基于POI數據的成都市休閑娛樂熱點識別

唐夢鴿,羅明良,魏 蘭,李 莉2,秦子晗

(1.西華師范大學 國土資源學院,四川 南充 637009;2.南京師范大學 地理科學學院,江蘇 南京 210023)

1 引言

在馬斯洛需求層次理論中,人類的需求被分為生理、安全、社交、尊重和自我實現五種,這五種需求像金字塔一樣從低向高排列[1]。在社會發展過程中,人們日益重視精神層面的自我滿足,因此旅游成為實現該目標的主要方式。由此引起城市服務業的迅速發展,服務業在城市產業結構中占據主導地位,成為拉動城市經濟增長、調整城市經濟結構和塑造城市內部空間格局的重要力量[2]。不同城市的空間格局不盡相同,城市的空間格局基本類型包括同心圓、扇形布局以及多核心布局。服務業作為影響空間格局的重要因素,是研究的一大熱點。關于空間格局的研究,國內外已有很多:Neelam C Poudyal[3]等學者研究了居民對城市露天場地的空間格局選擇;Catherine Linard[4]對非洲的城市增長的空間格局進行了模擬;Lien Poelmans[5]等學者探討了城市擴張情景與水文模型耦合所涉及的尺度效應的重要性;朱道才[6]利用引力模型對安徽省的空間格局進行分析;馬曉龍[7]分析了我國主要城市旅游效率的區域差異與空間格局;孟德友[8]分析了河南省高鐵網對空間格局的影響。

目前,隨著大數據時代的興起,利用大數據對空間格局進行分析成為一大熱點。數據的種類包括基于位置的數據、城市夜光數據、普查數據、興趣點(Point of Interests,POI)大數據、城市熱力數據等。其中,POI數據由于其職能分類的功能使研究更加便利,因此受到了更多人的青睞。例如，陳蔚珊[9]利用POI數據對廣州市零售商業中心熱點和廣州市業態聚集特征進行了識別分析;李國旗[10]使用POI數據研究了物流節點與物流企業的相互關系;趙衛鋒[11]使用POI數據提取了分層地標。目前,利用POI數據對城市特征識別的文章有很多,涉及多個城市,但對成都市的研究卻有待深入。鑒于此,本文選擇以成都市為研究區,利用POI數據對該地區相關休閑設施的空間格局進行分析,以便對成都市有更深刻的認識。

2 研究區與數據來源

2.1 研究區概況

本文以成都市11個市轄區(金牛區、青羊區、武侯區、錦江區、成華區、雙流區、新都區、龍泉驛區、郫都區、溫江區和青白江區)為研究對象,總面積為3656km2,其中金牛區、青羊區、武侯區、錦江區和成華區處于城區中心(圖1)。成都是四川省的省會、全省政治經濟文化中心,也是西南地區集商貿、金融、科技為中心的城市和交通通訊樞紐城市[21]。2017年成都市的城市化率達到70.6%,在2017年位居新一線城市的榜首,因此選擇以成都市為研究區域具有一定的現實意義。

圖1 研究區概況

2.2 數據來源

本文的研究數據主要包括POI數據和路網數據。其中,POI數據來源于2017年11月的網絡電子地圖,包括成都市11個區的旅游、休閑、旅館和餐飲4類，具體見表1。路網數據為成都市11個城區的矢量路網數據,來源于OSM(Open Street Map)。本文主要選擇與旅游休閑相關的POI數據,結合路網數據分析各個因素之間的相關性與空間分布特征,能較好的反映成都市旅游休閑相關設施的空間分布特征。

表1 POI數據內容

3 研究方法

3.1 核密度估計法

核密度估計法(Kernel Density Estimation,KDE)由Rosenblatt、Emanuel Parzen提出,主要是借助一個移動的單元格對點或線格局的密度進行估計[12]。核密度分析的原理在于認為地理事件的發生具有隨機性,不受任何其他條件的限制[13]。KDE反映了距離衰減規律[14-18],設置不同的帶寬,所識別出的中心位置數量和位置會有所差別。常用的核函數主要包括均勻核函數、三角核函數、伽馬核函數、高斯核函數等。因此,利用核密度方法,可識別出POI點的空間分布密度與集中位置。

3.2 熱點分析

在進行熱點分析之前,首先需要創建“漁網”,在經過一系列的試驗后,漁網的單元大小最終確定為2000。隨后,基于漁網數據中每個網格單元所包含的點的統計數量進行熱點分析。Getis、Ord提出度量每一個觀測值與相鄰位置的值之間是否存在局部空間關聯的G×統計量[19,20],該統計量是通過在給定一組加權特征值識別統計上具有顯著性意義的熱點和冷點,進而識別出數據點在空間上的集中區域。表達式為:

式中,Wij代表空間權重矩陣,如果第i個和第j個單元之間的距離在給定距離d內,則即可以認為這兩個單元相鄰,空間權重矩陣中的元素為1，否則為0。

4 結果分析

4.1 基于三種分類方法的城市中心識別

本文選擇成都市11個市轄區內的休閑娛樂、旅游、餐飲、住宿4類POI和道路網絡作為研究數據,分別運用城區點密度、核密度以及熱點分析3種方法分析成都市11個市轄區的空間分布特點。城區點密度方法主要體現的是設施點空間分布的城區差異。

分析結果顯示,設施點分布的熱點區域主要集中在成都市內環的5個城區,其中青羊區除了路網之外,其他4種設施的分布密度值均大于3,在5個區中排名第一，這與青羊區深厚的歷史文化底蘊有關。青羊區是古蜀文明和詩歌文化的發源地之一,擁有多個成都市最為精華的歷史遺跡,譬如杜甫草堂、寬窄巷子等。由于這些歷史遺跡的影響,促進了相關配套設施的發展,因此青羊區4種設施的分布密度較高。從圖2(B)可見,外圍區縣青白江區也被分類為密度較高的一類,通過查驗其屬性值,青白江區休閑娛樂設施點的密度處于第六位,因此與其他4類數據的分類結果并不沖突。

圖2 成都市各個城區的密度

圖3 成都市各類數據的核密度

核密度分析方法體現的是設施點的空間分布差異。設施點分布集中在中心5個城區的內環(相對于整幅圖而言),但是在各個區的分布又有所差異(圖3)。同時,休閑娛樂、旅游、餐飲、住宿四類設施點在外圍6個城區形成了部分熱點區域?；诼肪W的核密度圖則與之不同,只有1個以市中心為核心的較大熱點區。

在進行熱點分析時,本文依據網格單元內設施點的數量進行了熱點區識別,分析結果見圖4。從結果來看,圖3和圖4的相似性較高,但圖4揭示的熱點中心更加具體，位置也更加明確。例如,圖4(A)龍泉驛區景點設施的熱點識別效果與中心城區相同,而在圖3(A)中,該地的集聚效應明顯沒有中心城區強。由于此處是洛帶古鎮所在地,古鎮內景點設施較為集中,利用核密度方法進行計算時核定的距離遠大于古鎮范圍,而熱點分析的網格單元大小則與之相差無幾,因此兩種方法生成的效果圖有所差異。

在進行熱點分析時,本文依據網格單元內設施點的數量進行了熱點區識別,分析結果見圖4。從結果看,圖3和圖4的相似性較高,但圖4揭示的熱點中心更加具體，位置也更加明確。例如,圖4(A)龍泉驛區景點設施的熱點識別效果與中心城區相同，而在圖3(A)中,該地的集聚效應明顯沒有中心城區強。由于此處是洛帶古鎮的所在地,古鎮內景點設施較集中,利用核密度方法進行計算時核定的距離遠大于古鎮范圍,而熱點分析的網格單元大小則與之相差無幾,因此兩種方法生成的效果圖有所差異。

圖4 成都市各類數據的熱點分析

4.2 4類設施點與道路分布的熱點區域

4類設施點與道路的分布熱點主要集中在5個中心城區，在外圍6個城區也形成了幾個較小的熱點區域,它們分別是:位于龍泉驛區桃花故里附近的餐飲、休閑娛樂和旅館設施,位于溫江區的國色天香樂園旅游設施,位于雙流機場附近的餐飲和旅館設施,位于青白江區鳳凰湖濕地公園附近的休閑娛樂設施等。在龍泉驛區桃花故里附近,由于景區的集聚效應,餐飲、旅館和休閑娛樂3類設施均形成了熱點區。而旅館、餐飲、道路在雙流區內出現核密度值較高的區域,可能是受附近的雙流機場影響的緣故。綜合分析以上幾個較小的熱點區域發現,它們大多位于某一景點或重要的設施附近,而這些景點或設施都獨立于其他景點或設施單獨存在,因此輻射范圍相對較小,核密度值相對較低。

4.3 4類設施點與道路分布的圈層結構

根據三種方法的分析結果發現,4類設施點的空間分布具有明顯的多中心圈層結構,最大圈層以成都市中心為核心向四周發散。我們將成都市11個城區的社會消費總額(2017年1—11月)與景點密度、休閑娛樂密度、餐飲密度、旅館密度、路網密度、平均密度進行相關性分析(表2),相關系數分別為0.775、0.788、0.837、0.814、0.944、0.932,在置信度為0.01水平上表現為強相關性。由此可見,成都市的設施點分布與其所處位置的發展程度有著緊密的關系;路網密度與社區消費總額之間的相關性最大，即道路網絡越完善,經濟發展程度越高。優越的交通條件是提升地區資源優勢轉化為經濟優勢的速度,對比成都市11個主城區路網密度與社區消費零售總額順序,可以發現兩者幾乎一致。成都市的道路網絡表現為單核心的圈層結構,核密度值大致隨著與市中心距離的增加而遞減,但在不同方向上呈現出各向異性。在雙流區方向上遞減速度表現為先慢后快,在溫江、新都、龍泉驛、郫都區方向上遞減速度表現為先快后慢。

表2 各城區影響因子比較

5 討論

本文利用POI數據識別城市休閑設施的空間分布,能直觀地反映城市的空間分布格局。本文通過對成都市4類POI數據、路網數據進行分析,主要獲得以下幾點結論:①成都市城區發展具有明顯的圈層結構。綜合圖2和圖3可見,成都市點設施的分布密度大致由中心向四周按距離遞減。對比成都市五個中心城區,青羊區內POI更為集中。在外圍城區中除景點外,餐飲、旅館和休閑娛樂設施在雙流機場附近和龍泉驛區的桃花故里附近相對集中。②基于城區點密度、核密度和熱點分析，3種方法對成都市的分析結果類似。但基于城區點密度的分析方法存在以偏概全的弊端,它所計算的是每個城區每平方公里的點密度在一定程度上平滑;而核密度和熱點分析是對整個空間進行計算,不受城區范圍的約束,集聚區的空間分布只與搜索半徑和核定距離內POI點的密度有關,但搜索半徑和核定距離的設定具有人為的主觀性,最終結果與研究者的先驗知識有很大關系。③4類POI和路網數據空間分布具有一定的相關性。本文通過SPSS相關性分析,所得結果見表3。

表3 各類數據相關性

從表3的分析結果可見，路網數據與另外4類POI數據之間的相關性較弱,尤其是與景點之間的相關性僅有0.661,這是由于本文所選用的路網數據僅包括街道數據,而景點位置是綜合人文自然等因素確定的,部分景點在路網完善之前就已存在,并不完全受路網密度的影響,更多的是需要考慮交通因素;餐飲和住宿在旅游基礎設施的配套設施中占據主要的位置,是旅游業不可缺少的物質基礎,完善配套設施會增加旅游對象對景點的滿意程度,因此三者之間的相關性較高,均在0.9以上;休閑娛樂設施與景點之間的相關性相較于另外兩類數據(除道路外)較低,只有0.84,這可能是與人們出行的目的性強弱有關。

餐飲作為資源配置中的關鍵因素,與人們的生產生活息息相關,在城市建設中必不可少。合理的城市資源配置需要餐飲與另三類設施點的熱點區域基本重合或位置相近。根據分析結果可見,成都市除了中心城區外,周圍幾個城區的資源配置有待優化。青白江區休閑娛樂設施存在集聚現象,而在該處及其周圍的餐飲設施呈零星分布、不成規模,建議增加該處的餐飲設施點數量。同樣,景點設施在溫江區表現出了集聚現象,經推斷可能是位于該處的“國色天鄉樂園”引起的集聚效應。游樂園一般是人群聚集區,游客人群主要以年輕人為主,年輕人的消費觀念更注重享受,因此對景點基礎設施配置的合理性要求更高。綜合該處的資源配置情況,周圍未出現旅館和餐飲的熱點區,因此建議在此處增設一定的住宿和餐飲設施,以提升游客體驗滿意度。餐飲設施的可達性是影響人們就餐選擇的關鍵因素。即交通越便捷,餐飲設施的影響范圍就越大[22]。靜態交通在提高交通便捷程度中占據主要位置,路網密度越高,吸引的就餐人員就越多,兩者之間相互影響,高就餐人量反過來也可提升設施附近的路網完善程度。

龍泉驛區桃花故里附近的餐飲設施存在集聚現象,但該處及其通往五個中心城區的路網核密度值約為3.5,相對較低,餐飲聚集未引起設施附近的路網密度的提升,建議適當提升龍泉驛區靜態交通的可達性。天府新區的雙流片區南湖夢幻島附近,餐飲設施出現了集聚現象,建議在天府新區增設一定的旅館設施。該片區的黃龍溪古鎮附近景點設施點、休閑娛樂設施點和旅館設施點均已形成熱點區,古鎮景點配置相對較完善,餐飲設施尚未形成集聚,建議增加相應數量的餐飲設施點。綜合該區的區位特點,建議在該片區其他地方增設一定的休閑娛樂設施。

6 結語

本文通過對成都市的休閑娛樂、餐飲、旅館、景點4類POI數據和路網數據進行分析,得出成都市的休閑空間分布規律是從中心向四周按距離遞減。在分析5類數據之間的相關性中,路網數據與另外4類POI數據之間的相關性較弱,因此可以推斷路網密度并不是影響休閑娛樂、餐飲、旅館和景點這4類休閑相關數據的決定因素。本文在進行研究距離時采用的是空間距離,而實際上人們在出行時所需要計算的是路網距離,因此有關方面的研究還需要進一步深入。