导读
城市功能区是城市地理学及城市发展的核心科学研究议题。从人地关系视角并结合现代数据语境开展城市功能区多尺度定量识别方法及实证研究是当前学科前沿。本研究基于手机信令数据、兴趣点数据和行政边界数据等多源数据，构建了城市功能区识别方法，并解析城市设施与功能区分布之间的耦合关系。结果表明，本文建立的方法可以实现人类活动视角下的城市功能区的多尺度、多类型识别。实证研究发现，沈阳市的就业功能区主要集中于中心城区，产业新城亟需加强综合功能开发，城市功能区具有规模效应。我们建议城市决策者运用多源大数据，从供需角度更加精细地对城市功能服务进行测度。
01
问题的提出
功能区的研究范式形成于上个世纪，采用归纳演绎法划分不同的土地利用功能。当今全球城市的空间构成发生深刻变化，城市功能区不仅仅是传统意义上的物质空间，而是人类活动和各类物质空间相互叠加、联系、影响的作用结果。传统的功能区研究主要依赖于土地利用和统计监测数据，数据获取困难。人口分布视角的城市功能区研究依赖于问卷调查和人口普查数据，时效性和准确性难以保证。在当前的多源大数据环境，基于大数据的城市功能区研究逐渐增多，但多局限于省、市等行政单元尺度，难以实现对城市地区职能组织更有意义的洞察和精细化管控。因此，在数字化城市向智慧城市的转型阶段期，如何对多源大数据进行科学筛选与融合应用、实现“人-地互动”视角的城市功能区多尺度精细识别，是目前亟需解决的问题。
02
研究内容与主要结论
以沈阳市为案例，基于250m×250m分辨率的手机信令数据、1.81×105条兴趣点数据和行政边界数据等多源数据，构建城市居住、工作和游憩功能区及其混合功能区识别方法，开展城市功能区多尺度识别、交互验证，并解析沈阳市功能区多尺度空间分布格局特征及其与城市基础设施的相关关系。研究表明：（1）多源数据的集成运用为城市功能区的多尺度识别与增强分析提供新的思路，基于规则格网、路网边界数据划分了多尺度空间单元，结合手机数据和兴趣点数据搭建了城市设施与活动人口密度之间的关联解释路径，为深入理解城市功能布局提供参考。（2）相比于传统土地利用或规划数据以面状地块为最小研究粒度，手机数据以人群个体为最小研究粒度，用以划分的城市功能区能够准确反映城市空间的真实利用状态，对“以人为本”的智慧城市建设管理具有一定指导意义。（3）沈阳市人口密度分布视角的城市空间结构符合规划预期，功能区分布具有“同心圆、扇形、多核心”模式特征，不同尺度功能区识别结果的差异来源于对空间局部细节的增强与弱化。
图3 基于多源数据的城市功能区识别与解析研究框架
Fig. 3 A framework for identifying and understanding urban functional areas based on multi-source data
图4 沈阳市网格尺度居住、就业和游憩人口密度分布图
Fig. 4 Residential (a), employment (b) and leisure (c) population density distribution at grid scale in Shenyang City, China
图5 单一功能区（包括低居住人口密度游憩功能区（L: L）、低居住人口密度就业功能区（L: E）和高居住人口密度居住功能区（H: R））空间分布和混合功能区（包括就业-游憩功能区（E-L）、居住-游憩功能区（R-L）、居住-就业功能区（R-E）和居住-就业-游憩功能区（R-E-L））空间分布图
Fig. 5 Spatial distribution of single functional areas include leisure functional area with low residential population density (L: L), employment functional area with low residential population density (L: E) and residential functional area with high residential population density (H: R) and mixed functional areas includes employment-leisure functional area (E-L), residential-leisure functional area (R-L), residential-employment functional area (R-E) and residential-employment-leisure functional area (R-E-L) in Shenyang City, China
图6 单一功能区（低居住人口密度游憩功能区（L: L））和混合功能区（包括低居住人口密度就业-游憩功能区（L: E-L），高居住人口密度居住-就业-游憩混合功能区（H: R-E-L），高居住人口密度居住-游憩混合功能区（H: R-L），中等居住人口密度就业-游憩混合功能区（M: E-L），中等居住人口密度居住-就业-游憩混合功能区（M: R-E-L）和中等居住人口密度居住-游憩混合功能区（M: R-L））空间分布图（左图：街区尺度，右图：城区尺度）
Fig. 6 Spatial distribution of single functional areas (leisure functional area with low residential population density, L: L) and mixed functional areas include employment-leisure functional area with low residential population density (L: E-L), residential-employment-leisure mixed functional area with high residential population density (H: R-E-L), residential-leisure mixed functional area with high residential population density (H: R-L), employment-leisure mixed functional area with medium residential population density (M: E-L), residential-employment-leisure mixed functional area with medium residential population density (M: R-E-L) and residential-leisure mixed functional area with medium residential population density (M: R-L) (left: block scale, right: district scale) in Shenyang City, China
图7 城市功能区规模效应示意图
Fig. 7 Schematic diagram of the scale effect of urban functional areas
表1 沈阳市城市功能区识别规则
Table 1 Identification criteria of Shenyang City’s urban functional area in July 2018
表2 活动人口密度（人/km²）与城市设施密度（个/km²）相关系数矩阵
Table 2 Correlation coefficient matrix between active population density / (persons/km²) and urban facility density/(units/km²)
作者简介
薛冰，地理学博士，生态学博士后、生物学博士后，德国洪堡学者，中国科学院沈阳应用生态研究所研究员、博士生导师。兼任辽宁省地理学会副理事长、中国地理学会地理大数据工作委员会委员等。主要从事人地关系分析与区域发展地理研究。
肖骁，中国科学院沈阳应用生态研究所博士研究生，德国德累斯顿工业大学建筑系联合培养博士研究生。主要从事资源环境大数据与城市空间研究，在Health Policy and Technology、Geography and Sustainability等学术期刊发表论文30余篇。
转自：“经管学术联盟”微信公众号
如有侵权，请联系本站删除！
