大城市多中心静态结构和动态关联特征分析

　　摘要：以郑州市为例，基于居民依赖度和要素属性值对POI要素热点分析结果进行空间加权叠加，分析城市多中心空间静态结构;运用词向量和数据场理论，在表达居民出行偏好的基础上，利用轨迹数据分析城市多中心对动态目标的吸引强度，并挖掘多中心网络的动态交互关系。研究表明：①城市静态要素呈中央集中、外围分散的圈层空间分布形态，部分多中心已形成了一定吸引聚集能力，而另一部分虽然规划前景广阔，但还远未形成副中心应有的分散疏解作用;②城市多中心对动态目标的吸引强度不均衡，出租车和电动车轨迹显示的多中心吸引强度和空间交互关系虽有差异，但均体现出城市为典型的外溢型结构，核心城区仍然是空间交互的主要方向。因此，还需通过政策导向和基础设施建设等手段，增强外围多中心的吸引聚集能力，实现城市空间均衡发展。

　　关键词：多中心;静态结构;动态特征;空间交互;郑州市

　　在中国城镇化水平不断提高的过程中，大城市的规模效应产生了巨大的发展成就，但同时也出现了使城市运行效率下降的“大城市病”问题。利用多源数据对城市规划多中心结构进行分析和评价，有利于准确评估城市的演化趋势，挖掘内部驱动机制，为及时优化和调整城市规划提供科学参考依据。城市多中心不仅是空间形态上的多中心，要素间的交互关系也是反映多中心结构的重要方面[1]。

　　随着技术的进步，多中心研究所使用的数据已逐步由人口、土地和经济等传统数据，向兴趣点、手机信令和定位轨迹等时空大数据转变，而研究方法除了对空间聚类和空间统计方法进行改进之外，还将词向量[2]和数据场[3]等理论应用于分析实践。基于传统数据的研究成果包括，基于人口梯度指标的城市空间绩效测度方法[4]，基于经济和产业约束的多中心结构分析[5,6]，基于区域关联度的多中心层级分析[7]等，此类研究大多从宏观角度，对多中心形成机理进行了分析，但由于数据概略且现势性较低，研究结果存在一定片面性。

　　兴趣点(PointofInterest，POI)数据和轨迹数据凭借覆盖广、精度高和面向个体的特点，为多中心研究提供了新的思路，POI数据应用成果如，城市中心地标分层识别[8]，城市产业区位分异机制分析[9~11]，城市空间结构聚类识别[12~14]，城市人口活动规律分析[15~17]等，而轨迹数据应用成果如，轨迹伴随模式和路网相关性分析[18,19]，城市活动热点识别[20~22]，城市空间交互规律挖掘[23~25]等。

　　此类研究凭借数据优势，对传统研究成果做出了较为科学的修正和补充，但数据处理、表达、分析和展现的难度大大增加，研究人员需要对大数据进行清洗处理，建立能够充分体现数据特征的表达模型，最后通过优化分析方法得到准确的分析结果。本文拟利用多源大数据，对城市多中心静态结构和动态关联分析方法进行改进，从要素聚集、人口经济、流动特征和交互强度方面，综合分析郑州市多中心结构的空间特征，及其演化驱动机制，为优化城市规划提供科学依据。

　　1研究区域与数据来源

　　1.1研究区域

　　郑州市是中原城市群的核心城市，将其作为多中心结构分析的研究对象极具代表意义。2018年郑州市规划局发布了《郑州市中心城区总体城市设计》，按行政归属高新区属于中原区，经开区属于管城回族区，郑东新区属于金水区，因此将其合并至对应区划。

　　1.2 数据来源

　　数据源主要包括POI数据和轨迹点数据2类，同时结合人口和GDP等数据，进行综合分析。

　　1)POI数据。使用了2019年6月采集的高德地图POI数据286598条，结合各类要素在城市中的功能定位及其分类体系，将其分为公共服务、公司商务、生活居住、消费服务和休闲娱乐五大类。

　　2)轨迹数据。使用了2019年5月采集的由郑州威科姆科技股份有限公司提供的出租车轨迹(约6000辆)和电动车轨迹(约15万辆)。其中电动车数据通过交管部门的电动车管理系统采集，2018年底至2019年初郑州市为辖区内约300万辆电动车免费安装防盗定位设备和车牌，以期实现智能纠章、防盗追踪和交通分析功能。

　　1.3研究方法

　　1)静态结构分析方法。①局域Getis-OrdGi*指数热点分析[10]。本文利用空间自相关性分析具有统计显著性的POI要素热点单元，根据研究范围取0.5km边长的规则格网单元左为分析单位。②基于居民依赖度和要素属性值的空间加权叠加分析。5类POI要素所占比重以及对居民的影响各不相同，还需将二者影响考虑在内，进行空间加权叠加，叠加单元为0.5km边长的规则格网单元。

　　2城市多中心静态结构分析

　　2.1多中心聚集特征热点分析

　　经空间统计，各类要素热点面积约占总面积的8.5%，其中包含了70%左右的要素点，聚集效应明显。热点区域以二七广场为中心，呈现圈层扩散、沿线蔓延的空间形态，圈层中心为：二七广场、花园路、碧沙岗等，蔓延主线为：金水路、中原路、农业路、陇海路、南阳路、大学路、花园路、紫荆山路和中州大道等。另外，图中还有一处自西北向东南的高值区域割裂带，为京广铁路贯穿城市的位置，说明一些重要的人工要素会形成类似山水阻隔的空间割裂作用。

　　2.2人口和经济空间统计分析

　　城市多中心研究数据还包含人口和经济数据等，此类数据也能从不同侧面反映城市多中心结构的分布规律。郑州市人口与GDP空间密度分布。人口集中的区域为金水区西南部、中原区东部和二七区北部，GDP高密度区域则集中在金水区西南部，此分布形态虽与其中的高值区域存在一定差异，但从宏观角度看，双主中心二七广场和郑东新区仍然是人口和GDP空间密度最高的区域。而其他多中心位置的人口、GDP和POI要素密度并非完全正相关，这主要是城市人口流动和产业迁移的产生的结果。

　　3城市多中心动态特征分析

　　3.1动态目标多中心引力强度分析

　　基于词向量和数据场的多中心引力强度分析。电动车的引力高值和中值区域面积明显大于出租车，且在城市外围更加分散，原因在于，城市中电动车数量远远多于出租车，购买和使用成本更低，空间上也更加分散，居民短途出行时更倾向电动车，形成了相对均衡的空间分布。此方法利用词向量对轨迹的方向、长度、分段和上下游关系进行了表达，基于数据场质点吸引模型计算了格网单元的区域引力强度。分析结果的高值连片区域内部结构区分度较高，能识别外围离散高值区域，从理论含义看，此方法对轨迹的时空信息表述较为完整，是更加适合轨迹数据的多中心引力强度分析方法。

　　3.2多中心空间交互分析

　　可将多中心分为3个等级：①A、C、F、H、I和J周边要素最集中，引力最强;②B、D、E、K、L和M位置更加分散，多位于人口和GDP密度较高的金水区和管城回族区;③G、N、O、P、Q、R和S，均为位置更加边缘化且在建设中的次级中心。虽然各个多中心间出入强度差异较大，但净流量比体现的单个中心的流动较为平衡，入和出强度差异较小，其值基本为[−0.15,0.15]。利用网络边权重表达的多中心节点交互关系。出租车交互强度体现了核心城区的9个节点交互最频繁，外围中心的主要交互方向指向核心城区且强度较弱，因此“中心−外围”是多中心交互的主要方向。

　　电动车交互强度体现了空间距离较近的中心间交互更频繁，其强度在空间分布上更加均匀，形成的网状结构有别于出租车，强度最高的区域为人口和GDP密度最高的金水区以及相邻的管城回族区，城市外围多中心之间也具有较强的交互强度，而远距离的轨迹数量极少。

　　4多因素城市多中心空间结构分析

　　前文分析得到要素聚集度(热点分析)、人口密度、GDP密度、区域引力(引力强度分析)和交互强度(空间交互分析)5种分析结果，与多中心位置叠加。5种分析结果从宏观角度看为正相关关系，即核心城区聚集程度高、吸引能力强、空间交互频繁，而外围城区各类分析数值明显下降。但从各个规划多中心位置上看，分析结果仍然存在较大差异。主中心二七广场和郑东新区均位于各类分析的高值或中值区域，但从具体分析数值看，二者仍存在一定差异。二七广场为郑州传统商业中心和交通枢纽，城市中心地位不言而喻。

　　郑东新区自2000年规划发展至今，已成为集金融、商业、休闲和居住为一体的城市中心，但在建设前期通过土地升值补足建设经费，经时间积累已成为房价最高的区域，企业建设运营成本、居民生活居住和交通成本均相对较高，造成了区域引力的下降，因此双主中心形成了聚集密度和引力强度不均衡的特征。

　　5结论与讨论

　　本文针对POI和轨迹数据的特点，设计了基于居民依赖度和要素属性值的空间加权叠加分析方法，和基于词向量和数据场的多中心引力强度分析方法，对城市多中心静态结构和动态特征进行了分析，发现政策、人口、交通和房价等均会影响城市多中心结构的演化。

　　结论包括：①郑州市静态要素在空间聚集形态上，呈中央集中、外围分散的圈层形态。各类要素密度以二七广场为中心向外围逐步降低，受到政策和规划的影响，外围多个中心要素聚集程度虽远不如核心城区，但已形成一定的分散城市功能的作用，其功能定位、产业规划和交通设施对区域发展起着重要作用，而另一部分规划中心，虽然规划前景广阔，但还需较长时间完成配套建设，增强其空间聚集能力。

　　②郑州市多中心对动态目标的吸引强度不均衡，外围中心的区域吸引能力和交互强度还需提高。通过动态特征分析发现，不同轨迹呈现的吸引强度和空间交互关系虽有差异，但高强度的交互区域仍然集中在人口和GDP密度较高的金水区和管城回族区，城市呈现典型的外溢型结构，核心城区依旧是空间交互的主要方向。

　　规划师评职知识：城市规划专业投稿期刊推荐

　　根据以上分析结论提出的规划建议为：通过政策导向为多中心区域发展创造良好的环境，加强特色功能中心的基础设施和交通设施建设，稳定地价和房价，发挥外围多中心的吸引聚集作用，引导过度聚集的人口和城市要素向外围中心分散，最终实现城市空间均衡发展的目标。后续研究还需从以下方面继续深化：①体现动态特征的数据还包括私家车、公共交通、个人签到和手机信令等，还需对数据进行拓展，得出更准确的分析结论;②收集整理历年数据，分析年份间城市空间变化规律，结合政策和规划，验证多中心结构演化机理，为提高城市整体绩效提供可靠依据。

　　参考文献(References)：

　　[1]李婷,裴韬,袁烨城,等.人类活动轨迹的分类、模式和应用研究综述[J].地理科学进展,2014,33(7):938-948.[LiTing,PeiTao,YuanYechengetal.Areviewontheclassification,patternsandappliedresearchofhumanmobilitytrajectory.ProgressinGeography,2014,33(7):938-948.]BengioY,DucharmeR,VincentPetal.Aneuralprobabilisticlanguagemodel[J].JournalofMachineLearningResearch,2000,3(6):932-938.

　　[2]李德毅,刘常昱,杜鹢,等.不确定性人工智能[J].软件学报,2004,15(11):1583-1594.[LiDeyi,LiuChangyu,DuYietal.Artificialintelligencewithuncertainty.JournalofSoftware,2004,15(11):1583-1594.]

　　[3]韦亚平,赵民.都市区空间结构与绩效—多中心网络结构的解释与应用分析[J].城市规划,2006,30(4):9-16.[WeiYapping,ZhaoMin.Spatialstructureandperformanceofmetropolis:Interpretationandapplicationofpolycentricstructure.CityPlanningReview,2006,30(4):9-16.]

　　作者：李欣