基于出租车轨迹的广州市活跃度的时空演变分析

◎ 古 杰 周素红 闫小培 杨庆媛

基于出租车轨迹的广州市活跃度的时空演变分析

◎ 古 杰 周素红 闫小培 杨庆媛

研究一天中不同时段的城市活跃度及其稳定性可以为公共基础设施和公共服务设施的空间配置以及公共交通及安全政策的制定提供依据。本文通过出租车GPS数据所表现出的城市活跃度及其稳定性来研究城市的时空间结构形态。研究结果表明：城市活跃度的空间格局呈现出明显的中心外围结构特征，可以视为一种不规则的同心圆模式。不同日期在相同时段内城市活跃度的空间格局也存在差异，一些区域在星期一是城市活跃度一般，而同一时段的星期天城市活跃度较高。从城市活跃度和稳定性的节律特征来看，城市活跃度和稳定性均表现出明显的高峰与低谷，显示城市活跃度具有明显的日常活动的节律性。

城市活跃度 出租车出行数据 时间地理学 广州

一、引言

从实践层面来看，对城市空间结构在时间尺度上进行更加微观的研究对优化城市空间格局、建设智慧城市、提高城市基础设施和公共服务设施配置的效率以及应对城市突发事件等多个领域都具有重要的应用价值［1］。现有的空间规划和应急预案等领域多以人口分布状态或城市土地利用形态等静态或相对静态的地理事物为基础，人口分布所表现出来的城市活跃度状况成为空间规划和政策制定的重要依据［2］。然而，由于人口处在不断的移动过程之中，因此相关设施的布局和政策的制定也难免具有一定的局限性。因此，如何通过获取动态的城市空间结构数据来提高决策的科学性成为亟待解决的问题［3］。从现实情况来看，我国的人口普查数据以居民的居住地为基础，难以提供昼夜不同时间的人口分布状况，更难以提供更加精细的不同时段的人口分布状况。从土地利用方式来看，不同时段人们对土地利用的程度存在较为明显的差异，白天人口集聚的商业中心，晚上可能转变成依然高活跃度的夜市，也有可能转变成人口分布稀疏的低活跃度区域。因此，现有的土地或人口分布数据难以满足城市规划和建设实践的需求。

从理论层面来看，在微观的时间和空间尺度上分析人口的分布和移动的规律性是学术研究的重要内容。在人口分布和迁移的话题中，学者们普遍认为人口的产生和分布在大尺度的空间范围内具有地域性，在大的时间尺度上具有阶段性［4］。在较小的时空尺度内，居民在居住地居住，在工作地工作，在商业和休闲空间购物休闲，居民从事不同的活动需要在不同的空间范围内进行［5］。从时间过程来看，居民早上要从居住地出发，白天不同的时间需要前往不同的地点，晚上回到居住地，会随着昼夜交替呈现出生活节律性。由于城市是一个复杂的具有自组织功能的巨系统，同时又受到城市功能分区的影响，居住、工作、休闲、购物、接送小孩和交友等诸多活动一般分布在城市不同的位置［6］。因此，有必要从更加微观的尺度研究人口分布和迁移的规律性。

本文的研究是在时间地理学的理论框架内研究城市活跃度。相关的研究成果可以追溯到哈格斯特朗及其领导的隆德学派的研究［7］。20世纪70年代和80年代，相关的研究成果主要表现为理论和模型的构建［8-9］。其间，实证研究的内容以问卷调查为主［10-12］。20世纪90年代到21世纪初，相关研究的理论和方法获得突破［13-17］。在国外学者的研究过程中，职住不匹配话题、设施和人口不匹配话题等研究受到广泛关注［18-20］。随着现代信息通讯技术的发展以及GPS数据的广泛运用，讨论现代信息通讯技术对居民日常出行活动的影响或利用现代信息通讯技术所提供的数据进行城市时空间结构研究逐渐成为一个比较新的话题［21-22］。从国内学者的研究成果来看，城市时空间结构、贫困群体的日常活动空间、流动人口的生活活动空间、少数群体的日常行为空间等诸多领域都有所涉及［23-34］。

学者们已经开始使用时间地理学的研究方法对城市居民的行为空间进行研究［35］。然而从具体的研究内容来看，学者们对城市居民行为空间的研究一般是从特定的人群或者对特定出行目的的方面进行，这些研究一般以实地调查为主或问卷访谈为主，以大数据为基础进行全面的城市活跃度研究还有待进一步强化。本文把通过居民出租车出行目的地的核密度大小来反映城市活跃度状况，相对于已有的研究它有两个特点：一方面它是基于大数据的全样本研究；另一方面它是一种动态的研究，研究的时间尺度细化到一个小时。

二、数据与方法

北京、上海和广州是中国人口规模最大的三个城市。其中，广州是广东省的省会，位于中国大陆的南部。出租车出行在广州市交通中起着重要的作用。从公共交通的车辆比重来看，2009年广州市出租车总量为18893辆，占公共交通车船总量的62.24%，从运输乘客的人次来看，出租车年输送乘客395904万人次，占运输人次总量的14.78%。从客运收入情况来看，出租车2009年总收入为574052万元，占广州市公共交通的客运收入比重的48.13%。研究中用到的出租车数据来自出租车GPS装置，每20秒左右，出租车就会刷新一次信息，包括出租车的车牌号、速度、经纬度、速度、日期时间和载客状态等基本信息。本文选取2009年5月11日（星期一）和5月17日（星期日）两天的数据分别代表广州市工作日和休息日出租车出行的情况。其中，周一共包括约35万次出行，平均出行的直线距离为3.03km，周日共包含约39万次出行，平均出行的直线距离为3.11km，略高于周一的平均出行距离。

把出行目的地（D点）的核密度作为衡量城市活跃度的指标，并把出行目的地核密度进行分等级显示，核密度等级越高，城市活跃度较高，核密度等级越低，城市活跃度较低。对栅格内出行目的地的核密度与全天平均水平进行回归分析，用一次项系数代表该时段内的城市活跃度，R2值代表城市活跃度的总体稳定性。用单位栅格内24小时时间段内核密度的变异系数来表示空间稳定性。

三、不同时段的城市活跃度分析

在研究过程中本文通过对出行目的的核密度分析来反映不同时间区域的出行活动的活跃度。把出行活动的核密度划分为10个等级，其范围分布是（0～1］、（1～5］、（5～10］、（10～20］、（20～40］、（40～80］、（80～160］、（160～240］、（240～320］、（320～1000］，单位是人次/km2，其中小括号表示不包含，中括号表示包含。在核密度分析的过程中本文选取的搜索半径为1000米。为了表述的方便，将核密度不同的阈值范围依次称为一级活跃度、二级活跃度……十级活跃度，其中一级活跃度的核密度最低，表示单位面积内出行人次的核密度估计最低，十级活跃度的核密度最高，表示单位面积内出行人次的核密度估计最高。

0∶00到1∶00时段内，城市整体活跃度较低。最高等级的活跃度是七级活跃度。这一时期七级活跃度的区域分布比较零散，其中分布最集中的一个区域是越秀、荔湾和海珠区三个区交界的一些街道，主要有东风街道、逢源街道、龙津街道、大新街道、海幢街道和江南中街道等区域。第二个区域是天河南街、梅花街道和石牌街等越秀与天河接壤的一些街道。第三个高活跃度区域是白云区的三元里街道、新市街道和棠景街道等机场高速附近的一些区域。七级活跃度区域的外围是六级活跃度区域，外围是五级活跃度区域。

8∶00到9∶00是一天中出行的早高峰时段。本时段的最高出行活跃度为十级，十级活跃度区域主要分布在环市东路到天河路和中山大道西路沿线的街道主要包括东风街道、大榕街道、广卫街道、建设街道、华乐街道、农林街道和黄花岗街道等区域。此外在广州火车站和广州火车东站的附近区域也为十级活跃度区域。在解放中路、解放南路附近的区域也呈现出十级活跃度，而在珠江新城附近的区域也呈现出十级活跃度。

11∶00到12∶00时段内，十级活跃度的区域主要有5处，面积较大的是广州火车站所在的流花街道附近区域，其次是华乐街道和建设街道所在区域的部分范围。天河南街也有部分区域属于十级活跃度区域，另外还有两个面积较小的区域分别在北京路步行街附近和广州火车东站附近。

18∶00到19∶00时段内，十级活跃度区域仅剩下天河南街道范围内一处，九级活跃度的区域有五处，第一处分布在天河南街道，第二处位于华乐街道的范围内，第三处位于北京路附近，第四处位于广州火车站附近，第五处位于棠景街道范围内。

广州市在工作日不同时段城市活跃度的空间状况呈现出如下几个特点：其一，广州市在不同的时段出行活动的最高活跃度等级是不同的。从最高活跃度的级别来看，在0∶00到6∶00的时段内，广州市出租车出行的最高活跃度为七级。6∶00到7∶00在广州火车站和火车东站首次出现了九级活跃度区域。7∶00到8∶00最高出行活跃度有所降低，8∶00到20∶00广州市居民出租车出行的最高活跃度等级均为十级，20∶00到21∶00最高活跃度等级降低到九级。20∶00 到23∶00最高活跃度的等级恢复到十级水平。23∶00到24∶00最高活跃度区域降低到九级水平。其二，从最高等级活跃度的空间分布来看，不同的时段所处的位置是不同的。在全天较长的时段内流花街道、林和街道、天河南街道、华乐街道以及人民街道等街道属于城市活跃度较高的区域。然而就最高等级的活跃度区域范围来看，不同的时段差异较为明显。其三，同一区域在不同时段的活跃度等级有明显的变化，在区域中活跃度的相对地位也呈现比较明显的变化。

休息日城市活跃度的时空格局与工作日呈现出相似的规律性，基本特征如下：其一，广州市在不同时段最高活跃度的等级呈现出一定的节律性。从1∶00到3∶00时段内广州市的最高活跃度等级为八级，3∶00到6∶00时段内，最高活跃度等级下降到七级水平，6∶00到7∶00上升到八级，7∶00到8∶00上升到九级。9∶00到21∶00一直保持在十级水平，21∶00之后，又呈现降低的趋势。其次，在一天中的不同时段，最高活跃度等级所在的空间位置也呈现出明显的节律性变化。一些区域一直是比较稳定高等级活跃度中心，比如广州火车站、华乐街道和天河南街道，有些区域只有部分时段是高活跃度中心，而在其他时段城市活跃度水平一般，比如北京路附近和天河客运站附近区域。再次，同一区域不同时段的活跃度等级也呈现较为明显的变化。

四、城市活跃度的总体特征分析

在研究过程中，本文通过对所有时段出行目的地的核密度分析反映不同时间区域的出行活动的活跃度。图1中把出行活动的核密度划分为10个等级，为了方便与分时段的核密度等级进行对比，其范围分布是（0～24］、（24～120］、（120～240］、（240～480］、（480～960］、（960～1920］、（1920～3840］、（3840～5760］、（5760～7680］、（7680～10000］，单位是人次/km2，其中小括号表示不包含，中括号表示包含。在核密度分析的过程中，本文选取的搜索半径为1000米。同样，为了表述的方便，将核密度不同的阈值范围依次定义为一级活跃度、二级活跃度……，以及十级活跃度，其中一级活跃度的核密度最低，表示单位面积内出行人次的核密度估计最低，十级活跃度的核密度最高，表示单位面积内出行人次的核密度估计最高。由于在对总体核密度水平进行分析的过程中阈值设定相当于分时段阈值的24倍，所以总体水平的活跃度可以视为各小时时段活跃度的平均水平。

图1　工作日不同时段城市活跃度的等级

工作日最高活跃度等级为十级，十级活跃度区域仅有广州火车站附近一处区域，范围较小。九级活跃度区域有三处，一处位于广州火车站附近十级活跃度的外围地区，一处位于华乐街道范围内并向建设街道和黄花岗街道延伸，另外一处位于天河南街道范围内。八级活跃度区域也有三处分别位于三个九级活跃度的外围地区。七级活跃度区域分布在八级活跃度的外围地区，已经呈现出相对连片的分布态势。六级活跃度区域分布在七级活跃度区域的外围地区。在中心城区，基本上所有的区域活跃度等级均达到六级或六级以上水平。在中心城区之外，花都和番禺两个区的中心城区最高活跃度等级仅达到五级水平，且呈现出快速的距离衰减的趋势。其中，番禺区的区域高活跃度中心位于市桥街道范围内，而花都区高活跃度中心位于新华街道范围内。除此之外，白云机场的最高活跃度等级在周一达到了六级水平，高于番禺和花都两个区的中心活跃度。

休息日的最高活跃度等级也为十级水平。活跃度等级为十级的区域依然仅有广州火车附近一处，但是区域范围有所扩大。九级活跃度区域从工作日的三处增加到四处。一处位于广州火车站所在的流花街道，一处位于华乐街道，一处位于天河南街道，这三处区域在工作日也是九级活跃度区域。北京街道、人民街道北侧以及珠光街道和大塘街道的西侧的活跃度等级在周日也升高到九级水平。八级热度的区域分布在九级热度区域的外围，其中在越秀街道范围内的面积较大，主要围绕九级活跃度中心散开。荔湾区的八级活跃度区域主要分布在靠近越秀区的一侧。天河区的八级活跃度区域主要以天河南为中心并延伸到林和街道和石牌街道。海珠区的八级活跃度中心主要分布在江南中街道和昌岗街道的交界处，面积较小。同在海幢街道和滨江街道靠近越秀区的一侧也有小面积区域达到八级活跃度水平。七级活跃度区域分布在八级活跃度区域的外围地区，面积较大。除此之外，在赤岗街道、棠下街道、元岗街道等街道范围内也有比较孤立的七级热度区域分布。从全市的范围来看，在距离中心城区较近的区域，个别区域的活跃度等级达到六级水平。在远郊区，除白云机场所在的区域有小面积区域达到六级水平外，其他远郊区的最高活跃度等级为五级水平。远郊区的多数区域活跃度等级在二级或二级以下水平。从不同的搜索半径及其热度等级的示意图来看，广州市城市活跃度呈现明显的多中心格局。

从总体上看，广州城市活跃度呈现以下特点：其一，城市活跃度有几个明显的中心。流花街道、天河南街道和华乐街道范围内或相邻区域的中心性较强，其中等级最高的是广州火车站所在的流花街道。其二，一些中心在工作日不明显，而在休息日较为明显。比如北京街道范围内及其附近的高活跃度区域。其三，在距离主城区较近的非中心城区也形成了一些具有较高活跃度的区域，比如天河客运站范围内的元岗街道。其四，在远离中心城区的远郊区也形成了若干高等级的活跃度中心，分别是白云机场、花都区域中心和番禺区域中心。其五，在远离中心城区的多数空间范围内，城市的活跃度等级水平较低，普遍在三级水平或二级水平以下。

图2　工作日和休息日城市活跃度等级

为了测度城市在不同时段的活跃度的总体水平，本文首先计算出全天的平均活跃度水平。然后把单位时段内的活跃度水平与全天平均的活跃度水平进行线性回归分析。其中表中x表示城市活跃度的平均水平，y表示不同时段的城市活跃度水平。如果一次项系数大于1，表示该时段内的整体活跃度水平大于全天的平均水平，如果小于1，表示活跃度水平低于全天的平均水平（图3）。

在工作日城市活跃度水平表现为早晨高峰时段、上午高峰时段、下午高峰时段和晚上高峰时段四个城市活跃度的高峰时段，其间对应的是城市活跃度的四个低谷时段。0∶00到4∶00时段内，城市活跃度水平呈现出下降的趋势，是一天中城市活跃度的第一个低谷阶段。6∶00到7∶00时段内，城市活跃度水平呈现出短暂的升高。8∶00到10∶00时段内，城市活跃度达到了一天中城市活跃度的第一个高峰时段。12∶00 到13∶00为城市活跃度的第二个低谷阶段。14∶00到15∶00城市活跃度水平有所升高，成为第二个城市活跃度的第二个高峰时段。16∶00到18∶00是下午城市活跃度的低谷阶段，也是一天中第三个城市活跃度的低谷阶段。19∶00到20∶00是城市活跃度的第三个高峰时段，20∶00到21∶00城市活跃度水平有所降低，是一天中的第四个低谷时段。21∶00到22∶00是一天中的第四个高峰时段，22∶00之后，城市活跃度逐渐降低。从8∶00到23∶00，除20∶00到21∶00城市活跃度略低于平均水平外，整体上城市活跃度水平较高。0∶00到8∶00，城市活跃度水平始终低于平均水平，是城市活跃度的低水平阶段。总体上，城市活跃度具有明显的昼夜交替的节律性。

休息日城市活跃度水平表现为上午高峰时段、下午高峰时段和晚上高峰时段三个城市活跃度的高峰时段，与高峰时段对应的是城市活跃度的低谷时段。0∶00到6∶00，城市活跃度呈现出稳步下降的趋势，5∶00到6∶00是休息日城市活跃度的第一个低谷时段。6∶00之后城市活跃度逐渐提高，10∶00到16∶00是城市活跃度的第一个高峰时段。休息日由于多数居民不需要上班，没有出现早晨高峰时段和上午高峰时段的明显分离，仅仅在13∶00 到14∶00有极小幅度的下降。16∶00到17∶00成为休息日城市活跃度的第二个低谷阶段。19∶00到21∶00是一天中的第二个高峰时段。21∶00到22∶00是休息日的第三次低谷阶段。22∶00到23∶00是休息日的晚高峰时段，23∶00之后，城市活跃度水平明显降低。从城市活跃度的昼夜节律性看，21∶00 到22∶00城市活跃度的水平明显低于平均水平，1∶00到7∶00城市活跃度低于平均水平。

五、城市活跃度的空间格局

根据活跃度和变异系数的高低，把研究区域划分为四类，第一类是稳定低活跃度区域，指的是活跃度低变异系数也低的区域，其中活跃度在240人次/Km2以下，变异系数小于1；第二类是稳定高活跃度区域，指的是活跃度较高且变异系数较低的区域，其中活跃度在240人次/Km2以上，变异系数小于1；第三类是不稳定低活跃度区域，指的是活跃度较低而变异系数较高的区域，其中活跃度在240人次/Km2以上，变异系数大于1；第四类是是不稳定高活跃度区域，指的是活跃度较高变异系数也较高的区域，其中活跃度在240人次/Km2以上，变异系数小于1。

各种类型的区域分布如图4所示。从图示情况来看，稳定的高活跃度区域占据了中心城区的大部分分区域。越秀区除登峰街道靠近白云山的一侧，其余全部区域都属于稳定高活跃度区域。荔湾区靠近越秀区的一侧也属于稳定高活跃度区域。海珠区的南洲街道、江海街道和赤岗街道及其以西的区域属于稳定高活跃度区域，琶洲街道的部分区域也属于稳定高活跃度区域。天河区靠近海珠区和越秀区一侧的区域也属于稳定高活跃度区域。休息日稳定高活跃度区域的空间分布与工作日总体上相同，不同的是空间分布的范围稍微大一些。

图3　工作日和休息日城市活跃度的时间变化

稳定低活跃度区域分布在两个比较集中的区域。一是在远离中心城区的郊区地带，由于在全天的活跃度等级均比较低，变异系数较小，因此属于稳定的低活跃度区域。二是临近中心城区的近郊区活跃度水平相对较低，同时变异系数是略低于1，这些区域属于稳定的低活跃度区域。但是其活跃度水平比郊区的要高，变异系数也比郊区的要高。

不稳定低活跃度区域主要分布在近郊区和远郊区的过渡地带。这一区域随着与中心城区之间的距离增大，活跃度水平有较为明显的下降。同时这一区域往往在一些重要的交通站点或区域性高活跃度中心的周围，在部分时段仍然有较高的出行密度，因此属于不稳定的低活跃度区域。从图示情况来看，不稳定低活跃度区域主要分布在番禺区和白云区，尤其是两个区在靠近中心城区的一侧分布范围较为广泛。黄埔区除黄埔街道的部分区域外，多数区域也属于不稳定的低活跃度区域。萝岗区在靠近黄埔区的部分区域属于不稳定低活跃度区域。花都区在新华街道、炭步镇、狮岭镇和花山镇的部分区域属于不稳定低活跃度区域。花东镇仅有几个比较离散的点状区域属于不稳定的低活跃度区域。相对于工作日的情况，不稳定的低活跃度区域在远郊区有较多的点状区域分布。

图4　工作日和休息日城市活跃度的空间格局

不稳定高活跃度区域的范围极小。工作日不稳定高活跃度区域主要分布在荔湾区的东沙街道和金沙街道，海珠区南侧的瑞宝街道和南洲街道。天河区的车陂街道和前进街道，以及京溪街道、龙洞街道和长兴街道。白云区主要分布在白云山南侧和东侧的白云山风景区。在休息日不稳定的高活跃度区域主要分布在金沙街道、三元里街道北侧、白云山景区的南侧和东侧、龙洞街道、长兴街道和元岗街道以及五山街道和琶洲街道的部分区域。

六、结论与讨论

本文通过对不同时间断面居民出租车出行目的地的分布状况来分析城市活跃度，根据居民出行目的地核密度的大小把城市活跃度分为十个等级，从而展示一天中不同时段城市活跃度的空间状况和分布特征。基本结论如下：

其一，不同时段内城市活跃度的水平有明显的变化。主要表现在三个方面：不同时间最高活跃度的等级具有一定的规律性；一天中不同时段最高活跃度区域出现的空间位置也有明显的变化；同一区域不同时段城市活跃度也呈现出日常活动的规律性。

其二，城市活跃度的总体水平表现出明显的中心外围格局。城市中心区域城市活跃度水平较高，与城市中心相邻的城市近郊区地带城市活跃度水平较低，中心城区的远郊区地带城市活跃度水平极低，部分区域范围内鲜有出租车出行的目的地分布。

其三，城市活跃度水平的时间变化表现出明显的节律性。工作日城市活跃度有明显的早晨高峰、上午高峰、下午高峰和晚上高峰以及分布其间的低谷时段，表现为四个高峰时段和四个低谷时段明显的节律性。休息日城市活跃度表现为上午高峰、下午高峰和晚上高峰三个高峰时段及分布其间的低谷时段，表现为三个高峰时段和三个低谷时段。工作日和休息日城市活跃度均表现出明显的昼夜交替的规律性，其中工作日白天城市活跃度的水平总体上高于休息日，而晚上恰好相反。

其四，城市活跃的空间格局呈现出明显的中心外围结构特征。在城市中心区形成了稳定高活跃度区域，近郊区形成了不稳定的高活跃度区域，而在远郊区则形成了稳定的低活跃度区域。活跃度高但不稳定的区域零散地分布在稳定高活跃区域的外围，在高活跃度区域和低活跃度区域之间也会形成面积较小的过渡地带。整体上城市活跃的空间格局呈现出中心外围的圈层结构特征，可以视为一种不规则的同心圆结构。

为了验证相关的结论，本文进行了出行日志的问卷调查。问卷调查的时间是2013年4月4日（清明节）到5月1日（劳动节）之间进行。5月1日之后，个别调查地点进行了补充调查，约占问卷总量的10%。问卷调查在广州市12个街道内的18个社区内进行。共计回收1604份有效问卷，被调查的家庭个数是1332个，每个家庭调查一位被访者的户数是1060户，每个家庭有两位被访者的户数是272户。跨度是12～75岁，18岁以下的未成年人有16位，占本地问卷总数的1.0%。从问卷调查结果来看，工作日出行活跃度与相应的出租车出行活跃度的空间耦合程度为71.47%，休息日的空间耦合程度为65.22%。

本文重点分析了城市活跃度水平时间和空间变化的规律性，同时也考虑到了工作日和休息日之间的区别。但是在研究的过程中仅仅用星期一城市活跃度水平来代替工作日，把星期天的城市活跃度水平来代替休息日还是有一定的局限性。尤其是休息日，居民出行的随机性较大，需要更多的案例研究才较为合理。出租车出行虽然相对于其他出行方式更具有灵活性，但是也存在一定的代表性问题，以5∶00到 6∶00的出行高峰为例，实际上是由于6∶00之前部分居民的出行已经开始，公交车和地铁等其他公共交通尚未开始运营，因此在数据上表现出了城市活跃度的小高峰时段。此外，城市空间结构会受到多种因素的影响，以出租车出行的城市活跃的空间结构的影响因素有待于进一步研究［36］。

［1］戚伟，李颖，刘盛和，高晓路，赵美风.城市昼夜人口空间分布的估算及其特征——以北京市海淀区为例.地理学报，2013，68（10）：1344-1356.

［2］柴彦威，关美宝，萧世伦.时间地理学与城市规划：导言［J］.国际城市规划，2010，25（6）：1-2.

［3］Gusdorf F， Hallegatte S， Lahellec A. Time and space matter： how urban transitions create inequality［J］. Global Environmental Change. 2008，18（4）：708-719.

［4］刘盛和，邓羽，胡章.中国流动人口地域类型的花费方法及其空间分布特征.地理学报，2010，65（10）：1187-1196.

［5］Kwan M P. How GIS can help address the uncertain geographic context problem in social science research［J］. Annals of GIS. 2012， 18（4）： 245-255.

［6］周素红，邓丽芳.基于T-GIS的广州市居民日常活动的时空关系.地理学报，2010，65（12）：1454-1463.

［7］Hägerstrand T. What about people in grgional science ［J］. Papers and proceedings ofthe regional science association. 1970，24（1）：7-21.

［8］Pred A. Social Reproduction and the Time-Geography of Everyday Life［J］. Geografiska Annaler. Series B，Human Geography.1981，63（1）：5-22.

［9］Pred A. The choreography of existence： comments on H？gerstrand's time-geography and its usefulness［J］. Economic geography.1977：207-221.

［10］Burnett P， Hanson S. The analysis of travel as an example of complex human behavior in spatiallyconstrained situations： Definition and measurement issues［J］. Transportation Research Part A：General.1982，16（2）：87-102.

［11］Hanson S， Burnett K O. Understanding complex travel behavior： Measurement issues［J］. New horizons in travel-behaviour research.1981：207-230.

［12］Hanson S， Hanson P. The travel-activity patterns of urban residents： dimensions and relationships to sociodemographic characteristics［J］. Economic geography.1981，57（4）：332-347.

［13］Schwanen T， Dijst M， Kwan M P. Introduction - The Internet， changing mobilities， and urban dynamics［J］. Urban Geography.2006，27（7）：585-589.

［14］Kwan M P. GIS methods in time-geographic research： Geocomputation and geovisualization of human activity patterns［J］. Geografiska Annaler， Series B： Human Geography.2004，86（4）：267-280.

［15］Kwan M P. Space-time and integral measures of individual accessibility： a comparative analysis using a point-based framework［J］. Geographical Analysis.1998，30（3）：191-216.

［16］Miller H J. Modelling accessibility using space-time prism concepts within geographical information systems［J］. International Journal of Geographical Information System.1991，5（3）：287-301.

［17］Pendyala R M， Goulias K G， Kitamura R. Impact of telecommuting on spatial and temporal patterns of household travel［J］. Transportation.1991，18（4）：383-409.

［18］Neutens T， Schwanen T， Witlox F. The prism of everyday life： towards a new research agenda for time geography［J］. Transport reviews.2011，31（1）：25-47.

［19］Sang S， O'Kelly M， Kwan M P. Examining commuting patterns： Results from a journey-to-work model disaggregated by gender and occupation［J］. Urban Studies.2011，48（5）：891-909.

［20］Hawthorne T L， Kwan M P. Using GIS and perceived distance to understand the unequal geographies of healthcare in lower-income urban neighbourhoods［J］. Geographical Journal.2012，178（1）：18-30.

［21］Berry M， Hamilton M. Changing urban spaces： Mobile phones on trains［J］. Mobilities.2010，5（1）：111-129.

［22］Kwan M P. Mobile communications， social networks， and urban travel： Hypertext as a new metaphor for conceptualizing spatial interaction［J］. Professional Geographer.2007，59（4）：434-446.

［23］柴彦威.以单位为基础的中国城市内部生活空间结构──兰州市的实证研究［J］.地理研究.1996，15（1）：30-38.

［24］柴彦威，翁桂兰，刘志林.中国城市女性居民行为空间研究的女性主义视角［J］.人文地理.2003，18（4）：1-4.

［25］曹丽晓，柴彦威.上海城市老年人日常购物活动空间研究［J］.人文地理.2006，21（2）：50-54.

［26］刘玉亭，何深静，李志刚.南京城市贫困群体的日常活动时空间结构分析［J］.中国人口科学.2005（S1）：85-93.

［27］冯健，陈秀欣，兰宗敏.北京市居民购物行为空间结构演变［J］.地理学报.2007，62（10）：1083-1096.

［28］兰宗敏，冯健.城中村流动人口的时间利用以及生活活动时空间结构——对北京5个城中村的调查［J］.地理研究.2010，29（6）：1092-1104.

［29］蔡晓梅，赖正均.广州居民在外饮食消费行为的时空间特征研究［J］.人文地理.2008，123（03）：79-84.

［30］曹小曙，黄晓燕，董哲.基于GIS的公共交通可达性与居民出行特征［J］.华南师范大学学报（自然科学版）. 2013，45（5）：98-105.

［31］曹小曙，林强.基于结构方程模型的广州城市社区居民出行行为［J］.地理学报.2011，66（02）：167-177.

［32］刘云刚，谭宇文，周雯婷.广州日本移民的生活活动与生活空间［J］.地理学报.2010，65（10）：1173-1186.

［33］薛德升，蔡静珊，李志刚.广州市城中村农民工医疗行为及其空间特征——以新凤凰村为例［J］.地理研究.2009，28（05）：1341-1351.

［34］周春山，叶昌东.中国城市空间结构研究述评［J］.地理科学进展.2013，32（7）：1030-1038.

［35］Yanwei. Chai.Space-Time Behavior Research in China：Recent Development and Future Prospect［J］. Annals of the Association of American Geographers，2013，103（5），1093-1099

［36］曹卫东，唐云云.城市专业批发市场区位演化与城市空间的时空耦合——以芜湖市为例［J］.经济地理. 2013，33（5）：60-66.

（责任编辑：卢小文）

Research on Space-Time Evolution of Urban Activity Based on the Trajectory of Taxi： A Case Study of Guangzhou

Gu Jie， Zhou Suhong， Yan Xiaopei， Yang Qingyuan

Researching active level and its stability could help policy making in spatial allocation of public infrastructure and public service facilities as well as public transportation safety. Traditional public service facilities and infrastructure allocation has limitation as it is based on static population distribution rather than considering individual mobility. It is important to get city active level information， but it is not easy to collect relative data as traditional census does not involve temporal information. However big data （taxi GPS e.g.） provides a new data collection approach in this field. Taxi GPS trajectories have advantages in massive data， flexibility and dynamics compared to travel diary， publication transportation data and land-use data， etc. Taxi travel takes a proportion of 14.78% in citizen daily travel. This study explores urban spatial temporal structure of active level and stability represented by GPS trajectory data. Main results are as follows. Characteristics of spatial pattern of urban activity has obvious center periphery structure， can be regarded as a kind of irregular concentric patterns. Differences also exist in different date. Active level in some areas is higher in Sunday than Monday in the same time period. From perspectives of active stability rhythms， active level and stability present obvious peak and trough over time. Urban active level has obvious daily rhythms feature.

time-space structure； activity； taxi trajectory data； time geography； Guangzhou

U495

10.3969/j.issn.1674-7178.2016.04.008

国家自然科学基金项目“时空关联视角下城市空间结构的形成与演变机理研究”（41271166）。

古杰，深圳市城市规划设计研究院主创设计师，主要研究方向是城市地理、时间地理和区域经济。周素红，中山大学地理科学与规划学院教授，主要研究方向是城市地理、城市交通和GIS应用等。闫小培，中山大学地理科学与规划学院教授，博士生导师，主要研究方向是城市地理学。杨庆媛，西南大学地理科学学院教授，博士生导师，主要研究方向是国土资源管理与区域开发、区域经济。