佳文推介 | 基于位置大数据的城市居住用地效率指标构建及评价研究

引用格式：

袁源, 毛磊, 李洪庆, 等. 基于位置大数据的城市居住用地效率指标构建及评价研究[J]. 地球信息科学学报, 2022, 24(2): 235-248. [Yuan Y, Mao L, Li H Q, et al. Constructing index for the assessment of urban residential land efficiency using location-based big data[J]. Journal of Geo-information Science, 2022, 24(2): 235-248.] DOI:10.12082/dqxxkx.2022.210239

作者介绍

袁源  讲师

河海大学讲师，硕士生导师。研究方向为土地利用与规划，主要从事国土空间规划、乡村转型相关研究。主持国家自然科学基金“行为大数据视角下多功能乡村的空间分化模式与机制研究”，在Journal of Rural Studies、《地球信息科学学报》、《中国土地科学》等国内外期刊上发表学术论文近30篇，合著《人口-土地城市化耦合过程及其机制研究》一书，获得江苏省土地学会科学技术奖等。

李洪庆  副教授

河海大学副教授，硕士生导师，河海大学“大禹学者”人才计划，研究方向为土地利用系统、人地耦合系统、土地生态。主持与参与国家自然科学基金、地方政府委托项目等20余项，在《Science of the total environment》《Journal of integrative agriculture》《资源科学》《地球信息科学学报》等国内外期刊发表论文20余篇，参编国家级教材、书籍专著5部。

全文请在中国知网或期刊官网下载（官网全文滞后中国知网2个月）

研究背景

我国国土空间开发利用已经由增量扩张转向存量提效，研究居住用地效率对于优化城市空间资源配置，促进节约集约用地，推动经济高质量发展具有十分重要的意义。然而，当前城市居住用地效率评价研究受制于尺度和数据，难以满足新时期国土空间规划提升精细化空间治理能力的需求。具体表现在：尺度方面，现有研究多集中在区域或城市尺度，深入城市内部的精细化研究并不多见；数据和方法方面，多采用人口普查和抽样调查等传统静态数据，加之缺乏大样本量居民区的对比，难以得出普适性结论。

鉴于人类活动的时空框架建立在土地利用特征之上，近今用地效率研究更加关注以地块为基本空间单元、居民行为特征为对象的精细化研究。进入移动互联网时代，ICTs的快速发展愈加成熟，使得基于位置服务的大数据在微观尺度获取样本量大、信息丰富的个体时空行为成为可能，在城市空间研究方面产生巨大价值。较之于传统数据，大数据在深化对人地关系的纵深认知与定量模拟上具有一定优势，因此，本文借助位置大数据独有的从微观视角刻画人类活动行为模式的能力，通过分析案例地不同居民区人口聚集的时空间特征，揭示居民区用地效率存在的差异及其原因，以期探索大数据时代城市居住用地效率评价研究的新途径，为制定合理的空间规划政策提供科学依据。

研究方法与数据源

01

研究区概况

本文选择了常州市新北和武进片区共计29个居民区作为研究对象，这些居民区位于常州中心城区外延拓展直接覆盖的核心新城区，如下图所示。受到城市化进程中园区经济模式和原城乡结合部特殊区位条件的共同作用，片区内工业区与居民区、城中村与商品房并存。因此，29个居民区按照建成年份可划分为5个不同阶段，1980s、1990s的居民区主要是城中村和安置房，2000年以后的居民区多为省内房地产企业开发，2010年尤其是2015年以后都是国内大型房企开发的高档楼盘。

29个居民区的分布情况

02

研究框架与评价指标

基于位置大数据的城市居住用地效率指标构建及其评价研究主要包括5个步骤，具体研究框架如下图所示。

基于位置大数据的城市居住用地效率指标构建及评价研究框架

（1）基础数据空间配准校核。将位置大数据、 建筑物数据统一转换到居民区单元，并通过遥感影像和街景地图对居民区范围、建筑物用途进行识别。 

（2）城市居住用地效率指标构建。这也是本文主要创新之处，即基于位置大数据、建筑物数据等多源数据空间整合的结果，以单个居民区为评价单元构建居住用地效率指标。

（3）居民区人口聚集时空间特征分析。剪裁提取居民区范围内的人口数据，分析其时间变化规律与空间分布格局，验证位置大数据的可靠性。

（4）居住用地效率评价结果。基于居民区入住人口规模与居民楼建筑面积两项数据，根据城市居住用地效率指标，定量化评价案例地29个居民区的用地效率。 

（5）居住区效率指标差异解析。针对不同居民区用地效率存在的差异，从新城新区基本成长周期和人居环境品质提升需求2个视角进行解析。

本文基于居民区范围内人口聚集规律性的时空间特征，进一步突出居住功能与居住人口的关联性，利用居民区入住人口规模和建筑面积2项数据，以单个居民区为评价单元评价城市居住用地效率。考虑到29个居民区的建成年份、内部建筑物层高存在差异，提出的评价指标应既具有标准化意义、又贴切用地效率认知。因此，本文对“城镇居民人均住房面积”这一传统指标做了改进，构建了以“百平方米人口规模”为单位的新指标——城市居住用地效率指标，大抵相当于一套普通住宅的入住人数。

03

数据源及处理

本文涉及的相关数据主要包括遥感影像数据、建筑物数据、百度街景地图数据、腾讯位置大数据。

研究采用的数据源

（1）位置大数据处理。

腾讯平台在网页端展示的是人口热力数据，反映了一定区域内人口密度的实时变化。为了将其转化为具有空间坐标参考并代表人口规模的shp点数据，首先从腾讯提供的开放接口获取居民区范围内Json格式24h人口统计数据、60min间隔人口空间分布数据，并将Json格式的人口基础数据转换成支持几何特征表达，能够对各种地理数据结构进行编码的GeoJSON格式，再在ArcGIS中使用格式转换工具将GeoJSON数据转换成shp点要素数据并设置空间参考。

腾讯位置大数据格式转化

（2）建筑物数据处理。

根据遥感影像绘制、房地产网站信息校核综合形成的建筑物数据包括空间位置、基底面积、层高等信息。考虑到居民区范围内建筑物既有居住功能的居民楼，又有沿街商铺等，结合百度全景地图对居民区沿街建筑物外貌进行了判读。根据层高自行对用于居住功能的居民楼划分了类型，包括高层（19层以上）、小高层（8—18层）、多层（4—7层）和低层（1—3层，为别墅或者城中村），非居民楼则主要为沿街商铺、居民区服务设施用房和城乡结合部自建厂房等。

居民楼与非居民楼识别

实证研究

01

居民区人群时空间特征分析

位置大数据提供的24h人口统计数据、60min间隔（小时粒度）人口空间分布数据同步反映了居民区范围内人口规模和空间分布变化。从某小区1月11日—16日按照小时统计的人口规模值波动变化规律来看，整体上，居民区范围内的人口规模值表现为白天低，晚上高的特征，符合城市居民昼出夜归的正常作息规律；对比周末与工作日，很明显，也符合一般城市居民工作日上班上学、周末休息的正常生活节奏。进一步对6d人口规模的波动情况分析发现，波峰一般出现在晚上21:00，这也与位置大数据的信号来源有关，进入后半夜很多居民关闭手机后信号丢失，清晨开机后才陆续恢复信号。

从空间分布格局来看，由于点要素代表周边一定范围内的人口聚集情况，因此空间位置并不与居民楼完全重合，但其空间分布与居民楼的层高趋势一致。因此，位置大数据作为新兴的人口数据源，能够较为客观地反映居民区范围内人口规模变化，进而揭示居民区范围内人类活动的时空间特征，为分析居民区入住人口规模提供科学依据，也使得从微观尺度评价城市居住用地效率成为可能。

居民区人口聚集的时空间特征

02

居民区效率指标差异解析

1

---新城新区成长周期视角

      本文选取的29个居民区按照建成年份先后顺序划分为1980s、1990s、2000s、2010—2015年、2015年以后共计5组，居住用地效率评价指标平均值分别为1.74、2.45、2.31、0.95和0.91人/百m²，2010年之前建成的居民区用地效率明显高于2010年之后新建的。参照2018年常州市城镇常住居民人均住房建筑面积为48.6m²的标准，即2.06人/百m²，2010年以后建成的居民区仍低于全市平均水平。一方面，这符合新城区的自然生长规律。通常认为，新城区的开发建设是一个长期、持续的过程，15~20年是一个基本成长周期。另一方面，也与常州市房地产市场发展相关。1998年以后我国住房制度逐渐由福利型分配转化为货币型分配，居民区建设也由政府主导转向市场主导向，房地产市场与新城区建设相辅相成。

不同建成年份居民区用地效率比较

2

---提升人居环境品质视角

       除了新城新区的成长周期，居民区的居民楼类型、建筑密度和容积率等反映人居环境品质的参数也是分析不同居民区用地效率差异的重要视角。1980s和1990s建成的居民区（编号1—7）主要是位于城乡结合部的城中村，多为低层（2层，砖木结构），平均建筑密度和容积率分别为0.42和1.04，平均用地效率为2.14人/百m²，居民区内部建筑物布局十分局促。2000—2010年建成的居民区（编号8—13）平均建筑密度和容积率分别为0.16和1.85。由于建筑密度下降，居民区范围内增加了更多的绿化和公共空间，人居环境明显改善，平均用地效率也提升至2.31人/百m²。2010年以后建成的居民区最突出特点是高层与低层（别墅）搭配，迎合了快速城市化进程中消费者对改善房和品质房的迫切需求。尽管2010—2015年（编号14—20）和2015年以后（编号21—29）的居民区平均建筑容积率增加到2.95和2.68，平均用地效率却下降至0.95和0.91人/百m²。这既有居民区仍处于生长阶段的原因，但不可否认，别墅、平层等大户型品质房的出现，打破了传统观念上百平方米为一户的标准，也导致单位建筑面积人数的计算结果降低。

居民区范围内不同类型居民楼及其人群聚集分布差异

结论与讨论

实证分析既反映了居民区范围内人口聚集规律性的时空间特征，又揭示了不同居民区差异性的居住用地效率，相关结论如下。

（1）位置大数据有效支撑了微观尺度的城市居住用地效率评价研究。从时间维度看，居民区范围内小时粒度的人口规模值呈周期波动，符合城市居民昼出夜归的作息规律；从空间维度看，不同容积率水平的居民楼人口集聚度和规模值也存在预期性的差异。

（2）不同成长阶段、人居环境的居民区用地效率差异需从多个视角解读。2010年以后建成的居民区更加迎合消费者对改善房和品质房的需求，别墅、平层等大户型的出现，打破了百平方米为一户的传统认知，也拉低了单位建筑面积人数的计算结果。从这个视角看，居住用地效率评价指标值低并非完全等同于集约利用水平低，不同容积率、建筑密度的居民区存在差异，这就启示城市空间实施精细化管理应当制定差异化的管控标准。

我国城市化正在经历“土地城镇化”向“人本城镇化”的转型，“以人为本”价值导向下的国土空间规划，意味着过去以物为对象的要素配置，亟需转向以人的需求为满足的空间资源配置。基于位置大数据识别人的行为中规律性、系统性的部分，除了能够应用于本文研究的城市居住用地效率评价，还可以拓展到对商服用地人口规模与行为模式的分析，实现引导城市空间与居民行为相适应，改善城市人居环境品质的目的。综上，本文认为，以位置大数据为代表的新型地理大数据极大地促进了地理信息科学与人文社会科学的交叉和融合，迎合了“人本化”与“信息化”的学科发展趋势，将在新时期国土空间规划决策中发挥愈加重要的作用。

《地球信息科学学报》是由中国科学院主管，由中国科学院地理科学与资源研究所、中国地理学会联合主办，由资源与环境信息系统国家重点实验室（中国科学院地理科学与资源研究所）、虚拟地理环境教育部重点实验室（南京师范大学）、三维信息获取与应用教育部重点实验室（首都师范大学）联合协办的地球信息科学领域综合性学术期刊，月刊。学报创刊于1996年，创始人为陈述彭院士。学报现任主编徐冠华院士，执行主编陆锋研究员。    

《地球信息科学学报》是中国科学引文数据库（CSCD）核心期刊、中国科技核心期刊、全国中文核心期刊。2021年《中国科技期刊引证报告（核心版）》和《中国学术期刊影响因子年报》均显示，学报影响因子位列测绘科学技术类期刊第1名。在2020年版中国科学院科学出版基金中文科技期刊排行榜中，学报排名第25位。

欢迎国内外学者踊跃赐稿，欢迎国家重大科研项目、国内外学术会议组织专辑专栏。

官网网址

http://www.dqxxkx.cn/CN/1560-8999/home.shtml

联系电话

010-64889219（稿务）

010-64888891（编务，财务）

邮     箱

[e-mail]

扫码关注我们

策划创意：耿艳辉

编辑：耿艳辉，袁源

制作：名人网络

封面背景图片来源：https://pixabay.com