论文部分内容阅读
摘 要：各类城市公共管理与公共服务设施集中在城市的主城区，是分析城市中心体系的重要依据。本研究的基础数据是从高德地图中提取出来的，研究基于POI数据对于城市中心体系识别与特征分析。首先，通过网络爬取高德地图POI的坐标信息并进行坐标转换导入GIS平台；再运用核密度分析法生成南宁公共管理与公共服务设施集聚密度分布图；最后，依托南宁公共管理与公共服务设施集聚密度分布图，分析南宁公共服务中心的空间分布特征，进而推导出南宁中心城区空间结构。结果显示，根据POI数据识别分析南宁市中心体系整体呈现单中心集聚发展，城市副中心与郊区中心发展力度欠佳，还需要加大力度建设。将结果与《南宁市总体规划（2011—2020年）》确定的城市公共中心体系进行对比，提出优化建议。
关键词：GISPOI数据城市中心体系南宁市总体规划
中图分类号：P208 文献标识码：A 文章编号：1672-3791（2018）06（c）-0213-05
党的“十八大”以来，社会经济快速发展，我国经历了迅猛的城市化和工业化发展过程。随着我国城市建设迅速发展，逐渐形成了复杂且庞大的城市体系，城市中心体系己成为城市地理学研究的重要内容，城市化和工业化进程的深入推进，城市空间结构变化显著，从以往的老城区单中心格局，到现在郊区副中心的出现。现有南宁中心体系空间结构识别研究成果匮乏，研究方法主要以定性研究为主，缺乏定量研究。李丽琴等从城市商业用地的视角，分析对南宁市中心城区商业空间布局研究，并对发展内在机制进行了阐释。胡庆武等提出基于位置签到数据探索性空间分析热点聚类方法，挖掘武汉商圈分布与城市规划商圈的相关性。因此，基于大数据对中心体系识别对城市空间规划与开发具有一定的指导意义。
传统规划方法多通过实地调研和问卷访谈的方式搜集资料，用这类方法对城市大尺度空间结构研究时则会面临数据不能实时更新、工作量过大等问题，而具有动态化、大样本数据监测的分析和更新能力的空间大数据技术可以弥补这些不足，有助我们更精确的研究城市。城市兴趣点（Point of Interest， POI）数据是表征地理实体的空间与位置属性，使用计算机编程通过网络电子地图提供的API接口进行查询和下载的位置大数据。主要包括城市与人们生活密切相关的地理实体，如餐饮服务、学校、住宅、商场、车站、政府机构、金融机构等。本研究拟使用POI数据和ArcGIS的分析功能定量分析和识别南宁市的中心体系，然后与南宁市现行城市总体规划2011版进行对比，本着以人为本的原则提出发展建议。
1 研究区域及数据源
南宁市地处广西南部，地理位置处于北回归线以南，面朝东南亚，紧依大西南，东有粤港澳，南有北部湾，是我国西南地区中国—东盟合作、对外开放的重要节点。本研究的范围与2011版《总体规划》范围一致（见图1）。其中，市域为南宁市行政辖区范围，面积为22112 km2；规划区范围为南宁市市区，面积为6559 km2；中心城范围为2011版南宁总体规划确定的范围，即包括原环城高速公路以内涉及青秀区、兴宁区、江南区、西乡塘区、良庆区、邕宁区等6个城区和仙葫、邕宁组团。主城区2016年总人口370.08万人。作为南宁市经济最发达的地区，2016年南宁主城区GDP总和为3051.58亿元，以占全市总面积约30.02%的土地，贡献全市82.4%的GDP。文章使用的POI数据是由高德地图提供的API接口查询下载的南宁市兴趣点数据，经过初步数据清洗有效数据量为83741条（见图2）。
2 研究方法
2.1 POI分类方式
城市中心区用地功能类别以公共管理与公共服务设施和商业服务业设施用地为主，高度聚集了生活服务、公共服务、居住、商务金融、娱乐休闲等功能用地。因此，参考《城市用地分类与规划建设用地标准GB50137-2011》和城市的不同功能结合电子地图POI分类体系，将POI数据分为5大类见（表1）。
2.2 核密度估算模型
核密度估计（Kernel Density Estimation），是概率论中用来估计未知的密度函数，完全利用数据本身信息，运用复杂函数的距离衰减检测事件密度的变化情况，避免人为主观估计，从而能够对样本数据进行最大程度得近似估计，是分析点要素的常用方法之一。使用Rosenblatt-Parzen核估计：
式（1）中，为估计在某一点x处的值；k为核函数；h为带宽且大于零；n为样本数；x-为估计点到i样本之间的距离。
在核密度估算中，带宽h的计算模型如下：
h=0.9×min
式（2）中，帶宽h大小的选择对计算模型的结果有明显变化，空间点密度变化随带宽h的减少变得不规整，反之，空间点密度随带宽h增加，一定程度上会模糊密度变化变得更加平滑，Dm为中值距离；SD为标准距离。实际应用中，应根据不同带宽值进行比较，从而选取最符合实际情况的值。
3 分析结果
3.1 最佳带宽选择
运用ArcGIS核密度分析然后根据上述的核密度模型估计，将南宁市各类型的POI点分别选择带宽500m，1000m，1500m进行对比（见图3）。从图3中可以看出，1500 m带宽相比于1000 m带宽而言，空间差异较不明显，带宽为1500 m和500m时相比，带宽值越大，在带宽范围内的密度值就越小，密度曲线越平滑。因此本研究以1000m为带宽选择，能较为明显地识别中心体系空间结构的差别。
3.2 南宁市中心体系识别与公共服务设施的核密度分析
基于1000m带宽的核密度估算得出对南宁市5项类别POI数据的核密度分布图。明显的反映出南宁市各类公共服务设施的空间分布情况。根据图4，各类公共服务设施的高密度中心集中分布在南宁市主城区各行政区，并且离各行政区距离越大则各个公共服务设施密度越小。 生活服务类设施（图4a）的分布规律比较集中，其密度集聚的范围比其他类别的范围都要小，高度集中于主城区的青秀区、西乡塘区、兴宁区、江南区。居住类（图4b）和公共服务类（图4d）的分布情况类似沿着南宁市地铁一号线周边规律分布，全市均有明显覆盖集聚点，在青秀区、西乡塘区、兴宁区有较高密度的聚集区，其他区均有较明显的集聚区域。金融服务类（图4c）主要在青秀区高度集聚且沿着城市主干道路规律分布，其次分布于西乡塘区、兴宁区、江南区、良庆区等4个行政区内由区域中心向外围递减。娱乐休闲类（图2e）和生活服务类的分布情况类似，并且在青秀区高度聚集，由中心城区向周边呈现缓慢扩散，与其他类型服务设施不同，娱乐休闲类在全市范围内均有不同程度的聚集点。
對各类公共服务设施的空间密度进行重分类并赋予相同的权重然后加权求和，得到南宁市各类设施的空间密度分布图（见图6）。南宁市的各设施总体呈现大集聚、小分散的格局，在郊区的行政区内均有小规模的集聚中心，聚集密度由中心城区向周边扩散递减。发展沿着邕江为轴线，西建东扩，主城区的中心区域为南宁市的核心区域，总体上，南宁市仍是以朝阳为中心单核发展较为明显，南宁市整个发展模式是以邕江为发展轴线串联式发展，主要以东盟国际商务区，南宁国际会展中心商圈，朝阳商圈至广西大学商圈等核心区域东西轴线发展。在核心区域内呈现6处高密度区分别为东盟商务区、琅东区域、南宁会展中心区域、朝阳广场商圈，广西大学农院路商圈，五象新区核心区域和江南区星光大道周边。在城市中心区边缘也形成一定级别的城市副中心，如邕宁区政府区域、淡村区域、相思湖区域、江南工业园区等。在城市外围的郊区，总体上各类公共服务设施的分布密度处于低水平。
4 对比分析与讨论
《南宁市总体规划（2011—2020年）》确定以邕江为轴线，西建东扩，完善江北，提升江南，重点向南发展。南宁市以朝阳商圈、琅东区域和五象新区为3个主中心，突出“一轴两带多中心”的发展模式，沿邕江两岸串珠式发展，并且随着邕江支流纵向开发的带形城市空间结构。与南宁市公共服务设施空间分布图相比总体较为相似但也是存在异同，南宁市3大中心区域有相互聚集的趋势形成一个公共服务设施密度极高的单核中心，导致中心区公共服务设施集聚过度，人口交通压力难以缓解，其他区域各类公共服务设施空间格局发展失衡，公共服务设施有待进一步合理分配。并且南宁的3大中心朝阳商圈仍然是公共服务设施最密集的核心区，琅东中心区发展以初见规模，五象新区仍然在建设中各类设施可能还未投入运作，副中心发展已经初具规模如西乡塘区、淡村周边和相思湖区域等但是公共服务设施仍然欠缺。
依据此研究识别出的南宁市中心体系与《南宁市总体规划（2011—2020年）》对比，对南宁市的规划提出以下几条建议：（1）南宁市应加大力度展总体规划中的副中心以缓解城市中心区域的人口交通压力。（2）公共服务设施的布局与城市交通有着密切关系，在城市中心区域合理设计城市交通要道。（3）为了缓解城市多中心相互集聚，南宁市政府应该出台相关政策结合南宁城市公共服务设施空间发展需求和发展态势，采取整体协调、优化布局，以人为本发展。
5 结语
（1）本研究把各类型城市公共服务设施密度的权重在ArcGIS分析中设置相同值并且没有考虑到土地利用类型以及交通、人口、市场竞争等内在因素的影响。
（2）南宁市城市中心体系的规划与实际发展依然有明显异同，总体而言，中心城区仍表现为单核发展趋势，中心城副中心依然需要进一步加强建设，郊区中心己初步形成但整体上公共设施分布密度较小。
（3）POI数据没有统一的分类标准，部分设施分类不够明确等问题，这会影响对公共服务设施集聚和中心体系识别的判定。
参考文献
[1] 刘鹏程，陈超，孔斌，等.基于POI数据的镇江中心城区空间结构识别与特征解析[J].江苏城市规划，2017（9）：7-12.
[2] 杨俊宴，钱舒皓.特大城市中心体系空间肌理分异研究——以重庆市为例[J].城市规划学刊，2014（4）：18-23.
[3] 李丽琴.南宁市城市商业空间格局及优化研究[D].广西师范学院，2017.
[4] 胡庆武，王明，李清泉.利用位置签到数据探索城市热点与商圈[J].测绘学报，2014，43（3）：314-321.
[5] 施歌，江南，姚恋秋.基于GIS和兴趣点（POI）数据的城市中心体系识别方法研究——以上海市为例[J].现代测绘， 2017，40（6）：27-30.
[6] 张月金.城市总体规划实施评估思路探讨——以南宁为例[J].规划师，2017，33（9）：113-119.
[7] 谢小萍.南宁统计年鉴[M].北京：中国统计出版社，2000.
[8] 中华人民共和国住房和城乡建设部.GB 50137-2011城市用地分类与规划建设用地标准[S].北京：中国计划出版社，2012.
[9] Okabe A， Satoh T，Sugihara K.A kernel density estimation method for networks， its computational method and a GIS-based tool [J].International Journal of Geographical Information Science， 2009，23（1）：7-32.
[10]陈蔚珊，柳林，梁育填.基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J].地理研究，2016，35 （4）：703-716.
关键词：GISPOI数据城市中心体系南宁市总体规划
中图分类号：P208 文献标识码：A 文章编号：1672-3791（2018）06（c）-0213-05
党的“十八大”以来，社会经济快速发展，我国经历了迅猛的城市化和工业化发展过程。随着我国城市建设迅速发展，逐渐形成了复杂且庞大的城市体系，城市中心体系己成为城市地理学研究的重要内容，城市化和工业化进程的深入推进，城市空间结构变化显著，从以往的老城区单中心格局，到现在郊区副中心的出现。现有南宁中心体系空间结构识别研究成果匮乏，研究方法主要以定性研究为主，缺乏定量研究。李丽琴等从城市商业用地的视角，分析对南宁市中心城区商业空间布局研究，并对发展内在机制进行了阐释。胡庆武等提出基于位置签到数据探索性空间分析热点聚类方法，挖掘武汉商圈分布与城市规划商圈的相关性。因此，基于大数据对中心体系识别对城市空间规划与开发具有一定的指导意义。
传统规划方法多通过实地调研和问卷访谈的方式搜集资料，用这类方法对城市大尺度空间结构研究时则会面临数据不能实时更新、工作量过大等问题，而具有动态化、大样本数据监测的分析和更新能力的空间大数据技术可以弥补这些不足，有助我们更精确的研究城市。城市兴趣点（Point of Interest， POI）数据是表征地理实体的空间与位置属性，使用计算机编程通过网络电子地图提供的API接口进行查询和下载的位置大数据。主要包括城市与人们生活密切相关的地理实体，如餐饮服务、学校、住宅、商场、车站、政府机构、金融机构等。本研究拟使用POI数据和ArcGIS的分析功能定量分析和识别南宁市的中心体系，然后与南宁市现行城市总体规划2011版进行对比，本着以人为本的原则提出发展建议。
1 研究区域及数据源
南宁市地处广西南部，地理位置处于北回归线以南，面朝东南亚，紧依大西南，东有粤港澳，南有北部湾，是我国西南地区中国—东盟合作、对外开放的重要节点。本研究的范围与2011版《总体规划》范围一致（见图1）。其中，市域为南宁市行政辖区范围，面积为22112 km2；规划区范围为南宁市市区，面积为6559 km2；中心城范围为2011版南宁总体规划确定的范围，即包括原环城高速公路以内涉及青秀区、兴宁区、江南区、西乡塘区、良庆区、邕宁区等6个城区和仙葫、邕宁组团。主城区2016年总人口370.08万人。作为南宁市经济最发达的地区，2016年南宁主城区GDP总和为3051.58亿元，以占全市总面积约30.02%的土地，贡献全市82.4%的GDP。文章使用的POI数据是由高德地图提供的API接口查询下载的南宁市兴趣点数据，经过初步数据清洗有效数据量为83741条（见图2）。
2 研究方法
2.1 POI分类方式
城市中心区用地功能类别以公共管理与公共服务设施和商业服务业设施用地为主，高度聚集了生活服务、公共服务、居住、商务金融、娱乐休闲等功能用地。因此，参考《城市用地分类与规划建设用地标准GB50137-2011》和城市的不同功能结合电子地图POI分类体系，将POI数据分为5大类见（表1）。
2.2 核密度估算模型
核密度估计（Kernel Density Estimation），是概率论中用来估计未知的密度函数，完全利用数据本身信息，运用复杂函数的距离衰减检测事件密度的变化情况，避免人为主观估计，从而能够对样本数据进行最大程度得近似估计，是分析点要素的常用方法之一。使用Rosenblatt-Parzen核估计：
式（1）中，为估计在某一点x处的值；k为核函数；h为带宽且大于零；n为样本数；x-为估计点到i样本之间的距离。
在核密度估算中，带宽h的计算模型如下：
h=0.9×min
式（2）中，帶宽h大小的选择对计算模型的结果有明显变化，空间点密度变化随带宽h的减少变得不规整，反之，空间点密度随带宽h增加，一定程度上会模糊密度变化变得更加平滑，Dm为中值距离；SD为标准距离。实际应用中，应根据不同带宽值进行比较，从而选取最符合实际情况的值。
3 分析结果
3.1 最佳带宽选择
运用ArcGIS核密度分析然后根据上述的核密度模型估计，将南宁市各类型的POI点分别选择带宽500m，1000m，1500m进行对比（见图3）。从图3中可以看出，1500 m带宽相比于1000 m带宽而言，空间差异较不明显，带宽为1500 m和500m时相比，带宽值越大，在带宽范围内的密度值就越小，密度曲线越平滑。因此本研究以1000m为带宽选择，能较为明显地识别中心体系空间结构的差别。
3.2 南宁市中心体系识别与公共服务设施的核密度分析
基于1000m带宽的核密度估算得出对南宁市5项类别POI数据的核密度分布图。明显的反映出南宁市各类公共服务设施的空间分布情况。根据图4，各类公共服务设施的高密度中心集中分布在南宁市主城区各行政区，并且离各行政区距离越大则各个公共服务设施密度越小。 生活服务类设施（图4a）的分布规律比较集中，其密度集聚的范围比其他类别的范围都要小，高度集中于主城区的青秀区、西乡塘区、兴宁区、江南区。居住类（图4b）和公共服务类（图4d）的分布情况类似沿着南宁市地铁一号线周边规律分布，全市均有明显覆盖集聚点，在青秀区、西乡塘区、兴宁区有较高密度的聚集区，其他区均有较明显的集聚区域。金融服务类（图4c）主要在青秀区高度集聚且沿着城市主干道路规律分布，其次分布于西乡塘区、兴宁区、江南区、良庆区等4个行政区内由区域中心向外围递减。娱乐休闲类（图2e）和生活服务类的分布情况类似，并且在青秀区高度聚集，由中心城区向周边呈现缓慢扩散，与其他类型服务设施不同，娱乐休闲类在全市范围内均有不同程度的聚集点。
對各类公共服务设施的空间密度进行重分类并赋予相同的权重然后加权求和，得到南宁市各类设施的空间密度分布图（见图6）。南宁市的各设施总体呈现大集聚、小分散的格局，在郊区的行政区内均有小规模的集聚中心，聚集密度由中心城区向周边扩散递减。发展沿着邕江为轴线，西建东扩，主城区的中心区域为南宁市的核心区域，总体上，南宁市仍是以朝阳为中心单核发展较为明显，南宁市整个发展模式是以邕江为发展轴线串联式发展，主要以东盟国际商务区，南宁国际会展中心商圈，朝阳商圈至广西大学商圈等核心区域东西轴线发展。在核心区域内呈现6处高密度区分别为东盟商务区、琅东区域、南宁会展中心区域、朝阳广场商圈，广西大学农院路商圈，五象新区核心区域和江南区星光大道周边。在城市中心区边缘也形成一定级别的城市副中心，如邕宁区政府区域、淡村区域、相思湖区域、江南工业园区等。在城市外围的郊区，总体上各类公共服务设施的分布密度处于低水平。
4 对比分析与讨论
《南宁市总体规划（2011—2020年）》确定以邕江为轴线，西建东扩，完善江北，提升江南，重点向南发展。南宁市以朝阳商圈、琅东区域和五象新区为3个主中心，突出“一轴两带多中心”的发展模式，沿邕江两岸串珠式发展，并且随着邕江支流纵向开发的带形城市空间结构。与南宁市公共服务设施空间分布图相比总体较为相似但也是存在异同，南宁市3大中心区域有相互聚集的趋势形成一个公共服务设施密度极高的单核中心，导致中心区公共服务设施集聚过度，人口交通压力难以缓解，其他区域各类公共服务设施空间格局发展失衡，公共服务设施有待进一步合理分配。并且南宁的3大中心朝阳商圈仍然是公共服务设施最密集的核心区，琅东中心区发展以初见规模，五象新区仍然在建设中各类设施可能还未投入运作，副中心发展已经初具规模如西乡塘区、淡村周边和相思湖区域等但是公共服务设施仍然欠缺。
依据此研究识别出的南宁市中心体系与《南宁市总体规划（2011—2020年）》对比，对南宁市的规划提出以下几条建议：（1）南宁市应加大力度展总体规划中的副中心以缓解城市中心区域的人口交通压力。（2）公共服务设施的布局与城市交通有着密切关系，在城市中心区域合理设计城市交通要道。（3）为了缓解城市多中心相互集聚，南宁市政府应该出台相关政策结合南宁城市公共服务设施空间发展需求和发展态势，采取整体协调、优化布局，以人为本发展。
5 结语
（1）本研究把各类型城市公共服务设施密度的权重在ArcGIS分析中设置相同值并且没有考虑到土地利用类型以及交通、人口、市场竞争等内在因素的影响。
（2）南宁市城市中心体系的规划与实际发展依然有明显异同，总体而言，中心城区仍表现为单核发展趋势，中心城副中心依然需要进一步加强建设，郊区中心己初步形成但整体上公共设施分布密度较小。
（3）POI数据没有统一的分类标准，部分设施分类不够明确等问题，这会影响对公共服务设施集聚和中心体系识别的判定。
参考文献
[1] 刘鹏程，陈超，孔斌，等.基于POI数据的镇江中心城区空间结构识别与特征解析[J].江苏城市规划，2017（9）：7-12.
[2] 杨俊宴，钱舒皓.特大城市中心体系空间肌理分异研究——以重庆市为例[J].城市规划学刊，2014（4）：18-23.
[3] 李丽琴.南宁市城市商业空间格局及优化研究[D].广西师范学院，2017.
[4] 胡庆武，王明，李清泉.利用位置签到数据探索城市热点与商圈[J].测绘学报，2014，43（3）：314-321.
[5] 施歌，江南，姚恋秋.基于GIS和兴趣点（POI）数据的城市中心体系识别方法研究——以上海市为例[J].现代测绘， 2017，40（6）：27-30.
[6] 张月金.城市总体规划实施评估思路探讨——以南宁为例[J].规划师，2017，33（9）：113-119.
[7] 谢小萍.南宁统计年鉴[M].北京：中国统计出版社，2000.
[8] 中华人民共和国住房和城乡建设部.GB 50137-2011城市用地分类与规划建设用地标准[S].北京：中国计划出版社，2012.
[9] Okabe A， Satoh T，Sugihara K.A kernel density estimation method for networks， its computational method and a GIS-based tool [J].International Journal of Geographical Information Science， 2009，23（1）：7-32.
[10]陈蔚珊，柳林，梁育填.基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J].地理研究，2016，35 （4）：703-716.