基于百度热力图数据的城市空间结构分析

梁家俊

摘要：本文利用百度热力图数据，结合arcgis技术，对中山市主城区工作日及周末人群的热力集聚度、集聚位置等数据的变化情况进行分析，得出时间和空间上人口热度分布结论。通过热力平均值与热力标准差的计算与分析，对城市各区域城市功能进行评价与识别，为城市空间研究与城市实际规划提供更为动态的方法和依据。

关键词：百度热力图；中山市主城区；城市空间结构

城市空间结构是城市规划的重点研究对象。基于被动收集的城市大数据能够克服传统研究方法成本高、时间长等缺点，成为了先进城市空间结构研究的新手段。

1、研究目的

基于百度热力图可提取实时人口数据的特征，以中山市主城区为研究对象，通过中山市主城区不同时间和空间的人口热度变化，发现人口分布的规律。根据人群在不同时间点的空间位置规律识别城市商务办公中心、休闲娱乐中心等城市功能区。

2、研究对象与时间

本次研究对象为中山市主城区，研究时间选取工作日和周末两个时间点。

3、数据处理

本次研究采用的数据包括：从7点到23点以半小时为频率，2018年12月24日至12月26日共68张热力图；WGS1984坐标系的影像图数据；主城区范围的百度地图。

通过arcgis对热力图进行空间校准及波段提取，得到本次研究所需的34张热力图PNG文件。

4、工作日人口热力分布分析

4.1 工作日热力高峰规律

热力高峰出现在8点、11点、21—23点；热力低谷出现在下午16点。

4.2、工作日人口热力分布分析

将热力图数据重分类为七类，类别越大，该区域集聚程度越高。本次研究将4、5类定义为次热力区，6、7类定义为高热力区。

5、周末人口热力分布分析

5.1周末热力高峰规律

在周末，热力度高峰出现在13点、17—19点、22点。市民出行较为分散，午后逐渐聚集成高峰。

5.2周末人口热力分布分析

与工作日相同，将热力图数据重分类为七类，本次研究将4、5类定义为次热力区，6、7类定义为高热力区。

6、基于热力平均值和热力标准差的城市功能评价与城市功能区详细识别

6.1评价指标：热力平均值与热力标准差

热力平均值表征一个区域整体的热度水平。平均值越高，说明区域的整体热度越大，分布的人口越多，反之则人口越少。

热力标准差表征一个区域不同时段的人口热度变化程度。标准差越低，表明区域不同时间的人口热度变化越小，人口热度变化越平缓。反之表明区域不同时间的人口热度变化越剧烈。

6.2中山市主城区城市功能评价

综合周末与工作日两天样本数据，利用热力平均值因子，可识别出平均高的区域为城市热力核心区；利用热力标准差因子，可识别出标准差高的区域为城市单一功能区；标准差低的区域为城市复合功能区。经过识别后，可得出以下结果：

电子科技大学片区、大信新都汇片区、火炬区科技园片区 、张家边片区这4个区域为目前中山市居住、休闲、工作多功能混合最为成熟的区域。

6.3城市功能区详细识别

结合特定时段的热力值与标准差值，可识别出更为详细的城市功能区。

7、结语与展望

本文基于百度热力图数据对中山市主城区工作日与周末人口的时间空间分布特征进行分析表述，并尝试对城市功能区进行识别。尽管在研究方法、数据处理上还有不成熟之处，但却看到了大数据在城市研究和规划领域上的巨大可能性。基于地理信息的大数据势必能在未来城市研究和规划发展上发挥越来越大的作用。

参考文献：

[1]吴志强，叶钟楠.基于百度地图热力图的城市空间结构研究——以上海中心城区为例[J].城市规划，2012（4）：33-40.

[2]王录仓.基于百度热力图的武汉市主城区城市人群聚集时空特征[J].西部人居环境学刊，2018， 33（02）： 52-56.

[3]邓悦，王铮，熊云波，等. 上海市城市空间结构演变及预测[J]. 华东师范大学学报：自然科学版：自然科学版，2002（2）：67-72.

[4]房艳刚，刘鸽，刘继生.城市空间结构的复杂性研究进展[J].地理科学，2005（6）：754-761.

[5]甄峰，秦萧.大数据在智慧城市研究与规划中的应用[J].国际城市规划，2014，29（06）：44-50.

[6]秦萧，甄峰.大数据时代智慧城市空间规划方法探讨[J].现代城市研究，2014（10）：18-24.

[7]祝桂丽，潘付英.大数据时代规划设计发展与创新[J].规划师，2014（12）：111-118.

[8]吳昊，彭正洪.城市规划中的大数据应用构想[J].城市规划，2015，39（09）：93-99.

（作者单位：中山市规划设计院）