国土空间规划视角下的城市空间结构研究——基于多源数据的宿州实证分析

韩胜发，刘欢迎，申 彪

引言

在国土空间规划编制如火如荼推进的背景下，作为国土空间规划编制重要基础的第三次全国土地调查数据（以下简称“三调数据”），主要通过图像识别的方式进行用地性质判断，导致出现中心城区用地性质不准确、分类不精细且无法反映城市空间结构的问题。如何科学合理地编制国土空间规划、优化完善城市空间结构、精准识别城市中心体系的等级与分类、明确城市功能区的范围与类别，成为国土空间规划编制的重要议题。

城市空间结构和居民活动相互作用、相互影响、相互制约。城市空间结构对城市居民生产和生活活动、城市经济社会发展具有重要影响，居民活动是城市空间结构的重要表征。基于人群活动的时空规律，可以识别城市空间问题并优化城市空间结构。本研究以三调数据为基础，利用手机通讯基站位置数据、兴趣点（以下简称“POI”）数据、企业位置和相关属性数据，可以准确描述不同时段城市中人群活动的密度格局和功能格局。在国土空间规划编制的背景下和各类空间信息数据的支持下，丰富利用城市人群时空活动规律来表征城市空间结构的相关研究。

本研究的理论前提是城市各类功能区对应不同的用地类型与设施类型，用地和设施在不同时段承载的人群活动类型和密度呈现出不同的时空规律，围绕“用地-设施-时间-人群”四要素之间的互动构造出城市功能格局和人群活动密度格局，利用人群活动与功能服务之间的关系表征城市空间结构。如何基于三调数据结合多源数据识别城市空间结构，进而支撑国土空间规划的编制，目前的研究还较为匮乏。本研究以安徽省宿州市为例，提出综合运用三调数据、手机信令数据、POI数据、企业数据识别宿州现状城区的城市空间结构的方法。

1 基于大数据的城市空间结构研究综述

研究城市空间结构的数据类型包括单一数据和多元数据两种。单一数据包括百度数据、手机信令数据、GPS数据和110报警信息数据。吴志强等提出了基于百度地图热力图提供的动态人口分布数据进行城市空间结构研究的方法，钮心毅等利用手机信令数据表征的用户密度识别了上海中心城区的城市公共中心和城市功能区，魏海涛等运用出租车GPS定位轨迹数据揭示了城市空间结构并提出了优化策略，吴虑等运用110报警信息识别了城市犯罪的空间分布结构。另一类是多种数据相结合的研究，韩昊英等利用公交刷卡数据、POI数据和居民出行行为数据识别北京城市各类功能区，梁立峰利用灯光遥感数据、POI数据和手机定位强度数据分析了3种数据空间耦合相同或相异区域，杨俊宴以上海市的建筑空间数据和手机信令数据表征的人群动态迁移演化特征揭示了城市动态结构。

既有研究充分利用了大数据的动态、海量、易获取的优势，结合人群分布和行为特征，从不同角度、利用不同方法表征了抽象的城市空间结构，但研究都局限于现状城市功能分区划分，没有针对三调数据存在的精度问题和无法反映用地开发强度的问题进行研究，导致现行的国土空间规划编制缺少支撑。为提高城市空间结构识别的科学性和国土空间规划的编制效率，本研究提出以三调数据为基础，基于人群活动的时空规律，叠合企业数据、POI数据来刻画城市空间结构的方法。

2 数据特征、人群活动特征和研究方法

2.1 数据特征——三调数据、手机数据、POI数据、企业数据

三调数据特征。在第二次全国土地调查成果的基础上，利用遥感、测绘、地理信息、互联网等技术，统筹利用现有资料，以正射影像图为基础，形成地类分布与利用状况。《市级国土空间规划编制指南》要求三调数据是国土空间规划编制的基础，三调数据具有全域覆盖的优势，但是精度较低，无法反映城市空间结构和各类设施的能级，这对国土空间规划编制提出了挑战。

手机数据特征。研究范围面积为204.13 km，通讯基站数量为7 314个，手机信令数据选取工作日和休息日各一天，工作日为2020年9月21日，信令数量为2 800万条，休息日为2020年9月27日，信令数量为2 700万条，时间粒度为小时级。研究获取的手机信令数据是脱敏数据，不包含手机识别码、时间戳、事件类型等字段。因此，本研究通过整体分析的方法来判断人群活动密度格局，无法进行个体行为特征分析。

POI数据特征。从百度地图平台获取2020年9月21日POI数据1 975条，涉及行政办公设施、教育设施、商业设施、文体设施、交通设施、医疗设施和厂矿企业数据。该类数据有助于划分城市功能区、识别城市中心、分析业态集聚和推荐兴趣点，可以进行设施空间布局分析，通过与手机信令反映的人群活动密度格局相结合，进行各类专业中心的能级划分。

企业数据特征。高新企业数据包括企业注册地址、主要业务活动、主要产品、科技活动人员、科技活动费用和期末拥有有效专利数，通过数据空间布局和加权分析，可以得到科创企业的空间格局和能级，进而判断科创中心和科研创新区的分布。

2.2 人群活动特征——居住时段、就业时段、游憩时段、高峰时段

人群活动的规律与日常工作和生活内容高度相关，某一时间统计单元的用户密度空间分布，可反映城市居民活动的空间分布特征和城市功能格局。根据就业、居住、游憩和混合4种活动的时间特点，结合人群活动规律和手机信令，将工作日和休息日一天24小时的数据进行汇总分析，其中工作日1：00-4：00为居住时段，工作日7：00-11：00为就业时段，休息日14：00-16：00为游憩时段，工作日和休息日17：00-18：00为高峰时段（图1）。

图1 宿州市现状城区工作日和休息日全天分小时信令统计

2.3 数据分析方法

2.3.1 三调数据分析方法

三调数据作为国土空间规划的基础，反映建成区的土地使用基本情况，研究使用网格分析方法，以150 m×150 m对三调数据进行网格划分，对网格内的用地主导功能进行判别，形成现状城区用地功能底图，成为空间研究和分析的基础（图2）。

图2 三调数据网格分析

2.3.2 手机信令数据、POI数据和企业数据分析方法

手机信令数据可以表征人群密度格局，研究采用核密度和网格分析方法来描绘不同时段城市人群活动的密度格局。在ArcGIS软件中以800 m为搜索半径进行核密度分析来判断城市主中心，以300 m为搜索半径进行核密度分析来判断城市专业中心，将用户端数量落位到50 m×50 m的栅格中，利用每个栅格的属性值表达人群密度格局。

POI数据的核密度分析可以描绘人地要素的空间分布形态，量化人群活动空间的范围和强度。通过POI数据表征的人群空间活动类型和强度与用地属性等建成环境特征之间的耦合关系，判断活动的类型和城市专业中心的分类和能级；

通过对企业的专利数量、科研资金规模和科研人员数量进行加权汇总，进行空间点数据的密度分析，对科研资源现状分布密度格局进行刻画，叠合三调数据用地分类，明确科研资源的空间分布，进而为科创中心和科创片区的识别奠定基础。

2.4 研究方法对城市空间结构规划的影响

本研究采用的数据和方法对城市空间结构规划具有三方面的重要影响：一是从微观个体行为的角度出发，分析城市中不同时段人群活动的规律和特征，将以人民为中心的理念融入城市空间结构研究，使得抽象的规划研究体现出丰富的人文理念；二是研究分析利用手机数据表征复杂的人群活动密度格局，并利用各类设施数据模拟人群活动类型和城市功能，将平面的用地功能和人群活动密度统一起来，对识别城市功能的级别和时空分布具有重要意义；三是该方法基于现状人群活动规律和密度格局，对未来城市空间结构进行趋势性判断，因而对提升空间结构规划的科学合理性具有重要的支撑作用。

3 人群活动时空规律和城市空间结构识别

3.1 人群活动分时段特征和活动类型

3.1.1 人群活动分时段密度格局特征

居住时段用户密度分布格局总体均衡，居住用地的高密度区位于高层居住区，非居住用地上的高密度区位于职业学院学生宿舍、工业区职工宿舍、综合医院、火车站等地区（图3）。居住时段人群活动在各类用地上的分布数量和密度表明大量人口分布在非居住用地上，这一现象应在中心城区的公共服务设施规划、交通设施规划中引起高度重视，尤其需要对以居住用地为核心的公共服务设施规划配置方法进行优化和调整。

图3 工作日（左）和休息日（右）居住时段用户密度分布

就业时段用户密度分布格局呈现出“中心+轴带+多点”的特征（图4），总体格局呈现出两方面的特征：一方面，服务业就业在城市中心区较为集中，且呈现出逐渐向外围扩散的态势，尤其是外围的一些大型文体设施、商业综合体等功能节点的建设，引导就业岗位向外扩散；另一方面，位于城市北部和南部的产业园区内的服务业人群密度明显低于中心城区的服务业人群密度，对于正处在城镇化快速发展阶段的宿州而言，需要加强二产的发展和空间保障。

图4 工作日（左）和休息日（右）就业时段用户密度分布

游憩时段用户密度分布格局呈现出“中心+多点”的特征。“中心”为城市中心地区，体现出文化娱乐、商业休闲功能高度集中的特征。“多点”为宿州古城、三角洲公园、港口路和汴河东路相交处等城市休闲游憩功能节点（图5）。游憩时段人群活动在各类用地上的分布数量和密度反映出居民活动多发生在公共管理与公共服务用地和商业服务业用地，居民休闲活动以购物、娱乐和文体活动为主，公园绿地上的用户数量较少，表明公园的数量和服务质量有待加强。

图5 工作日（左）和休息日（右）游憩时段用户密度分布

高峰时段用户密度分布格局呈现出“一核三轴”的特征。“一核”为城市中心区的行政、商业、办公和医疗综合服务中心，“三轴”为汴河路、拂晓大道和淮海路3条主要功能轴（图6）。高峰时段人群活动在不同用地上的分布数量和密度呈现出全天活动最为活跃的特征，体现出下班高峰期和晚餐在居民日常生活中的高频性和重要性。居住用地用户数最高这一现象表明居家生活是该地区的主导生活方式，这一出行规律和生活规律为职住平衡、缓解交通拥堵提供了一定的研究基础。

图6 工作日（左）和休息日（右）高峰时段用户密度分布

3.1.2 人群活动分布强度与用地耦合分析

4个特征时段的人群总量分布和密度分布呈现出如下特征：在各类用地中，用户总量高低排序依次为居住用地、交通运输用地、公共管理与公共服务用地、商业服务业用地、工矿用地和仓储用地，各类用地的用户密度排序依次为公共管理与公共服务用地、商业服务业用地、交通运输用地、居住用地、文化用地和绿地与开敞空间用地（表1）。居住用地用户总量最大，一方面是因为非就业人口比例高、老龄化程度高，另一方面是因为三调数据不精准，将一些沿街商业服务业用地划归为居住用地，导致人群活动性质判断有误。交通运输用地、公共管理与公共服务用地和商业服务业用地的用户密度大，体现了非居住类人群活动高度集聚的特征，这对判断各类用地的服务绩效和公共安全性具有重要的支撑作用。

表1 宿州市工作日和休息日特征时段人群活动分布统计

3.2 城市中心体系识别——城市主中心和城市专业中心

3.2.1 基于手机信令数据的城市主中心识别

对工作时段和高峰时段的手机信令进行核密度分析形成人群活动密度格局，结果显示城市主中心为“一心一带”的格局。“一心”为淮海路和汴河路相交处，是城市人群活动最密集的地区。结合POI数据，该地区主导功能显示为行政、商业、医疗服务功能。“一带”为拂晓大道和磬云路南北向带状空间，结合POI数据显示该轴带为交通、游憩、教育、居住、商业密集区，是城市逐渐扩展形成的以居住功能为主导的生活服务带，拂晓大道两侧密布高层小区导致人口较为密集。

3.2.2 基于人群活动密度格局和POI数据的城市专业中心识别

城市专业中心识别采用人群活动密度格局和POI数据叠合分析的方法（表2）。行政中心识别采用就业时段人群活动密度格局和行政设施POI数据叠合分析的方法，科创中心识别采用就业时段密度格局和高新技术企业空间位置数据、专利数据、科研资金规模数据、科研人员规模数据和科研设施POI数据叠合分析的方法，文化中心识别采用游憩时段、就业时段用户密度格局和文化设施POI数据叠合分析的方法，产业中心识别采用就业时段用户密度格局和三调数据中的工矿用地和商业服务业用地叠合分析的方法，游憩中心识别采用游憩时段人群活动密度格局和文体设施、商业设施、公园POI数据叠合分析的方法。

表2 城市专业中心识别方法矩阵

3.3 基于手机数据的城市功能轴线体系识别

以工作日和休息日就业时段手机信令密度格局为分析对象，城市轴线体系呈现出“十字+一纵”的结构。“十字轴线”以城市商业中心为原点沿汴河路和淮海路向四周辐射，该轴线随着城市规模的扩张，形成了以城市商业、医疗、教育等基本功能为核心的城市功能轴（图7）。

图7 工作日（左图）和休息日（右图）就业时段用户密度格局

3.4 基于三调数据、人群活动时段、人群活动密度的城市功能区识别

3.4.1 居住生活区——三调数据+居住时段+人群活动密度格局

居住生活区的识别采用居住时段的人群活动密度格局和三调数据叠合分析的方法。研究采用工作日和休息日凌晨3：00-4：00时段内的手机信令数据，工作日居住用地内的用户数为24.7万个，非居住用地用户数为38.2万个，总计62.9万个；休息日居住用地用户数为19.2万个，非居住用地用户数为30.2万个，合计49.4万个（表3）。数据显示了两方面的特征：一是居住时段大量人口分布在非居住用地上，且工作日总人数大于休息日，表明休息日有大量人员外出度假或旅游，城市自身的吸引力较弱；二是高密度居住生活区的分布与高层住宅区高度相关，主要位于城市外围，尤其是三角洲公园周边和城市主要道路两侧。

表3 居住生活区用户数和密度分级统计

3.4.2 就业功能区（二产+三产）——三调数据+就业时段+人群活动密度格局

二产就业功能区的识别采用工作日和休息日就业时段的人群活动密度格局和三调数据叠合分析的方法，三调数据重点分析工矿用地和仓储用地。数据显示工作日用户数和用户密度均高于休息日，中低密度区域占比高于80%（表4），表明二产就业吸纳能力不强，工业用地岗位密度较低。

表4 就业（二产）功能区用户数和密度分级统计

三产就业功能区的识别采用工作日就业时段（上午和下午）、休息日游憩时段人群活动密度格局和三调数据叠合分析的方法。结果显示商业服务业用地和其他用地手机用户数基本持平，强度高低排序依次为工作日上午、工作日下午和休息日（表5），空间分布格局呈现出“中心-边缘”的特征。

表5 就业（三产）功能区用户数和用地面积统计

3.4.3 科研创新区——就业时段+专利数据+科研人员数据+科研资金数据+企业分布数据

科研创新区识别采用就业时段的人群活动密度格局和三调数据、专利数量、科研人员数量和科研资金数量叠合分析的方法，三调数据分析商业服务业用地、科研用地、教育用地。识别结果显示科研创新区主要位于北部高新区、南部经开区、淮海路和汴河路相交处、东南部化工园区和东部大学城，城市中心区和产业园区的密度高于教育用地，表明高校的专利数量、科研资金数量低于高新企业，未来城市需要提升高等院校的科研水平和能级。高密度区占比为10.4%，中低密度区占比近90%（表6），表明高新企业中具有较强竞争力的企业较少，需要引入高新企业、高端技术人才，提升城市在科技创新方面的竞争力。

表6 科研创新区用户数和用地面积统计

3.4.4 交通枢纽区——高峰时段+人群活动密度格局+三调数据+POI数据

交通枢纽区识别采用高峰时段的人群活动密度格局和三调数据、POI数据叠合分析的方法，三调数据分析交通运输用地。识别结果显示，交通枢纽区主要为宿州站周边、客运站和码头地区，工作日高密度区占比为12.50%（表7）。数据表明交通枢纽较为集中，最高密度区为宿州站，码头和客运站在交通服务体系中处于较低密度区。

表7 交通枢纽区用户数和用地面积统计

3.4.5 休闲游憩区——游憩时段+人群活动密度格局+三调数据+POI数据

休闲游憩区识别采用游憩时段手机用户密度格局叠合三调数据、POI数据进行分析，三调数据重点分析公园绿地。分析显示高密度区面积占比仅为3.1%（表8），空间分布上位于三角洲公园，表明大型城市公园对人群的吸引力较大，未来城市应结合人群需求设置综合性城市公园，以满足人民的休闲需求。

表8 休闲游憩区用户数和用地面积统计

3.4.6 城市空间结构生成

将城市主中心、城市专业中心、城市发展轴线和城市各类功能区叠合形成城市功能分区（图8）和城市空间结构（图9）。该结构与现场踏勘、上版城乡总体规划的结论基本一致，差异是对于新增拂晓路发展轴的判定。拂晓路发展轴的出现是由于两方面的原因：一方面是近年客运站、大型公园、商业综合体和高层居住区的建设布局在拂晓路沿线，另一方面是城市东部铁路的限制和淮海路南北过长导致城市重大设施向西布局，使得城市发展轴线偏离淮海路，向西移动形成了与淮海路平行的一条南北轴线。由于城市西部京台高速公路的限制，城市未来重大设施的布局和发展方向应调整既有格局，以组团化布局为目标，形成更加生态、高效的空间格局。

图8 城市功能区叠合

图9 宿州城市空间结构现状

4 结语

本研究的核心逻辑是通过汇总微观个体行为来刻画和描绘城市空间结构，以个体的时空行为规律研究为基础，通过手机用户时空分布密度格局确定城市空间结构，在城市空间结构的基础上叠合各类设施POI数据、三调数据和企业数据来判定手机用户活动类型和城市功能，形成了在大格局基础上将局部职能的宏观格局和微观职能相结合的研究思路。

手机信令数据、POI数据、企业数据和三调数据在城市公共中心体系等级和职能类型识别、专业中心识别、轴线体系识别、城市功能区识别、用户时空分布格局和变化趋势研究方面具有普遍性和创新性。该方法的优点是数据量大、动态更新、精度高，尤其适用于大尺度的城市空间结构分析。同时，该方法也有三方面的缺点：一是手机用户数据信息保密程度高，数据获取具有一定的难度，无法进行个体时空行为的高精度分析；二是在中小城市的空间结构识别方面优势不明显；三是在多种类型数据相互叠加的过程中，对于数据标准的统一计量还需要进一步研究。在国土空间规划全面展开且要求很高的背景下，该方法和数据对于提高国土空间规划编制的科学性和编制效率具有重要的支撑作用。