基于POI数据的济南市城市功能分区研究

马子云，何贞铭，崔海福，蒋松谕

（长江大学地球科学学院，湖北武汉 430100)

0 引言

城市化是重要的全球化社会经济现象[1]。随着城市化进程的快速推进，环境恶化、住房紧缺、交通堵塞等“城市病”随之而来[2]，制约了城市的发展，并对居民的生活产生了一定影响。城市功能分区是进行现代城市规划的基本原则之一，是城市功能分化成长在空间上的反映[3]，其科学布局可提升城市土地利用效益，对于保障城市的可持续发展至关重要[4]。

准确高效地识别和划分功能区，有助于更深层次地理解城市空间开发和城市规划，并为城市发展提供科学的支撑和依据[5]，但传统的划分方法多以经验为主，进行主观判断和定性分析[6]，导致结果不够科学准确。大数据时代的来临，为城市功能分区的定量分析提供了新思路，也使得城市功能分区更具价值。其中，兴趣点(Point of Interest,POI)数据具有大数据量、高开放性、涵盖信息细致等优势[7]，可以更好地反映城市空间结构[8]，国内外学者已对此展开了研究。张慧馨等[9]采用开封市主城区POI 数据，利用区位熵方法识别出了不同街区的主导功能；Qin 等[10]通过捕捉兴趣点的多空间分布模式来识别城市功能区，准确率为72.9%；Xue等人[11]基于POI数据和行政边界数据等多源大数据，识别了沈阳市城市功能区。

本文以路网尺度下的POI 数据量化方法识别城市功能分区，并对城市功能混合度进行计算，定量分析城市空间结构，以期为城市功能分区研究提供一定的参考，帮助城市规划者更好地把握城市空间布局。

1 研究区域及数据概况

1.1 研究区域概况

济南市作为山东省省会，山东半岛城市群和济南都市圈核心城市，在城市中具有一定代表性，具有较高的研究意义。本文参照《济南市城市总体规划(2011—2020 年）》选取济南市中心城区作为研究区域，总面积约为1 016km2。

1.2 研究数据概况

1.2.1 POI数据

POI是表征地理空间实体的点数据，具有名称、经度、纬度以及类型等属性[12]，海量、多样性、处理速度快和精确度高等特点。

利用Python 软件2022 年6 月爬取高德地图公开的济南市中心城区POI数据，剔除重复数据和影响力较低的数据后最终得到219905条数据。参照《城市用地分类与规划建设用地标准》及POI数据实际获得类型，将POI重分类为居住用地、商业服务业用地、公共管理服务用地、交通设施用地、工业用地、绿地和广场用地六大类型，数据采集及重分类结果如图1所示。

1.2.2 OSM路网数据

OSM 道路网数据2022 年在Open Street Map 官网下载获取，借助ArcGIS软件，提取济南市高速公路、城市主干道及一级、二级、三级道路，修改道路拓扑错误，转换获取闭合无缺的面状要素作为研究单元。

2 研究方法

2.1 POI权重赋值方法

为降低因POI 数量及其包含语义的差异对功能区分类造成的不同程度影响[13]，引入公众认知度、空间面积特征2个指标分析计算POI数据的权重值。经多次实验研究，得到最终权重如表1所示。

图1 POI重分类结果

表1 济南市中心城区重分类POI权重表

2.2 POI核密度的计算

核密度估计基于地理学第一定律，是衡量POI数据聚集程度最重要、最直观的方法[14]，且结果可视化，被广泛应用于城市商业聚集空间及热点、城市设施服务等研究。核密度估计结果受核函数影响较小，受带宽的影响较大[15]，带宽越大，平滑程度越好，但热点区域会被掩盖，致使特征不明显；带宽越小，平滑程度越差，可以呈现更多细节，却会影响连续性和关联性。经过多次试验，本文最终选择500m作为核密度估计的带宽。

2.3 城市功能区识别

参考池娇等人的研究[16]，以划分完成的路网作为基本研究单元，构建频率密度识别指标体系来识别功能性质，计算公式如下：

其中，i表示POI 数据类型，共6 类；di代表各单元中第i类POI 数据的核密度值；Wi代表i类POI 数据的权重值；Fi代表每个单元内第i类POI 数据的频率密度，其意义是第i类POI数据占该研究单元内所有POI数据的百分比。

通过上述公式，计算可得各研究单元的频率密度值Fi，作为认定各单元功能分区类型的依据。若单元内某一类POI数据的Fi值大于或等于50%时，认定该研究单元为单一功能区，功能分区用地类型则由POI数据类型而定；若研究单元内所有类型POI 数据的Fi值均小于50%时，初步判定该功能分区基本单元是混合功能区，当某类型POI比例大于40%且远大于其他5种类型比例，仍认定为单一功能区，否则混合类型取决于单元内2～4种占比较大的POI数据类型；而若基本单元无POI数据，即Fi值为0时，记为无数据区。

2.4 混合度计算

在城市建成区中，城市混合用地及混合功能是十分普遍的现象，适当提高土地利用功能混合度，可以提高土地利用效率，有利于可持续发展和产业升级[17]。根据混合度计算模型，对研究区域的城市用地混合度进行计算，其计算公式如下：

式中，M表示混合度计算结果，n表示研究单元内POI 分类数量，pi表示单元内第i类POI数据的占比。

3 结果分析

3.1 分区结果精度分析

为检验分区结果的准确性，随机选取各单一功能区及以此单一功能区为主的混合功能区20个，将功能分区结果与网络地图、《济南市城市总体规划(2011-2020年）》等进行对比，验证总体准确率。结果完全相符记3分，基本相符记2分，有相同属性记1分，完全不符记0分。精度计算公式如下：

式中，n为抽样总数；Bi为符合度满分值；bi为符合度实际得分值。经计算，分区结果的准确率为82.6%，文中方法具有较高的精度，可实现城市功能区的有效识别。

3.2 城市功能区分析

利用ArcGIS 对单一功能区(494 个）、混合功能区(910个）和无数据区(8个）进行了地图可视化，各功能区分布如图2所示。单一功能区中，商业服务业用地数量最多，工业用地次之；混合功能区中,“公居商”“公商”“工居商”几种类型的混合功能区数量最多；无数据区由于缺少POI数据形成，多零散分布于城市边缘。

图2 济南市中心城区功能区分区图

整体来看，居住用地作为单一功能区的基本单元较少且相对分散，大多分布在商业服务业用地、工业用地附近，远离重工业区。居民区周围因各类配套生活设施的存在，居住用地多以混合功能区形式存在，且大多表现为与公共管理服务用地、商业服务业用地、交通设施用地、工业用地几种类型相互混合，其中，“公居商”类型混合功能区最多，为319个；绿地和广场用地数量最少，面积大且相互独立，千佛山风景名胜区、华山湖公园、大千佛山风景区、腊山均能正确识别，与现实相符。在混合功能区中，包含绿地和广场用地的混合功能区数量较少，且主要是与商业服务业用地、公共管理服务用地相混合；工业用地面积大、多集聚，集中分布于历城区东部、天桥区、长清区，相较于其他单一功能区，工业用地更靠近研究区域外围。高新技术类公司企业一般与商业金融区或科教文卫区相伴相生，故工业用地、商业服务业用地、公共管理服务用地相混合的混合功能区比例较高；商业服务业用地多分布在研究区域的中心位置，多集聚。越接近研究区域边缘，商业服务业用地单一功能区数量越少；交通设施用地数量少分散分布，主要为济南站、济南东站、济南西站、济南长途汽车西站等重要交通枢纽所在研究单元；公共管理服务用地的单一功能区数量较少，主要表现为山东省政府、济南奥林匹克体育中心、济南市政府、齐鲁工业大学等所在研究单元。混合类型的公共管理服务用地数量多，因其包含的科教文化、体育休闲、政府机构、医疗保健几类用地大多与其他用地相结合为城市居民提供服务。

3.3 混合度识别分析

为了获取精准的城市功能区混合度，将研究区域进一步划分为200m×200m的精细化格网，得到25 953个研究单元。根据混合度计算模型，得到济南市城市功能区混合度分布图，如下：

图3 济南市中心城区功能用地混合度

分析图3 可得，济南市中心城区功能用地的总体混合度较高，可反映城市功能发展较为完善；混合程度“中心高、四周低”且分布具有一定的空间集聚性，与混合功能区分布一致；长清区高校较多，带动了各类产业发展，相较于邻近区域混合度较高；中心城区的外沿区域混合度较低，可结合实际情况，在确保环境承载能力的基础上，适当开发发展。

4 结束语

基于核密度估计算法，以POI 数据为基础，识别出了济南市中心城区功能区，对识别结果进行精度评价，验证了定量识别城市功能区方法的可行性，并在此基础上计算了城市功能用地混合度，可为城市未来规划布局提供参考。由于POI数据是点状要素类型，识别精度仍稍显不足，今后将引入其他大数据辅助，并结合深度学习等方法开展研究，以期提高识别精度，更科学地为城市发展规划提供借鉴。