基于POI数据的城市蔓延测度研究——以沈阳市为例

张景奇， 陈小冬， 修春亮

（1.东北大学文法学院，辽宁 沈阳 110169；2.东北大学江河建筑学院，辽宁 沈阳 110169）

1 引言

城市蔓延最早出现在欧美国家，工业革命加速了欧美国家的城市化进程，同时交通技术的进步和道路系统的扩张也推进了郊区化进程，二者共同奠定了欧美国家城市蔓延和低密度发展模式的基础[1]。自20世纪60年代以来，城市蔓延逐渐成为困扰世界各大城市发展的难题，相对于欧美等发达国家，中国的城市蔓延出现时间较晚，20世纪80年代改革开放后城市化迈入高速增长阶段，截至2017年初，中国的城镇化率已经达到57.35%。尽管起步较晚，但中国的土地城镇化速度却远高于人口城镇化速度，城市蔓延之势汹涌。从结果上看，城市蔓延对人类赖以生存的物质环境（增加空气污染[2]、侵占动植物栖息地[3]、降低自然景观观赏性[4]，破坏城市空间结构[5]等），以及日常生活中行为心理（增加交通成本[6]、减少社会交互、增加犯罪率[7]等）等方面带来巨大影响，因此如何测量城市蔓延对于塑造良好的城市空间形态至关重要，是解决城市蔓延系列问题的基础。

目前已有的城市蔓延测度方法大多是基于西方国家城市化背景提出的，常见的有单指标法，如LOPEZ等[8]提出的基于居住密度的城市蔓延指数；多指标法，如蒋芳等[9]从城市扩展形态，扩展效率以及外部影响三个方面提出的城市蔓延测度指标体系；图像分析法，如MAHESH等[10]利用GIS和RS技术构建香农熵和景观格局指数监测阿杰梅尔市的城市蔓延情况，孙平军等[11]利用遥感图像对长春、吉林城市蔓延的程度、方式、效应与驱动力因子进行比较分析等。城市蔓延内涵的复杂性决定了其测算方法不一，目前大多从人口密度、就业密度或居住密度与城市化建设用地增量的关系上进行测算，可见“密度”在城市蔓延测算中占据极其重要的地位。从城市蔓延的内涵上看，蔓延本身就是指“低密度”的扩张，REILLY[12]形容它是“低密度单身家庭住宅的增加”，DUTTON[13]则形容它是发生在城市边缘地带的“低密度的土地扩展”；从城市蔓延的起因上看，它是对城市衰退（Urban Blight）的一种抗争，随着市中心“城市病”的不断加大，人们无法忍受甚至“必须通过手术刀来切除这一毒瘤”时，降低“城市中心密度”成为最迫切的需求[14]，可见城市蔓延的初衷是反对城中高密度生活的弊端；从计算方法上看，LOPEZ等[8]根据某一区域的居住密度来构建城市蔓延指数，并认为居住密度比就业密度更能反映城市蔓延的特征。而国内构建的城市蔓延指数，常见的是在假定城市人口均匀分布的基础上，利用城市用地增长速度与城市人口增长速度之比来计算[15-17]，但该方法无法查明城市蔓延的具体区域，而从空间形态上来做的研究[18-19]，又面临着高精度人口密度数据较少或时滞性高的问题（街道级别的人口数据需从全国人口普查数据获取，每十年一次），应用中存在一定困难。

随着地理空间大数据以及电子地图定位服务的快速发展，利用兴趣点数据（Point of interest, POI）进行城市方面的研究逐渐兴起，如利用POI进行城市功能分区[20]、城市边界划定[21]、城市结构研究[22]等。POI数据具有信息量大、位置准确度高、实时性强、业态分类明确等特点[23]，日渐成为城市规划与土地管理方面的重要辅助数据。为更合理地反映中国城市的蔓延特征，消除国内高精度人口密度数据不足的缺陷，同时提高城市蔓延的研究精度（建筑单元级别），本文借鉴LOPEZ的方法，利用POI数据和建筑单元矢量数据，尝试从公共服务设施密度角度构建城市蔓延指数并以沈阳市为例进行实证研究。

2 理论与方法

2.1 理论基础

从全球范围看，城市蔓延的产生是经济社会发展到一定阶段的产物，它的存在有一定的必然性，但是无论是欧美国家还是发展中国家，城市蔓延产生的背景不尽相同，因此不同地区的城市蔓延驱动机制、表现和反馈既存在共性也有差异。与欧美国家以市场为导向的城市蔓延不同，国内的城市蔓延更多的是政府主导[24-25]，自1994年分税制改革以来，以土地出让金为核心的土地财政逐渐成为了地方政府财政收入的主要来源。究其原因，中国的土地——这一片“公共池塘资源”的所有者是政府，管理者也是政府，土地作为地方政府的“信用”使其能够获取大量贷款，从而支持城市中各类基础设施和公共服务的配套建设，地方政府通过土地出让获取大量的土地财政，在城市化1.0阶段累积资本上起了重要作用[26]；也有研究表明，土地财政显著加速了城市蔓延，在不同形式财政分权和以GDP为核心的绩效考核激励模式下，这种“以地生财”和“圈地运动”的土地财政模式推进了城市空间增长[27]，其最终的结果就是建设用地的大量增加、开放空间的成片消失，在土地大肆开发和公共财政紧缺的背景下造成了城中和城郊地区公共服务和设施配置上的差距，相对于城中地区，城郊新开发地区公共资源配置速度远远跟不上城郊边界建设用地的扩张速度。

因此，本文假定对于一个城郊建筑单元来说，所处位置的公共服务密度越低则城市蔓延指数越高，反之则低。本文界定的公共服务，既包括传统意义上由政府提供的公共服务，也包含由市场提供的面向公众的服务，而且就城市蔓延来说，市场的反应往往更为灵敏，例如餐馆、超市等总是开设在人口密度较高的区域。已有文献表明，基础设施的建设促进了人口城市化水平的提高[28]，一般来说，基础设施和公共服务越优质、越便捷的地区越容易吸引人口流入，相反，基础设施和公共服务较差的地区，因在生活、教育、医疗和交通等方面上的不便，人口流入速度较为缓慢，这使得公共服务密度与人口密度具有高度的相关性。此外，判断城市蔓延一个重要的标准是要看这个区域是否有“活力”，而这种“活力”的前提就是要有完善的基础设施和公共服务。从“竞争性政府”（Competitive Governments）角度看，各地方政府通过优化公共服务和营商环境、加强基础设施建设等方式方法来增强城市的综合竞争力，吸引人口和投资。并且，通过对研究区沈阳市的测算结果表明，公共服务密度与人口密度的相关系数高达0.939（限于数据可获性原因，采用2015年人口密度和2018年POI密度进行空间相关性分析，人口数据来源于http: //maps.worldpop.org.uk），这也使采用POI密度测算城市蔓延程度成为可能。

2.2 研究方法

2.2.1 基于POI的城市蔓延指数法

在此理论分析基础上，参考LOPEZ等[8]研究成果，利用公共服务设施密度代替居住区密度构建城市蔓延指数。LOPEZ等通过绘制一个面积大小和形状近似于人口普查区域的多边形，并通过测量该多边形的面积来估计每个区域的土地面积，人口密度则是通过其普查得到的人口数量与土地面积的比值进行计算。他将每个大都市区的土地分为高密度区（每平方英里3 500人以上）、低密度区（每平方英里200至3 500人之间）和农村地区（研究中不包括该区域，每平方英里不到200人），通过高密度区与低密度区的占比构建城市蔓延指数，并对美国331个大都市区的城市蔓延情况进行测度。借鉴LOPEZ的研究方法和思路，本文利用核密度分析法计算研究区内的各类公共服务设施密度，通过CRITIC方法对每一类公共服务设施进行赋权，之后通过栅格叠加得到四环公共服务设施密度图，并利用自然间断点方法将研究区公共服务设施密度分为5类，找出密度分类中密度最高的一类视为本文的高密度区域，其他区域以高密度区域为标准计算城市蔓延指数，公式如下：

式（1）中：SIi为i区域的城市蔓延指数；Li%为区域i公共服务设施低密度地块所占的百分比；Hi%为区域i公共服务设施高密度地块所占的百分比。计算的蔓延指数值分布在0～100之间，值越大代表城市蔓延的程度越高。

与LOPEZ基于居住密度的蔓延指数相比，本文综合考虑了国内城市蔓延的特点，即城郊地区相对于城市中心在公共服务配置方面的差异。而且，公共服务设施具有空间位置的固定性，相对于不断流动的人口来说能够更加客观地反映城市新建区的蔓延状况。此外，国内高精度的人口空间密度数据在获取上较为困难，而利用开放的API接口获取POI地理大数据具有较高的便捷性。因此，本文尝试利用公共服务设施密度代替传统的人口密度（居住密度）来构建基于POI的城市蔓延指数，进而进行城市蔓延的测度。

2.2.2 核密度分析法

核密度分析在城市热点探索方面应用广泛[29-30]，该方法用于计算空间点、线要素在其周围邻域中的密度，并对密度布局进行连续化模拟，以图像中每个栅格的核密度值反映空间要素的布局特征。本文利用核密度分析法探索不同类型POI数据的聚集特征，根据每个栅格内POI核密度值估计其周围密度，核密度函数的计算如式（2）：

式（2）中：f（x）为x处的核密度估计值；r为搜索半径；n为样本总数；dix为POI点i与x间的距离；Φ为距离的权重。

2.2.3 CRITIC赋权法

CRITIC法是由DIAKOULAKI[31]提出的一种客观权重赋权法，各个评价指标的权重确定是以指标内的变异性和冲突性来综合衡量的，评价指标内的变异性以标准差的形式表现，表示同一指标各个评价对象之间取值差距的大小，标准差越大各对象之间取值差距越大。指标之间的冲突性是以指标之间的相关性为基础，如两个指标之间具有较强的正相关，说明两个指标冲突性较低。本文所选取的各项指标属于并列关系，并且在空间分布上具有较强的相关性，因此选取CRITIC方法进行权重赋值，详见式（3）：

式（3）中：Corrij表示第i个特征和第j个特征的相关系数；δj表示第j个特征的标准差；i表示特征总数。

CRITIC法目前已广泛应用在绩效评价[32]、质量评价[33]以及区域发展评价[34]的指标赋权过程中，在公共服务设施（POI）的研究中也有过一些探索[35-36]。CRITIC法之所以能够应用在POI的相关研究中，是因为POI数量在一定程度上能够反映它的重要性，而CRITIC法则能有效地反映POI数量以及POI在空间上分布的相关关系，从而确定它们的权重。本文借鉴孙宗耀[35]等在研究济南市生活设施空间布局时使用的CRITIC方法，利用平均数和相关系数计算不同公共服务设施的权重值。归一化后的平均数体现出各设施在研究区内布局密度的高低，相关系数用来衡量各类设施之间的关联性，改进后的CRITIC法的计算如式（4）所示：

式（4）中：Mj表示第j个设施的平均像元值。

2.2.4 自然间断点分类法

自然断点法分类是基于数据中固有的自然分组，通过对分类间隔加以识别，在数值差异相对较大处设置边界，对相似值进行恰当分组，使各类之间差异最大化。本文基于ArcGIS 10.5软件的重分类工具利用自然断点法对公共服务设施密度的分析结果进行分类，并结合POI统计结果计算沈阳市四环内不同地区的城市蔓延指数。

3 实证分析

3.1 研究区概况

沈阳市是中国东北地区的区域中心城市，也是典型的重工业城市。本文以沈阳市四环内的区域作为研究区，按照沈阳市的规划，沈阳市中心城区是以四环为基础，到2020年，沈阳市四环以内将全部发展成为中心城区，行政区划上涉及和平区、沈河区、皇姑区、大东区的全部和铁西区、浑南区、沈北新区、苏家屯区、于洪区的大部，全域面积为1 233.6 km2，四环质心坐标为123°25′56.623″E、41°47′58.447″N。1975—2011年，沈阳市一二环间的建设用地填充度由39.8%上升到92.3%以上，且在2004年时填充度已达到90%以上，二三环间的填充度增幅为61.95%，说明36年间沈阳市城市发展的重点区域在此区间，而且呈加速增长态势，三四环间填充度增幅已由低于2%逐渐上升到5%直至高于10%，说明在二三环间尚未饱和的情况下，三四环间已呈明显加速趋势，这意味着沈阳市在城市土地利用的内部挖潜方面还有待提高，若按当前的发展速度和方式，该区域很有可能成为下一阶段城市蔓延的重灾区[37]。

3.2 数据来源与预处理

研究涉及到两类地理大数据。第一类是公共服务POI数据。政府和市场是公共服务配套设施的供给方，在研究中公共服务设施的类型选择十分重要，为此，参考朱查松等[38]对社会公共服务设施的分类方法，将研究区公共服务设施分为生活、交通、教育、餐饮、健康、金融、娱乐、安保和文化服务9大类23小项，基本涵盖了与居民日常生活息息相关的各个方面。实际操作中，利用高德地图API接口获取POI数据，经过空间匹配、去重及删除辨识度低的公共服务设施网点等必要的数据清洗之后，共余68 869个POI（如图1（a）和表1所示，数据获取时间为2018年4月），进行坐标纠偏后将结果转入ArcGIS中待用；第二类是建筑单元矢量数据。用类似的方法获取沈阳市四环内的建筑单元158 023个（如图1（b）所示，数据获取时间为2018年4月），之后通过计算每个建筑单元范围内的公共服务设施密度来测量不同地区的城市蔓延程度，相对于传统研究中街道级别的研究尺度（根据全国普查数据做的研究），利用大数据能够将研究精度提高至建筑单元级别。

3.3 公共服务密度计算

3.3.1 权重分配

图1 沈阳市四环内POI点与建筑单元分布Fig.1 Points of construction units distribution within the fourth ring

基于各类公共服务设施的相关矩阵（在ArcGIS中计算相关性），根据改进后的CRITIC方法，得到沈阳市四环内各类设施权重，详见表2。各类设施权重从大到小依次为生活＞交通＞教育＞健康＞金融＞安保＞餐饮＞文化＞娱乐，其中，生活服务设施占比最高，超市、市场等生活设施的丰富程度、便捷程度极大地影响了居民的居住选择，是区域发展差距较直观的外在表现之一；其次是交通服务，交通服务中的公交站点是所有23项设施中所占比重最大的一项（权重为0.102），这与城市蔓延的成因相符合，私人交通促进了蔓延的发展，而便捷的公共交通却能够较好地减轻城郊地区居民出行的成本，特别是有地铁站点的城郊地区更容易吸引人口的快速流入；相对而言，权重最低的是娱乐服务（0.034），作为服务业，娱乐设施在考虑公平性的前提下服从利润最大化的布局原则[39]，空间布局与商业设施具有地域趋同性，主要集中于地段繁华的市中心商业区。

表1 POI数据基本情况Tab.1 Category of the POI data

表2 各类型配套设施权重Tab.2 Weights of different public service facilities

3.3.2 POI密度计算

基于核密度分析法，分别计算研究区23项公共服务设施单项的密度，进行归一化操作后，代入表2中的权重进行空间叠加，进而得到研究区公共服务设施的综合密度。已有研究表明，核密度计算中带宽R的选择对核密度分析的结果有关键影响[40]，在参考了多位学者的研究成果之后[41-43]，本文选取了400 m、800 m、1 200 m、1 600 m、2 000 m和2 400 m的不同带宽进行试验，结果表明带宽为1 200 m和1 600 m的条件下既能够识别设施分布的局部热点信息，同时又能够较好地反映其整体分布特征，结合研究区自身特点，综合考虑公共服务设施的平均影响范围及其空间分布的离散程度，最终选择半径为1 200 m的距离阈值进行分析。之后对核密度图进行归一化，消除因POI数量不等导致密度差异的影响，最终得到的POI密度分布如图2所示。从分布的结果看，研究区公共服务设施整体上呈现团状集聚的空间格局，其密度的最大值为0.606，均值为0.091。公共服务设施在市中心地区具有相对明显的规模优势，外围地区除苏家屯区（南偏西方向）之外，其他地区的公共服务设施规模较小且布局分散。

图2 四环公共服务设施空间密度分布Fig.2 Spatial density distribution of public service facilities

图3 城市蔓延计算结果Fig.3 Results of urban sprawl in study area

3.4 城市蔓延指数计算

城市蔓延指数计算的关键在于找到高密度区域和低密度区域，但关于划分公共基础设施高低密度的文献较少。为此，研究借鉴了“相对”的概念，从LOPEZ的公式上看，城市蔓延的高低密度本身也是一个相对值，为此本文利用分级之后的最高密度区作为高密度的参考。具体操作中，在ArcGIS中应用自然间断点法对相似值进行分组（5类区域），完成对POI密度图的分割，确保各类之间的差异最大化。之后，将分割后的5个区域看作是各自独立的区块单元，并以分割后POI最高密度区所覆盖建筑单元的面积作为“高密度”的参照（H%），随后分别计算另外4个区域建筑面积相对于参照区域建筑面积的比例，进而得到L2%～L5%和H2%～H5%。其中，由于区域Ⅰ是参照标准，故认为其没有低密度区，即L1% = 0%，H1% = 100%；利用式（1）分别计算得到5个区域的城市蔓延指数，结果如表3所示；最终，将5个区域按城市蔓延值由低到高分别命名为非蔓延区、轻度蔓延区、中度蔓延区、高度蔓延区和重度蔓延区，并将其蔓延值代入ArcGIS绘制成图3，完成城市蔓延的空间可视化操作。

表3 各区域建筑轮廓面积及比例Tab.3 Acreages and proportions of constructions

3.4.1 环向分析

环向分析目的在于理清研究区各环间的城市蔓延情况。统计沈阳市一环内、一二环、二三环以及三四环间各蔓延区域的占比，结果如表4。从总量上看，轻度蔓延（区域Ⅱ）和中度蔓延（区域Ⅲ）面积最高的地区在二环内，而重度蔓延（区域Ⅴ）和高度蔓延（区域Ⅳ）面积最高的地区在二三环间；从占比上看，轻度蔓延（区域Ⅱ）和中度蔓延（区域Ⅲ）面积最高的地区还是在二环内，但重度蔓延（区域Ⅴ）和高度蔓延（区域Ⅳ）占比最高的地区却变成了三四环间。环向分析的结果一方面说明沈阳市目前发展较好的区域是在二环内，另一方面说明越靠近外环，城市蔓延的情况越严重，在二三环间填充尚未饱和的情况下，三四环间已呈明显加速趋势。

3.4.2 扇区分析

等扇区分析能够直观地表明研究区城市蔓延在各方位上的表现。以四环质心为圆心，将研究区以8个方位进行扇形划分并与城市蔓延现状图进行空间叠加，统计5个区域在不同方位的面积占比得到图4。从城市增长趋势看，越靠近外围，增长趋势越明显，城市蔓延的程度越来越重。整体上，四环内形成以NE-N方位为主要蔓延翼，NE-E和SW-S方位为次要蔓延翼的分布格局。局部上，NE-N方位上城市蔓延现象最为严重，其中区域Ⅳ和Ⅴ总占比为76.42%，整个方位上绝大部分建筑单元均属高度和重度蔓延区，其次为NE-E方位和SW-S方位，区域Ⅳ和Ⅴ总占比为63.72%和62.93%。相对而言，SW-W方位上蔓延现象较为缓和，区域Ⅳ和Ⅴ所占比重最低（44.36%）。

表4 各环间城市蔓延区域面积和占比Tab.4 Acreages of urban sprawl areas among rings

图4 扇区分析结果Fig.4 Results of sector analysis

表5 各区域所占面积比例Tab.5 Proportions of areas occupied by each region (%)

3.4.3 区划分析

统计5类蔓延区在行政区划上（市内9区）各自的占比，结果如表5所示。整体上看，沈阳市以和平区、沈河区和皇姑区的市中心地区为核心，借助放射型交通干线呈现多方向的圈层式蔓延。此外，在南偏西方向的苏家屯区是一个相对独立的发展单元，该区是由苏家屯镇转变而来，作为国务院批准的沈阳南部副城有着较长的建设历史，因此它附近的蔓延程度并不严重。相对而言，蔓延较为严重的地区集中在浑南区、沈北新区、于洪区和大东区。

区域Ⅰ主要包括沈河、和平、皇姑、大东以及铁西区，其中沈河、和平两个区所占比例之和高达59.1%，这两个区作为沈阳市传统的核心区域，在商业、金融、教育、交通等配套方面较为齐全；区域Ⅱ中占比最大的区域是铁西区，比例达到36.5%，铁西区原是沈阳市工厂最为集中的地区，自2004年铁西工厂实施大规模向外搬迁后重新焕发了活力，可以看到铁西区在二环内的区块蔓延情况并不严重；区域Ⅲ于洪区的占比最大，为22.09%，2007年于洪区提出“一区”“两城”“一带”打造沈阳西北副中心的发展构想，该规划纲要加快了于洪新城的城市建设，但同时也拉动沈阳城区向西北方向的蔓延；在蔓延程度较高的区域Ⅳ和区域Ⅴ中，于洪区和浑南区的占比最大，比例之和分别为43.9%和39.7%，特别是浑南区在区域Ⅴ中的占比最高（27.24%），这与沈阳市实施“开发大浑南”的战略规划有关，尤其是2008年奥运村的建设以及2009年全运会的开展加快了浑南新城的建设，以及2017年沈阳市提出了“一河两岸”的发展规划，从根本上改变了传统意义上位于“沈水之北”沈阳城的空间发展格局。

4 结论与讨论

4.1 结论

合理地测度城市蔓延是研究城市蔓延程度、特征、机理以及调控的基础，借助地理空间大数据提取多种类型的POI以及建设单元数据，通过公共服务密度来构建城市蔓延指数具有计算便捷的特点，同时计算结果还可以直观地查明蔓延治理的重点区域。本文通过POI密度来计算沈阳市四环内不同区域城市蔓延指数的结果表明，环向上沈阳市二三环间是城市蔓延的重灾区，重度蔓延（区域Ⅴ）面积最大，是应重点治理的区域，而三四环间重度蔓延（区域Ⅴ）比例最高，90%以上的建筑单元处于高度和重度蔓延状态，是应重点防范的区域；从扇区分析结果看，四环内形成以NE-N方位为主要蔓延翼，NE-E和SW-S为次要蔓延翼的分布格局；从区划分析结果看，蔓延程度最高的是浑南区和于洪区。

4.2 讨论

在快速城市化的驱动下，城市建设用地扩张速度远超城市公共服务设施的配置速度，不少城市住宅用地面积出现冒进式和零乱式增加的趋势，而相关基础设施和公共服务设施配套明显滞后[44]，地方政府容易陷入“基础设施建设经费不足——用土地财政来弥补基础设施建设的财政缺口——新建区域出现更大的财政缺口”的死循环。因此治理城市蔓延，一方面要立足于城市内部挖潜，在新区规划时要充分考虑城市蔓延的成本，在东北地区整体经济有待振兴、人口流失的前提下，地方政府要充分考虑新建学校、医院、公交等配套设施和服务的建设成本、运行成本及服务效率，从而减少城郊地区房地产开发造成城市盲目向外扩张的行为，转向促进土地的混合利用和紧凑发展，建立和完善公交系统，促进轨道交通；另一方面，要注重公共服务的重心外移，提早做好诸如大型医院等服务设施的外迁规划，促进新老城区公共服务密度的平衡，既能够使城市新建区域的人口吸引力增强，又能够满足设施机构自身发展需求、减轻老城区高密度人口带来的种种压力。新型城镇化背景下的城市发展应由过去片面注重城市规模扩大、空间扩张的做法，改变为以提升城市文化、创新和公共服务等核心竞争力为重心的高质量增长，真正使城市成为具有较高品质的宜居之所。基于地理大数据提取POI，通过公共服务密度来计算城市蔓延指数的方法，能够较好地反映国内城市蔓延的特征，在之后的研究中，将深入对比全国各大城市公共服务设施配置的密度差异，从而构建适合全国范围内基于公共服务设施密度的城市蔓延指数，为更好地测度和了解城市蔓延提供便捷、准确的方法。