城市数据实践：基于多源数据的南京市老城南地区空间活力解读

2017-03-13 城市数据团 & 国匠城

前言：本期数据实践栏目，来自城市数据研习社社员李小溪的实践案例，学号A565。作者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》，以下为其参与数城工作营（点击查看）的工作成果。

基于多源数据的

南京市老城南地区空间活力解读

我是李小溪，目前在新加坡国立大学读博士，主要研究方向是探索形态学相关理论与方法在历史街区保护中的应用。其中包括了两方面的探索：1）探索历史街区蕴含在形态中的历史表达；2）探索与城市形态相关联的微观社会经济活力。对于后者活力的研究，简雅各布斯有过精辟的论述，她认为多样性是维持城市活力的重要因素，其中包括了短的街道，功能的多样，一定的人口密度及建筑年代的混合。然而基于个体观察的经验总结难以在城市规划或历史遗产保护中，帮助规划师客观地分析城市问题及解释问题成因，而定量的实证研究及分析方法能在一定程度上补充定性分析的不足。

想要获得能客观表征城市功能和人口分布的数据，传统现场调研的方式需要耗费大量时间和精力，对于单枪匹马的博士生来说是个非常大的挑战。因此最近几年，我特别关注利用新兴开放数据来量化城市活力的相关研究；但却一直对研究涉及到的数据来源，详细分析技术不甚了解。去年在国内参加会议和收集资料的过程中，看到城市数据研习社举行的关于“百度热力图获取与应用”的工作营，我就报名参加了。通过观看研习社的基础课程和私下与老师们互动交流，受益匪浅，从数据小白到现在可以进行一些基本的数据分析，也如期交出这一份工作营的作业。本次作业只涉及用数据解读空间活力，远没有达到学术研究的地步，也希望通过这个成果抛砖引玉，引起大家更多的讨论和交流。

1、研究对象

本次研究范围为南京市老城南地区，包括门东，门西及周边地区，北至秦淮河中支，东西分别至外秦淮河，南至应天大街（来源：《2010-2020南京历史文化名城保护规划》），总面积约6.9平方公里。这片区域以夫子庙为核心，以秦淮河，明城墙为纽带，串联了多个风格各异的特色街区，包括小尺度的历史街巷，也包括高密度的现代城市街区。

图1：老城南历史城区范围图示

2、数据选择及分析

本次研究选择了路网可达性，POI设施密度及人口空间热度这三个因子来量化表征老城南历史城区的空间活力。

2.1 路网可达性分析

在路网结构的分析中，采用了城市形态学领域中常用的解析城市及建筑空间关系的理论和方法—空间句法。其中轴线图是空间句法中常用的一种空间模型，“轴线”是对真实空间的抽象，是指能够贯穿街道空间的最长并且数量最少的线。轴线图就是串联一个空间系统全部空间单元的轴线相互连接的图示。轴线分析是一种计算街道拓扑关系的算法，深度作为距离单位（从起始轴线到其他轴线的步数）。其空间参数主要为整合度和穿行度，整合度表达的是每条轴线距离其他轴线的远近程度；穿行度表达的是每条轴线被空间中其他最短路径穿行的频率。相比穿行度，整合度更能反应出空间每条线段成为目的地的潜力，即承载社会经济活动的潜力。其中，局部整合度（半径为3）可以避免边界作用的影响，反映出邻里尺度下每条线段的到达性交通潜力。在本次分析中，采用局部整合度来度量。路网的建模在ArcGIS中完成，局部整合度的计算在空间句法软件Depthmap中完成。

图2：老城南地区现状路网结构

图3：Depthmap中:局部整合度的运算结果

图4：与底图叠合后的效果

从上图可以看到，除了贯穿老城的主要道路，如中华路，中山南路可达性较高之外，次干道中的升州路，建康路，集庆路，长乐路，马道街，仙鹤街，鸣羊巷，箍桶巷在邻里尺度下可达性也较好，而夫子庙地区的外围道路，如钞库街、琵琶街、平江府路；老门东地区的剪子巷；门西钓鱼台的璇子巷、糖坊巷可达性次之。这些高整合度的道路在空间上为人群的聚集提供了可能，为老城南地区在邻里尺度上形成空间活力中心提供了基础。

2.2 POI设施密度分析

本次研究的POI数据，主要来自高德及百度地图。数据类型有十七类，经过筛选清理后（除去地名地址信息类），用于分析的总数据量为27456条。其中，主要以居民日常生活需要的购物服务，餐饮服务，生活服务为主。从十七类POI中将与城市功能活力相关的十类POI设施提取出来，分别是购物服务，餐饮服务，风景名胜，金融保险，科学教育，生活服务，体育休闲，医疗设施，住宿服务和商务住宅。分别对每一类POI进行点密度分析，得到设施分布密度图。

图5：十类POI核密度分布图

从上图可以看出，在老城南地区，夫子庙历史街区集中了主要的购物设施、餐饮设施、住宿设施和风景名胜，这与现实中夫子庙作为南京特色商业街区的定位相吻合。中华路和中山南路两侧集中了主要的金融保险、医疗和科学教育设施；邻里尺度下可达性较好的升州路、建康路、集庆路、长乐路、仙鹤街、箍桶巷分布着主要的生活服务设施和部分餐饮设施；除此之外，体育休闲设施集中在升州路和建康路两侧；商务住宅基本遍布在整个城南地区。

接下来对每类POI进行权重赋值和加权叠加（目前是按照权重相同对每类POI设施进行赋值，在以后的研究中需要进一步根据不同设施对于人流吸引的程度来建构指标体系）。可以看到叠合后的功能活力区域主要集中在城市主干道、次干道及部分城市支路附近；门西钓鱼台、荷花塘历史街区及门东三条营历史街区整体功能活力较低。最后按照路网系统提取出POI设施密度图，便于后续与路网可达性进行相关性分析。

图6：POI 密度叠加

图7：POI密度提取

2.3 人口空间热度分析

百度热力图在一定程度上可以描述人群的实时空间分布情况。本次研究选取南京老城南地区两天的热力图进行研究。其中一天为工作日（2016.12.26，周一），将早9点至晚8点共十二个小时的热力数据在ArcGIS中提取出来。下图为老城南地区十二个小时每一个小时的人口空间分布情况（图8）。可以看到，从早上10点到晚上6点中华路两侧的人口热度都是非常高的，这不单单与两侧的商业服务业设施密集有关，也与这里分布有三山街地铁站有关；中午和晚饭时，夫子庙地区的人口热度升高；到夜晚之后，人群慢慢分散到城南地区各个居住区内部。

图8：十二个小时的百度热力分布图

图9：叠加之后的百度热力分布图

如上图所示，将十二个小时的热力图通过GIS进行叠加，排除 ‘白天商业人流量大，但是夜晚没有活力’这类区域对于活力范围辨识的干扰。其中人群分布最多的地方集中在了中山南路、中华路与升州路、建康路、集庆路、长乐路交汇的区域，人群最少的地方则集中在城市中的公园水系区域，空置用地及正在建设的区域。

3、城市活力要素相关性探究

在对上面三个影响城市活力的要素进行直观分析的基础上，继续验证三大要素的相关关系（图10）。

图10：POI设施密度&路网可达性&人口空间热度

3.1 路网可达性与POI设施密度的关联性分析

在ArcGIS中将可达性（局部整合度）的数值重分类为6类，然后利用空间分析工具中的“分区统计”工具，计算每一类可达性数值对应的POI密度值，并导出计算结果，接着，在SPSS中进行相关性分析。从下图（图11）中可以看出，路网可达性与POI设施分布密度正向密切相关（相关系数为0.873)，即可达性越好的道路，其两侧POI设施的密度越大。值得注意的是这里讨论的并不是两个要素因此就具有线性的因果关系，应当理解为高整合度道路具备良好的可达性从而有聚集人群的潜力,为各类社会经济活动提供空间基础，而社会经济活动的聚集反过来使得道路空间的集聚能力增强。是这两者之间的联动机制，最终形成成熟度较高的城市区域。

图11：可达性与POI密度的相关性分析

3.2 路网可达性与人口空间热度的关联性分析

在ArcGIS中将百度热力图的数值重分类分为6类，然后利用空间分析工具里的“分区统计”工具，计算每一类热力数值对应的路网可达性数值，导出计算结果。接着在SPSS中，进行相关性分析。从下图中可以看出，人流分布与邻里尺度下的道路可达性正向密切相关（相关系数为0.990)，即步行可达性越好的道路，人流密度越大。

图12：道路可达性与人群密度分布的相关性分析

3.3 POI设施密度与人口空间热度的关联性分析

在ArcGIS中将百度热力图的数值重分类为6类，然后利用空间分析工具里的“分区统计”工具，计算每一类热力数值对应的POI设施密度值，导出计算结果。接着在SPSS中进行相关性分析。从下图中可以看出，人口空间热度与POI设施密度正向密切相关（相关系数为0.963)，即POI密度越大的区域，人流密度越大。

图13： POI密度与人群密度的相关性分析

4、小结

本文是在探索城市空间和它所承载的社会经济活动相互关系的大背景下，基于城市活力的经典论述，利用开放数据来对城市活力的构成要素进行量化分析的一个小研究，其中，路网结构、设施密度和日常人群分布是主要研究对象。个人认为是这三者之间的联动机制，促使活力足、成熟度高的城市空间的形成。

本次作业还有以下几个方面需要进一步完善：1）路网分析中只使用了一种轴线空间模型，后续可以采用角度及米制距离为主的空间模型进行分析，这两者相比轴线模型能表达更小的街段尺度； 2）对于城市规划与历史保护的指导意义需要进一步思考。

李小溪，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：

【优秀学员 | 彭胤】基于百度热力成都市中心城区人群分析

【优秀学员 | 王梦】基于百度热力武汉市主城空间结构研究

【优秀学员丨郭翰】北京主城区人口聚集与街道拥堵分析
 【优秀学员丨梁家俊】基于百度热力中山市中心城区结构分析

【优秀学员丨林鉴宇】基于城市POI静态数据的城市功能识别

【优秀学员丨郑梦雷】苏州市城市POI数据综合运用研究