泉州火車站的建設和高等住宅小區(qū).

3.3 結果檢驗

本研究選擇30個街區(qū)檢驗分區(qū)結果，如表4所示：

表4 城市功能區(qū)分區(qū)符合評分表

由檢驗公式得到研究區(qū)域識別準確率為80.0%.30個街區(qū)中十分符合的有22個，占比73.33%，完全不符合，即分值為0的有3個，占比10%.這三個劃分錯誤的原因是受到外界因素影響，三個研究單元的附近，存在綜合權重相對大的其他類型數(shù)據，使三個研究單元真實屬性的核密度占比過小，造成劃分錯誤.

單一功能區(qū)的識別準確率為84.84%，其中，交通、綠地和廣場的識別準確率最高，達到了100%.混合功能區(qū)的識別準確率為70.83%，其中，多類型混合區(qū)識別率達到了80%.混合功能區(qū)的識別準確率低的主要原因有兩點，1)研究單元位于城市邊緣，POI數(shù)據少且單一，導致混合功能區(qū)識別成單一功能區(qū).2)在研究單元內部，同一小類的POI數(shù)據影響力不同，權重系數(shù)相同，造成混合功能區(qū)識別出錯.

整體來說本次城市功能區(qū)劃分識別具有較高的準確度，說明本研究探索的分區(qū)方法科學合理.

4 結論

本次研究以城市路網劃分的不規(guī)則多邊形作為研究單元，基于核密度估計方法，對泉州市鯉城區(qū)與豐澤區(qū)進行功能區(qū)劃分.劃分結果基本與泉州市主城區(qū)的總體規(guī)劃相契合，表明泉州市主城區(qū)的空間規(guī)劃相對合理，充分利用土地的資源，提高土地利用的收益，同時也證明劃分方法切實可行.本研究的劃分方法顯著提高了單一功能區(qū)的識別精度.另外，因為將混合功能區(qū)納入考慮范疇，城市內部空間功能組合更加多樣，也因此更加清晰，為今后的城市規(guī)劃建設提供了理論依據.

本研究仍存在不足之處，比如：POI數(shù)據的權重賦值和選取的驗證單元不足夠客觀.實際上，即使是同一小類的POI數(shù)據之間，依然存在影響力不同.其次，在城市的邊緣地帶，POI數(shù)據量少，存在少量POI數(shù)據識別一大片區(qū)域的問題.這些情況都需要進一步的研究和改進.本研究可為城市管理與規(guī)劃、政府決策、居民服務和“智慧城市”建設等提供科學的服務.以后還可以利用高分辨率的遙感影像改善數(shù)據融合的模型，提高識別精確度.