基于POI数据的吉林市城市功能区识别及可视化研究

文/赵有乐 栾春燕 李顺梅（北华大学林学院）

城市的结构随着城市化的发展而改变，党的十八大以来，“五位一体”总体布局、新发展理念相继提出，对国土空间布局、结构和功能关系提出了新的要求，主体功能区战略格局亟待优化，而在《“十四五”规划》“完善城镇化空间布局”章节，以发展壮大城市群和都市圈、分类引导大中小城市发展方向和建设为重点，形成“疏密有致、分工协作、功能完善”的城市化空间格局[1]。因此，对于城市功能结构划分能够更好地为管理者提供理论支持有助于优化城市空间结构及资源的合理利用。

一、研究区域及数据来源

（一）研究区域

本研究以吉林市主城区为研究对象，研究范围包括昌邑区、龙潭区、丰满区、船营区共四个辖区，总面积3636km2。

（二）研究数据

本文数据来源为高德地图公开的2020年吉林市POI数据（共56380条数据），每条数据包含行政区名称、经纬度、地址等八种基础信息。原始的数据信息存在交叉重叠，并且功能分类不同，与规划中的分类标准有所区别，所以我们需要对数据进行重分类，去除非典型要素，保留具有代表性的点，如交通服务设施、产业园等。对结果[2,3]进行大尺度、中尺度及小尺度分类，各类中又可能存在重复与交叉。

二、研究方法

（一）空间插值

空间插值，通过格网化（GRIDDING）以点换面的方式，使面数据能以三维面或等值线地图展示，常用于建模或空间分析。

以2km×2km栅格将吉林市划分为250302个研究单元，将兴趣点数据导入ARCGIS后，将点数据赋予栅格中，用密度估算的方法测量栅格的像元密度。

（二）核密度分析法

密度估算分成简单密度估算和核密度估计。简单估算方法是计数方法，而核估计则是基于概率函数并提供估算的选项。H核函数表达为双变量概率密度函数，是以一个已知点为中心，在一个定义的带宽（搜索半径）或窗口范围内逐渐减小到0，其核心影响强度随距离减弱，可以体现较强的空间差异性。核密度分析（kernel density estimation ）将每个已知点与函数联系，对数据的分布不附加设定，用于估算目的。其公式为：

通过Arc map密度分析工具，计算单位输出栅格像元周围点要素的密度，进行可视化表达，得到兴趣点的分布密度将落入搜索区的点赋予相同的权重，将其进行求和，与搜索区域大小的比值，从而得到每个栅格的点密度值。为保证栅格内容详尽，比较确定最适输出像元大小，使用最适的像元大小在每个要素范围内表示更多的特征、更小的要素或更详细的内容。基于兴趣点空间距离及点属性关系进行多距离空间聚类分析，确定最适搜索半径即核带宽，核带宽即核函数的覆盖范围，它的值越大表示结果越抽象，带宽越小，细节越多，碎片化越严重,对兴趣点的分布进行可视化表达。

三、结果与讨论

（一）吉林市功能区识别与划分

结合上述方法对吉林市主城区范围进行六大类功能区识别结果如图1。图示中六类功能区识别图分别对应c值范围，以此为识别功能区的基础。结果显示，高密度城区城市化程度高，可识别性较强，更适合运用POI数据来评价城市要素及优化研究。

1.单一功能区

图2中的数据显示，购物服务和餐饮服务占商业类功能区主体，分别为25.54%和18.42%，公共管理公共服务设施类功能区中生活服务占比较高，与其他功能分类存在交叉关系。而单一功能区中，商业类功能区占比54.56%，商业要素基数较大，单一功能属性单元较多，这些要素组成了混合功能区的中心基础；住宅类功能区占比较低，在城市中心区分布相对集中，需要有针对性地进行局部优化。

图2 不同类型兴趣点数量统计图

图1中，各类单一功能区主要集中在松花江两岸，分布于昌邑区、龙潭区、丰满区、船营区的非中心地带。绿地与广场功能区多临近住宅区及商业区，绿地在此区域内使用度较高，对周围的住宅区及商业区辐射较强，区域用地类型丰富，实现了各城市要素之间的关联。但聚集度过高，地区拓展发展较慢。

图1 各类功能区可视化识别图

2.混合功能区

本文中将每个栅格内c值大于等于50%且不为零的栅格区定义为混合功能区。结果反应，吉林市中心城区主要由单一功能区和高混合功能区组成，单一功能区到高混合功能区之间衔接性较弱，对于单一功能区的提升迫在眉睫。

吉林中心城区内研究单元共计284251个，商业住宿与住宅类混合单元1028个，从功能区混合程度来看，混合功能区占市域主要部分。市区中心混合度较高，城市结构较为合理。

（二）结果验证

城市核心区的划分少有理论及数据支撑，因此，为校验POI功能识别的准确性，将功能识别结果与吉林市城市总体规划进行验证分析。（1）商业服务业设施用地识别。结果反应对商业服务业用地的识别较为准确，不仅将中心城区以财富购物广场、吉林百货大楼、新玛特、欧亚购物中心为核心的商圈展现出来，还将沿吉林大街、解放东路为轴线发展的城市空间呈现出来；（2）住宅用地识别。对居住区识别主要集中在沿江一带，如松北区、龙湾雅苑等。住宅区的识别主要受地理位置和居住环境的影响，识别性较高的住宅区品质相对较高；（3）绿地与广场用地。对绿地和广场用地的识别主要集中在沿江两侧，有江南公园、北山公园等，其余以湖泊山脉绿地主题的公园有松花湖风景区、朱雀山国家森林公园等；（4）工业及仓储用地。 因工业和仓储用地类型本身可识别性不强，大大小小的公司与城区交错，产业园远离中心城区且人流少，通过POI识别功能较难，仅识别出江南江北大型片区。

四、结论

本次研究以ARCGIS中划分的栅格为研究单元，基于核密度估算法，对吉林市城区的功能区进行划分。识别结果吉林市主体规划相符，与吉林市城市空间结构及要素之间相契合，土地资源利用率较高，同时也证明此研究合理。提高单一功能区识别的精确度，为混合功能区的构建提供了基础理论依据。本研究的不足之处在于兴趣点因公众认知度的不同而存在的赋值差异，各要素之间影响力各不相同，边缘地区数据较少。基于区域发展，响应“十四五规划”，区域功能区分布应与发展目标一致，未来在生态建设的基础上，优化城市群内部空间结构，构筑生态和安全屏障，形成多中心、多层级、多节点的网络型城市群。