城市数据实践：徐州城市功能区识别与休闲娱乐活力评价
前言：本期数据实践栏目，来自城市数据研习社社员欧光坤的实践案例，学号A308。
欧光坤来自苏州未来都市设计，于2016年参加了由国匠城和城市数据团共同举办的《面向规划实践的数据能力增强计划》，具备城市数据综合分析能力。
徐州城市功能区识别与休闲娱乐活力评价
大家好，我是小鸥，来自于苏州未来都市设计。随着信息化的发展和大数据时代的到来，在城市规划研究中传统的数据已经不能满足分析要求。大数据的种类繁多，而且获取方式也存在差异。
本次数城工作营（【数城工作营】第一期：城市POI数据综合运用研究）分析内容以较为容易获取的高德地图POI数据为例，以徐州为分析城市，分析方向为：城市功能区识别、城市休闲娱乐活力评价。
一、数据准备及清理
徐州下辖5个市辖区：鼓楼区、云龙区、贾汪区、泉山区、铜山区，通过基础数据比对，泉山区人均GDP及地均GDP均高于其他四个辖区，通过简单比较我们可以大致得出泉山区商务商业设施较为集中。
二、POI数据运用
研究中的POI数据类型涉及13个大类，每个大类中还包含若干小类，既有大型商业综合体，又有居住区级别的便民超市。
经过初步删除重复数据，可用于下一步分析的总数据量为91148条，其中购物设施大类、餐饮设施大类、生活设施大类数据量均大于15000条。
由于POI数据录入过程相对客观，在城市空间中的分布也与现状情况基本吻合，分析结果也会相对真实的反应城市的发展情况。
注：本次使用POI数据类型分别为：餐饮、公共设施、购物、交通、教育、金融、景点、商务住宅、生活服务、体育、医疗、政府办公、住宿条件。均为城市数据团提供。
三、POI数据重分类
基于两个分析方面：城市功能区识别、城市休闲娱乐活力评价。
1、城 46 33168 46 15231 0 0 2054 0 0:00:16 0:00:07 0:00:09 3482功能区识别
对原始数据进行重分类，本次城市功能区分析，结合城市特征将城市功能区划分为2个非经济功能区（居住区、行政区）和3个经济功能区（商务区、商业区、工业区）。
对原始13种数据进行打乱重组，商业区和居住区的数据尤为突出，商业区数据占总数据的59.39%，居住区数据占总数据的32.82%，工业区数量最少，仅为总数据的0.14%。
2、城市休闲娱乐活力评价
从功能属性、管理属性和空间属性对休闲娱乐设施进行分类，并结合徐州城市实际情况，将休闲娱乐类型分为八大类：美食餐饮类、休闲娱乐类（小类）、演出放映类，体育健身类，文化展览类、商业购物类、旅游服务类、基础设施类。
其中商业购物类数据和美食餐饮类数据相对突出。商业购物类数据占中数据量的47.16%，美食餐饮类数据占总数据量的31.04%，演出放映类和文化展览类数据相对较少，分别占总数据量的0.08%和0.40%。
四、存在的问题
首先POI数据仅为一个带有经纬度的点，缺少建筑规模或者占地规模信息。无法精确计算功能区的布局。虽然可以通过权重赋值对数据进行打分，但是同类型的数据很难区分权重。
其次POI点缺乏时间属性，很难表现一定时间内，功能区的演变发展状况，因此只能进行空间纬度方面的描述和评估，无法得知时间纬度上的变化关系。
五、分析过程
POI数据的坐标纠偏以及shp要素的坐标投影，需要注意的是UTM坐标投影时，徐州地理投影带为50。
六、关于Modelbuilder
这里插一句，虽然在本次数城工作营大鹏老师有说过，使用Modelbuilder可以加分，但是Modelbuilder的魅力远不止可以加分。
使用Modelbuilder构建研究框架，不仅是为了简化分析步骤、节省操作时间，而是让整个分析思路可视化，一目了然。
当然，问题也暴露无疑。前面仅仅是将数据分成了5个类型，但并没有将数据进行合并，而是保留了15个小类，所以在Modelbuilder中“空间连接、添加字段、计算字段”就被无情的使用了15次。
在城市休闲娱乐活力评价中，就总结了此次教训，提前将数据整合成8个大类。
七、权重赋值
第一个比较纠结的地方，虽然使用了AHP，比直接拍脑袋会让自己更信服一点，在城市功能区评价这个分析中，权重的赋值是以经济的集聚效应为依据进行划分，但是也就只能勉强说服自己。此处不纠结，重在掌握分析方法。
在休闲娱乐活力评价中，数据类型通过功能属性、管理属性和空间属性划分了八个大类，权重的赋值也是以美食餐饮、娱乐休闲、体育健身为主。
八、成果展示
单因子的功能分布，在这里不做一一罗列，通过叠加运算，得出总的功能区分布图。
通过图可以看出泉山区、鼓楼区、云龙区，整体水平较好，依托火车站交通优势、周边分布大量的商务商业功能区，云龙湖景观资源优势，周边有大量的休闲娱乐设施以及居住区。但是高铁站的区位优势未能体现出来。
通过功能区布局分析，我们对一个城市有了一个大致的了解。接下来对休闲娱乐因子进行核密度、重分类以及加权总和运算。得出城市城市休闲娱乐分布情况。
对比以上两图，城市休闲娱乐的分布于功能区的布局，存在紧密的联系，商务商业中心区，同样是休闲娱乐的聚集地。存在的问题依然是高铁站还是休闲娱乐活力的洼地。
对比影像特征及空间规划，随着新城区和高铁商务区的建设，“双核+组团”（双核-老中心区和新城区，五组团-金山桥、坝山、九里、铜山、高铁新区）的空间结构已初步形成，但通过POI数据分析，高铁新区发展滞后，未能在组团内形成辐射效应。目前整体城市发展格局还是从内圈聚集向外圈扩散发展。
九、学习总结
本次工作营收获还是很大的，通过一个完整的作业训练，无论是对数据筛选方面还是GIS分析方面以及在做ppt环节，都比以往提高了好多。
同时对POI数据也有了新的认识，以往兴奋点在于如何爬到数据，现在更关心的是如何从这些数据中提取出有用的数据。
“独学而无友，则孤陋而寡闻”，最开心的还是有一帮小伙伴一起“受虐”，这个过程是很爽的。
最后感谢大鹏老师组织这样的训练营活动以及感谢大鹏老师在这个过程中对我们的细心指导。
作品成果
认证证书：
欧光坤，已参加由国匠城和城市数据团共同举办的《面向规划实践的数据能力增强计划》，具备城市数据综合分析能力，特此颁发认证，以资鼓励。
证书查询网址：www.caup.net/cert
往期回顾：
推广：
[*] 城市数据研习社是国匠城、城市数据团共同举办的持续性学习组织，社员将享受到持续更新的数据课程，免费使用的数据插件，以及社群内的交流答疑。
目前，城市数据研习社开启了“千人计划”，希望能够从规划师中首先招募1000人，作为社群的中坚力量，助推规划师个人发展。
城市数据研习社咨询群：413942566
长按识别二维码，腾讯课堂
报名加入城市数据研习社