学术成果 | 物理距离VS活动距离——城市居民活动边界及其边界效应探索
内容导读
01
城市中存在着河流、山体、高速公路等有形的地理实体和行政边界等无形的地理对象，它们对人、物资和信息等要素的流动产生阻隔效应，形成了居民活动的边界，将城市分为多个组团，并无形中“拉长”了穿越这些边界的人流或物流的距离，从而“扭曲”了城市空间。城市中的活动边界分布在哪些地方？有哪些不同类型的边界？不同边界对实际距离的“拉长”有多大？本研究借助空间交互的理论方法，试图回答这些问题。
随着大数据的广泛应用，大量研究应用时空大数据发现了城市内部组团结构并且勾勒出组团之间的边界，但其中大多数关注于组团现象的空间分布，比较活动组团边界与城市行政分区边界的一致程度，而极少涉及城市活动空间边界的形成原因和边界效应的空间异质性等问题。
研究借助空间大数据的优势，构建了城市空间交互网络，利用网络分析方法将城市划分成多个居民活动空间组团，提取出活动空间的边界。实际的活动空间边界可能是面状地理要素，为了降低研究的复杂度，我们将边界统一抽象为线状要素。研究主要从自然、设施和行政区划三个方面探索居民活动边界的成因，并以此将活动空间边界分成三种类型。为了探究不同边界类型对居民活动的阻隔程度，我们建立了边界效应模型，进一步提出边界厚度指数，测度城市空间中居民活动边界的阻隔作用，测算被边界“拉长”的活动距离。研究以深圳市作为研究区域，应用真实空间交互数据提取并测度深圳市居民活动空间的边界效应。
研究方法
02
城市居民的出行活动能够反应其社会空间网络的交互形态和活动规律，其他条件相同的情况下，当两个地块间联系较弱，说明其间存在一定的阻隔效应，“拉长”出行活动距离的效果就越明显。研究首先采用Louvain算法对空间交互网络进行活动空间组团的划分，活动空间之间的界线即为活动空间的边界，通过活动空间边界两侧的交互量较少，阻隔效应明显（图1）。根据活动边界的缓冲区覆盖实体类型，分别提取自然、设施和行政区划三类边界。自然边界主要包括山体和水体，设施主要考虑道路交通设施，行政区划边界主要指高等级行政区域划分构成的边界。
图1. 边界识别与分类方法流程（a）交互网络构建；（b）活动空间划分；（c）边界提取；（d）边界分类
基于重力模型扩展构建边界效应模型，加入三类边界的统计量，模拟得出三类边界回归系数，即为边界效应。
B为i和j单元格之间不同类型边界数量的向量，包括基本空间单元边界（对照组）、自然边界、设施边界和行政区划边界；φ为B的系数向量；ε为误差项。
我们将反重力模型对距离的推算结果作为“活动距离”，如果边界效应模型解释性较高，则反边界模型推算的距离更加接近物理距离（欧氏距离），我们认为其与物理距离近似相等。根据重力模型和边界效应模型，针对每一类型的边界，活动距离r'i,j在增加一条k类边界Bk的前后比值为定值：
则物理距离与活动距离的差值，表示为：
由此计算出空间中每一条活动边界的平均拉长的活动距离，即为边界厚度。边界h的厚度为：
Nk,h为穿过边界h的第k个类型边界的OD基本空间单元对数量；M为边界h所属的边界类型总数，为1到3的整数。
研究结果
03
本研究以深圳市为例，测算城市活动空间边界“拉长”的出行距离。基本空间单元（TAZ）及居民出行数据来自百度慧眼平台，共有1,288个基本空间单元，OD对6,238,205条。我们利用实际出行数据进行Louvain算法调参测试，最终选择0.5分辨率为参数（模块度最高），计算得到14个居民活动空间组团（图2）。边界提取和识别结果显示深圳市的居民活动空间边界中行政区划类型边界最少，自然边界与设施边界较多。
图2. 深圳市居民活动空间之间的出行流量空间分布图与弦图
边界效应模型结果显示（表1），加入边界效应指标以后，模型解释度比一般重力模型解释度更高。边界效应模型结果中基本空间单元边界的阻隔效应微乎其微，设施边界阻隔效应最强，自然边界和行政边界的边界效应相近。深圳市居民活动空间的边界厚度的计算可视化结果（图3）表明，城市空间里，居民活动边界的厚度，即活动距离的增加，不仅随活动边界的类型而变化，而且随空间位置不同而影响程度有所差异。
表1. 重力模型与边界效应模型结果
图3. 边界厚度空间分布图
总结与讨论
04
研究发现自然边界、设施边界和行政区划边界都促成了实际居民活动距离远大于物理距离的现象，其中多类边界的叠加所产生的距离增加效应更为明显。除了边界的形成原因能够造成距离明显增长之外，城市空间结构和功能也对活动距离的增加有所影响。本研究的主要贡献包括：
（1）研究识别了城市居民活动空间的边界并根据其成因分成自然、设施和行政区划边界；
（2）构建了边界效应模型，量化三类边界的边界效应；
（3）提出了边界厚度测算方法，测度实际活动距离与物理距离的差异。
传统的空间分析均基于平面欧氏空间对空间邻近程度进行测量，但实际的地理空间通常因为边界或通道的存在而扭曲变形，实际空间不再是平面的欧氏空间。理解空间扭曲对于描述和解释动态地理现象（如交互流）及其空间分布具有重要意义。在时空大数据的支持下，空间交互为揭示扭曲但更加合理的城市空间分布提供了重要手段。本研究通过发现和测度城市活动空间的隐形边界，迈出了刻画和理解空间扭曲现象的第一步。
参考文献
Meihan Jin, Lunsheng Gong, Yanqin Cao, Pengcheng Zhang, Yongxi Gong*, Yu Liu. 2021. Identifying borders of activity spaces and quantifying border effects on intra-urban travel through spatial interaction network. Computers, Environment and Urban Systems, 87, 101625.https://doi.org/10.1016/j.compenvurbsys.2021.101625
素材来源：S3 - Lab
材料整理：金美含
内容排版：侯远樵