基于POI大数据的北京市养老机构空间分布特征

[摘 要]文章以北京市养老机构为研究对象，基于POI大数据，采用标准差椭圆、核密度估计等空间统计方法，对北京市养老机构的集聚程度、分布中心和方向进行了定量化的空间分析。研究结果显示，北京市养老机构呈现出以中心城区为核心向东北和西南方向扩散的带状分布特征。公办养老机构和民办养老机构的空间分布中心和分布趋势比较相似，同样为东北—西南方向，但与公办养老机构相比，民办养老机构在空间集中度上有所增加，且向东北方向倾斜。这表明，在数字化和信息化的背景下，应用空间统计技术可以有效识别养老机构分布的微观特征和趋势，从而为养老资源的优化配置提供科学依据。

[关键词]POI大数据；养老机构；核密度估计；标准差椭圆

中图分类号：TU982.2 文献标识码：A 文章编号：1674-1722（2024）11-0004-03

养老机构作为社会化养老服务供给的核心资源，在国家积极应对人口老龄化挑战的过程中扮演着至关重要的角色。北京市作为较早进入人口老龄化阶段的城市之一，一直将“促进养老服务体系建设，提升养老服务水平”作为重要的战略任务[ 1 ]。然而，随着社会养老服务需求的日益增长，北京市在养老设施建设方面仍面临着一系列挑战[ 2 ]。

在这一背景下，文章旨在深入探究北京市养老机构的空间分布格局，通过使用POI大数据，准确捕捉养老机构的地理位置信息，通过运用地理信息系统技术（ArcGIS）进行全面的空间分析，揭示北京市养老机构的空间布局状况及存在的问题[ 3 ]。

在国内，2010年之后，POI数据的相关研究开始兴起，并迅速成为城市规划和管理的重要工具。这些研究主要集中在城市功能区识别[ 4 ]、人际关系协调[ 5 ]、城市中心与边界定位[ 6 ]、行业空间分布与功能分区分析[ 7 ]、选址与优化布局[ 8 ]等几个方面。POI大数据的应用为城市管理和规划提供了新的视角和方法，可以使城市发展更加有序和高效。

一、数据来源与研究方法

（一）数据来源及处理

文章利用Python编写了网络爬虫程序，从北京市养老服务网和养老网上分别抓取了名称、地址、床位数、类型等属性的数据，与北京市民政局网上抓取的养老机构名称进行比对，删除冗余数据，对数据进行初步清洗。之后，基于对养老机构地址信息的人工核查，利用百度地图API定位所有养老机构的坐标，获得经纬度坐标，把养老机构数据转化为地理信息数据，以便在ArcGIS中进行相应的分析，最终获得了5 3 4条有效记录。

（二）研究方法

1.核密度估计

核密度估计是一种用于评估地理要素空间分布特征的统计技术，它视事件为点过程，以各点代表事件发生位置，计算特定点的局部密度—单位面积内事件频率—近似该点的事件密度。此方法通过分析点在邻近区域的分布，估算整个区域的事件密度函数。这种方法能够呈现聚集模式和趋势，识别高密度区域，从而帮助理解空间复杂性并为决策提供依据。

2.标准差椭圆

标准差椭圆是分析数据空间分布特性的地理统计工具，其分析主要包括分布中心、长轴、短轴、方位角等方面。其中，分布中心表示空间分布的平均中心位置，即所有要素在空间上聚集的中点；椭圆的长轴代表了数据分布的最大扩散方向，长度与数据沿此方向的分散程度成正比；椭圆的短轴表示数据分布的最小扩散方向，其长度反映了数据在此方向上的紧凑程度；方位角用来描述数据分布的主趋势方向，用来描述数据分布的主趋势方向。

二、北京市养老机构空间布局特征分析

文章基于北京市养老机构的地理信息数据，运用空间点数据分析方法，具体包括核密度估计分析和标准差椭圆分析，使用Arcgis 10.8软件进行空间分析。

（一）北京市养老机构总体分布特征

文章先在整体层面评估整体聚集程度和规模分布，利用核密度分析对北京市总的养老机构空间集聚模式进行分析，识别养老资源分布主次中心。之后，再结合床位数对养老机构的规模分布进行可视化研究。

由图1可知，养老机构在北京市内呈现出“多核心”集聚模式，在偏离中心城区的外围区域形成了多个小的集聚中心，例如昌平区、房山区、延庆区、密云区、平谷区；在中心城区形成了分布的主核心区。

其中，在顺义区、通州区和大兴区也形成了集聚中心，但是相比较前两种的集聚密度要小得多；值得关注的是门头沟区和怀柔区，该地区的养老机构在空间上总体呈现分散分布，集聚度较低。

由图2可知，北京市养老机构的规模分布呈现出“多中心、多层次”的特点。

首先，在中心城区如东城区、西城区、朝阳区、海淀区等地，养老机构的规模相对较大，主要集中在301—500床位数的范围内。

其次，昌平区、顺义区、通州区和大兴区等地，养老机构的规模相对较小，主要集中在100—150床位数的范围。

再次，房山区、延庆区、密云区、平谷区等地的养老机构规模分布较为均匀，多是中小型的养老机构，这可能是因为这些地区的城乡结合部特点所致。

最后，在门头沟区和怀柔区的养老机构规模分布相对较为分散，且规模普遍较小。

（二）北京市不同类型养老机构分布特征

文章将养老机构细分为公办和民办两大类，分别研究它们的分布聚集程度。利用核密度估计对要素的空间分布进行可视化研究，利用标准差椭圆表示公办和民办养老机构分布的主要趋势和方向性。

由图3可知，北京市公办养老机构整体呈现以中心区域为核心逐渐向外围区域扩散的趋势，在空间上总体主要以中低密度区和中密度区为主，还有少量的高密度区集中在东城区和西城区。北京市公办养老机构的空间分布中心位于朝阳区北湖渠西路附近，具体坐标为116.436741，40.019874。公办养老机构的分布方向为东北—西南方向，角度约为59.305295°（以长轴沿顺时针的角度）。

由图4可知，北京市民办养老机构的空间分布特征与公办养老机构相似，中心区域的民办养老机构数量也明显多于周边地区。在空间上总体主要以中低密度区和中密度区为主，有较多的中高密度区集中在中心城区区域。北京市民办养老机构的空间分布中心位于朝阳区奥林匹克体育中心，具体坐标为116.406252，39.991278。民养老机构的分布方向为东北—西南方向，角度约为64.825733°（以长轴沿顺时针的角度）。

对比公办机构和民办机构的核密度估计和标准差椭圆的结果，可以探讨不同类型养老机构在空间布局上的差异。与公办养老机构空间分布特征不同的是，民办养老机构还呈现出一种多核心的集聚现象，其中高密度不仅分布在东城区和西城区，在密云区、延庆区和平谷区也形成多个小范围的中高密度区的集聚中心；与公办养老机构相比，民办养老机构分布中心向西南方向移动，分布方向向东北方向移动，长半轴减少了0.06454，短半轴减少了0.040437，说明与公办养老机构相比，民办养老机构的分布在空间上的集中度有所增加；方位角向东北方向增加了5.520438°，说明民办养老机构的分布趋势更向东北方向倾斜。

三、结论与建议

通过分析北京市养老机构空间分布格局后可得出以下结论。养老机构总体上分布不均，整体呈现出以中心区域为核心逐渐向外围区域扩散的趋势。北京市养老机构在空间上的规模分布呈现出“多中心、多层次”的特点，大规模的养老机构集中分布在中心城区，外围区域的养老机构规模分布相对较为分散，且规模普遍较小。北京市公办养老机构和民办养老机构的空间分布中心和分布趋势比较相似，同样为东北—西南方向，与公办养老机构相比，民办养老机构的分布在空间上的集中度有所增加，分布趋势更向东北方向倾斜。

针对北京市养老机构的空间分布特征，提出以下建议。

首先，均衡区域发展。鉴于养老机构在中心区域集中分布的情况，应鼓励和支持在外围区域建设更多的养老机构，以实现资源的均衡分配。

其次，创新多元化服务模式，根据“多中心、多层次”的特点，应发展不同类型和规模的养老机构，满足不同老年人的需求，可以探索居家养老、互助养老等新型服务模式，形成多层次的养老服务体系。

最后，优化公办与民办养老机构布局。考虑到公办和民办养老机构在空间分布上的相似性，建议在规划时统筹考虑两者的发展，避免资源浪费和重复建设。公办养老机构应注重提升服务质量和效率，发挥示范引领作用，民办养老机构则可以更加注重市场导向，提供差异化的服务。

参考文献：

[1]毕向阳，李沫.在公平与效率之间：对北京市养老资源的空间分析[J].社会，2020（03）：117-147.

[2]姬飞霞，张航空.北京市医养结合养老资源空间均衡研究[J].中国卫生政策研究，2020（10）：7-13.

[3]周家明，罗瑶.基于POI数据的广西物流业空间布局特征分析[J].黑龙江科学，2024（01）：10-13+19.

[4]薛冰，赵冰玉，肖骁，等.基于POI大数据的资源型城市功能区识别方法与实证——以辽宁省本溪市为例[J].人文地理，2020（04）：81-90.

[5]高原，王洁，李钢，等.城市用地功能精细化识别方法：时序动态图嵌入深度学习模型[J].地球信息科学学报，2022（10）：1968-1981.

[6]陈德权，兰泽英.基于POI数据的城市中心体系识别与边界提取——以长沙市中心六区为例[J].现代城市研究，2020（04）：82-89.

[7]刘金花，张家玮，贾琨.基于POI数据的中心城区边界识别与空间格局优化——以高唐县为例[J].城市发展研究，2021（06）：74-83.

[8]汪晓春，熊峰，王振伟，等.基于POI大数据与机器学习的养老设施规划布局——以武汉市为例[J].经济地理，2021（06）：49-56.