基于POI数据的城市公共服务质量评价——以武汉市为例

曹 睿

(武汉大学，湖北 武汉 430000)

0 引言

近年来，在许多关于人居环境的研究中，专家学者认为能为居民生活全方位地提供高质量的公共服务是评价宜居城市的一项重要指标[1-2]。通常，影响城市公共服务评价的主要因素是交通、医疗、教育、娱乐、消费等公共服务设施的配套与完善。以往城市公共服务评价的研究主要采用资料收集、问卷调查等途径，传统研究方式带来的局限性有数据范围小，获取效率低，同时也难以展开区域内多维度的比较。随着信息技术的飞速发展，大数据目前已经成为非常重要的发展方向和研究热点，城市公共服务评价的研究方法也随之突破。兴趣点(Point of Interest，POI)是在提高地理定位精度和速度的基础上，将地理实体以包含经纬度的点状形式来进行描述，作为一种代表真实地理实体的点状地理空间大数据，POI获取途径简单，覆盖面广。从POI数据中提取有效信息，与其他学科领域交叉关联，探索其中所蕴含的空间地理信息关系，是当前地理信息系统领域的热点[3]，具有很高的研究价值。每一条POI数据都包含丰富且有价值的对象属性信息(如用地类型、文本地址等)与空间位置信息(如经纬度、地理特征等)，而特定的地理POI类型则与人类的活动密切相关，比如城市的购物中心、公共服务中心等，都与城市功能与人类的活动有很强的关联性。因此，POI可以为人们提供城市或者社会系统的功能信息，有助于进行精细的城市研究[4]。本研究将借助POI数据对湖北省武汉市公共服务设施的分布情况进行研究分析，以此来对武汉市公共服务质量进行评价，并期望能在城市规划中提供宝贵的参考意见。

1 研究对象概况及数据分析

1.1 对象概况

武汉市位于湖北省东部、长江与汉水交汇处，地理位置为北纬29°58′～31°22′，东经113°41′～115°05′。作为湖北省省会，武汉市是中国中部地区的中心城市，全国重要的工业基地、科教基地和综合交通枢纽。截至2021年年末，全市下辖13个区，总面积8 569.15 km2，常住人口1 364.89万人。2021年，全市实现地区生产总值1.77万亿元。2020年，常住人口达1 364.89万人。在这样高人口密度、高城镇化的地区，城市公共设施对居民生活、经济发展都有着重要影像，研究设施分布、城市生活便利度指数以及功能区分布，具有一定的理论和现实意义。

1.2 数据及预处理

本次所用POI数据为2017年12月武汉市POI数据，共有将近20万条，总计17个分类，每条POI数据的属性表包括FID，Shape，NAME，XIAOLEI，ADDRESS，ZHONGLEI，DALEI7个类型。原始POI数据分类较多，且类型之间存在重复交叉现象，为了后续方便进行城市便利度计算，我们对数据进行了再分类。具体操作为利用ArcGIS的“Split By Attributes”工具，根据 “ZHONGLEI”(中类)属性对数据进行分离，再运用“Spatial Join”进行连接。以区划为单位研究区划功能构成涉及的运算量相对较小，且为了后续方便计算城市便利度指数，我们将所得的数据划分为交通设施、医疗卫生、科教文化、居民住宅、企业金融、行政管理、体育健身、社区服务、商业服务9个大类，作为进一步研究分析和成果展示的数据集，各类POI数量分布多、面广、数据复杂，此处不再赘述。

2 研究方法及结果展示

2.1 各行政区各类POI比例构成

首先，以武汉市行政区划为单位统计公共服务设施分布情况通过ArcGis将武汉行政区划文件和POI文件进行空间连接，统计各个类型的POI在行政区划间的分布情况。

由于各个行政区面积不同，POI数据量也不同，以POI点数的绝对值进行比较显然不合适。所以我们通过计算行政区内部的POI类型比例进行比较，计算公式为：

其中，i表示POI类型；ni表示单元内第i种类型POI的数量；CRi表示第i种类型POI的数量占单元内所有类型POI数量的比例。

再根据各类设施在不同行政区的占比进行了空间方差分析。方差越大，说明该类地物在区划之间分布越不均衡，反之则越均衡。计算得出分布最均衡的前3类依次为：体育健身、医疗卫生、社区服务；分布相对不均衡的前3名依次为：商业服务、行政管理、企业金融。此结果中体育健身和行政管理的分布方差可能与一般的认知有点不吻合。分析该类POI数据的小类得知，体育健身的POI数据小类包括健身中心、会所和俱乐部、各类体育场馆，所以数据的确说明了体育健身类在各个行政区划的分布是相对均衡的；行政管理的POI数据中，包括行政机构和部分事业单位以及居委会，部分事业单位和居委会的分布相对不均衡，所以行政管理大类的方差也就相对偏高。

对比13个行政区的图示，可以发现各个区划的POI组成在饼状图上的区别并不大。但确实存在一些区划的某个类型比例低于或高于其他地区，如汉南、蔡甸和黄陂区的商业服务占比低于50%。如果将POI类型的划分尺度再细分一下进行分析，可能会得到不一样的结果，这也是尺度效应的体现。

2.2 各类POI数据核密度分布

核密度估计是点模式分析中最常用的方法之一，可以显示某种要素在空间上的分布模式与强度。表现出距离核心越近的区域所受中心辐射值越大的特征，符合城市设施服务对周边位置影响的扩散特点。

分析时以要素所在位置为中心，设置的阈值为半径进行密度分析，中心所在位置密度最大，从中心向边缘处四周递减直至为零。在本研究中，每个POI数据记录为一个要素，其密度估算的表达式为：

核函数对于核密度的影响不大，而搜索半径相对核函数的形式而言对于核密度分析结果的影响就非常明显。随着搜索半径h增大，空间图像更加平滑，但是会牺牲一定的空间细节。因此，为了在保证平滑的情况下，尽可能显示更多的城市空间细节，经过多次尝试，最终研究选择1 000 m作为搜索半径进行核密度估计。

基于多种与城市公共服务设施密切相关的POI数据进行计算，得到下列核密度分布图，由各类核密度分布图可进行分析得到如下3种分布模式。

(1)多核集中模式。

该分布模式体现于交通设施、居民住宅、企业金融、社区服务、体育健身、科教文化等大多数类，主要聚集于江汉区、江岸区、汉阳区、武昌区，次要聚集于硚口、洪山区，除科教文化主要聚集于武昌区和洪山区。

(2)多核分散模式。

该分布模式体现于行政管理和医疗卫生，在核密度分布图上表现为有多个分散的聚集区，表示行政管理和医疗卫生这两类公共服务设施分布较为均匀。

(3)单核集中模式。

体现于商业服务类，在核密度分布图上表现为只有一个集中的聚集区，表示商业服务类公共服务设施分布很不均衡。

2.3 生活便利度指数分布研究

主成分分析是一类除去数据冗余的数理统计手段，它是将相关的多变量空间数据通过原始空间轴的旋转转化为少数几个互不相关的综合指标，以达到数据结构简化的目的[5]。主成分分析的原则是使方差最大，使用尽可能少的主成分作为评价指标，并保留尽可能多的原有指标包含信息，达到简化问题的目的。通过ArcGis的主成分分析法工具可以将多维度栅格数据所在的原始空间旋转转化为坐标轴互不相关的新空间，以此实现信息的集中和数据的压缩。

结合主成分分析方法，本研究通过9种公共服务设施类型的核密度值得到9个主成分，并通过计算可以确定各类POI数据在计算城市生活便利度指数中的权重，并采用其中所计算出来的归一化权重进行指数计算。权重确定结果如表1所示。

表1 各主成分权重计算

结合上述主成分分析确定的权重，综合各类公共服务设施的空间密度，构建区域的生活便利度指数的评估模型，具体计算公式如下：

E=a1x1+a2x2+a3x3+…+anxn

式中，E为生活便利度指数；an为主成分分析计算的权重；xn为各类公共服务设施的空间密度值。此处将整个武汉市分为1 km×1 km的格网，以每个网格内的POI点密度作为空间密度值[6]。利用ArcGIS计算网格点密度值，代入各类POI权重，得到每个网格内的便利度指数值，在地图上分层显示，最终形成武汉市生活便利度指数分布图，如图1所示。

图1 武汉市生活便利度指数分布

可以看到，在整个研究区内，便利度小于9.2的区域，其面积最大，占据了整个研究区范围的95%；便利度高于9.2的区域，高便利度区域面积很小，集中分布于武汉市中心长江两岸，如江汉、江岸、硚口和武昌区，说明这部分区域城市发展较发达，公共设施分布更多，市民的城市生活更便利；另外还有少数几个便利度较高的区域分布在各行政区(如新洲、黄陂、江夏区等)的区中心，形成几个分布零散的网点。高便利度和低便利度区域面积相差较大，城乡差异结构明显，发展较不充分。

3 结语

POI数据具有数据覆盖范围广、分类详尽、公共服务设施种类覆盖度高、获取效率高的特点，其应用于城市公共服务评价的优势在于能够较为精准地反映设施空间位置及分布密度，可以很大程度上地弥补传统研究方式的短板。但POI数据是用点的形式进行描述，不能涵盖规模、范围、实际使用建设情况等，缺少这些信息会使城市公共服务质量评价会存在一定的误差，也很难进行更深入的研究和分析。

总之，POI数据是一种具有显著实际用途的新型大数据，有利于进行区域间各种维度的比较分析，本文通过对POI数据的处理分析，为大数据在城市公共服务质量评价的应用中探索了一条新的途径，始终秉承着为城市规划提供数据与模型支撑的思想，以期待能为城市规划决策提供一定的实际参考。