已有的研究成果表明,中国的城市空间结构有朝向多中心发展的趋势。与此同时,随着中国城市发展进入转型期,以多中心城市发展为目标的规划和政策也逐渐增多。本文试图弥补当前多中心性研究中缺少规律性和缺乏定量分析的不足。在已有研究成果的基础上,从研究对象的广度和研究方法的深度上改进研究思路,创新研究范式。利用大数据和开放数据,借鉴大模型的基本理念,将研究范围扩大至整个中国,研究粒度精细到人,回避了单个城市研究的局限性,对全国城市同时展开研究,探究中国城市多中心发展的一般规律。

1城市中心新定义

在传统理解的基础上,确定一个城市的中心,无论是单中心、双核心还是多极核、多中心, 往往基于其功能分布和规模两大因素考虑。

本文基于大数据通过自下而上的方法分析识别城市中心,使用的大数据为百度热力图(Heatmap),它是基于智能手机使用者访问百度产品(如搜索、地图、天气和音乐等)时所携带的位置信息,按照位置聚类,计算各个地区内聚类的人群密度和人流速度,综合计算出聚类地点的热度,计算结果用不同的颜色和亮度反映人流量的空间差异。

区别于传统城市中心的定义,我们认为人的活动才能够最真实地反映城市中的活力点。因此,基于人的活动我们对城市中心重新定义,即一个城市中在特定时间段人群相对聚集的地方即为城市的(潜在)中心节点。

2研究数据与方法

2.1  数据

本研究以全国658个城市为研究对象,主要关注城市市辖区。

所使用的基础数据包括:

① 百度热力图,获取时刻为2014年11月12日(周三)15时15分,范围包括全国658个城市。数据特点是粒度精细到个人,规模覆盖到全国。

②全国658个城市的市辖区范围,包括城市名称和行政等级。

③全国658个城市的城市建设用地。

④2014年中国城市统计年鉴。

基于ArcGIS平台对获取的百度热力图数据进行预处理,将热图信息标识为人群聚集程度,划分不同密度等级,并结合城市市辖区范围识别出热图所对应的城市。

百度热力图处理流程

2.2  方法

2.2.1  基于百度热力图的城市中心节点(人群聚集区)识别

百度热力图用不同的颜色和亮度反映人流量的空间差异,其中颜色越趋近于红色表示人群密度相对越高,越趋近于蓝色表示人群密度相对越低,从红到蓝连续变化。

百度热力图示意

将百度热力图划分为7个等级,并赋值以表征不同的人群密度等级(赋值以Value 表示),密度等级最高的区域Value值为7,最低的区域Value值为1。经过预处理后得到了不同密度等级的人群聚集区。

通过分析发现,任一聚集区(特指密度等级最少有两个等级的聚集区)都呈现同心圆分布模式,即人群密度由中心向外围逐渐降低。

基于本研究对城市中心的定义,取Value值大于 1的片区集合作为人群聚集区(如一个聚集区包含了Value值从1到5五层等级,则取Value>1 的其他四层等级作为人群聚集区),并基于 ArcGIS平台求得聚集区的质心点作为最终的城市中心。

城市中心识别

当识别了所有城市的中心之后,经过统计,百度热力图所反映的中心出现在152个城市中,依据热力图识别的中心将城市划分为无中心城市、单中心城市和多中心城市。

按照中心个数的城市分类

2.2.2  基础指标计算

(1)多中心城市中心之间平均距离计算

在ArcGIS中首先应用PointDistance工具求得两两中心之间的距离,然后统计得到所有中心之间的平均距离。

(2)城市中心面积计算

由于每一个人群聚集区都呈同心圆状分布,因此在计算中心面积时,将密度等级即Value值大于1的部分融合为一个面,作为面积统计的基准面。

(3)城市活动强度计算

城市活动强度计算以城市中心面积占城市建成区的比例来表示。

3结果分析

3.1 多中心城市分类

3.1.1  按照行政等级分类

基于百度热力图分析,全国658个城市中,多中心城市数量为69个,占比10.5%。中国多中心城市的比例较低,而已有的多中心城市,几乎都属于地级以上行政等级。因此就多中心而言,中国大城市表现出较明显的多中心性,而小城市(尤其是县级市)的中心发育极其滞后。

多中心城市按照行政等级划分占比

3.1.2  按照中心数量分类

在全国69个多中心城市中,各城市的中心数量表现出明显的长尾分布,说明只有少数城市的中心数量较多,多数城市虽然是多中心但中心数量很少。进一步细分发现,有接近一半的城市为双中心,24个城市的城市中心数量为3—10个,12个城市的中心数量超过10个,其中北京、深圳、广州的城市中心数量位居前三,均超过30个。

各城市中心数量的位序分布

多中心城市按中心数量分类

多中心城市分布

基于中心数量将城市划分为3类:起步型多中心城市、成长型多中心城市以及成熟型多中心城市。在12个成熟型多中心城市中有3个直辖市,6个副省级城市及3个省会城市。成长型多中心城市以地级市和部分副省级城市为主,而大部分的地级市和全部县级市都属于起步型多中心城市。可以看到行政等级高低与中心数量有一定的相关性,行政级别越高,中心数量越多。

3.2 多中心性分析

3.2.1  多中心城市中心面积分析

(1)多中心城市中心面积分布规律

多中心城市中心面积(总和)和中心数量显著相关,且中心面积也表现出明显的长尾分布。一般情况下中心数量越多,中心总和面积越大。

同类型的城市间存在较大差距,尤其在成熟型多中心城市中,差距更为悬殊,说明各城市之间发展实力十分不均衡,当跃入成熟阶段后分化程度更严重。而在33个起步型多中心城市中,虽然差距相对较小,但这类城市的中心十分微小,处于起步的边缘,后续的成长动力十分关键,否则很容易退回单中心甚至无中心状态。

各城市中心面积的位序分布

(2)多中心城市的中心差异分析

计算每个多中心城市的中心面积之间的标准差,以此反映城市各中心之间的差异。总体来看,城市中心发育程度越趋向于成熟,中心之间的差异越大,而起步型多中心城市的中心普遍比较均质。说明在中心逐渐成长的过程中,出于各种外部因素如区位、职能、政策导向等,中心的发展会逐渐分异,即形成城市空间结构中的主中心、次中心,因而城市空间结构的层级化发展是主要趋势。

多中心城市中心面积之间的标准差

3.2.2  中心之间平均距离

以各中心之间的平均距离间接代表中心之间的联系,以此来考察多中心城市的中心网络效率。基于计算结果,将中心之间的平均距离划分为5档:0—5 km、5—10 km、10—20 km、20—30 km、40 km以上,并按照城市类型分别统计。多中心城市从起步到成熟的过程中,城市中心之间的平均距离绝对值基本上呈现逐渐增大的趋势。

参照城市通勤研究中对长距离通勤的界定(10—15 km为长距离通勤),多中心城市越趋向于成熟型,其中心间的沟通距离越长,说明城市中心的产生和发展具有外向分散的特点,与当前中国扩张式的城市规划模式相契合。

中心之间的平均距离划分

3.2.3  中心活动强度分析

本研究中,城市活动强度以城市中心面积(多中心城市,取多个中心面积的总和)占城市建成区的比例来表示。相对而言,成熟型多中心城市的活动强度较高,成长型和起步型城市中城市活动强度比较分散,高强度和低强度城市都存在(以成熟型多中心城市的最低活动强度为参照)。总体上看,城市活动强度有随着中心发育程度加深而增强的趋势,说明城市中心对于一个城市的发展起到了助推作用,能够增强城市活力、提高城市吸引力。

城市活动强度

3.3 中心数量影响因素分析

通过《2014年中国城市统计年鉴》选取了年末总人口、从业人员期末人数、人口密度、建成区面积、人均GDP、规模以上工业企业数等6项指标,采用多元线性回归模型,对以上指标进行回归分析。

结果显示从业人员总数、人均GDP以及规模以上工业企业数与城市中心数量的形成和发展有较大相关性。回归分析的结果说明,人群聚集的中心与城市就业中心具有一定的重合性,人们大量聚集的原因之一是为了满足就业需求,这对职能中心的规划和调整有一定的参考意义。

中心数量影响因素回归分析

4相关建议

(1)城市中心的培育是必要的

城市发展要有节奏地逐步推进,大跨度的扩张往往会遭遇后续动力不足的困境,因此中心的培育十分重要,而这既需要时间也需要社会资源的倾斜。当城市实力不足以支撑快速扩张时,不妨由点及面地从培育城市中心开始着手,一个有着持续发展动力的中心,对城市的带动作用往往更大。

(2)多中心城市要关注中心网络的效率

中心数量并不是越多越好,城市发展有一定的承载力,过多的中心也会过多地分散城市的资源,使城市中心陷入此消彼长的恶性循环中。因而,要有意识地引导城市中心的层级化发展,功能互补才能充分发挥中心网络的效益。通过对多中心城市中心平均距离的分析发现,成熟型多中心城市在拥有较多中心的同时,中心沟通成本较高。因此建议城市在培育新的中心时尽可能地紧凑布局,并充分考虑现状城市的潜力,发现潜在的中心节点,不轻易扩大城市建设用地。

(3)将人的聚集与功能的集聚相结合共同确定新的城市中心

本文在全国尺度上识别城市中心,其方法在城市尺度中同样适用。当城市需要规划新的或者调整已有的城市空间结构时,基于数据增强设计(DAD)的思路,应用大数据将人的活动纳入影响因子中,与功能分布和集聚等因素一起作为规划依据,真正地体现以人为本的规划思想。

详情请关注《上海城市规划》2016年第3期《基于百度热力图的中国多中心城市分析》,作者:李娟、龙瀛、党安荣,清华大学建筑学院;李苗裔(通信作者),日本金泽大学环境设计学院。

中国科技核心期刊、中国学术期刊网络出版总库全文收录、《中国学术期刊影响因子年报》统计源期刊、万方数据——数字化期刊群全文收录、中国核心期刊(遴选)数据库全文收录、美国《乌利希期刊指南》(Ulrich's Periodicals Directory)收录期刊、中国人文社会科学引文数据库来源期刊

官方网站(在线投稿):www.shplanning.com.cn

Email:shcsgh@supdri.com

邮发代号:4-803电话:021-62473288-2305/2303传真:021-62470283

百度热力图颜色说明_基于百度热力图的中国多中心城市分析|上海城市规划相关推荐

  1. java 百度账号注册界面_基于百度AI开放平台的人脸识别的注册登录(1)

    百度ai开放平台首页 2.选择产品服务,人脸与人体识别,人脸识别选项.打开后如图所示 人脸识别 3.点击立即使用 3.jpg 4.点击创捷应用 创建应用 这一页大家按自己需求填写即可 5.创建完成后点 ...

  2. java 百度账号注册界面_基于百度AI使用H5实现调用摄像头进行人脸注册、人脸搜索功能(Java)...

    人脸注册.人脸搜索使用百度AI接口.不支持H5活体检测(需要活体检测请参考百度AI-H5活体检测) 只是为了演示.所以是IP.最好用火狐浏览器访问.谷歌提示异常作者就不专门修改了.大家可以直接下载源码 ...

  3. 百度热力图颜色说明_大数据下的龙港、鳌江人口热力图

    大数据下的龙港.鳌江人口热力图 --趋势显示,人口逐步集中于区域中心地区与城市  2020-08-25  大数据(big data),是指无法在一定时间内用常规软件工具对其内容进行抓取.管理和处理的数 ...

  4. 百度热力图颜色说明_不止于2D,酷炫的地图3D热力图实现解析

    本期小编为大家带来百度地图可视化大屏解决方案技术解析系列文章之一,为您呈现3D热力图渲染技术. 首先先看下2d热力图和3d热力图生成的效果图区别 业务及技术痛点 很多行业数据使用3D热力图表达更为直观 ...

  5. 百度热力图颜色说明_最新鳌江流域人口热力图

    最新鳌江流域人口热力图 2020-09-29 城市人口热力图是指利用手机基站定位该区域的用户数量,通过用户的数量渲染地图颜色,实现展示该地区的人口密度,从一个城市或地区热力图大概可以了解到一个城市或地 ...

  6. python百度云ocr文字识别软件_基于百度云的OCR识别(Python)

    2019年7月3日早上,在百度AI开发者大会上,一个来自山西的青年,将一瓶矿泉水浇在了同样来自山西的李彦宏身上. 可以回顾一下 https://b23.tv/av57665929/p1 ,着实让人一惊 ...

  7. python热力图颜色设置_【Python】绘制热力图seaborn.heatmap,cmap设置颜色的参数

    1. 参数详解 seaborn.heatmap seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=F ...

  8. android的百度地图sdk获取ip,基于百度地图API的ip地址查询

    说明:使用ip地址查询太麻烦,偶然搜索发现有人已经写过基于百度API的ip地址查询,这个是前人的结晶,我只是修改了一些,勿喷. 用的python2.7,编码问题真是坑. 百度mapAPI私钥申请:ht ...

  9. python 百度ai批量识别_Python基于百度AI的文字识别的示例

    Python基于百度AI的文字识别的示例 使用百度AI的文字识别库,做出的调用示例,其中filePath是图片的路径,可以自行传入一张带有文字的图片,进行识别. 下载baidu-aip这个库,可以直接 ...

  10. python 百度云文字识别 proxy_Python基于百度AI的文字识别的示例

    Python基于百度AI的文字识别的示例 发布时间:2020-10-03 14:52:27 来源:脚本之家 阅读:66 使用百度AI的文字识别库,做出的调用示例,其中filePath是图片的路径,可以 ...

最新文章

  1. IOS时间传递机制简记
  2. #每天问自己个问题#6. SIP标准协议 RFC3261
  3. mongodb 开启身份认证_Yum安装mongodb及开启用户认证远程登录
  4. 计算机英语课程 ppt,Unit 3_计算机专业英语_doc_大学课件预览_高等教育资讯网
  5. feign直接走熔断_四、Spring Cloud之熔断处理 Hystrix
  6. ​如何编写高质量的C#代码(一)
  7. SpringMVC+MyBatis 返回时间格式转换的解决方案
  8. vue如何获取年月日_好程序员web前端教程分享Vue相关面试题
  9. 软件测试黑马程序员课后答案_软件测试教程课后答案
  10. Httputils请求网络数据
  11. 传送带(洛谷-P2571)
  12. 对于DOM的attribute和property的一些思考
  13. Gartner:2017年全球公有云服务市场增长18%
  14. kafka--Struct Streaming--mysql案例
  15. [导入]Reporting Services 6: 在服务器端报表中筛选数据
  16. windows下把SD卡格式化成NTFS格式
  17. QT下以ADO连接ORACLE数据库
  18. java中write方法作用_JAVA中的懒人神器—方法(有返回值)
  19. 联邦学习论文阅读三:ChainFL
  20. 实战! excel中常用函数INDIRECT公式的用法

热门文章

  1. linux网络对时命令
  2. IP纯真数据库不同系统环境下版本
  3. 如何隐藏电脑下方工具栏个别图标_电脑下方隐藏小图标怎么设置
  4. 更新了 pe_xscan 和 ClosePc
  5. 匹配滤波器及matlab仿真
  6. 软件测试工程师企业级培训视频教程
  7. 手把手教你打造全宇宙最强的专属 Firefox 浏览器
  8. Java 匹配域名正则表达式
  9. 小米开发版安装magisk_小米9手机不用解锁安装Magisk工具的教程
  10. 大一c语言大作业实验报告,大一c语言实验报告