第四批大数据应用成果已经出炉,期待大家的反馈拍砖!
第四批成果主要集中在城市层面,包括城市功能分析与交通流分析。通过POI、手机信令、公交刷卡、公共自行车刷卡等多源大数据的应用,对目标城市的城市结构、交通走廊等内容进行有重点的分析;同时,利用了POI数据采集不受地域范围限制的特点,对具备相似特征的城市进行对比分析,为城市规划实施评估、城市功能对比研究、城市交通规划提供定量支撑。
一、基于POI的城市功能片区对比分析
在城市规划分析研究中,经常需要对先进地区规划案例进行分析借鉴,或对不同城市间相似功能片区的建设对比分析,POI的获取方式灵活,可自由划定范围进行数据抓取,并根据需求筛选数据点,适用于各类尺度、范围的城市分析研究。
百度POI或高德POI。
空间结构对比:采用核密度分析方法,对公共服务与商业设施的POI点进行可视化,提取不同城市的中心体系与空间结构特征。
临港产业发展对比:通过分类提取具有不同功能特征的企业POI,横向比较不同城市间各类功能的企业数量。
已应用于《连云港市城市总体规划》中,选取连云港、日照、青岛、宁波四个临港城市,采用POI数据从港城空间结构、临港产业发展等角度进行对比分析。
城市空间结构分析方法与中心体系评价方法相同,均采用核密度分析方法,对公共服务与商业设施的POI点进行可视化,提取不同城市的中心体系与空间结构特征。在四个城市中,由于空间距离不同,港城联系强度存在差异,日照市港城间距离较近,仅为6-8公里,港城关系最为紧密;青岛、宁波、连云港港城之间距离在20公里左右,但由于连云港中心城区人口远不及青岛、宁波,所以港城间建立联系的难度也高于青岛和宁波,新海城区与滨海新区几乎为相离发展。在临港城区的培育上,青岛市的黄岛临港开发区发展程度最好,其次为宁波和连云港,日照市由于城市规模所限,并且港城间距离较近,公共服务与商业发展较弱。
图1-1:临港城市空间结构比较
临港产业发展对比则是通过分类提取具有临港产业特征的企业POI,横向比较不同城市间临港产业的企业数量。根据经济界比较一致的划分标准,临港产业可以分为:直接产业、共生产业、依存产业、关联产业。四个城市的对比结果如下。
图1-2:港口直接产业与共生产业的企业POI数量比较
图1-3:港口依存产业的企业POI数量比较
图1-4:港口关联产业的企业POI数量比较
二、基于动态数据的城市职住地分析
采用手机信令、自行车刷卡等数据可以获得城区内居住人口和工作人口在空间上的分布,进而为城市交通、城市用地的空间布局规划提供依据。
移动公司的手机信令数据或公共自行车刷卡数据。
手机信令数据:依据白天时段的活动情况判断工作地分布,先设定手机用户的有效停留阈值(如2小时),再筛选出每个用户现在工作时间范围内停留天数超过一定天数的有效停留地点,在有效停留地点中选择累计停留时间最长的地点判断为其工作地;依据这一方法,获取到居住人口在空间上的分布。在空间上可以通过两者比率关系来反映职住的平衡关系。
公共自行车刷卡数据:提取主要通勤时间公共自行车站点借还车总量,计算借出量减去还车量的差值,上班时段差值越大表示居住功能占比越高,下班时段差值越大表示就业功能占比越高。
已应用于《宜兴市城市总体规划》中,分别采用手机信令、公共自行车刷卡数据获取宜兴中心城区主要职住空间。
据手机大数据显示,2015年宜兴市居民常住人口约为65.15万人,常驻有出行人口为33.94万人/日,出行人口平均出行为3.0次/日,宜兴市居住地总人口为643573人,工作地总人口为522039人,工作地和居住地人口最多的城镇为宜城街道,宜城街道的居住人口为142933人、工作人口为110894人。以此计算宜兴市各街道(乡镇)的职住比,职住比最高为湖父镇,居住地工作人口占比为87.03%;其次是太华镇,居住地工作人口占比86.66%;第三为张渚镇,居住地工作人口占比为84.65%。
图1-5:宜兴不同区域的职住比分析
三、基于公交刷卡数据的城市公交走廊分析
通过公交刷卡数据可提取居民公交出行在空间分布的热度特征,为道路系统优化或大运量公共交通设置提供依据。
城市公交线路数据与公交刷卡数据。
将公交刷卡量与公交线路及公交站点空间信息进行空间链接,能够分析居民公交出行在空间上分布的热度特征。在此基础上,可识别城市道路承载公共交通的强度,为道路系统优化提供依据;可提取城市主要公交走廊,为大运量公共交通设置提供依据;可根据城市组团或功能区划分,判断各城市组团/功能区之间的联系强度等。
已应用于《宜兴市城市总体规划(2017-2035)》中,通过提取城市主要公交走廊,为总体规划中的城市综合交通优化提供依据。将公交刷卡量与公交线路及站点空间信息进行空间链接,可以看出公交刷卡量较多的线路主要集中在宜城街道内部南北走向、新街与宜城之间、新庄与宜城之间、丁蜀与宜兴之间等线路,特别是宜城街道与丁蜀镇属于宜兴市老城区,内部之间以生活为主的交通出行占比较大,公共交通使用频次较高。
根据公交线路热度判别具体道路断面公交流量,可以看出宜城街道南北走向的人民路、荆溪路,东西走向的阳泉路、龙潭路等,以及丁蜀镇的白宕路、通蜀路及东贤路等道路等级较高,承担连接城市不同功能区职能,道路断面公交流量较大。再利用城市公交刷卡数据进行分析,得出公交线路客流的热度分布图,所得结论与百度POI分析结果基本一致,这说明了公交客流基本是与设施分布一致的。但东氿西部的设施集聚区的公交线路密度和公交客流量都很小,反映出此处人气存在一定不足,同时公共公交可达性也较差。
图1-6:基于公交刷卡数据的线路热度模拟
四、城市公交沿线地区公交分担率分析
综合手机信令数据与公交刷卡数据,测算公交沿线地区公交分担率,为公共交通规划提供依据。
手机信令数据与公交刷卡数据。
通过手机信令数据计算公交站点周边常住人口,根据公交刷卡数据计算早晚高峰刷卡量,继而按照分担率计算公式计算相应公交分担率。
已应用于《宜兴市城市总体规划》中,站点周边地区公交分担率最高为50.88%,最低为3.50%,平均公交分担率为12.23%,标准差为10.63%,离散程度较大。公交分担率较高的站点集中在东氿大道、紫砂路、陶都路等道路上。从图中可以发现,公交分担率较高的站点主要集中在主干路上,大多处于市区边缘的居住功能区内,比如东郊二期、紫砂之源广场、东郊菜场等站点,周边均为大型居住功能区,居住用地密集。这些站点地区一方面,功能以居住为主,相对单一,日常生活及通勤出行需要进行长距离出行;周边地区,距离城市中心商业区有一定距离,难以通过慢行交通短时到达,客观上也促使公交出行频次较高,相应公交分担率也较高。相对而言,公交出行率较高的站点地区主要集中在宜城和丁蜀核心区,以宜城的荆溪新村和丁蜀的民主桥站点周边为例,位于老城区核心地带,周边各类用地混合,配套服务较为完善,居民通过短途慢行交通即能满足日常出行需求。
图1-7:不同公交站点地区公交分担率
往期大数据文章回顾:
大数据应用研究成果发布——第一批
大数据应用研究成果发布——第二批
大数据应用研究成果发布——第三批
城市是一个有机体,是一个生命,你的想法可以改变城市!