基于POI数据的城市街区活力量化评价研究

基于POI数据的城市功能区识别方法研究蒋云良;董墨萱;范婧;高少文;刘勇;马新强【摘要】提出了基于兴趣点数据对城市不同区域的功能进行识别的思想,根据手机基站位置将城市划分为基本单元,对基本单元中的兴趣点统计数据提出3种处理方案,并进行了模糊聚类分析,通过带有明显类别特征的兴趣点分布与聚类结果进行重叠率计算,从而确定了区域功能.为验证方法的有效性,选取浙江省杭州市一定范围内的城市区域进行实验.实验结果表明:根据兴趣点数据对城市功能区进行识别,能较好地实现城市区域的功能划分与特征分析,有助于对城市发展作出建设性规划.%Due to the rapid development and evolution of cities , the functional area of city became different from early planning .Decision makers often did not know the current spatial structure of the city quickly andaccurately .However , the data gathered from city brought some new thoughts of understanding the city life to people, people could identify urban regions of different functions from POI (Point of Interest) data.First, one could divide urban space with the locations of mobile basestations .Second , fuzzy clustering could be used to analyze the POI data which could deal with three different plans .At last, one could identify the function of the result from fuzzy clustering by the distribution of POI data with noticeable features .The method was evaluated in a certain area of Hangzhou , Zhejiang Province .The results justified that identifying urban regions of differ-ent functions from POI data succeded in dividing urban regions and feature analysis , and provided technical support for urbanstructure layout and land use , and provided realistic basis for effective use of urban space .【期刊名称】《浙江师范大学学报（自然科学版）》【年(卷),期】2017(040)004【总页数】8页(P398-405)【关键词】城市计算;城市功能区;兴趣点;归一化;模糊聚类【作者】蒋云良;董墨萱;范婧;高少文;刘勇;马新强【作者单位】浙江师范大学数理与信息工程学院,浙江金华 321004;湖州师范学院信息工程学院,浙江湖州 313000;浙江师范大学数理与信息工程学院,浙江金华321004;湖州师范学院信息工程学院,浙江湖州 313000;浙江大学控制科学与工程学院,浙江杭州 310027;浙江大学控制科学与工程学院,浙江杭州 310027;浙江大学控制科学与工程学院,浙江杭州 310027;重庆文理学院机器视觉与智能信息系统重点实验室,重庆 402160【正文语种】中文【中图分类】TP391随着城市化进程的日益加快及城市规模的飞速膨胀，一系列城市问题接踵而至，特别对于一些省会城市或者大都市来说，城市问题尤为严重.“城市病”主要表现为交通拥堵、住房紧张、供水不足、能源紧缺、环境恶化、就业困难等，给城市造成了负担，甚至制约了城市的发展，还容易引发市民的身心疾病等[1].近年来，一些专家学者利用各种异构大数据进行“城市计算”，以解决城市化带来的问题.城市计算是一个交叉学科，是计算机科学中以城市为背景，与城市规划、交通、能源、环境、社会学和经济学等学科融合的新兴领域，通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战(如环境恶化、交通拥堵、能耗增加、规划落后等)[2].其中，城市规划是城市计算主要涉及的应用之一，进行城市规划需要了解城市各功能区域的分布情况.城市功能区指的是土地使用功能、使用强度、土地利用方向、基准地价大体一致的区域，它们的集约利用程度和使用潜力也基本相同，比如文教区、商业区和住宅区等[3].虽然，通过现场实际调查可以更为准确地了解城市各功能区域的分布情况，但需耗费巨大的人力、物力资源，且调查结果不全面，成本过高.基于人们在城市生活中产生的数据分析功能区更加快速、有效，且节省了人力、物力成本.因此，本文着眼于“功能区”这一概念，设计了一种基于兴趣点(Point of Interest，POI)数据识别城市功能区的算法,使用POI数据对城市的各个区域进行了功能识别，并使用手机基站位置信息划分城市基本单元.目前，国内外学者对于城市功能区的研究主要为利用手机数据[4-9]、浮动车数据[4,9-10]及POI数据[4,8,10-11]等.其中，POI数据被广泛地用于城市功能区的发现中.在GIS系统中，一条POI数据可以是一个小区、一个店铺、一个公交车站等，其内容包括名称、经纬度、详细地址、POI类别及联系电话等参数[12].袁晶等[4]提出了一个利用出租车GPS轨迹数据和区域POI数据构成的Discovers Regions of Different Functions框架；杜润强等[8]在解决无规律切换的手机停驻点时使用了POI数目最多的主题类作为小区的主题对相邻小区进行合并；于翔[10]使用公交IC卡刷卡数据及POI数据构建了城市功能区识别模型.POI数据包括的类型全面，涉及各个层面，且抓取十分方便，这也是POI数据被广泛使用的原因之一[12].现有研究利用手机基站的位置画Voronoi泰森多边形用于分割城市基本单元：在利用手机用户产生的动态数据识别土地使用和动态人口关系时，Toole等[5]提出了利用基站位置信息对地图进行区域划分的思想；在使用手机基站网络产生的信息来自动识别划分土地使用情况的技术时，Soto等[6]也提出了使用基站的位置信息对地图进行区域划分的思想.目前，也有学者按照网格划分城市区域，基于此划分方法的聚类结果受网格粒度的影响，粒度过大，单个网格可能会合并2个或2个以上的功能区域，例如城市中心区域；粒度过小，单个网格中可能会出现兴趣点数量过少或不存在兴趣点的情况，例如城市边缘区域.利用基站划分城市区域具有一定的自适应性.中国三大运营商的手机基站已基本实现城市区域的无缝覆盖，基站位置主要根据人口密集度、是否有阻碍物和城市规划确定，居民小区、商务楼或是学校等普遍拥有该区域专属的一个或几个基站，单个专属基站覆盖的区域具有单一功能.所以，本文选用手机基站位置信息划分城市基本单元，并提出了3种不同的方案处理POI数据，根据3种结果对城市单元区域(基站)进行聚类，使用带有明显类别特征的兴趣点在城市空间的分布与聚类结果进行重叠率计算，从而识别各单元区域(基站)的功能.最后，根据城市实际的分布情况对3种处理POI类别分布矩阵的方案进行对比，并根据区域吻合度对本文提出的识别城市功能区的方法进行评价.本文基于Voronoi泰森多边形的思想，使用手机基站的地理信息，将城市划分为各个基本单元，并通过POI数据对城市不同区域的功能进行识别，其具体识别过程如算法1所示.算法1 使用POI数据识别城市功能区输入:基站经纬度；POI经纬度；POI类别.输出:城市功能区识别结果.步骤1:地图分割：将地图栅格化，寻找离各栅格最近的基站，得到各基站覆盖的栅格号列表，即以基站的经纬度信息利用Voronoi泰森多边形的思想将研究区域划分为各个基本单元.步骤2:基站POI分布：根据基站经纬度、POI经纬度，得到各基站下的所有POI分布情况.步骤3:基站POI分布特征：根据POI的类别参数得出各基站不同类别的POI分布矩阵，并采用3种不同方案对其进行处理.步骤4:聚类：对处理后的POI分布矩阵进行聚类分析.步骤5:识别城市功能区：对聚类后各基站的功能进行识别，即识别研究范围内各区域的功能.1.1 地图分割用手机基站的经纬度数据划分城市的基本单元.首先，将地图进行栅格化处理.取经纬度0.000 1°×0.000 1°(在纬度30°附近约为9.6 m×11.1 m)作为一个单位栅格对地图进行分割，并对所有栅格进行编号.其次，根据手机基站位置分割地图.基于Voronoi泰森多边形的思想，利用手机基站位置分割地图，即计算每个栅格与基站的距离，并规定该栅格属于离它最近的基站，得到各基站所覆盖的栅格号列表，这一计算结果与Voronoi泰森多边形的计算结果基本相符.1.2 POI数据处理首先，寻找POI所属的基站，其方法类似栅格归属计算，即通过计算各个POI与各个基站的位置距离，找到离该POI最近的基站，并判定此POI属于该基站，得到各个基站范围内的所有POI列表.其次，根据POI数据中“POI类别”这一参数对各基站范围内不同类别的POI个数进行统计，得到基站POI类别分布矩阵D.最后，由于现有的基站POI类别分布矩阵D并没有考虑基站的面积因素，所以还需要对矩阵D进行进一步处理.考虑到面积因素，本文提出了3种处理POI类别分布矩阵的方案.方案1 按计算各基站单位面积的POI分布密度的方式处理矩阵D，得到用于聚类的矩阵U.根据式(1)计算基站的单位面积的POI分布密度矩阵式(1)中：U为最终用于分析的矩阵，维数为n×m；uij∈U为类别为i的POI在第j个基站的单位面积的个数；D为POI类别分布矩阵，维数为n×m；E为维数是m×1的单位向量，其每个元素都为1；S为基站面积向量，维数为1×n；n为基站数;m为兴趣点类别数.方案2 直接对矩阵D进行归一化处理，得到用于聚类的矩阵A.归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系，它能简化计算，是缩小量值的有效办法.使用式(2)[13]将POI类别分布矩阵D归一化到[0,1]的区间内，所得结果矩阵为A，A的维数为n×m，n为基站数，m为兴趣点类别数.式(2)中：x*i为归一化后的第i个样本值;xi为样本中第i个样本值;xmax为样本中的最大值;xmin为样本中的最小值.方案3 结合基站面积因素，以归一化的方式处理矩阵D，得到用于聚类的矩阵Y. 考虑到基站POI类别分布矩阵D与基站的面积向量S的量纲不同，使用式(2)分别对两者进行归一化处理，将矩阵D与基站面积向量S归一化到[0,1]的区间内，得到归一化后的矩阵A与向量X，并通过式(3)将矩阵A与向量X进行结合,即式(3)中：Y为最终用于分析的矩阵，维数为n×m；A为POI类别分布矩阵D根据式(2)归一化后的矩阵，维数为n×m；X为基站面积向量S根据式(2)归一化后的向量，维数为1×n；n为基站数;m为兴趣点类别数.1.3 聚类采用模糊聚类方法中的C均值聚类算法分别对矩阵U、A和Y进行聚类分析，并进行聚类结果可视化.模糊聚类分析一般是指根据研究对象本身的属性构造模糊矩阵，并在此基础上根据一定的隶属度确定聚类关系.模糊C均值聚类算法将n个向量分成c个模糊组，并求得每组的聚类中心，使得非相似指标的价值函数达到最小[14-15].利用FCM聚类算法，设置聚类类别参数c，将基站划分为c种不同的类，得到各基站隶属于各类的可能性列表.然后，提取各基站在各类可能性中的最大值所属的类，定义该类为该基站所属的类别，得到各基站所属类别列表，并对聚类结果进行可视化.1.4 功能识别将具有一定类别属性的POI和基站的聚类结果在地图上进行重叠，并通过计算重叠率来识别各基站功能，进而确定城市相应区域的功能，详细计算过程如算法2所示.算法2中:pi表示“POI类别”中特征比较明显的一个类别，如“居住”或“工作”等；聚类类别为cj的基站表示聚类结果中划分为cj类的基站；步骤2中的放大倍数由pi本身的特征所决定，如“居住”类别的兴趣点一般为一栋房子，而一栋房子的覆盖面积约为30 m×30 m =900 m2，若按纬度30°附近的0.000 1°×0.000 1°，即9.6 m×11.1 m为一个栅格的面积计算，则类别为“居住”的兴趣点应以该兴趣点所在的栅格为中心放大9倍，即以该兴趣点所在的栅格为中心的3个栅格×3个栅格的长方形区域.算法2 计算POI类别为pi的POI与聚类类别为cj的基站在地图上的分布的重叠率输入:POI类别为pi的POI经纬度；聚类类别为cj的基站号；各基站所覆盖的栅格号列表.输出:重叠率overlapRatio.步骤1:根据POI类为pi的各个POI经纬度，找出它们所在栅格号.步骤2:根据pi的特征放大面积，即以步骤1得到的栅格号为中心向东南西北4个方向将面积放大到一个长方形区域，并得到此长方形区域覆盖的所有栅格号.步骤3:统计步骤2得到的所有不重复的栅格号，此集合记为Pi.步骤4:根据聚类类别为cj的基站号和各基站所覆盖的栅格号列表，找到聚类类别为cj所覆盖的栅格号，此集合记为Cj.步骤5:根据式(4)计算栅格重叠率(overlapRatio).选取浙江省杭州市一定范围内的矩形区域为研究对象，以单个手机基站范围为单位区域，使用百度2016年2月杭州市一定区域的POI数据对功能区识别方法进行验证.2.1 划分区域选取浙江省杭州市如图1所示经度120.040°～120.410°、纬度30.090°～30.400°范围内的矩形区域作为研究对象，将区域划分为0.000 1°×0.000 1°(约为9.6m×11.1 m)的栅格，并根据杭州市某运营商的手机基站经纬度数据，使用栅格归属计算方法划分城市单位区域，划分结果如图2所示.2.2 POI数据处理百度POI数据在国内被普遍使用，在城市空间分布上和实际情况基本吻合，保证了数据的准确性与可靠性，故提取百度在研究范围内的POI数据进行研究.该数据包括研究范围内大于11万条的POI信息，包含POI的名称、经纬度、详细地址、POI类别及联系电话等参数.根据“POI类别”参数将POI数据分为购物、工作、居住、旅游、高校文教、小学幼儿园、中学、医疗、文化娱乐、生活服务、金融服务、汽车服务、车站、停车场、美食及酒店16大类.将研究区域内各基站范围内的POI数据根据16大类进行统计，建立POI类别分布矩阵D.POI类别分布矩阵D如下所示:其中:pi表示POI类别;i=1,2,…,16.最后，根据3种方案分别对分布矩阵D进行处理，得到3个不同的矩阵(U,A和Y).2.3 聚类采用FCM聚类方法对3个矩阵(U,A和Y)进行聚类分析.设置参数c=4，即将研究区域分为4类不同的功能区域，聚类结果如图3所示.对聚类结果进行可视化时，若基站6被定义为第2类，而可视化中定义第2类的颜色为颜色1，则属于基站6的所有栅格都被标记为颜色1.从图3的3张图来看，3种方案的聚类结果基本相似，特别是颜色1区域的一致性非常高.颜色3区域和颜色2区域的分布也比较吻合.不同的是，相比图3(b)和图3(c)，图3(a)的颜色4区域占整个面积的比重较大，而图3(b)和图3(c)只有极少部分不相同.2.4 功能识别选取“POI类别”参数中的“居住”、“工作”和“旅游”3大特征值进行基站功能识别.根据重叠率的计算方法，对3种聚类结果进行重叠率计算，计算结果如表1～表3所示.在放大兴趣点面积时，结合实际情况，对类别为“居住”和“工作”的兴趣点的面积放大至以每个兴趣点所属栅格为中心的3个栅格×3个栅格的长方形区域；而对类别为“旅游”的兴趣点放大至以每个兴趣点所属栅格为中心的9个栅格×9个栅格的长方形区域.根据表1～表3的计算结果，首先可以判定图3(a)、图3(b)和图3(c)中的颜色1区域的功能应为“居住区”，颜色3区域的功能应为“旅游区”，因为它们的重叠率比其他颜色的高出很多.其次，3种方案中，“POI类别”为“工作”的重叠率计算结果的最大值也是在颜色1区域，但由于“居住”与颜色1区域的重叠率远高出它与其他颜色区域的重叠率，显然颜色1区域应为“居住区”，而非“工作区”.另外,“工作”与颜色4区域和颜色2区域的重叠率相对也不低，故颜色4区域和颜色2区域中必定有一个的功能为“工作”.在实际情况中，“居住区”往往与“工作区”密不可分，两者在地理位置上往往是相邻的，且图3中与颜色1区域相邻最多的为颜色2区域，颜色4区域大多与颜色2和颜色3区域相邻，因此，颜色2区域应为“工作区”.最后，图3中区域A为杭州著名的西湖景区，包括西湖、龙井、灵隐等，这一区域地形多为山区，所以，该区域除了POI类别为“旅游”的POI外，其余类别的POI分布很少，甚至有些基站范围内基本没有POI分布.图3(a)中，A区域明显由颜色3和颜色4组成，而颜色3区域的功能已被判断为“旅游区”，所以颜色4区域的功能即为POI分布较少的“人迹罕至区”.经以上分析可知，图3中城市各区域的识别结果如下所述：颜色1区域为“居住区”；颜色2区域为“工作区”；颜色3区域为“旅游区”；颜色4区域为“人迹罕至区”.从3种处理POI类别分布矩阵的方案对比及区域吻合度2个方面对本文提出的识别城市功能区的方法进行评价.3.1 方案对比首先，图4(a)、图4(b)和图4(c)分别是研究区域内POI类别为“居住”、“工作”和“旅游”的分布热力图.对于3种处理POI类别分布矩阵的方案，在以杭州为例的聚类结果中得到了3种如图3所示的不同效果.图3(a)与图3(b)、图3(c)不同的部分主要为颜色4区域，叠加图4(a)、图4(b)和图4(c)，即叠加“居住”、“工作”和“旅游”三类POI后可知，实际上颜色4区域的分布应基本与图3(b)、图3(c)分布相似，所以方案2和方案3的处理结果要优于方案1.其次，图5为相同经纬度条件下方案3对“旅游区”的识别结果在百度地图上的投影，图中灰色部分即为方案3对“旅游区”的识别结果在地图上的分布.方案2和方案3在图3显示的结果中差异最大的部分即为图5中对“良渚文化村”和“钱清镇附近景区”2个区域的判断，显然，这2个区域应该被识别为“旅游区”.因此，方案3的处理结果又优于方案2.综上可知,第3种方案是本文提出的3种方案中效果最好的，其处理结果对于最后城市区域的功能识别也是3种方案中最准确的.3.2 区域吻合度由上可知，方案3是3种方案中效果最好的，故采用方案3的聚类结果对区域的吻合度进行分析.图6为根据方案3的聚类结果在研究范围地图上的投影图.1)“居住区”吻合度：图4(a)中兴趣点为“居住”的分布热力图可以认为是研究区域范围内居住区的真实分布.对比图4(a)和图6中颜色1(居住区)在地图上的投影发现,两者基本吻合.2)“旅游区”吻合度：根据图5所示，方案3的处理结果对“旅游区”的识别在百度地图上的投影也与实际基本相符.实验结果对覆盖“良渚文化村”、“西溪湿地”、“西湖风景区”和“湘湖”等景区的基站功能做出了准确的识别.3)“工作区”吻合度：图4(b)中兴趣点为“工作”的分布热力图可以认为是研究范围内工作区域的真实分布.对比图4(b)和图6中颜色2(工作区)在地图上的投影发现,两者基本吻合.综合上述1)，2)和3)的吻合度分析可知，本文提出的根据POI数据识别城市功能区的方法对城市区域功能的识别结果与实际情况基本吻合.本文提出了一个根据POI数据识别城市功能区的方法，并结合杭州市一定范围的区域进行功能区识别实验.实验结果表明，本文提出的基于POI数据进行城市功能区划分的方法对城市功能区的识别结果基本准确，说明该方法切实可行.这对了解城市现有的土地使用情况，分析现有的城市空间的不合理规划，开展城市格局规划具有指导性意义.随着大数据时代的来临，从网络上获取开源数据变得十分便利，国内外相关领域的学者也逐渐将目光转向研究如何挖掘网络大数据，提取有效信息，整合异构数据，利用不同数据源为人类提供服务等.下一步将结合POI数据的使用，进一步分析与城市规划相关的各类数据，如人的活动模式、人流量大小等，期望能进一步提升功能区识别的准确性.【相关文献】[1]段小梅.城市规模与“城市病”——对我国城市发展方针的反思[J].中国人口\5资源与环境,2001,11(4):133-135.[2]郑宇.城市计算概述[J].武汉大学学报:信息科学版,2015,40(1):1-12.[3]辜寄蓉,陈先伟,杨海龙.城市功能区划分空间聚类算法研究[J].测绘科学,2011,36(5):64-67.[4]Yuan Jing,Zheng Yu,Xie Xing.Discovering regions of different functions in a city using human mobility and POIs[C]//KDD 12th Proceedings of 18th ACM SIGKSS International Conference on Knowledge Discovery and Data Mining.Beijing:ACM,2012:186-194.[5]Toole J L,Ulm M,González M C,et al.Inferring land use from mobile phoneactivity[C]//Urb Comp ′12 Proceedings of the ACM SI GKDD International Workshop on Urban Computing.Beijing:ACM,2012:1-8.[6]Soto V,Fríasmartínez E.Automated land use identification using cell-phonerecords[C]//Hot Planet ′11 Proceedings of the 3rd ACM International Workshop on MobiArch.Maryland:ACM,2011:17-22.[7]钮心毅,丁亮,宋小冬.基于手机数据识别上海中心城的城市空间结构[J].城市规划学刊,2014(6):61-67.[8]杜润强,黄佳进,钟宁,等.手机轨迹中活动停驻点识别[J].计算机科学与探索,2014,8(2):200-206.[9]潘纲,李石坚,齐观德,等.移动轨迹数据分析与智慧城市[J].中国计算机学会通讯,2012,8(5):31-37.[10]于翔.基于城市公交刷卡数据和兴趣点的城市功能区识别研究——以北京市为例[D].杭州:浙江大学,2014.[11]Zheng Yu,Capra L,Wolfson O,et al.Urban computing:concepts,methodologies,and applications[J].ACM Transaction on Intelligent Systems and Technology,2014,5(3):38. [12]索超,丁志刚.POI在城市规划研究中的应用探索[C]//新常态:传承与变革——2015中国城市规划年会.北京:中国城市规划学会,2015.[13]肖汉光,蔡从中.特征向量的归一化比较性研究[J].计算机工程与应用,2009,45(22):117-119.[14]孙吉贵,刘杰,赵连宇.聚类算法研究[J].软件学报,2008,19(1):48-61.[15]张敏,于剑.基于划分的模糊聚类算法[J].软件学报,2004,15(6):858-868.。

基于多源数据对街道活力因素影响分析——以深圳市龙华区
为例
王哲
【期刊名称】《未来城市设计与运营》
【年(卷),期】2024()5
【摘要】城市街道活力强度受到多种因素影响,但目前多以感官判断来分析城市街道活力值高低。

此次研究以建成环境的测度和空间动态因素进行结合,通过理性的
数据分析街道活力影响因素。

本文以深圳市龙华区为例,采用了POI热力分析数据、路网资料数据和移动网络定位服务数据,建立了一周各个时间段模型,分别探究商业
娱乐街道、生活公共街道、生产办公街道、文旅休闲街道的空间建成环境和时间延续特性所带来的影响。

结论表明:深圳龙华区街道活力呈现多中心点结构,交通可达
性高、公共便利性高与商业街道中午高活力及办公街道夜间高活力呈正相关性,天
空开敞度低与商业街道傍晚高活力和办公街道清晨高活力值呈负相关性。

【总页数】3页(P52-54)
【作者】王哲
【作者单位】深圳市朗程师地域规划设计有限公司
【正文语种】中文
【中图分类】G63
【相关文献】
1.基于空间数据的城市街道活力影响因素分析——以聊城市东昌路为例
2.基于多源数据的城市活力空间特征及建成环境对其影响机制研究--以深圳市为例
3.基于多源数据的城市活力测度及影响因素分析--以桂林市中心城区为例
4.基于深度学习和多源数据的街道美感评价与影响因素分析——以上海为例
5.基于多源大数据的街道空间品质测度及其对街道活力的影响——以广州历史城区为例
因版权原因，仅展示原文概要，查看原文内容请购买。

２０２４年２月第２６卷第１期㊀㊀沈阳建筑大学学报(社会科学版)㊀㊀ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ(ＳｏｃｉａｌＳｃｉｅｎｃｅ)Ｆｅｂ.㊀２０２４Ｖｏｌ.２６ꎬＮｏ.１㊀㊀收稿日期:２０２３－０８－２８㊀㊀基金项目:国家自然科学基金重点项目(５２３７８０６３)㊀㊀作者简介:严文复(１９６５ )ꎬ女ꎬ吉林吉林人ꎬ教授ꎮ文章编号:１６７３－１３８７(２０２４)０１－０００１－１０ｄｏｉ:１０.１１７１７/ｊ.ｉｓｓｎ.１６７３－１３８７.２０２４.０１.０１基于ＰＯＩ数据的太原市主城区商业空间格局研究严文复１ꎬ田岩松２ꎬ苑晓琦２(１.沈阳建筑大学党政办公室ꎬ辽宁沈阳１１０１６８ꎻ２.沈阳建筑大学建筑与规划学院ꎬ辽宁沈阳１１０１６８)摘㊀要:以太原市主城区作为研究区域ꎬ基于兴趣点(ＰｏｉｎｔｏｆＩｎｔｅｒｅｓｔꎬＰＯＩ)数据ꎬ采用核密度分析㊁局部Ｇｅｔｉｓ￣ＯｒｄＧＩ∗指数等方法ꎬ对城市商业空间格局进行了研究ꎬ在其现有商业空间格局的基础上借助等值线树法对商业中心进行了识别ꎬ并对各类行业的空间分布及集聚特征进行了对比分析ꎮ结果表明:太原市主城区商业空间已经形成了以柳巷㊁朝阳以及亲贤北街商圈为中心向外围扩散的分布格局ꎬ体现出汾河以东集中连片㊁汾河以西零星分散的分布特征ꎻ识别出太原市主城区内４６个基本商业中心ꎬ其中以柳巷㊁朝阳 双塔㊁体育路 亲贤北街为主城区三大核心商业中心ꎻ各类行业空间聚集表现不同ꎬ生活服务类㊁购物服务类以及餐饮服务类行业分布范围广㊁集聚程度小ꎬ医疗保健类㊁商务服务类㊁金融服务类行业分布范围小㊁集聚程度高ꎮ关键词:ＰＯＩ数据ꎻ商业空间ꎻ空间布局ꎻ商业中心ꎻ太原市中图分类号:ＴＵ９８４.１３㊀㊀㊀文献标志码:Ａ引用格式:严文复ꎬ田岩松ꎬ苑晓琦.基于ＰＯＩ数据的太原市主城区商业空间格局研究[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２４ꎬ２６(１):１－１０.㊀㊀有关商业空间集聚现象的研究一直是城市地理学的热点议题之一ꎮ西方国家在经济㊁社会科学以及信息技术等领域的迅速发展为城市商业空间的相关研究奠定了坚实的基础ꎬ研究内容涉及商业区位选择[１]㊁零售业空间重构[２]㊁消费者行为[３]等ꎮ随着中国城市化的快速推进ꎬ有关商业空间的研究也在不断增加ꎬ研究内容包括商业业态[４]㊁商业中心识别[５]㊁商业空间结构[６]等ꎮ近年来随着大数据的快速兴起与应用ꎬ以兴趣点(ＰｏｉｎｔｏｆＩｎｔｅｒｅｓｔꎬＰＯＩ)数据为代表的大数据迅速应用于城市地理研究ꎮ陈蔚珊等[７]基于广州市商业机构ＰＯＩ数据ꎬ分析了城市商业活动的热点区域与业态集聚区的空间分布特征ꎻ吴康敏等[８]基于ＰＯＩ数据ꎬ采用空间分析方法界定了广州市不同类型的商业中心ꎻ张梦洁等[９]以武汉市商业ＰＯＩ数据为基础ꎬ通过核密度分析结果识别出武汉市各类商业中心并建立了三级商业中心体系ꎻ浩飞龙等[１０]利用长春市中心城区商业ＰＯＩ数据ꎬ对城市商业空间格局㊁行业分布及集聚特征进行了研究ꎻ陈洪星等[１１]基于ＰＯＩ数据ꎬ采用地理学空间统计方法定量识别乌鲁木齐主城区的商业热点区ꎬ对其商业分布和２㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷空间集聚特征进行了分析ꎬ并对其影响因素进行了探究ꎻ石铁矛等[１２]基于沈阳市ＰＯＩ数据ꎬ采用核密度估计等研究方法分析了沈阳市区三环内生活服务设施空间分布特征ꎻ张小英等[１３]基于广州市多期ＰＯＩ数据ꎬ采用核密度估计法分析了大城市商业布局的时空演变特征ꎮ大数据的普及使定量化的研究成为当下商业空间结构研究的新趋势ꎮ传统的城市商业空间研究多采用调查问卷和经济普查数据进行研究ꎬ其数据有限且精确度不高ꎬ大大降低了研究的可靠性和全面性ꎮ而ＰＯＩ数据携带信息量大且易于获取ꎬ可以打破传统数据的局限性ꎬ为研究提供更全面㊁准确㊁及时的信息ꎮ目前对于商业空间格局的研究确有很多ꎬ但从研究方法来看ꎬ多采用核密度分析法对商业空间的分布进行分析ꎬ很少在其基础上采用等值线树法识别商业中心ꎮ在研究区域上ꎬ多集中于东部地区的大城市ꎬ少有对中部地区城市的研究ꎮ太原市作为山西省政治㊁经济㊁文化和国际交流中心ꎬ在其 十四五 规划中提出要打造区域性国际消费中心城市ꎮ如何以推进商业设施建设为导向提高全市乃至全省居民在太原消费的意愿ꎬ优化消费环境ꎬ进而提高太原市作为地区中心城市的消费影响力ꎬ成为一个值得研究的课题ꎮ因此ꎬ本研究结合太原市主城区ＰＯＩ数据ꎬ在分析城市商业空间格局特征的基础上进行商业中心识别ꎬ并分析各类行业的空间分布及集聚特征ꎬ以期助力太原市在 十四五 规划背景下更好地实现区域性国际消费中心城市这一目标ꎬ提高国际影响力和区域竞争力ꎬ为未来太原市商业设施配置和优化空间布局提供理论参考ꎮ一㊁研究方法及数据来源１.研究区域概况及数据来源太原是山西省省会ꎬ位于山西省中部㊁晋中盆地北部地区ꎮ研究范围为太原市主城区ꎬ包括迎泽区㊁晋源区㊁万柏林区㊁尖草坪区㊁杏花岭区和小店区ꎬ共计６３个乡镇街道ꎬ总面积为１４１９.４８ｋｍ２ꎬ建成面积为３７４.７３ｋｍ２ꎮ研究所采用的ＰＯＩ数据通过高德地图应用程序接口(ＡｐｐｌｉｃａｔｉｏｎＰｒｏｇｒａｍｍｉｎｇＩｎｔｅｒｆａｃｅꎬＡＰＩ)获取ꎬ获取时间为２０２２年９月ꎮＰＯＩ数据分类依据高德ＰＯＩ分类编码ꎬ分为购物服务类㊁餐饮服务类㊁住宿服务类㊁休闲娱乐服务类㊁生活服务类㊁金融服务类㊁商务服务类㊁医疗保健类和汽车服务类共九大类(见表１)ꎮ经过数据筛选后ꎬ共得到ＰＯＩ数据１６３９９３个(见图１)ꎮ表１㊀太原市主城区商业类ＰＯＩ数据的行业类别行业分类ＰＯＩ子类购物服务类便民商店㊁专卖店㊁文化用品店㊁家居建材市场等餐饮服务类中餐厅㊁快餐厅㊁咖啡厅㊁冷饮店㊁休闲餐饮场所等住宿服务类宾馆酒店㊁旅馆招待所等休闲娱乐服务类运动场馆㊁娱乐场所㊁休闲场所㊁影剧院等生活服务类信息咨询中心㊁售票处㊁电讯营业厅㊁美容美发店等金融服务类银行㊁自动提款机㊁保险公司㊁证券公司㊁财务公司等商务服务类建筑公司㊁广告装饰公司㊁网络科技公司㊁商业贸易公司㊁电信公司等医疗保健类药房㊁宠物诊所㊁兽医站等汽车服务类加油站㊁汽车销售㊁汽车租赁㊁汽车维修等２.研究方法(１)核密度分析法核密度分析法常用来揭示空间分布的相对集聚程度ꎬ其结果表现出距离越近的事物相关性越大的特征ꎮ该方法可以反映地理现象空间分布的信息衰减事实[１４]ꎮ计算方程为ｆ(ｓ)＝ðｎｉ＝１１ｈ２ｋｓ－ｃｉｈæèçöø÷(１)式中:ｆ(ｓ)为空间位置ｓ处的核密度计算函数ꎻｈ为距离衰减阈值ꎻｎ为与位置ｓ的距离小于或等于ｈ的要素点数ꎻｋ为空间权重函数ꎮ第１期严文复等:基于ＰＯＩ数据的太原市主城区商业空间格局研究３㊀图１㊀商业类ＰＯＩ的空间分布㊀㊀(２)Ｇｅｔｉｓ￣ＯｒｄＧＩ∗指数法Ｇｅｔｉｓ￣ＯｒｄＧＩ∗指数法能识别出空间上的热点和冷点区域ꎬ从而揭示地理现象的空间分布模式和趋势ꎬ可以用来识别太原市主城区商业网点的冷热区域在空间上的分布[１５]ꎬ计算公式为Ｇ∗ｉ＝ðｎｊ＝１ｗｉꎬｊｘｊ－ Ｘðｎｊ＝１ｗｉꎬｊｎðｎｊ＝１ｗ２ｉꎬｊ－ðｎｊ＝１ｗｉꎬｊ()２[]ｎ－１(２)式中:Ｇ∗ｉ值是统计学意义上的Ｚ得分ꎻＷｉꎬｊ为单元ｉ和ｊ的空间权重系数ꎻｘｊ为第ｊ个地理单元的点密度值ꎻ Ｘ为所有单元的密度均值ꎻｎ为研究区域内所有单元的总数ꎮＧ∗ｉ值为正ꎬ且数值越高ꎬ表示要素ｉ周边的值越高于均值ꎬ能形成热点空间集聚ꎻＧ∗ｉ值为负ꎬ且数值越低ꎬ表示要素ｉ周边的值越低于均值ꎬ能形成冷点空间集聚ꎮ(３)区位熵分析法区位熵常被用来衡量某一要素的空间分布情况ꎬ反映某一产业部门的专业化水平[１６]ꎮ研究采用区位熵指标来分析各行业的地域专业化水平ꎬ其值越高ꎬ则该行业类型在该区域的专业化程度越高ꎮ计算公式为Ｎ＝ｎＫ－Ａ/ｎＫ(３)式中:Ｎ为区位熵ꎻｎＫ－Ａ为区域Ｋ中行业类型Ａ的商业网点数量与整个区域内行业类型Ａ的所有商业网点总数的比值ꎻｎＫ为区域Ｋ中的商业网点数量与整个区域中总的商业网点数量的比值ꎮ二㊁商业空间格局分析１.商业网点空间分布特征对太原市主城区商业网点进行平均最近邻分析ꎬ得出最邻近比率为０.３１０ꎬ说明其空间分布具有明显的集聚特征ꎮ采用核密度分析法分析其空间分布特征(见图２)ꎬ可以看出:①太原市主城区商业网点已经形成了以柳巷㊁朝阳㊁亲贤北街为中心向外围扩散的分布格局ꎬ分布密度总体呈现由中心向外围逐渐递减的特征ꎮ②主城区内柳巷㊁朝阳以及亲贤北街商圈在空间中呈现出极高的集聚程度ꎬ形成了城市主要的商业中心ꎮ③地铁２号线沿线商业网点集聚ꎮ地铁２号线穿过柳巷和亲贤北街商圈等主城区核心商业中心ꎬ在其沿线１ｋｍ范围内分布了大量商业网点集聚区域ꎮ④从总体分布特征来看ꎬ以汾河为界ꎬ汾河以东商业网点集聚程度高且集中连片ꎬ汾河以西集聚程度较低且零星分散ꎮ图２㊀商业空间核密度分布４㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷２.商业网点空间集聚特征以太原市主城区主干道路划分的格网为单元ꎬ对其商业网点空间集聚特征进行了探析ꎮ通过计算ꎬ得出其空间分布的全局莫兰指数(ＧｌｏｂａｌＭｏｒａｎᶄｓＩ)为０.４２０ꎬ说明该区域商业网点呈现显著的空间正相关性ꎮ采用局部Ｇｅｔｉｓ￣ＯｒｄＧＩ∗指数法识别其商业空间分布的冷点和热点区域(见图３)ꎬ结果显示:①太原市主城区热点区域多分布于二环(北中环 东中环 南中环 西中环)以内ꎬ如南内环大街㊁亲贤北街㊁长风西街等区域ꎮ热点区域的分布范围与各商圈位置一致ꎮ②太原市主城区内长风西街㊁亲贤北街的热点区域数量较多且街道格网单元集聚分布ꎬ说明其对邻近区域的影响显著ꎮ③柳巷和朝阳商圈的热点区域分布范围较小ꎬ集聚特征不显著ꎬ表明这两个商圈对周边区域的影响较弱ꎮ图３㊀商业空间冷点和热点集聚格局３.商业中心识别(１)商业中心等级结构核密度分析法可以很好地识别出商业网点的分布及其集聚区域ꎬ通过其分析结果(搜索半径为５００ｍ)能够识别出城市商业集聚区的范围ꎮ再采用等值线树法确定商业中心的边界[１７－２０]ꎮ以自然断点法对核密度分析结果进行等级划分ꎬ其划分等级的边界值均可作为等值线起始值ꎮ这里以核密度等级为中的边界值每平方千米１５００个作为等值线的起始值ꎬ等值线间距设置为每平方千米１００个ꎬ得到等值线的分布图(见图４)ꎮ图４㊀等值线分布㊀㊀对基于核密度分析结果的等值线进行提取ꎬ形成的３２个等值线树如图５所示ꎬ共有２８个单分支树和４个多分枝树ꎬ其中ꎬ多分枝树分支数量分为２个分支㊁３个分支以及图５㊀主城区３２个等值线树边界第１期严文复等:基于ＰＯＩ数据的太原市主城区商业空间格局研究５㊀１０个分支ꎮ太原市主城区最大且最复杂的等值线结构如图６所示ꎬ该等值线的轮廓如图６(ａ)所示ꎬ其７个层级和１０个分支的嵌套结构如图６(ｂ)所示ꎮ其中单分支节点如１㊁２㊁４㊁６㊁８等为独立商业中心ꎬ而多分枝节点如３㊁５㊁７㊁９等为多个独立商业中心所形成的复合商业中心ꎮ图６㊀主城区主要等值线及其嵌套的层次结构㊀㊀最终ꎬ采用等值线树法识别出太原市主城区４６个基本商业中心的边界(见图７)ꎮ同时ꎬ按照自然断点分级法将等值线划分为４级ꎬ以每个商业中心的中心等值线的等级为依据将识别出的商业中心分为４级(见表２)ꎮ图７㊀等值线树法识别出的主城区商业中心㊀㊀总体来看ꎬ迎泽区㊁万柏林区㊁小店区商业中心数量多且分布广ꎬ但只有小店区形成了完整的四级商业中心体系ꎻ万柏林区㊁杏花岭区㊁小店区三㊁四级商业中心数量较多且分布均匀ꎻ尖草坪区㊁晋源区商业中心数量较少ꎮ表２　太原市主城区商业中心统计序号行政区中心处所处位置周边商圈及商业设施商业中心级别１迎泽区朝阳 双塔商圈花鸟鱼市场㊁同至人购物中心㊁小商品批发商城㊁圣亚购物中心一级２迎泽区柳巷 钟楼商圈王府井奥莱㊁铜锣湾国际购物中心㊁贵都世纪广场㊁茂业百货一级３小店区体育路 亲贤北街太原茂业天地㊁百盛购物中心㊁王府井百货一级４万柏林区新晋祠路 长风南街太原万象城二级５万柏林区迎泽西大街 和平南路公园时代城购物中心㊁下元商贸城二级６万柏林区安宁街 普国路普国装饰城㊁新明珠装饰广场㊁恒融装饰城二级７尖草坪区涧河北沿岸 解放北路山西北方商贸城㊁山西太原小商品批发市场㊁金屹诚商贸广场二级８杏花岭区城坊街 解放路龙湖万达广场㊁解放百货大楼二级９晋源区滨河西路 向滨街姚村万水物贸城二级１０小店区长治路 长风街天美新天地㊁北美新天地㊁居然之家二级６㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷续表　序号行政区中心处所处位置周边商圈及商业设施商业中心级别１１小店区长治路 学府街亲贤花鸟鱼虫市场二级１２小店区真武路 康宁街万马仕商贸城二级１３小店区昌盛街 人民北路小店村商圈二级１４迎泽区迎泽大街 建设南路 并州东街 青年路桥东商圈三级１５万柏林区西苑北路 西矿街 金旧路 虎峪河居然之家装饰建材馆㊁居然之家㊁海唐广场三级１６尖草坪区文兴路 三给街锦绣建材城㊁锦绣国际装饰城三级１７晋源区晋祠路 南中环万水物贸城三级１８小店区体育南路 晋阳街北美Ｎ１新奥莱㊁北美Ｎ１文创区三级１９小店区平阳路 南中环街 大马中路怡安装饰广场㊁大马村商圈三级２０小店区学府街 平阳路华宇百花谷㊁山姆店三级２１小店区亲贤北街 平阳路 长风街 滨河东路新时代广场㊁华德中心广场㊁平阳景苑商圈三级２２小店区平阳路 北园街新康隆商城㊁顶好时尚商城三级２３小店区南内环街 寇庄西路 王村北街 体育路恒实商业广场㊁东岳生活广场三级２４小店区龙城北街 平阳南路小马村商圈三级２５小店区坞城南路 汾东大街浩海物贸城三级２６小店区许西南街 太榆路许西村商圈三级２７小店区通达街 真武路万豪新天地三级２８小店区庆云街 新化路 开新街黑窑村商圈㊁南畔村商圈三级２９迎泽区并州东街 并州北路中正天街四级３０迎泽区菜园西街 老军营东一条老军营商圈四级３１迎泽区水西关街 新建路 水西关南街 桃园北路水西关社区商圈四级３２杏花岭区北大街 新开南巷东兴装饰城四级３３杏花岭区桃园北路 府西街桃园秀水街购物广场四级３４杏花岭区迎春街 敦化南路五龙口海鲜批发市场四级３５杏花岭区府西街 三桥街山西国际贸易中心四级３６杏花岭区新民中街 五一路 府东街 上肖墙新民中街特大市场四级３７万柏林区纺织街 千峰南路星光广场㊁八方商贸城㊁新润广场四级３８万柏林区千峰南路 新庄北街美好生活商城㊁佳缘生活广场四级３９万柏林区长风西街 西中环路九润长风装饰城㊁富力现代广场四级４０万柏林区纺织苑 众纺路纺织苑商圈四级４１尖草坪区千峰北路 兴华街兴华北小区综合市场四级４２尖草坪区新兰路 大同路 新城大街 新北三巷客都购物广场㊁迎新街商圈四级４３晋源区长风西街 千峰南路 西峪东街 和平南路河西农副产品市场㊁义井集贸市场四级４４小店区南内环街 平阳路赛格科技广场四级４５小店区并州南路二巷 并州南路茂盛装饰城四级４６小店区许坦西街 体育路 南中环街 军民路万象里商业中心㊁数码港四级㊀㊀(２)商业中心集聚特征太原市主城区商业中心在空间上分为中心圈层㊁外围圈层和边缘圈层ꎮ其中ꎬ中心圈层在二环以内ꎬ是集中了大部分商业中心的核心商圈ꎻ外围圈层是沿绕城高速分布的商业网点所形成的圈层ꎻ边缘圈层是远离中心城区且围绕行政中心形成的商业组团ꎬ其相对独立且分布较为分散ꎮ整体来看ꎬ太原市主城区商业中心的集聚特征(见图８)如下:第１期严文复等:基于ＰＯＩ数据的太原市主城区商业空间格局研究７㊀图８㊀商业中心集聚特征㊀㊀①中心圈层内的商业中心呈带状且密集分布ꎮ中心区内商业中心连片并沿交通干线分布ꎬ主城区内商业中心主要沿迎泽大街㊁解放路㊁新建路㊁长治路㊁长风街等主要干道分布ꎮ以柳巷㊁朝阳 双塔㊁亲贤北街 长风街商圈为中心ꎬ借助政策引导和集聚效应ꎬ商业网点数量不断增加ꎬ商业中心范围不断向外蔓延ꎬ最终形成了多个连片分布的带状商业集聚区域ꎮ②外围圈层内的商业中心产业集聚沿绕城高速分布ꎮ外围圈层受到交通和区位的影响ꎬ其商业中心多沿环路分布ꎮ万柏林区西侧有多个商业中心由南向北沿京昆高速分布ꎬ并且商业网点类型多为购物服务类中的家居建材市场类ꎬ在空间中形成了集聚且专业化的商业中心ꎮ③边缘圈层内的商业中心呈团状且离散分布ꎮ边缘区商业中心远离中心区ꎬ多分布于各区的行政中心周围ꎮ如小店区的富康街 真武路 通达街 人民北路商业中心ꎬ其周边分布着小店区的各个政府部门ꎮ三㊁商业空间的行业分布１.行业分布特征以市中心的迎泽公园为圆心ꎬ２ｋｍ为缓冲区间隔ꎬ统计２０ｋｍ内各圈层各类商业网点的数量分布(见图９)ꎮ结果显示ꎬ各类商业网点主要分布在８ｋｍ圈层范围内ꎮ由于外围存在商业集聚区域ꎬ所以在１０~１４ｋｍ范围内网点数量又有所增加ꎮ从各行业数量分布来看ꎬ金融服务类㊁商务服务类以及购物服务类行业在２~４ｋｍ范围内分布数量占比最大ꎻ４~６ｋｍ范围内ꎬ医疗保健类㊁生活服务类㊁餐饮服务类行业分布数量占比最大ꎻ６~８ｋｍ范围内汽车服务类㊁住宿服务类行业分布数量占比最大ꎮ图９㊀商业网点数量圈层分布㊀㊀从各行业的核密度分布结果(见图１０)来看ꎬ住宿服务类行业受对外交通设施影响较大ꎬ其在太原站㊁太原南站㊁武宿机场的附近形成了集聚区域ꎻ汽车服务类行业沿二环㊁三环分布ꎻ金融服务类行业分布范围小且集中在一环内ꎬ多分布于新建路㊁迎泽大街㊁亲贤北街㊁南内环街等街道沿线ꎻ商务服务类行业大多分布于小店区内ꎬ集中在双塔西街 体育路 晋阳街 滨河西路区域ꎮ整体来看ꎬ行业类别的差异对于商业网点集聚区域具有显著影响ꎮ２.行业专业化分布差异显著从区位熵的结果(见图１１)来看ꎬ在街道层面各行业已经形成了专业化的集聚区ꎬ部分街道展现出多行业集聚的特征ꎬ如上兰街道ꎬ其位于主城区边缘ꎬ内有中北大学等院校ꎬ街道内住宿服务类和餐饮服务类商业网点形成了较高的专业化程度ꎮ部分街道展现出单一行业的集聚特征ꎬ如迎黄陵街道的汽车服务类行业和龙城街道的商务服务类行业ꎮ８㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷图１０㊀各行业商业空间核密度分布图１１㊀各街道商业网点数量等级与区位熵分布第１期严文复等:基于ＰＯＩ数据的太原市主城区商业空间格局研究９㊀㊀㊀从各行业的专业化区域特征来看ꎬ汽车服务类㊁金融服务类㊁住宿服务类以及商务服务类行业形成了多个产业功能集聚区ꎮ从各行业的专业化空间布局来看ꎬ汽车服务类行业在主城区外围形成了行业优势区域ꎻ金融服务类行业在主城区核心区域内形成了行业优势区域ꎻ住宿服务类行业在城市对外交通设施周围形成了行业优势区域ꎮ从街道内商业网点数量等级分布来看ꎬ多数行业商业网点数量等级从二环向外呈现由高变低的特征ꎬ由中心向外递减的分布特征也与商业网点空间分布特征一致ꎮ四㊁结㊀论笔者采用高德ＰＯＩ数据ꎬ对太原市主城区商业空间格局进行了研究ꎬ在其现有商业空间格局的基础上对商业中心进行了识别ꎬ并分析了各类行业的空间分布及集聚特征ꎮ研究结果表明:(１)太原市主城区商业空间已经形成了中心集聚且向外围扩散的分布格局ꎬ商业网点在二环内呈现出集中连片㊁紧密分布的特征ꎬ分布密度呈现由中心向外围递减趋势ꎮ(２)识别出太原市主城区四级商业中心体系ꎬ共计４６个基本商业中心ꎬ且形成了阶梯式的商业中心体系ꎮ(３)各行业已经形成了专业化区域并且其空间分布差异显著ꎮ生活服务类㊁购物服务类以及餐饮服务类行业分布范围广㊁集聚程度小ꎬ不易形成专业化区域ꎻ住宿服务类㊁汽车服务类㊁商务服务类㊁金融服务类行业分布范围小㊁集聚程度高ꎬ容易形成专业化区域ꎮ总体来看ꎬ利用ＰＯＩ数据的城市商业空间格局研究能更准确地展示城市商业网点的集聚及分布状况ꎬ其数据涵盖不同类别ꎬ有助于分析各行业的分布特征ꎬ对于商业中心的识别和行业分布的分析能够为城市商业网点规划及行业发展提供科学参考ꎮ采用等值线树法能够精细地识别出商业中心的边界ꎬ且能在宏观尺度上显示商业中心之间的层次嵌套结构ꎮ其识别结果较为全面地反映了太原市现有的商业中心体系ꎬ新晋祠路 长风南街㊁城坊街 解放路㊁文兴路 三给街３个商业中心的形成证明了太原市 十三五 期间规划的新城市商圈已经发展成熟ꎮ同时ꎬ太原市主城区商业空间多中心且向外扩散的分布格局也是政府拓展城市发展空间的有力证明ꎮ参考文献:[１]㊀ＯᶄＢＲＩＥＮＬꎬＨＡＲＲＩＳＦ.Ｒｅｔａｉｌｉｎｇ:ｓｈｏｐｐｉｎｇꎬｓｏｃｉｅｔｙꎬｓｐａｃｅ[Ｍ].ＮｅｗＹｏｒｋ:Ｒｏｕｔｌｅｄｇｅꎬ２０１２.[２]㊀ＣＬＡＲＫＥＩꎬＫＩＲＫＵＰＭꎬＯＰＰＥＷＡＬＨ.ＣｏｎｓｕｍｅｒｓａｔｉｓｆａｃｔｉｏｎｗｉｔｈｌｏｃａｌｒｅｔａｉｌｄｉｖｅｒｓｉｔｙｉｎｔｈｅＵＫ:ｅｆｆｅｃｔｓｏｆｓｕｐｅｒｍａｒｋｅｔａｃｃｅｓｓꎬｂｒａｎｄｖａｒｉｅｔｙꎬａｎｄｓｏｃｉａｌｄｅｐｒｉｖａｔｉｏｎ[Ｊ].Ｅｎｖｉｒｏｎｍｅｎｔａｎｄｐｌａｎｎｉｎｇａ:ｅｃｏｎｏｍｙａｎｄｓｐａｃｅꎬ２０１２ꎬ４４(８):１８９６－１９１１.[３]㊀ＪＡＲＡＶＡＺＡＤＣꎬＣＨＩＴＡＮＤＯＰ.Ｔｈｅｒｏｌｅｏｆｓｔｏｒｅｌｏｃａｔｉｏｎｉｎｉｎｆｌｕｅｎｃｉｎｇｃｕｓｔｏｍｅｒｓᶄｓｔｏｒｅｃｈｏｉｃｅ[Ｊ].Ｊｏｕｒｎａｌｏｆｅｍｅｒｇｉｎｇｔｒｅｎｄｓｉｎｅｃｏｎｏｍｉｃｓａｎｄｍａｎａｇｅｍｅｎｔｓｃｉｅｎｃｅｓꎬ２０１３ꎬ４(３):３０２－３０７.[４]㊀焦耀ꎬ刘望保ꎬ石恩名.基于多源ＰＯＩ数据下的广州市商业业态空间分布及其机理研究[Ｊ].城市观察ꎬ２０１５(６):８６－９６. [５]㊀王德ꎬ王灿ꎬ谢栋灿ꎬ等.基于手机信令数据的上海市不同等级商业中心商圈的比较:以南京东路㊁五角场㊁鞍山路为例[Ｊ].城市规划学刊ꎬ２０１５(３):５０－６０.[６]㊀叶强ꎬ曹诗怡ꎬ聂承锋.基于ＧＩＳ的城市居住与商业空间结构演变相关性研究:以长沙为例[Ｊ].经济地理ꎬ２０１２ꎬ３２(５):６５－７０. [７]㊀陈蔚珊ꎬ柳林ꎬ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ꎬ２０１６ꎬ３５(４):７０３－７１６. [８]㊀吴康敏ꎬ张虹鸥ꎬ王洋ꎬ等.广州市多类型商业中心识别与空间模式[Ｊ].地理科学进展ꎬ２０１６ꎬ３５(８):９６３－９７４.[９]㊀张梦洁ꎬ张恩嘉ꎬ单卓然.基于ＰＯＩ数据的武汉市多类型商业中心识别与集聚特征分析[Ｊ].南方建筑ꎬ２０１９(２):５５－６１.[１０]浩飞龙ꎬ王士君ꎬ冯章献ꎬ等.基于ＰＯＩ数据的长春市商业空间格局及行业分布[Ｊ].地理研究ꎬ２０１８ꎬ３７(２):３６６－３７８.１０㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２６卷[１１]陈洪星ꎬ杨德刚ꎬ李江月ꎬ等.大数据视角下的商业中心和热点区分布特征及其影响因素分析:以乌鲁木齐主城区为例[Ｊ].地理科学进展ꎬ２０２０ꎬ３９(５):７３８－７５０.[１２]石铁矛ꎬ卜英杰ꎬ石羽.基于ＰＯＩ数据的沈阳城市生活服务设施空间格局研究[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２１ꎬ２３(３):２１７－２２４.[１３]张小英ꎬ巫细波.电商时代大城市商业布局的时空演变特征与趋势:基于多期ＰＯＩ数据[Ｊ].资源开发与市场ꎬ２０２２ꎬ３８(４):４６８－４７５.[１４]禹文豪ꎬ艾廷华ꎬ杨敏ꎬ等.利用核密度与空间自相关进行城市设施兴趣点分布热点探测[Ｊ].武汉大学学报(信息科学版)ꎬ２０１６ꎬ４１(２):２２１－２２７.[１５]刘浩ꎬ马琳ꎬ李国平.京津冀地区经济发展冷热点格局演化及其影响因素[Ｊ].地理研究ꎬ２０１７ꎬ３６(１):９７－１０８.[１６]吴一洲ꎬ吴次芳ꎬ贝涵璐.转型期杭州城市写字楼空间分布特征及其机制[Ｊ].地理学报ꎬ２０１０ꎬ６５(８):９７３－９８２.[１７]崔腾腾ꎬ刘纪平ꎬ李伟荣ꎬ等.等高线树法的多商业中心提取方法研究[Ｊ].测绘科学ꎬ２０２０(３):１５０－１５５.[１８]魏东.基于ＰＯＩ数据的城市商业空间结构及影响因素研究[Ｄ].重庆:重庆大学ꎬ２０２１. [１９]ＣＨＥＮＺꎬＹＵＢꎬＳＯＮＧＷꎬｅｔａｌ.Ａｎｅｗａｐｐｒｏａｃｈｆｏｒｄｅｔｅｃｔｉｎｇｕｒｂａｎｃｅｎｔｅｒｓａｎｄｔｈｅｉｒｓｐａｔｉａｌｓｔｒｕｃｔｕｒｅｗｉｔｈｎｉｇｈｔｔｉｍｅｌｉｇｈｔｒｅｍｏｔｅｓｅｎｓｉｎｇ[Ｊ].ＩＥＥＥｔｒａｎｓａｃｔｉｏｎｓｏｎｇｅｏｓｃｉｅｎｃｅａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇꎬ２０１７ꎬ５５(１１):６３０５－６３１９.[２０]毛帅永ꎬ焦利民ꎬ许刚ꎬ等.基于多源数据的武汉市多中心空间结构识别[Ｊ].地理科学进展ꎬ２０１９ꎬ３８(１１):１６７５－１６８３.ＲｅｓｅａｒｃｈｏｎＣｏｍｍｅｒｃｉａｌＳｐａｔｉａｌＰａｔｔｅｒｎｏｆＭａｉｎＵｒｂａｎＡｒｅａｉｎＴａｉｙｕａｎＣｉｔｙＢａｓｅｄｏｎＰＯＩＤａｔａＹＡＮＷｅｎｆｕ１ꎬＴＩＡＮＹａｎｓｏｎｇ２ꎬＹＵＡＮＸｉａｏｑｉ２(１.Ｐｒｅｓｉｄｅｎｔ(ＣＰＣ)ＯｆｆｉｃｅꎬＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙꎬＳｈｅｎｙａｎｇ１１０１６８ꎬＣｈｉｎａꎻ２.ＳｃｈｏｏｌｏｆＡｒｃｈｉｔｅｃｔｕｒｅａｎｄＵｒｂａｎＰｌａｎｎｉｎｇꎬＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙꎬＳｈｅｎｙａｎｇ１１０１６８ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＴａｋｉｎｇｔｈｅｍａｉｎｕｒｂａｎａｒｅａｏｆＴａｉｙｕａｎＣｉｔｙａｓｔｈｅｒｅｓｅａｒｃｈａｒｅａꎬｂａｓｅｄｏｎＰｏｉｎｔｏｆＩｎｔｅｒｅｓｔꎬＰＯＩｄａｔａꎬｔｈｉｓｐａｐｅｒｕｓｅｓＧＩＳｓｐａｔｉａｌａｎａｌｙｓｉｓｍｅｔｈｏｄｔｏｓｔｕｄｙｔｈｅｕｒｂａｎｃｏｍｍｅｒｃｉａｌｓｐａｔｉａｌｐａｔｔｅｒｎꎬｉｄｅｎｔｉｆｙｔｈｅｃｏｍｍｅｒｃｉａｌｃｅｎｔｅｒｏｎｔｈｅｂａｓｉｓｏｆｉｔｓｃｕｒｒｅｎｔｌｙｃｏｍｍｅｒｃｉａｌｓｐａｔｉａｌｐａｔｔｅｒｎꎬａｎｄｃｏｍｐａｒａｔｉｖｅｌｙａｎａｌｙｚｅｔｈｅｓｐａｔｉａｌｐａｔｔｅｒｎｏｆｖａｒｉｏｕｓｉｎｄｕｓｔｒｉｅｓ.ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｃｏｍｍｅｒｃｉａｌｓｐａｃｅｉｎｔｈｅｍａｉｎｕｒｂａｎａｒｅａｏｆＴａｉｙｕａｎＣｉｔｙｈａｓｆｏｒｍｅｄａｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｃｅｎｔｅｒｅｄｏｎＬｉｕｘｉａｎｇꎬＣｈａｏｙａｎｇａｎｄＱｉｎｘｉａｎＮｏｒｔｈＳｔｒｅｅｔｃｏｍｍｅｒｃｉａｌｄｉｓｔｒｉｃｔｓꎬｗｈｉｃｈｉｓｃｏｎｃｅｎｔｒａｔｅｄｉｎｔｈｅｅａｓｔｏｆｔｈｅＦｅｎＲｉｖｅｒａｎｄｓｐｏｒａｄｉｃｉｎｔｈｅｗｅｓｔｏｆｔｈｅＦｅｎＲｉｖｅｒｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓꎻ４６ｂａｓｉｃｃｏｍｍｅｒｃｉａｌｃｅｎｔｅｒｓｉｎｔｈｅｍａｉｎｕｒｂａｎａｒｅａｏｆＴａｉｙｕａｎＣｉｔｙａｒｅｉｄｅｎｔｉｆｉｅｄꎬｉｎｃｌｕｄｉｎｇ３ｍａｊｏｒｃｏｍｍｅｒｃｉａｌｃｅｎｔｅｒｓｉｎｔｈｅｍａｉｎｕｒｂａｎａｒｅａｏｆＬｉｕｘｉａｎｇꎬＣｈａｏｙａｎｇ￣ＳｈｕａｎｇｔａꎬａｎｄＴｉｙｕＲｏａｄ￣ＱｉｎｘｉａｎＮｏｒｔｈＳｔｒｅｅｔꎻｔｈｅｄｅｇｒｅｅｏｆｓｐａｔｉａｌａｇｇｌｏｍｅｒａｔｉｏｎｏｆｅａｃｈｉｎｄｕｓｔｒｙｉｓｄｉｆｆｅｒｅｎｔ.Ｌｉｆｅｓｅｒｖｉｃｅｓꎬｓｈｏｐｐｉｎｇｓｅｒｖｉｃｅｓꎬａｎｄｃａｔｅｒｉｎｇｓｅｒｖｉｃｅｓｈａｖｅａｗｉｄｅｄｉｓｔｒｉｂｕｔｉｏｎｒａｎｇｅａｎｄａｓｍａｌｌｄｅｇｒｅｅｏｆａｇｇｌｏｍｅｒａｔｉｏｎꎬｗｈｉｌｅｍｅｄｉｃａｌｃａｒｅｓｅｒｖｉｃｅｓꎬｂｕｓｉｎｅｓｓｓｅｒｖｉｃｅｓꎬａｎｄｆｉｎａｎｃｉａｌｓｅｒｖｉｃｅｓｈａｖｅａｓｍａｌｌｄｉｓｔｒｉｂｕｔｉｏｎｒａｎｇｅａｎｄａｇｇｌｏｍｅｒａｔｉｏｎｄｅｇｒｅｅ.Ｋｅｙｗｏｒｄｓ:ＰＯＩｄａｔａꎻｃｏｍｍｅｒｃｉａｌｓｐａｃｅꎻｓｐａｔｉａｌｌａｙｏｕｔꎻｃｏｍｍｅｒｃｉａｌｃｅｎｔｅｒꎻＴａｉｙｕａｎＣｉｔｙ(责任编辑:高㊀旭㊀英文审校:林㊀昊)。

基于POI的城市功能区混合度识别研究摘要：本研究旨在探索基于POI数据的城市功能区混合度识别方法。

首先介绍了城市功能区混合度的概念和意义，以及POI数据在城市功能区识别中的应用。

然后构建了城市功能区混合度识别模型，包括数据预处理、机器学习模型设计和评估优化。

通过基于POI数据的城市功能区混合度识别案例分析，验证了模型的准确性和可行性。

最后，讨论了城市功能区混合度识别的挑战和未来发展方向。

本研究为城市规划和决策提供了重要的参考，展示了POI数据在城市功能区混合度识别中的潜在应用价值。

关键词：城市功能区混合度、POI数据、识别方法、城市规划引言：在城市规划和决策中，深入了解城市功能区的混合度对于有效地利用城市资源、提升城市可持续发展具有重要意义。

而基于POI（兴趣点）数据的城市功能区混合度识别成为研究的热点之一。

本文旨在探讨基于POI数据的城市功能区混合度识别方法，通过分析POI数据的特征和应用领域，构建相应的识别模型，并以实际案例进行验证和应用。

本研究的成果将为城市规划和决策提供重要参考，促进城市的可持续发展和资源优化利用。

一、城市功能区混合度的概念和意义（一）城市功能区的定义和分类城市功能区的定义：城市功能区是指城市内部根据不同的功能和用途划分出的区域，如商业区、居住区、工业区等。

不同功能区具有不同的空间布局、人口组成和发展特点。

城市功能区的分类：根据功能特征和规划用途，城市功能区可以分为多个类别，常见的包括：商业区：集中了商业、零售和服务业的区域，如商业中心、购物中心等；居住区：主要用于居民居住的区域，包括住宅小区、公寓楼等；工业区：主要用于工业生产和制造业的区域，包括工业园区、工厂区等。

教育区：集中了教育机构和学校的区域，如学区、大学城等；公共设施区：包括公园、医院、图书馆等公共设施的区域。

（二）城市功能区混合度的概念和指标城市功能区混合度的概念：城市功能区混合度指不同功能区在空间上的混合程度和相互关联程度。

基于POI数据的城市商业业态时空间演变特征及影响机制初探目录一、内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21.1 研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2 1.2 研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31.3 研究方法与数据来源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5二、理论基础与文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62.1 相关概念界定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7 2.2 国内外研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．82.3 理论基础与分析框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9三、基于POI数据的城市商业业态时空演变特征．．．．．．．．．．．．．．．．．113.1 POI数据提取与处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12 3.2 城市商业业态分类与特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．133.3 时空演变规律分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14四、城市商业业态时空演变的影响因素分析．．．．．．．．．．．．．．．．．．．．164.1 经济因素．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17 4.2 社会文化因素．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18 4.3 政策与规划因素．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19 4.4 技术与交通因素．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21五、城市商业业态时空演变的影响机制研究．．．．．．．．．．．．．．．．．．．．225.1 驱动机制分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．235.1.1 经济增长与商业发展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．245.1.2 人口分布与消费需求．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．255.2 限制机制分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．265.2.1 土地利用与空间约束．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．285.2.2 市场竞争与业态创新．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29六、案例分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．306.1 国内城市案例．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．316.2 国际城市案例．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32七、结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．347.1 研究结论总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．357.2 研究不足与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．367.2.1 研究局限．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．377.2.2 未来研究方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38一、内容简述城市商业业态的时空间演变是指随着时间的变化，城市中商业活动的空间布局和类型发生的一系列变化。

基于多源数据的广州东山口历史街区活力提升策略研究
李鑫海;李绪洪
【期刊名称】《未来城市设计与运营》
【年(卷),期】2024()3
【摘要】历史街区空间作为城市文脉的物质载体,具有很高的历史文化价值、历史建筑价值与内在的商业价值,对历史街区进行活力和提升研究能够有效促进城市的
文化存续与可持续发展。

本文以广州东山口历史街区为研究对象,采用百度热力图、POI数据等多元数据,利用Arc GIS进行历史街区空间活力、人气聚集程度、POI
分布特征分析,并与传统实地调研数据相结合,对东山口历史街区的场地活力值现状
进行收集分析,提出一系列更具针对性对活力值提升的策略。

【总页数】4页(P29-32)
【作者】李鑫海;李绪洪
【作者单位】仲恺农业工程学院何香凝艺术设计学院
【正文语种】中文
【中图分类】TU9
【相关文献】
1.历史文化街区街巷活力复兴策略研究——以广州市恩宁路历史文化街区为例
2.
广州东山口历史街区活力分析及策略研究3.多源数据支撑下的空间活力规划策略
研究——以广州市泮塘五约历史文化街区为例4.基于多源数据的历史文化街区空
间活力及其影响因素研究——以青岛市历史文化街区为例
因版权原因，仅展示原文概要，查看原文内容请购买。

基于多源数据的城市街道空间评价研究的现状进展与未来展望吴坤望开磊发布时间：2022-07-02T08:12:46.561Z 来源：《新潮·建筑与设计》2022年1期作者：吴坤望开磊[导读] 城市街道空间品质是反映城市空间品质的典型样本之一，多年来国内外学者就针对城市街道空间展开了广泛而深入的分析研究。

本文对城市街道空间评价研究的现状进展进行了分类梳理，形成城市街道空间品质相关理论研究、传统街道设计评价研究、新技术街道评价研究和街道综合性研究共4大类，并二次细分成8小类，总结了不同类型研究的优缺点，并对未来的多技术多数据种类的融合研究提出了展望。

武汉市规划研究院摘要城市街道空间品质是反映城市空间品质的典型样本之一，多年来国内外学者就针对城市街道空间展开了广泛而深入的分析研究。

本文对城市街道空间评价研究的现状进展进行了分类梳理，形成城市街道空间品质相关理论研究、传统街道设计评价研究、新技术街道评价研究和街道综合性研究共4大类，并二次细分成8小类，总结了不同类型研究的优缺点，并对未来的多技术多数据种类的融合研究提出了展望。

关键字：街道空间、评价研究、综合研究、新技术、多源数据街道空间是城市活动的载体，也是城市居民最基本、最密切的公共活动场所。

多年来国内外学者就城市街道空间、景观、品质等评价研究展开了广泛而深入的研究。

本文对城市街道空间评价研究的现状进展进行了分类梳理，总体分成了城市街道空间品质相关理论研究、传统街道设计评价研究、新技术街道评价研究和街道综合性研究共4大类，并细分成8小类，总结了不同类型研究的优缺点，并对未来的研究提出了展望。

1. 城市街道空间品质相关理论研究城市空间品质，一直是城市设计的核心研究，而街道作为城市空间的基础结构网络，其空间品质也是重点研究的方向。

早期简·雅各布斯[1]、克里斯托弗·亚历大山[2]和凯文·林奇[3]均在其著作中指出一条高品质、具有活力、步行友好的街道应该具备的条件：包括了街道安全性、功能多样性、公共空间、街道尺度和关键性要素几个方面，但并没有提出完整的评价指标体系，仅对指标选择提供方向性参考。

基于POI数据的合肥城市休闲功能区空间分布及评价研究程车智;刘占亭;张琼【摘要】当下城市的休闲功能需求日益突出,文章通过对合肥市区的POI数据进行收集和梳理,借助ArcGIS软件对其进行核密度分析,并利用Yaahp层次分析法软件对各类休闲设施的权重进行计算.通过最终综合叠加分析,对市区总体的城市休闲功能空间分布特征进行研究,发现市区休闲功能区存在分布不均衡、休闲功能单一等现状问题.基于研究结果,对合肥城市休闲功能区规划提出多级发展、完善休闲功能区体系和打造特色休闲功能区的建议.【期刊名称】《西部人居环境学刊》【年(卷),期】2019(034)002【总页数】6页(P74-79)【关键词】POI;休闲功能;核密度;层次分析法;合肥【作者】程车智;刘占亭;张琼【作者单位】安徽工业大学建筑工程学院;马鞍山市城乡规划局;安徽工业大学建筑工程学院【正文语种】中文【中图分类】TU984.11+30 引言当下，随着社会经济的发展，在满足基本生存需求后，休闲成为人们生活的重要内容。

城市的休闲功能是指具有特定结构的城市休闲节点及其相互间的物质、信息和能量的集聚、极化、优化配置过程中，所表现出来的满足居民和游客身心愉悦、恬淡闲适、价值展现，以及城市休闲经营、城市人力资源再生产的属性、能力和效用[1]，其在城市中具体的物质承载形式就是各类休闲功能服务设施。

城市休闲功能区不仅为市民提供服务，同时也为外来者提供了休闲旅游环境，并以此集中体现了城市的文化和形象，能为社会互动和文化价值的分享提供机会[2-4]。

正如凯文·林奇（Kevin Lynch）和盖瑞·哈克（Gary Hack）所说，城市休闲功能空间是一个提升地方意义的地方，是供人们学习自我和自然的地方，是发展人类资本的地方[5]。

以往国内关于城市休闲功能的研究多集中于城市休闲经济、休闲产业的整体发展以及如何评价的理论研究，或针对城市休闲公园、绿地、休闲文化场所等具体方面进行研究，关于城市休闲功能空间的具体分布特征和评价并未深入探讨。