基于POI数据的成都市休闲娱乐热点识别

唐梦鸽,罗明良,魏 兰,李 莉2,秦子晗

(1.西华师范大学 国土资源学院,四川 南充 637009;2.南京师范大学 地理科学学院,江苏 南京 210023)

1 引言

在马斯洛需求层次理论中,人类的需求被分为生理、安全、社交、尊重和自我实现五种,这五种需求像金字塔一样从低向高排列[1]。在社会发展过程中,人们日益重视精神层面的自我满足,因此旅游成为实现该目标的主要方式。由此引起城市服务业的迅速发展,服务业在城市产业结构中占据主导地位,成为拉动城市经济增长、调整城市经济结构和塑造城市内部空间格局的重要力量[2]。不同城市的空间格局不尽相同,城市的空间格局基本类型包括同心圆、扇形布局以及多核心布局。服务业作为影响空间格局的重要因素,是研究的一大热点。关于空间格局的研究,国内外已有很多:Neelam C Poudyal[3]等学者研究了居民对城市露天场地的空间格局选择;Catherine Linard[4]对非洲的城市增长的空间格局进行了模拟;Lien Poelmans[5]等学者探讨了城市扩张情景与水文模型耦合所涉及的尺度效应的重要性;朱道才[6]利用引力模型对安徽省的空间格局进行分析;马晓龙[7]分析了我国主要城市旅游效率的区域差异与空间格局;孟德友[8]分析了河南省高铁网对空间格局的影响。

目前,随着大数据时代的兴起,利用大数据对空间格局进行分析成为一大热点。数据的种类包括基于位置的数据、城市夜光数据、普查数据、兴趣点(Point of Interests,POI)大数据、城市热力数据等。其中,POI数据由于其职能分类的功能使研究更加便利,因此受到了更多人的青睐。例如，陈蔚珊[9]利用POI数据对广州市零售商业中心热点和广州市业态聚集特征进行了识别分析;李国旗[10]使用POI数据研究了物流节点与物流企业的相互关系;赵卫锋[11]使用POI数据提取了分层地标。目前,利用POI数据对城市特征识别的文章有很多,涉及多个城市,但对成都市的研究却有待深入。鉴于此,本文选择以成都市为研究区,利用POI数据对该地区相关休闲设施的空间格局进行分析,以便对成都市有更深刻的认识。

2 研究区与数据来源

2.1 研究区概况

本文以成都市11个市辖区(金牛区、青羊区、武侯区、锦江区、成华区、双流区、新都区、龙泉驿区、郫都区、温江区和青白江区)为研究对象,总面积为3656km2,其中金牛区、青羊区、武侯区、锦江区和成华区处于城区中心(图1)。成都是四川省的省会、全省政治经济文化中心,也是西南地区集商贸、金融、科技为中心的城市和交通通讯枢纽城市[21]。2017年成都市的城市化率达到70.6%,在2017年位居新一线城市的榜首,因此选择以成都市为研究区域具有一定的现实意义。

图1 研究区概况

2.2 数据来源

本文的研究数据主要包括POI数据和路网数据。其中,POI数据来源于2017年11月的网络电子地图,包括成都市11个区的旅游、休闲、旅馆和餐饮4类，具体见表1。路网数据为成都市11个城区的矢量路网数据,来源于OSM(Open Street Map)。本文主要选择与旅游休闲相关的POI数据,结合路网数据分析各个因素之间的相关性与空间分布特征,能较好的反映成都市旅游休闲相关设施的空间分布特征。

表1 POI数据内容

3 研究方法

3.1 核密度估计法

核密度估计法(Kernel Density Estimation,KDE)由Rosenblatt、Emanuel Parzen提出,主要是借助一个移动的单元格对点或线格局的密度进行估计[12]。核密度分析的原理在于认为地理事件的发生具有随机性,不受任何其他条件的限制[13]。KDE反映了距离衰减规律[14-18],设置不同的带宽,所识别出的中心位置数量和位置会有所差别。常用的核函数主要包括均匀核函数、三角核函数、伽马核函数、高斯核函数等。因此,利用核密度方法,可识别出POI点的空间分布密度与集中位置。

3.2 热点分析

在进行热点分析之前,首先需要创建“渔网”,在经过一系列的试验后,渔网的单元大小最终确定为2000。随后,基于渔网数据中每个网格单元所包含的点的统计数量进行热点分析。Getis、Ord提出度量每一个观测值与相邻位置的值之间是否存在局部空间关联的G×统计量[19,20],该统计量是通过在给定一组加权特征值识别统计上具有显著性意义的热点和冷点,进而识别出数据点在空间上的集中区域。表达式为:

式中,Wij代表空间权重矩阵,如果第i个和第j个单元之间的距离在给定距离d内,则即可以认为这两个单元相邻,空间权重矩阵中的元素为1，否则为0。

4 结果分析

4.1 基于三种分类方法的城市中心识别

本文选择成都市11个市辖区内的休闲娱乐、旅游、餐饮、住宿4类POI和道路网络作为研究数据,分别运用城区点密度、核密度以及热点分析3种方法分析成都市11个市辖区的空间分布特点。城区点密度方法主要体现的是设施点空间分布的城区差异。

分析结果显示,设施点分布的热点区域主要集中在成都市内环的5个城区,其中青羊区除了路网之外,其他4种设施的分布密度值均大于3,在5个区中排名第一，这与青羊区深厚的历史文化底蕴有关。青羊区是古蜀文明和诗歌文化的发源地之一,拥有多个成都市最为精华的历史遗迹,譬如杜甫草堂、宽窄巷子等。由于这些历史遗迹的影响,促进了相关配套设施的发展,因此青羊区4种设施的分布密度较高。从图2(B)可见,外围区县青白江区也被分类为密度较高的一类,通过查验其属性值,青白江区休闲娱乐设施点的密度处于第六位,因此与其他4类数据的分类结果并不冲突。

图2 成都市各个城区的密度

图3 成都市各类数据的核密度

核密度分析方法体现的是设施点的空间分布差异。设施点分布集中在中心5个城区的内环(相对于整幅图而言),但是在各个区的分布又有所差异(图3)。同时,休闲娱乐、旅游、餐饮、住宿四类设施点在外围6个城区形成了部分热点区域。基于路网的核密度图则与之不同,只有1个以市中心为核心的较大热点区。

在进行热点分析时,本文依据网格单元内设施点的数量进行了热点区识别,分析结果见图4。从结果来看,图3和图4的相似性较高,但图4揭示的热点中心更加具体，位置也更加明确。例如,图4(A)龙泉驿区景点设施的热点识别效果与中心城区相同,而在图3(A)中,该地的集聚效应明显没有中心城区强。由于此处是洛带古镇所在地,古镇内景点设施较为集中,利用核密度方法进行计算时核定的距离远大于古镇范围,而热点分析的网格单元大小则与之相差无几,因此两种方法生成的效果图有所差异。

在进行热点分析时,本文依据网格单元内设施点的数量进行了热点区识别,分析结果见图4。从结果看,图3和图4的相似性较高,但图4揭示的热点中心更加具体，位置也更加明确。例如,图4(A)龙泉驿区景点设施的热点识别效果与中心城区相同，而在图3(A)中,该地的集聚效应明显没有中心城区强。由于此处是洛带古镇的所在地,古镇内景点设施较集中,利用核密度方法进行计算时核定的距离远大于古镇范围,而热点分析的网格单元大小则与之相差无几,因此两种方法生成的效果图有所差异。

图4 成都市各类数据的热点分析

4.2 4类设施点与道路分布的热点区域

4类设施点与道路的分布热点主要集中在5个中心城区，在外围6个城区也形成了几个较小的热点区域,它们分别是:位于龙泉驿区桃花故里附近的餐饮、休闲娱乐和旅馆设施,位于温江区的国色天香乐园旅游设施,位于双流机场附近的餐饮和旅馆设施,位于青白江区凤凰湖湿地公园附近的休闲娱乐设施等。在龙泉驿区桃花故里附近,由于景区的集聚效应,餐饮、旅馆和休闲娱乐3类设施均形成了热点区。而旅馆、餐饮、道路在双流区内出现核密度值较高的区域,可能是受附近的双流机场影响的缘故。综合分析以上几个较小的热点区域发现,它们大多位于某一景点或重要的设施附近,而这些景点或设施都独立于其他景点或设施单独存在,因此辐射范围相对较小,核密度值相对较低。

4.3 4类设施点与道路分布的圈层结构

根据三种方法的分析结果发现,4类设施点的空间分布具有明显的多中心圈层结构,最大圈层以成都市中心为核心向四周发散。我们将成都市11个城区的社会消费总额(2017年1—11月)与景点密度、休闲娱乐密度、餐饮密度、旅馆密度、路网密度、平均密度进行相关性分析(表2),相关系数分别为0.775、0.788、0.837、0.814、0.944、0.932,在置信度为0.01水平上表现为强相关性。由此可见,成都市的设施点分布与其所处位置的发展程度有着紧密的关系;路网密度与社区消费总额之间的相关性最大，即道路网络越完善,经济发展程度越高。优越的交通条件是提升地区资源优势转化为经济优势的速度,对比成都市11个主城区路网密度与社区消费零售总额顺序,可以发现两者几乎一致。成都市的道路网络表现为单核心的圈层结构,核密度值大致随着与市中心距离的增加而递减,但在不同方向上呈现出各向异性。在双流区方向上递减速度表现为先慢后快,在温江、新都、龙泉驿、郫都区方向上递减速度表现为先快后慢。

表2 各城区影响因子比较

5 讨论

本文利用POI数据识别城市休闲设施的空间分布,能直观地反映城市的空间分布格局。本文通过对成都市4类POI数据、路网数据进行分析,主要获得以下几点结论:①成都市城区发展具有明显的圈层结构。综合图2和图3可见,成都市点设施的分布密度大致由中心向四周按距离递减。对比成都市五个中心城区,青羊区内POI更为集中。在外围城区中除景点外,餐饮、旅馆和休闲娱乐设施在双流机场附近和龙泉驿区的桃花故里附近相对集中。②基于城区点密度、核密度和热点分析，3种方法对成都市的分析结果类似。但基于城区点密度的分析方法存在以偏概全的弊端,它所计算的是每个城区每平方公里的点密度在一定程度上平滑;而核密度和热点分析是对整个空间进行计算,不受城区范围的约束,集聚区的空间分布只与搜索半径和核定距离内POI点的密度有关,但搜索半径和核定距离的设定具有人为的主观性,最终结果与研究者的先验知识有很大关系。③4类POI和路网数据空间分布具有一定的相关性。本文通过SPSS相关性分析,所得结果见表3。

表3 各类数据相关性

从表3的分析结果可见，路网数据与另外4类POI数据之间的相关性较弱,尤其是与景点之间的相关性仅有0.661,这是由于本文所选用的路网数据仅包括街道数据,而景点位置是综合人文自然等因素确定的,部分景点在路网完善之前就已存在,并不完全受路网密度的影响,更多的是需要考虑交通因素;餐饮和住宿在旅游基础设施的配套设施中占据主要的位置,是旅游业不可缺少的物质基础,完善配套设施会增加旅游对象对景点的满意程度,因此三者之间的相关性较高,均在0.9以上;休闲娱乐设施与景点之间的相关性相较于另外两类数据(除道路外)较低,只有0.84,这可能是与人们出行的目的性强弱有关。

餐饮作为资源配置中的关键因素,与人们的生产生活息息相关,在城市建设中必不可少。合理的城市资源配置需要餐饮与另三类设施点的热点区域基本重合或位置相近。根据分析结果可见,成都市除了中心城区外,周围几个城区的资源配置有待优化。青白江区休闲娱乐设施存在集聚现象,而在该处及其周围的餐饮设施呈零星分布、不成规模,建议增加该处的餐饮设施点数量。同样,景点设施在温江区表现出了集聚现象,经推断可能是位于该处的“国色天乡乐园”引起的集聚效应。游乐园一般是人群聚集区,游客人群主要以年轻人为主,年轻人的消费观念更注重享受,因此对景点基础设施配置的合理性要求更高。综合该处的资源配置情况,周围未出现旅馆和餐饮的热点区,因此建议在此处增设一定的住宿和餐饮设施,以提升游客体验满意度。餐饮设施的可达性是影响人们就餐选择的关键因素。即交通越便捷,餐饮设施的影响范围就越大[22]。静态交通在提高交通便捷程度中占据主要位置,路网密度越高,吸引的就餐人员就越多,两者之间相互影响,高就餐人量反过来也可提升设施附近的路网完善程度。

龙泉驿区桃花故里附近的餐饮设施存在集聚现象,但该处及其通往五个中心城区的路网核密度值约为3.5,相对较低,餐饮聚集未引起设施附近的路网密度的提升,建议适当提升龙泉驿区静态交通的可达性。天府新区的双流片区南湖梦幻岛附近,餐饮设施出现了集聚现象,建议在天府新区增设一定的旅馆设施。该片区的黄龙溪古镇附近景点设施点、休闲娱乐设施点和旅馆设施点均已形成热点区,古镇景点配置相对较完善,餐饮设施尚未形成集聚,建议增加相应数量的餐饮设施点。综合该区的区位特点,建议在该片区其他地方增设一定的休闲娱乐设施。

6 结语

本文通过对成都市的休闲娱乐、餐饮、旅馆、景点4类POI数据和路网数据进行分析,得出成都市的休闲空间分布规律是从中心向四周按距离递减。在分析5类数据之间的相关性中,路网数据与另外4类POI数据之间的相关性较弱,因此可以推断路网密度并不是影响休闲娱乐、餐饮、旅馆和景点这4类休闲相关数据的决定因素。本文在进行研究距离时采用的是空间距离,而实际上人们在出行时所需要计算的是路网距离,因此有关方面的研究还需要进一步深入。