基于POI 數據的城市用地功能時空格局演變與驅動力研究
——以長株潭中心城區為例

李 娜，趙先超

（湖南工業大學 城市與環境學院，湖南 株洲 412007）

0 引言

科學規劃城市各用地功能、合理劃分城市各功能區，是城市建設中的重要一環。當前，中國城市正處于高質量發展時期，對城市合理規劃和高效建設提出了更高的要求。在此過程中，城市認知不足導致的規劃與現實建設割裂現象頻發，使得城市問題凸顯。因此，面對不斷開展的國土空間規劃工作，城市用地功能和研究空間格局識別變得更為關鍵，這對于城市明確空間發展方向、順利開展規劃工作、高效保質建設等都具有重要意義。

興趣點（point of interest，POI）數據以其數據量大、獲取方便、成本較低、涉及面廣等優點被廣泛應用于空間集聚程度[1-2]、評估體系建立[3]、空間分布特征[4-6]等方面研究。還可以較好地結合其他數據進行研究，如全球定位系統（global positioning system，GPS）軌跡數據[7]、夜間燈光數據[8]、手機信令數據[9]等。在已有研究中，國內學者對城市空間分布格局及驅動力的研究涉及社會經濟[10-11]、土地利用[12-14]、地形[15]、歷史[16]、人口[17]、交通[18]等視角，驅動力研究方法涉及耦合協調度模型及空間計量模型[19]、地理探測器[20-21]、時空地理加權模型[22]等技術。

通過綜合分析現有研究成果發現，傳統的城市用地功能時空格局研究大多基于理論總結、實地調查、專家評價等經驗型研究方法，存在難以落實且主觀性較強的問題，無法精確反映并識別城市用地內部的功能信息。隨著大數據時代的到來，基于POI 數據的城市用地功能研究成為熱點，但很多研究局限于獲取的POI 數據截面數據，并且缺乏混合功能用地深入劃分及不同功能空間分布特征分析。本研究嘗試以長株潭中心城區為對象，利用2014、2018、2022 年POI 數據對城市用地功能時空格局演變進行識別，對其空間分布特征進行分析，并選取目前較成熟的地理探測器模型，進一步探測長株潭中心城區功能空間驅動力。

1 研究區域概況

長株潭中心城區位于湖南省中東部，人口活動密集，經濟發展快速，在長株潭城市群承擔重要的政治、經濟、文化職能。本文以長株潭中心城區為研究區域，參考既有的研究結果，創建2 km 的正方形格網，將長株潭中心城區劃分2 574 個網格單元。

2 數據來源與處理

2.1 POI 數據來源與重分類

本研究所用的POI 數據來源于高德地圖。本文統一刪除交叉重復、分類有誤、分布廣泛且公眾認知度極低的數據，獲得充分體現城市用地功能特征的2014 年POI 數 據70 756 條、2018 年POI 數據179 354 條、2022 年POI 數據406 602 條。

依據自然資源部發布的《國土空間調查、規劃、用途管制用地用海分類指南（試行）》，本研究對POI 數據進行重新分類。新分類包括居住用地、公共管理與公共服務用地、商業服務業用地、工礦用地、交通運輸用地、綠地與開敞空間用地6類用地。

2.2 驅動力指標來源與體系構建

根據本文前期相關研究，長株潭中心城區用地功能時空格局具有明顯的空間特征。該特征由自然、社會、經濟等多方面因素綜合決定。參考相關研究指標，兼顧數據獲取便利性，本文最終選擇自然環境、區位條件、交通便捷程度、人口因素、區域經濟5 個方面13 項指標對長株潭中心城區功能空間驅動力進行探測，如表1 所示。

表1 驅動力指標體系

3 研究方法

3.1 TF-IDF 模型算法

詞頻-逆文本頻率指數（term frequency–inverse document frequency，TF-IDF）模型算法在機器學習中被廣泛應用于檢索信息、挖掘數據等。本研究通過計算每個網格內各類POI 的權重，進而確定各網格單元用地功能。其計算公式為

3.2 頻數密度法

本文通過頻數密度法計算每個研究單元的各類POI 占全部POI 的比例，從而對各個網格單元的用地功能類別進行識別。其計算方法如公式（4）所示。

式中：Fi為i類POI 的頻數密度，Dj為j網格單元所有POI 類別權重之和。根據相關研究[23]，用地功能類型識別規則如圖1 所示。

圖1 用地功能類型識別規則

3.3 標準差橢圓

標準差橢圓是反映整體空間集中區域與主導方向的一種空間分析方法[24]。本研究利用標準差橢圓法分析六類功能用地的擴展趨勢和方向。其計算方法如公式（5）和（6）所示。

式中：Ex、Ey分別表示標準差橢圓的長軸和短軸，xi、yi表示地理實體i的空間區位，、表示所有POI 數據的平均中心。

3.4 核密度估計

核密度估計法能夠直觀反映并分析POI 數據在空間中的集聚程度。核密度估計值越高，聚集程度越高，用地功能分布越集中。其計算方法如公式（7）所示。

式中：f（x）為空間位置x處的核密度估計值，n為點數據數量，h為距離衰減閾值，為核函數。

3.5 地理探測器

地理探測器模型由文獻[25]創建。本研究通過地理探測器研究長株潭中心城區功能空間驅動力。其計算方法如公式（8）所示。

式中：q為影響力大小，n、ni分別為網格單元總數和包含第i類POI 的網格單元數量，、分別為因變量在全區域和第i類的方差，L為各類區域總數。q值越大，則解釋力越強；反之則解釋力越弱。

4 長株潭中心城區用地功能時空格局演變分析與評價

4.1 長株潭中心城區用地功能識別分析

本文利用地理信息系統（geographic information system，GIS）軟件創建長株潭中心城區2 km×2 km 格網，得到網格單元中一級POI 數量。依據公式（1）～（4）計算得到Fi值，從而得出長株潭中心城區功能用地整體空間分布數量情況，如圖2 所示。在此基礎上，研究選取2014、2018 及2022 年POI 數據，對長株潭中心城區功能用地空間格局進行比較分析。

圖2 長株潭中心城區功能用地整體空間分布數量

4.1.1 單一功能用地空間分布

本文對長株潭中心城區功能用地整體空間分布的單一功能用地進行詳細識別劃分，得到長株潭中心城區單一功能用地空間分布數量狀況，如圖3 所示。

圖3 長株潭中心城區單一功能用地空間分布數量

2014 年，長株潭中心城區單一功能用地網格數量共784 個；主要功能用地為公共管理與公共服務用地（284 個）和商業服務業用地（273 個）。2018 年，單一功能用地網格數量共1 038 個，4 年來大幅度增加；主要功能用地依舊為公共管理與公共服務用地（387 個）和商業服務業用地（301個）；因為POI 數據增加了公交站點數據，所以交通運輸用地明顯增加。2022 年，單一功能用地網格數量共1 238 個；主要功能用地為商業服務業用地（637 個），主要集中分布在芙蓉區、天元區與荷塘區交界處。

4.1.2 混合功能用地空間分布

通過對長株潭中心城區功能用地整體空間分布的混合功能用地進行詳細識別劃分，得到長株潭中心城區混合功能用地空間分布數量狀況，如圖4 所示。

圖4 長株潭中心城區混合功能用地空間分布數量

根據頻數密度法的識別規則，研究區共識別15 種混合功能用地。2014 年，數量較多的混合功能用地是工業商業和商業公服混合用地，主要分布于芙蓉區、荷塘區、岳塘區。2018 年，數量較多的混合功能用地是居住商業和商業公服混合用地，主要分布于芙蓉區、蘆淞區、岳塘區。2022 年，數量較多的混合功能用地是工業商業和交通商業用地，主要分布于長沙市中心城區外圍及株洲市、湘潭市中心城區北部。

4.1.3 無數據區空間分布

本文對長株潭中心城區功能用地整體空間分布的無數據區進行詳細識別劃分，得到2014、2018 和2022 年長株潭中心城區無數據區空間分布數量狀況，如圖5 所示。

圖5 長株潭中心城區無數據區空間分布數量

2014 年，長株潭中心城區的無數據區網格數量較多，共有1 116 個，主要位于長沙縣和望城區北部、天元區南部、蘆淞區東部、淥口區全域、湘潭縣全域。2018 年，長株潭中心城區的無數據區網格數量相較2014 年有所減少，共有964 個，但分布區域幾乎沒有變化。2022 年，長株潭中心城區無數據區網格數量大幅減少，共有277 個，少量分布于淥口區南部，這些區域主要為山區和耕地。

4.2 長株潭中心城區用地功能時空格局演變特征分析

4.2.1 方向特征分析

本文運用GIS 軟件的標準差橢圓分析方法研究6類功能用地的空間分布情況，分析其分布方向、重心轉移與發展趨勢，得到3 個年份6 類功能用地的標準差橢圓及重心轉移情況，2022 年標準差橢圓參數如表2 所示。

表2 2022 年6 類功能用地標準差橢圓參數

通過比較分析3 個年份的標準差橢圓，6 類功能用地的分布方向都為南—北向，這與長株潭中心城區的整體區域現狀一致。首先，居住用地、商業服務業用地及工礦用地的標準差橢圓半徑相對較小，而公共管理與公共服務用地、交通運輸用地及綠地與開敞空間用地的標準差橢圓半徑相對較大。其次，3 個年份的居住用地、公共管理與公共服務用地及商業服務業用地的標準差橢圓變化不明顯，而工礦用地、交通運輸用地及綠地與開敞空間用地都有明顯的變化。

具體分析2022 年標準差橢圓的參數。從扁率看，公共管理與公共服務用地的分布方向最明顯，而交通運輸用地的分布方向最不明顯。從短半軸長度看，綠地與開敞空間用地的離散程度最大，而居住用地的向心力最明顯；從長半軸長度看，綠地與開敞空間用地的數據方向性最明顯，而居住用地的數據方向性最不明顯，其他用地的數據方向性介于二者之間。

4.2.2 聚集特征分析

本文在GIS 軟件中導入6 類功能用地的POI數據，得到各功能用地核密度分布，并通過調整色帶拉伸使其更直觀顯示核密度估計值，最終得到2014、2018 和2022 年6 類功能用地核密度分析結果。

（1）對比3 個年份的核密度演變，2014 年，各類用地均出現了一定的密度中心；2018 年和2022 年，商業服務業用地、交通運輸用地及綠地與開敞空間用地呈現明顯的連片式分布特征。

（2）在長沙市中心城區范圍內，芙蓉區地處湖南省政治、經濟、文化、信息中心，聚集程度最高，而長沙縣聚集程度較低。在株洲市中心城區范圍內，天元區東北部（株洲市老城區）聚集程度最高，而淥口區和石峰區的城市建設用地多是各鄉鎮所在地，聚集程度較低。在湘潭市中心城區范圍內，聚集程度較高的區域位于雨湖區和岳塘區交界處，而湘潭縣的聚集程度較低。

（3）在分布模式上，公共管理與公共服務用地、商業服務業用地、交通運輸用地均表現“大集聚、大分散”的分布模式，居住用地、工礦用地大致表現“小集聚、小分散”的分布模式，綠地與開敞空間用地則大致表現“小聚集、大分散”的分布模式。

5 長株潭中心城區功能空間驅動力探測

5.1 單因子探測結果分析

本文選取13 個影響因子，對長株潭中心城區驅動力進行單因子探測，結果如圖6 所示。

圖6 各影響因子驅動力探測結果

根據各因子的影響力，計算得出5 個一級指標的平均影響力，平均影響力由大到小的一級指標依次為區位條件、區域經濟、人口因素、交通便捷程度、自然環境?？梢钥闯?，區位條件與區域經濟對長株潭中心城區功能空間分布的影響力較強，而自然環境則較弱。探究其原因，一方面，政治和經濟是影響一個城市的重要因素，政策革新和經濟高速發展一定程度上會影響城市用地功能空間的演變；長株潭中心城區是湖南省經濟發展的核心增長極，對全省經濟社會發展具有一定意義上的帶動作用。另一方面，長株潭中心城區屬亞熱帶季風氣候，四季分明，位于湖南省地勢相對平坦的湘江河谷平原區，所以自然環境的影響力相對較弱。

5.2 雙因子交互作用結果分析

本研究將影響因子進行兩兩交互分析，共得到15 類交互作用，交互作用類型如圖7 所示。雙因子交互作用分析結果如圖8 所示，區位條件因子交互、交通便捷程度因子交互、區域經濟因子交互、區位與交通因子交互、區位與經濟因子交互、交通與經濟因子交互都是雙因子增強，其余交互既有雙因子增強又有非線性增強，并沒有相互獨立起作用的因子。這說明長株潭中心城區功能空間是多種因素共同作用的結果，而不受單一因子或單類因素的影響。

圖7 交互作用類型

圖8 雙因子交互作用結果熱力圖

在15 類交互作用中，自然環境因子和區位條件因子的平均交互作用表現較強的解釋力，說明高程、坡度、坡向等地形條件及氣溫、降水等氣候條件協同區位條件能夠影響長株潭中心城區功能空間分布。高程與區位、高程與第二產業總值、氣溫與第二產業總值、降水與第二產業總值的交互作用較大，說明在規劃配置城市功能用地過程中要注重地形起伏、地理區位與第二產業要素的影響。

6 結論與討論

6.1 結論

本研究基于POI 數據，運用GIS 空間分析及地理探測器等研究方法，對長株潭中心城區用地功能時空格局演變與驅動力進行了定量分析，得出以下研究結果。

（1）2014、2018、2022 年，長株潭中心城區用地功能主要以單一功能用地為主。隨著POI數據的逐年增多和完善，單一功能用地和混合功能用地的分布范圍逐年擴大，且單一功能用地的網格單元數量遠大于混合功能用地的網格單元數量。

（2）長株潭中心城區功能用地大致呈現出“多核心-外圍”的分布格局，研究區南北部功能用地空間分布格局差異明顯。具體來看，長沙市中心城區單一功能用地由內向外呈現減弱的集聚趨勢，而混合功能用地多樣性呈現增加趨勢，而株洲市和湘潭市中心城區單一功能用地的集聚趨勢呈現由北往南逐漸減弱，同時混合用地多樣性呈現減少趨勢。

（3）長株潭中心城區功能空間分布是多種驅動力綜合作用的結果。其中，區位條件和區域經濟要素對長株潭中心城區用地功能時空格局分布的影響較大，而自然環境要素的影響力相對較小。

（4）長株潭中心城區功能空間分布同時也受任意兩個影響因子交互作用的影響，雙因子交互呈現出不同程度的雙因子增強和非線性增強。在15 類交互作用中，自然和區位條件因子的平均交互作用表現較強的解釋力。

6.2 討論

根據研究結果，本文對長株潭中心城區的空間結構、空間格局、用地混合模式提出以下優化建議。

（1）優化城市空間結構。針對長株潭中心城區“核心強、外圍弱”的集聚情況，城市未來規劃建設要注重均衡各功能用地，加強核心片區之間的聯系，同時要完善外圍基礎設施和綠地系統。

（2）完善城市空間格局。長株潭中心城區呈現“多核心”分布格局，要以核心區域帶動周邊區域發展，逐步打造“一核多組團”發展格局，最終實現用地均衡、總體協調。

（3）探索土地利用混合。在單一功能用地中引入可兼容性用地，提高土地利用效率，進而因地制宜尋求更合理的用地功能配置機制。同時建議各地自上而下組織相關主題研討會，制定更科學的用地功能規劃標準。

總體看，基于POI 數據的定量分析與GIS 可視化處理能夠較好地識別城市功能用地空間格局分布。由于POI 數據存在的分布缺陷，很難合理分類和準確識別POI 數據較少或缺失的地域，未來應提高識別和分類精度。與此同時，利用地理探測器能夠有效探測城市功能空間分布驅動力，但在指標選取上存在局限性和主觀性，后期研究應進一步完善評價指標體系，為城市未來規劃和發展提供較好的建議，進一步完善城市用地功能時空格局演變的相關研究。