大数据视角下的城市“三生”空间识别及分布特征研究——以乌鲁木齐市中心城区为例

王 庆，王承武

（新疆农业大学 管理学院，新疆 乌鲁木齐 830000）

随着生态文明体制改革和美丽中国建设步伐的加快，科学合理地规划布局城市“生产—生活—生态”空间（简称“三生”空间）已成为当前学术界研究的热点问题［1］。城市“三生”空间是以土地利用为基础，为人类提供产品和服务的功能空间［2］，准确识别城市“三生”空间对于提升城市规划、实现高质量发展具有重要意义。长期以来，关于城市“三生”空间的识别已有较为深入和系统的研究。从研究方法上看，传统数据语境下的研究方法主要分为土地利用类型归并法［3-5］和指标体系测算法［6-8］。其中，土地利用类型归并法是当前学术界应用较多的方法，该方法可利用遥感影像识别土地利用类型，快速划分“三生”空间，但仅能反映土地利用的自然属性，无法反映其社会经济功能［9］；指标体系测算法根据空间功能价值测算函数建立测算体系识别“三生”空间，该方法识别准确度较高，但在城市尺度存在数据搜集困难、计算复杂等问题。面对日益复杂的城市问题，采用更精细的数据进行研究成为城市规划和管理的迫切需求。

伴随着数据挖掘技术取得突破性进展，利用POI数据进行了城市空间研究已经成为学术界研究的热点方向之一［9］，学者们主要利用POI 数据进行了城市功能区划分［9-12］、中心（边界）识别［13，14］、业态集聚分析［15，16］等。POI 数据具有数据量大、信息丰富等特点，对其合理利用有助于掌握城市运行规律，在城市规划、管理中具有重要的价值［10］。近年来POI数据逐步被学者用于城市“三生”空间的研究，如曹根榕、顾朝林、张乔杨基于网格采用POI数据对上海市中心城区“三生”空间进行了识别［17］；赵宏波、魏甲辰、孙东琪等采用随机森林模型识别了郑州市“生产—生活—生态”空间，并分析了其时空演变［18］。总体上看，已有部分学者利用POI 数据进行了城市“三生”空间识别研究，但是存在对POI 数据属性挖掘不够详尽，且注重识别方法的应用而缺少对识别出的各类空间分布特征、模式的深入分析。同时，城市“三生”空间识别需要获取城市最小用地单元，可通过城市规划数据或人工数字化获取，但存在获取难度大、速度慢等问题［9］。曹根榕、顾朝林、赵宏波等利用格网化的方法生成研究单元作为城市“三生”的识别基础［17，18］。格网是规整均匀分布在研究区内，但城市内部多由不规则的多边形组成，因此格网单元与实际情况不太相符。而道路作为城市建设的骨架，是城市区域自然分割的界线［12］，其形成的不规则单元是城市规划的基本单元［19］，对城市发展起到引导作用。因此，以城市道路为依托划分研究单元能够考虑到城市内部实际情况，且对城市“三生”空间识别而言，具有相同社会经济功能的单元空间分区更具有合理性。

综上所述，本文以乌鲁木齐市为例，以OSM 路网数据划分研究单元，基于POI数据构建“影响力—空间面积”权重模型对乌鲁木齐市“三生”空间识别并解析分布特征，为该市“三生”空间结构调整和优化提供参考。

1 研究区概况及数据来源

1.1 研究区概况

乌鲁木齐市地处我国西北部，是丝绸之路经济带的核心节点城市，其高质量发展对丝绸之路经济带具有引领性作用，而实现国土空间优化是推动城市高质量发展的重要内容。本文选取乌鲁木齐市中心城区为研究区，因该区域是城市化和工业化的核心承载区。

1.2 数据来源与处理

OSM路网数据来源于OpenStreetMap 平台。首先，对原始路网进行拓扑处理，消除连接错误；其次，根据《城市道路工程设计规范》，结合实际情况，对高速公路、主干道、一级道路、二级道路分别拓宽30m、20m、10m、5m，进而建立道路空间；最后，将道路空间从研究区内移除，得到研究单元（图1）。

图1 城市路网及地块单元Figure 1 Urban road network and parcels

利用Python爬取243216 条高德地图POI 数据。由于数据存在冗余、重叠问题，因此首先剔除研究相关度低的POI，并根据“三生”空间的定义及《城市用地分类与规划建设用地标准》（GB50137—2011）对POI数据进行归类。①生产空间，指用于生产经营管理活动的场所。城市区域中的生产空间主要指工业、物流仓储、交通运输、商务、公共管理用地，主要包括生产服务空间、工业空间、管理空间和交通空间4 大类。②生活空间，指人们居住、消费和娱乐的场所。城市区域中的生活空间是指具有居住及生活配套设施等用地，包括生活服务空间和居住空间两大类。③生态空间，指具有生态功能，为人类提供生态产品和服务的区域。城市区域中的生态空间主要指公园绿地、风景区等。具体对应POI数据见表1。

表1 基于“三生”空间的POI分类及权重Table 1 POI Classification and Weight based on“production- living- ecological”space

2 研究方法

2.1 城市“三生”空间类型POI权重

由于POI数据不具备实体规模信息，且与城市“三生”空间影响力不同，因此需要对各类POI 进行权重赋值。

影响力权重：参照文献［18，20］，采用随机森林模型确定POI影响力权重。随机森林模型是一种基于分类树的算法，在处理大数据时具有较强优势，该模型可以评估变量的重要性。根据设定的研究单元，结合规划图，均匀选取“三生”空间样本单元250 个，同时统计样本单元中各类POI 的数目，将样本数据导入模型，选取最优模型结果，利用Importance（）函数对POI重要性进行排序，并按所属“三生”空间类型标准化，进而得到POI影响力权重（表1）。

空间面积权重：由于不同类型POI 实体规模相差较大，因此以POI面积评价其实体规模。根据《中国现行的业态分类标准》（GB／T18106—2010），对于明确的POI建筑面积直接引用，未明确的POI 类型则通过结合影像测量和同类对比，推算其一般建筑面积。POI种类较多，最后根据POI 一般面积大小采用分级打分的方式最终确定权重（表1）。对研究单元内各类POI 进行加权汇总，通过构建类别比例来确定空间类型。计算公式为：

式中，Dij为i单元j类空间类型总分数；Nk为该单元内第j 类空间的第k 类POI 的数量；Wk为第k类POI的权重；m 为该单元内存在的所有POI 的类别总数；Nl为第l类POI的数量；Wl第l类POI的权重。参照已有的研究［18］，设定：若Dij≥50%，则将该单元的空间判定为对应的空间类型；若Dij均未达到50%，则认定为混合空间。

2.2 核密度估计法

核密度估计法能够顾及地理学第一定律的影响，较好地反映地理现象空间分布中的距离衰减效应［21］，可用于空间热点区的探测。计算公式为：

式中，n为带宽范围内的点数；K（·）为核函数；h为带宽。带宽的选择直接影响核密度分析结果，经过多次测试，本文将生活空间、生产空间和生态空间的带宽分别设置为800m、1000m、1500m。

3 结果及分析

3.1 城市“三生”空间识别结果

乌鲁木齐市共有6 类空间，包括3 类单一空间和3 类混合空间（图2）。其中，单一空间包括生活空间（共计1593 个单元，总面积为441.07km2），生产空间（共计875 个单元，总面积为404.37km2），生态空间（共计57 个单元，总面积为32.22km2）；混合空间包括生产生态空间（共计9 个单元，总面积为8.08km2），生活生产空间（共计15 个单元，总面积为4.70km2），生活生态空间（共16 个单元，总面积为6.58km2）。总体而言，受地形、水源等自然条件影响，乌鲁木齐城市空间结构呈“T”型的北宽南窄空间格局，城市“三生”空间分布与城市功能分区布局相符合。纵向以由南北向的生活空间为主，内呈块状分布；横向以东西走向的生产空间为主，集中分布在乌鲁木齐市的各类工业区；生态空间主要呈点状分布，与生活空间形成交错镶嵌的分布状态。混合空间数量较少，分布无明显规律，后文不再进行分析。

图2 乌鲁木齐市“三生”空间识别结果Figure 2 Identification of“production- living- ecological”space in Urumqi City

3.2 识别结果检验

为了检验城市“三生”空间识别结果的准确性，本文选取典型区域作为案例，结合百度地图和城市规划图对识别结果进行检验，建立误差矩阵验证识别精度。经过对比计算后发现，误差矩阵总体精度为77.78%，Kappa 值 为70. 02%，识 别 精 度 较 高（表2）。同时，选取高铁新区典型区域进行对比检验（图3）。本文将A、B、C 区域分别识别为生产空间、生活空间、生态空间，规划图中分别为物流仓储用地、居住用地、公园绿地。对照百度地图可知，A区域分布有光正钢构公司，属生产空间；B 区域为朗坤德泽园小区，为生活空间；C 区域为大绿谷生态公园，为生态空间。选取老城区典型区域进行检验（图3）。本文将D、E、F区域识别为生态空间、生活—生态空间、生活—生产空间，规划图中D、E、F 为公园绿地、公园绿地—居住—教育科研用地、商住用地。对照百度地图可知，D区域为红山公园，属于生态空间；E区域分布有红山公园南园、中学和住宅小区，功能较为混合，属于生活—生态空间；F 区域有时代广场，内部分布着众多公司企业，属于生产—生活空间。总体而言，“三生”空间识别结果准确度较高，能够较为精细地识别城市内部各类空间的分布特征。

表2 “三生”空间样本误差矩阵Table 2 “Production- living- ecological”space sample error matrix

图3 “三生”空间识别结果对比Figure 3 “Production- living- ecological”space result comparison

3.3 城市“三生”空间分布的区际差异

本文从行政区视角来探索“三生”空间的分布情况（表3）。各行政区“三生”空间分布的区际差异较明显，总体上呈现“大分散，小集中”的特征。具体来看，生活空间在新市区占比最高（25.24%），其次是沙依巴克区（19.14%），上述区域为乌鲁木齐市生活空间分布的核心板块。生活空间分布数量最少的区域是头屯河区，为乌鲁木齐市生活空间分布的“边缘地带”。作为中心城区的边缘组团，该区域以生产功能导向为主，生活功能属性较弱。生产空间主要集中在米东区、新市区、头屯河区3 区，约占总量的82.69%。该区域主要以生产导向为主，分布有各类产业区，集中了大量的生产空间，为推动乌鲁木齐市经济发展发挥了重要作用。生态空间主要在“老四区”集中分布，其中占比最高的是沙依巴克区（23.45%），其 次 是 新 市 区（21. 92%）、水 磨 沟 区（16.36%）。但生态空间在各区的分布数量都较小，说明生态空间设施布局较生活空间、生产空间仍显落后，城市空间组合结构需进一步优化。

表3 乌鲁木齐市“三生”空间分布的区际差异Table 3 Regional differences of distribution of“production- living- ecological”space in Urumqi City

3.4 城市“三生”空间集聚特征

本文通过ArcGIS进行平均最邻近分析，以最邻近比率来衡量“三生”空间的集聚度指标（表4）。其中，生态空间的最邻近比率最高，为1.16，说明该类空间分布相对均匀分散，集聚程度较低；生活空间的最邻近比率为0.89，呈明显的凝聚型格局；生产空间最邻近比率处于中间序列，为0.96，相对集中。整体来看，城市“三生”空间的集聚程度呈现“生活空间＞生产空间＞生态空间”的位序特征，形成“生活空间较强凝聚，生产空间相对集中，生态空间均匀分散”的格局特征。

表4 乌鲁木齐市“三生”空间集聚分布特征Table 4 Agglomeration characteristics of“production- living- ecological”space in Urumqi City

3.5 城市“三生”空间分布特征

本文使用ArcGIS空间分析法进行缓冲区分析，以红山公园为中心，以2km 为间隔做缓冲区，统计各圈层内“三生”空间数量（图4）。总体上看，各类型数量占比呈中心向外围逐级递减的规律，圈层式结构特征较为明显。具体来看，12—24km 范围内为生产空间的“隆起带”，数量约占全市的60.82%。该区域处于城市外围，毗邻绕城高速，由于中心城区地价较高，而外围区域地价较低，交通可达性不断提高，因此生产空间逐渐在该区域集聚。生活空间主要分布在距离市中心4—16km 范围内的区域，占总数的64.51%；生态空间集中分布在14km范围内的中心区域，城市边缘区域分布较少，是生态空间规划与建设的薄弱区域。

图4 乌鲁木齐市“三生”空间圈层分布Figure 4 Zonal distribution of“production- living- ecological”space in Urumqi City

生活空间分布特征具体表现为（图5）：①生活空间由南向北延伸，呈“西北—东南”向走势，北部为主要发展方向。总的来说，生活空间分布特征与自然地理条件存在直接关系。乌鲁木齐市南部靠山，发展空间狭窄，北部为广阔的冲积扇平原，水土资源与地形约束下的城市规划引导各类生产、生活要素向北集聚。②呈现内部连片、外围组团分布的特征。大部分生活空间集中于城市中心区域，此区域城市建设较早，在人口集聚，生活氛围上具有显著优势，能较好地满足居民的日常生活需求。③空间上形成“南密北疏型扩散，东北部自成单核”的集聚特征。一方面，受“南控、北延、东进”城市发展战略的影响，南部老城区的门户职能和部分服务职能逐步向北部新城疏解；另一方面，符合规划思路中所要形成的“双核、多组团”空间格局。

生产空间分布特征主要如下（图5）：①生产空间呈现“东西两翼”的格局，东翼是“米东工业园—甘泉堡开发区”组成的能源化工产业发展翼，西翼是“104 团合作区—头屯河工业园—八钢集团”的制造业发展翼。从城市产业发展的角度来讲，生产空间呈现“东西两翼”的格局，说明城市各类产业既在城市总体层面上协调了与周边城市的产业关联性（即实现乌昌城市群的协同发展），也在城市内部对产业进行了分区融合，实现了资源的优化配置。②主要沿城市交通干线布局，围绕产业区呈现“多中心”的集聚特征。一方面，生产空间分布呈现出显著的交通集聚指向，即生产空间往往沿交通线等重要廊道辐射、扩散，而吐乌大高速和乌奎大高速为“东西两翼”的生产空间格局形成奠定了基础；另一方面，由于乌鲁木齐城市发展空间的限制，在土地市场、城市规划不断转变的情况下，工业企业逐步向外围迁移。

图5 乌鲁木齐市“三生”空间分布与核密度Figure 5 Spatial distribution and kernel density of“production- living- ecological”space in Urumqi City

从生态空间来看（图5），城区内生态空间以公园绿地为主，城区外多由风景名胜组成。具体表现为：①呈非连片的点状分布，围绕城市中心呈环状分布。分布最为集中的区域为大小绿谷生态公园、蜘蛛山公园，这些生态空间的规模相对较大，与规划中所要形成的“点线面相结合、环网式”的生态绿地系统基本符合。②中心—外围差异明显，中心多而密集，外围少而分散。乌鲁木齐市总体规划将城市划分为城南区、城北区，城南区生态绿地规划和建设较为成熟，形成了良好的生态游憩空间；城北区作为发展中的生活性城市用地，现有生态空间无法满足居民需求，生态绿地资源配置有待提升。

4 结论与讨论

主要结论如下：①受地形、水源等自然条件的影响，乌鲁木齐市城市空间结构呈“T”型的北宽南窄空间格局，城市“三生”空间布局与城市各片区功能分区基本符合。②乌鲁木齐市“三生”空间分布的行政区差异明显，大致呈现“大分散、小集中”的特征，总体上形成“生活空间较强凝聚、生产空间相对集中、生态空间均匀分散”的空间格局；各类空间数量均呈现中心向外围逐级递减的规律，“圈层式”结构特征较明显。③生活空间呈现“西北—东南”走势，呈内部连片、外围组团状的特征，形成“南密北疏型扩散，东北部自成单核”的空间格局；生产空间呈现“东西两翼”的差异化格局，沿交通干线布局向产业区集聚；生态空间呈现非连片的点状分布，围绕城市中心呈环状分布，中心—外围区域分布差异明显。

平原地带的城市“三生”空间往往按照同心圆模式分布，是因为其地形广阔，城市空间发展受到自然地理条件的约束较小。乌鲁木齐市受干旱区典型的山地—绿洲—荒漠条件制约，河流与交通干线基本以南北向为主，其城市空间呈扇形分布。在上述因素的影响下，乌鲁木齐城市总体规划中形成了“南控北扩”的控制原则，北部为城市主要发展方向。如城市生活空间总体呈现由南向北扩展的分布模式，生产空间在北部形成东西两翼的格局，表现出了显著的交通集聚指向。总体而言，采用OSM 路网数据划分研究单元，基于POI 数据识别城市“三生”空间并解析其分布特征有助于人们更加直观地了解城市空间结构，提高城市规划和土地利用分析的科学性。由于数据有限，本文只对现状进行了初步研究。同时，由于POI数据不能代表完整的地物实体信息，部分生态空间所属的生产防护绿地无法纳入POI数据进行精准识别。未来，应融合多源数据，如规划数据、土地利用数据等，提高识别精度，探索变迁机制与形成机理，完善对城市“三生”空间的研究。