基于POI大数据的公共服务业态空间布局均等化研究

曾 佳，叶圆圆，钟志水

(铜陵学院 建筑与工程学院，安徽 铜陵 244000)

公共服务均等化是城市社会学、区域经济学、城乡规划、人文地理学等学科领域关注的热点问题之一，科学合理规划布局公共服务设施能够有效地提升城市综合服务能力和水平，充分满足生活在城市市民的基本需求，而且能够进一步推动公共服务等社会资源的整体上的科学配置以及加强政府、市场和居民等各个群体对享受公共服务资源的利用度，在公共服务领域范围内，对于城市未来更好地服务市民都有着非常积极的重要作用和意义。当前，对于研究公共服务均等化呈现出与传统研究有很大的差异。随着互联网技术的不断发展，大数据在研究公共服务均等化具有非常大的优势日益凸显，研究的新手段和成熟的新技术不断在实践中得到了广泛的应用，这有助于拓宽相关研究者的视角和深度，加强对于公共服务相关领域的深入探究[1]。

尽管目前的研究领域越来越广泛，但大多数学主要关注的侧重点不一致，研究的尺度和研究的深度都未能达到一定的水平，使得利用互联网大数据的研究和应用处于一种曲线波动的状态。特别是目前对于城市中心区域或者是市辖区范围内的公共服务类型的空间差异和聚集模式研究不多，甚至处于空缺的情况。

鉴于此，笔者选取了教育、医疗及体育三大类POI数据作为研究对象，以合肥市区为研究区域，分析三大类公共服务业态总体上及各个类别在空间布局上的密度集聚特征，以期能够发现公共服务在空间布局上的规律，为未来公共服务设施的配置和服务水平及能力的提升提供借鉴[2]。

一、数据来源与研究方法

主要选取了教育、医疗及体育等三大类业态为代表的公共服务业态类型。国民经济行业分类[3](GB/T 4754—2017)已于2017年开始实施，新版行业分类共有20个门类、97个大类、473个中类、1380个小类。根据最新发布的分类标准，借助百度地图发布的POI分类编码，查询不同POI类型对应的编码，并将POI数据分类与国家标准行业分类建立统一的相对应的分类。

(一)研究区域与数据来源

具体范围包括蜀山区、瑶海区、庐阳区、包河区等在内的四个市辖区作为研究区域，其总面积为915.15平方公里，常住人口为385.4万人。考虑到市区常住人口密集度高、POI数据获取较为容易且数据量较大，对公共服务业态需求程度高于其他区域，能够满足本次研究的需求；同时合肥市作为省会城市，对于市民生活便利度的服务能力和水平明显高于省内其他城市。因此选择此范围作为研究范围。

地理信息数据的采集有过去传统的人工采集过渡到现在的智能采集阶段。过去，采集人员需要借助高精度的测绘仪器一个一个识别，然后在将被采集的信息记录下来，然后输入到数据库中，既浪费大量的时间和精力，又耗费人工精力和大量的额外成本，而且效率及其低下，因此，正是因为这种采集模式耗时耗力的弊端，对于一个地理信息的采集工作者而言，这种采集的POI数据又能够在某种程度上，代表着某一系统的价值。

但是，随着大数据应用的不断深入，借助互联网技术等的快速发展，以空间地理数据POI(兴趣点)为代表的大数据在不同领域的应用发挥着十分重要的作用。POI 数据作为最重要的城市空间数据之一，在多个领域都发挥了重要作用。在城市研究方面，通过 POI 数据，我们可以准确知道每种设施的空间分布，进而可以分析城市的设施配置情况，此外，POI 数据还可以辅助识别城市的空间结构，评价城市的空间活力等等。

百度地图POI(兴趣点)数据分为一级行业和二级行业分类，一级行业主要包括19项内容，二级行业分类主要有137项，同时每一个分类都有相应的行业的代码和名称对应，一级行业分类与二级行业分类也是相互对应的。方便信息采集的记录和区分。每条 POI 数据包含名称、类别、经纬度、地址等属性信息。借助于其数据量完整度较高、点数据位置属性信度完备、数据更新及时有效等绝对优势，公共服务业态能够充分利用此类静态的POI数据，能够更好地满足对城市公共服务业态空间分析和研究的精度。

因此，本文利用脉策数据工具包，POI查询工具功能，获取百度地图2018年年发布的合肥市区公共服务业POI数据作为本次研究的基础数据。同时通过利用互联网技术抓取相对应的教育、医疗及体育三大类POI数据，并且汇总教育、医疗及体育三大类POI数据得到三大类总计的POI数据(具体见表1)。

表1 合肥市区教育、医疗及体育三大类POI数据汇总表

图1 合肥市区公服类POI的空间分布

(二)研究方法

空间分布的模式一般来说，主要存在随机分布、均匀分布、聚集分布三种类型状态。对于这种空间分布的研究分析通常采用核密度分析。核密度分析工具主要用于计算点或者线要素在其周围邻域中的密度。该方法先确定某一具体范围区域内的阈值大小，然后利用各自的像元中心，在阈值取值不同的情况下，像元中某种特定的属性在领域范围内的分布密度规律，即沿像元中心向周围呈现层级衰减的现象，然后各个像元之间的分布密度在这个阈值范围内进行空间叠加效应，最终可以获取获得这一特定的属性整体空间上的分布密度。

本研究采用GIS软件中的密度分析[3-5]法中的核密度工具(Kernel Density)分析各类静态的POI数据以及三大类合计的空间分布特征。计算方程为

式中：fx为空间位置x处的核密度计算函数；k函数为空间权重函数；m为距离衰减阈值；n为与位置x的距离小于或等于m的要素点数。

在城市空间中的分布规律，通过确定公共服务业态以及考虑公共服务业态的平均影响范围及其空间分布的离散程度，选择1000 m作为进行密度分析的距离阈值，选择1000 m作为阈值主要是考虑到不仅能较好地反映各个业态类型在整体上的分布情况，同时还能够对于局部热点信息进行良好的识别[6-7]。

二、合肥市区公服空间分布形态分析

(一)公共服务业态整体密度分布

合肥市区公共服务业态呈现明显的中心—外围边缘的空间密度格局，中心整体集聚程度较高，外围呈现出离散方式的集聚，未来形成多个集聚核心的趋势较为明显(图2)。具体呈现以下特征：

1)老城区公共服务业态整体核密度明显较高，这与城市发展的历史紧密相关。老城区发展历史较早，各种公服业态布局比较早，而且集中布局成为最主要的空间布局形式。

2)围绕城市市区内部服务体系及相关规划的公共服务体系相协调。各级服务等级中心，公共服务业态在空间上的集聚效应总体上具有明显距离递减性的规律，空间布局呈现集聚—离散模式；

3)靠近老城区，瑶海区、庐阳区和蜀山区公共服务业态整体核密度聚集程度较为显著，而包河区聚集程度相对离散。外围区域，瑶海区、庐阳区、包河区和蜀山区整体密度较为离散。

图2 整体业态业态空间分布特征

(二)基础教育公共服务业态分布

图3 教育业态空间分布特征

基础教育类公共服务业态机构主要结合公共服务分等级的空间布局思路，按照市区级—街道级—社区级三级别的不同等级的空间布局，随中心等级下降，分布密度降低，基础教育类业态整体密度分布在空间上呈现出核心区密集、周边离散聚集状态，这与城市发展存在一定关联(图3)。从图中可以明显看出，靠近核心区，瑶海区和庐阳区基础教育类整体聚集度高于包河区和蜀山区；外围区域，庐阳区和包河区基础教育类整体密度相对均匀，而瑶海区和蜀山区基础教育类整体密度则离散化聚集程度较大。

(三)医疗卫生公共服务业态分布

医疗卫生类业态在合肥市区呈现核心区于边缘区集聚程度相对差异较小，三级城镇体系内均有布局(图4)。其中在庐阳区医疗卫生类业态分布靠近核心区集聚、远离核心区相对均匀；蜀山区、包河区和瑶海区则表现出了靠近核心区集聚、远离核心区离散化程度较大。

图4 医疗业态空间分布特征

(四)体育设施公共服务业态分布

体育设施类公共服务业态POI分布点整体呈现核心区较为集中，周边区域相对离散且多中心集聚分布的状态，其他区域存在着分布较少甚至没有的差异特征(图5)。蜀山区体育设施类业态密度整体上优于其他三区，庐阳区、包河区和瑶海区则整体密度聚集程度较为接近。

图5 体育业态空间分布特征

三、结论与不足

根据地理学距离衰减原理可以明显看出，越靠近城市中心区域，公共服务业态整体密度分布和分类别(教育、医疗及体育)的空间聚集效应则明显的遵循距离衰减规律。因此可以得出结论：

1)越靠近城市中心区域，公共服务业态整体和分类别密度分布越高，远离城市中心区域，其密度变得越低。

2)公共服务业态在总体上和各分类(包括教育、医疗和体育等)上表现出来的空间布局整体上呈现出核心区聚集程度显著、周边区域则聚集度比较低且离散化现象的聚集较为突出。

3)各个类型POI数据的空间布局有着显著的不均衡性和空间差异特征。

总体来说，基于POI数据在空间上的聚集模式研究优势明显，其能够更好地表达出空间差异和不均衡性。同时各个类型的公共服务设施受由于受到服务对象和服务水平等各种不同客观因素的作用，在空间上表现出各自明显的空间差异特征，但通过研究发现，其整体上所呈现出来的特征具有明显的相似聚集效应。当然，仅仅依靠POI点数据对其进行全面研究，难免让人无法信服，比如服务半径的大小和服务水平的能力无法获知，同时对于其他相关的数据也没有进行进一步的深入分析探讨，使得研究深度不足等，对于进一步利用POI数据研究相关领域仍有待进一步的提升。

参考文献：

[1]孙宗耀，翟秀娟，孙希华.基于POI数据的生活设施空间分布及配套情况研究——以济南市内五区为例[J].地理信息世界，2017，24(1)：65-70.

[2]焦耀，刘望保，石恩名，等.基于多源POI数据下的广州市商业业态空间分布及其机理研究[J].城市观察，2015，40(6)：86-96.

[3]崔真真，黄晓春，何莲娜，等.基于POI数据的城市生活便利度指数研究[J].地理信息世界，2016，23(3)：27-33.

[4]汤放华，莫文波，张曦，等.基于POI数据的公共服务设施空间分布研究[J].城市建筑，2017(9)：35-39.

[5]伍芳羽.基于POI大数据的南京公共服务业态空间布局均等化研究[J].理论研究，2017，6(159)：43-45.

[6]浩飞龙，王士君，冯章献，等.基于POI数据的长春市商业空间格局及行业分布[J].地理研究，2018，37(2)：366-378.

[7]禹文豪，艾廷华，周启.设施POI的局部空间同位模式挖掘及范围界定[J].地理与地理信息科学，2015，31(4)：6-11.