删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

路网中心性与城市功能用地空间分布相关性研究——以北京城市中心区为例

本站小编 Free考研考试/2021-12-29

吕永强1,, 郑新奇1,, 周麟2
1. 中国地质大学(北京)信息工程学院,北京 100083
2. 北京大学政府管理学院,北京 100871

Relationships between street centrality and spatial distribution of functional urban land use: A case study of Beijing central city

LVYongqiang1,, ZHENGXinqi1,, ZHOULin2
1. School of Information Engineering, China University of Geosciences (Beijing), Beijing 100083, China
2. School of Government, Peking University, Beijing 100871, China
通讯作者:郑新奇(1963- ),男,河南伊川人,教授,博士生导师,主要从事地理信息科学与技术,集约用地理论、方法与技术,空间数据挖掘,复杂系统仿真,土地评价与规划等研究。E-mail: zhengxq@cugb.edu.cn
收稿日期:2016-12-27
修回日期:2017-04-24
网络出版日期:2017-07-31
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:国土资源部公益性行业专项项目(201511010)
作者简介:
-->作者简介:吕永强(1989- ),男,山东莱芜人,博士研究生,主要从事城市地理、空间分析与建模研究。E-mail: sdlyq1989@126.com



展开

摘要
综合采用多中心评价模型分析法、核密度估计法,从路网中心性角度解析北京城市中心区不同城市功能用地空间分布及交通导向特征。研究发现:全局临近中心性呈现单中心模式,全局介数中心性与直达中心性则具备多中心特征,且直达中心性的多中心特征更明显。全局路网中心性与居住用地、商业服务业设施用地以及公共管理与公共服务用地的相关性显著较强,与其他用地及土地利用混合度相关性较弱。受竞租机制与居民住房选择的影响,居住用地相关性明显高于其他两种用地类型,表现出更强的交通导向性,这与欧美城市用地特征明显不同。在居民交通出行习惯影响下,居住用地与商业服务业设施用地的直达中心性强于临近中心性强于介数中心性,公共管理与公共服务用地与全局介数中心性的相关程度最大。道路中心性指数可以揭示不同城市功能用地空间分布特征,可为城市土地、交通规划提供科学参考。

关键词:路网中心性;城市功能用地;多中心评价模型;北京城市中心区
Abstract
Both land use allocation and transportation system play important roles in urban system. As they influence each other, analysis of their correlation is of great significance for spatial planning and development decision-making of Chinese urban areas. In this research, centrality is selected because of its advantage in describing the accessibility of urban road network. From the perspective of street centrality, using multiple centrality assessment model and kernel density estimation method, this study analyzed the spatial distribution and transit-oriented characteristics concerning different types of urban functional land use in the central area of Beijing city. From the statistical and spatial characteristics of each street centrality and the map of urban land use kernel density, it is found that the global closeness centrality shows the monocentric pattern clearly, while the global betweenness centrality and straightness centrality are both polycentric, with a relatively strong polycentricity for the global straightness centrality. The global street centrality is significantly correlated with functional areas of residential, commercial and service facilities, and administration and public services, while its relationships with other functional land use areas are relatively weak. In the meantime, street centrality has little correlation with the urban mixed land use, which indicates that the accessibility, convenience and other advantages of road network have no significant influence on the urban mixed land use in Beijing central city. Under the influence of bid rent of land price and residents' housing choices, the global street centrality is more related with the residential area than the areas of commercial and service facilities and administration and public services. In such a context, this means that it is more transit-oriented for residential area, which is different from the situation in the American and European cities. Furthermore, under the influence of residents' travel habits, the areas of residential, commercial and service facilities have the closest relationship with global betweenness centrality, but administration and public services areas have the closest relationship with global straightness. The aforementioned results imply that street centrality can capture the spatial distribution of urban functional land use and provide a valuable guidance for transportation and land use planning.

Keywords:street centrality;functional urban land use;the multiple centrality assessment;Beijing central city

-->0
PDF (10528KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
吕永强, 郑新奇, 周麟. 路网中心性与城市功能用地空间分布相关性研究——以北京城市中心区为例[J]. , 2017, 36(7): 1353-1363 https://doi.org/10.11821/dlyj201707013
LV Yongqiang, ZHENG Xinqi, ZHOU Lin. Relationships between street centrality and spatial distribution of functional urban land use: A case study of Beijing central city[J]. 地理研究, 2017, 36(7): 1353-1363 https://doi.org/10.11821/dlyj201707013

1 引言

作为城市复杂系统的重要组成部分,交通网络与土地利用共同作用于城市空间结构的演化[1],相应的,两者之间的互动关系及协调性研究也一直是地理学、城乡规划学、区域经济学等领域的研究重点。随着城市化进程不断加深,交通网络的变动对人流、车流的集聚与扩散起到越来越明显的作用,进而影响着城市功能用地空间分布格局[2]。因此,研究交通系统对城市功能用地空间的分布影响,提取不同城市功能用地的交通网络指向性意义重大,不仅有助于提升路网效率、缓解交通拥堵,还对揭示城市功能用地空间分布规律、优化功能用地空间布局、盘活存量建设用地、提升土地利用效率等具有重要 意义。
中心性是解读交通网络空间特征的关键指标之一,对了解城市运行与发展具有重要意义[3],其在城市规划、城市地理研究的各个方面(交通流、人口、健康、土地利用等)取得了广泛应用[4-6]。中心性概念最早出现在结构社会学中[7,8],位于关系网络中心的个体对整个关系网络具有较强的控制力与影响力。中心性概念也存在于复杂网络的相关研究中[9],度、临近性、中介性等指标被用于测度复杂网络的中心性。空间句法基于可视性与集成性构建具有拓扑关系的道路网络[2,10],通过整合度和穿行度指标衡量路网的中心性;多中心评价模型(MCA)将道路网络的真实距离引入道路网络模型中,通过测算节点在路网中的重要程度来反应节点中心性。空间句法与多中心评价模型常用与解读经济活动、土地利用强度的交通网络特征,两种方法相比,多中心评价模型采用米制距离代替拓扑距离,使得计算结果更具可靠性和现实意义[11]。随着计算工具与软件的完善[12,13],多中心评价模型在城市各个研究领域成果不断丰富。
Porta等探索了交通网络中心性与博洛尼亚商业、服务业活动[3]以及巴塞罗那不同产业经济活动[14]空间分布的相互关系;Wang等发现交通网络中心性与人口、就业空间分布具有较强的相关性[15];Liu等对武汉市道路网络中心性与建筑、经济活动空间分布的相关性进行研究[16];陈晨等发现交通网络中心性对沈阳市第三产业经济密度[6]、长春市商业网点空间布局[17]具有决定性影响,并使用中心性指标对大型综合医院[18]以及沈阳市避灾绿地[19]的交通网络可达性进行了研究;以上研究均采用多中心评价模型测算道路网络的中心性。土地作为一切城市活动的载体,城市系统人口、就业等诸要素的流动剧烈,最终反映为土地利用功能的变化,探索道路中心性与城市功能用地空间分布的相关性在城市研究中显得尤为重要,但现有研究较少。Rui等发现通道路中心性对斯德哥尔摩地区不同土地利用类型的空间分布具有显著影响[1],Liu等发现武汉市道路网络中心性影响区域土地类型景观的空间分布[20]。综上所述,道路中心性与土地空间分布相关性的研究日益增多,但现有研究主要集中于区域尺度,用地类型划分较为粗糙,缺乏对路网中心性与城市内部详细功能用地类型相互关系的研究。
本文以北京六环路以内城市中心区作为研究对象,基于米制距离的道路网络数据集,利用多中心评价模型(MCA)测度路网全局、局部中心性,并对其空间分布特征进行解读;分析不同城市功能用地空间分布的网络中心性特征,并与欧美相关研究进行对比,总结中国城市独特的城市功能用地交通网络特征。本文从路网中心性角度出发,研究北京中心城区大类城市功能用地的交通可达性特征,既可进一步丰富现有多中心评价模型研究案例,又可发现更微观的城市功能用地分布特征,深化对北京市城市功能与交通布局的认识。

2 研究方法与数据来源

2.1 数据来源与处理

北京市行政区域总面积约为16410 km²,其中,城市建成区主要为中东南部的平原地区,建国以来,北京市建设用地依托城市环路逐渐扩张,六环以内城市区域交通发展完善,城市公路交通便利;土地利用类型复杂,各种城市用地混合分布,因此,本文将北京市六环以内区域视为城市中心区,并以其作为研究区(图1a)。
显示原图|下载原图ZIP|生成PPT
图1研究区示意图
-->Fig.1The study area
-->

本文数据主要包括北京市公路路网数据集与北京市城市规划功能用地数据集。依托高德地图,利用ArcGIS软件对城市路网进行矢量化,构建北京市城市中心区路网数据集。地铁运行与公路运行方式并不一致,本文仅选取路面交通进行分析;考虑到研究区域的范围,道路主要包括城市快速路、主干道与次干道三级,道路长度采用米制距离(单位:km)进行计算。公路路网数据库进行拓扑校正,构建了基本层级(primary representation)的道路网络数据集,在路网数据集中,道路网络由边与节点构成,北京市城市中心区路网数据集由12879条道路边与8319个连接点组成(图1b)。
北京市城市功能用地数据集是在对《北京市城市总体规划(2004-2020)》土地利用现状图进行矢量化的基础上,以谷歌地球高清遥感图、百度POI数据点以及实际调查为依托,对土地利用现状图进行人工更新,获取2015年度北京市土地利用现状图,并按照研究目的与《城市用地分类与规划建设用地标准(GB50137-2011)》提取研究所需的城市功能用地类型,具体分类如表1所示。本文以城市建设用地为分析对象,对非城市建设用地(X)不做分析;路网为提取的城市道路中心线,因此分析中剔除道路与交通设施用地(S),选取剩余城市功能用地进行研究。
Tab.1
表1
表1城市功能用地分类代码表
Tab.1Codes of different functional urban land use types
用地类别名称代码
居住用地R
公共管理与公共服务用地A
商业服务业设施用地B
工业用地M
物流仓储用地W
公用设施用地U
绿地与广场用地G
道路与交通设施用地S
非城市建设用地X


新窗口打开

2.2 研究方法

2.2.1 道路网络中心性测算 选取相关研究中常用的临近中心性、介数中心性、直达中心性三个指标,依托ArcGIS平台,使用道路网络分析工具(UNA)测度邻域范围R内北京城市中心区的道路网络中心性,计算结果用于核密度估计、相关性分析。
临近中心性通过计算节点i与其他所有节点的最短距离的倒数来描述节点的重要程度:
Ci,RC=N-1dij(1)
式中: Ci,RC表示临近中心性; dij表示节点ij之间的最短路径。
介数中心性通过计算节点对之间最短路径通过节点i的次数来描绘节点的重要程度,节点i介数中心性越大,表明此节点交通流量越高。
Ci,RB=1(N-1)(N-2njiknjk(2)
式中: Ci,RB表示介数中心性; njk表示节点jk之间最短的路径数量; njik为节点jk之间最短路径通过节点i的数量。
直达中心性通过计算节点i与其他节点之间的最短路径距离与直线距离之间比值的平均值来计算节点的重要性,节点i直达中心性越大,表明此点交通效率越高。
Ci,RS=1(N-1)dijEucldij(3)
式中: Ci,RS表示直达中心性; dij表示节点ij之间最短路径距离; dijEucl表示节点ij之间的欧几里得距离。
为减少边界效应对分析结果的影响并分析道路网络的局部特征,在全局的路网中心性指数的基础上,对局部路网中心性进行计算。根据居民出行方式与通勤时间关系,分别选取机动车出行10 min、20 min的距离作为搜索半径计算局部路网中心性指数,机动车出行平均距离采取《2015年北京交通发展年报》中北京市早晚高峰的路网平均速度26.2 km/h进行测算,选取4 km、8 km作为局部路网中心性搜索半径。
2.2.2 核密度计算 为将不同数据结果纳入同一分析框架,分析其空间分布的相互关系,需采用空间平滑或插值的方法对道路网络中心性与不同城市功能用地面积数据进行栅格化处理。不同的平滑或差值方法对相关性分析影响并不显著[20],为方便性考虑,选用ArcGIS平台集成的核密度估计(KDE)方法进行数据平滑。
核密度方法是非参数估计的一种,通过计算输出栅格单元不同邻域范围内离散点要素的密度,在核密度分析过程中,距离栅格中心点距离越远,点权重越小,本文使用定义带宽的方式计算核密度。在计算过程中,对核密度带宽在默认值(输出空间参考中输出范围的宽度或高度的最小值除以30)的基础上多次调试,在默认值的基础上分别增减200 m、400 m、800 m进行试验,利用ArcGIS波段集统计工具快速计算结果之间的相关性,发现其两两之间空间相关性均大于0.96,因此在相关性分析中,带宽的选取对计算结果无显著影响。在综合考虑平滑程度与细节详细程度的基础上,选取带宽为1800 m(默认宽带值取整),输出核密度结果图空间分辨率为100 m。
道路网络分析工具测度出每个节点的道路中心性指标,本文以节点中心性指标作为权重对道路网络节点进行核密度分析;对于土地利用面数据,以每个面状土地利用类型图斑的面积作为权重,利用其中心点进行核密度分析。
2.2.3 相关性计算 核密度分析所产生的中心性与土地利用密度图覆盖全部研究区,因此部分地区土地利用核密度值为零,对相关性分析产生影响。为分析各城市功能用地的空间分布的交通指向性,仅选取土地利用类型核密度值不为零的点进行核密度分析,利用SPSS 18.0,采用Pearson相关系数计算不同中心性指数与城市功能用地空间分布的相关性。

3 结果分析

本文利用UNA软件在ArcGIS平台下对构建的北京市六环道路网路进行全局与局部中心性的测算,共计9个道路网络中心性指数(全局中心性指数3个,局部中心性指数6个);采用核密度分析的方法,对9个道路网路中心性指数与7种城市功能用地类型密度综合到统一数据分析框架中;借用ArcGIS软件中“Extract Multi Values To Points”功能,可获取每一个栅格单元的16个核密度分析值;对北京市六环道路网络中心性及不同功能用地空间分布特征进行分析,探索道路中心性与功能用地空间分布的相关性。

3.1 道路网络中心性空间特征解读

受研究区域形态与北京市环状路网空间布局的影响,全局临近中心性呈现出清晰的“中心—外围”模式(图2),高值区集中在北京市三环以内,此区域的节点到所有节点的平均距离最小。在核密度分布图中,可以明显看出北京市中心皇城对城市中心的分割作用,全局临近中心性围绕天安门呈现双核心分布,其两个高值核心区位于西城区金融街与朝阳区CBD附近,这与前人对北京市空间结构的研究相符[21]。全局临近中心性的空间分布符合距离衰减定律,城市交通网络的临近中心性带动了城市单中心结构的形成。
显示原图|下载原图ZIP|生成PPT
图2路网中心性及其核密度空间分布图
-->Fig. 2The spatial distribution of three street centralities and their kernel density estimations
-->

与全局临近中心性相比,全局介数中心性呈现多中心分布,除中心环状分布的高值区域以外,奥运村、学院路、西三旗街道交汇地带(北五环与京藏高速相交处),永定路街道(北京南站附近)以及潘家园、十八里店街道(南三环与京沪高速相交处)道路介数中心性也较高,这些高值区共同构成了北京城市中心区全局临近中心性的多中心结构;全局介数中心性高值主要沿高速(京港澳高速、京藏高速、机场高速等)和环路(二环、三环、四环)分布,高等级的公路表现出更强的介数中心性,城市内部通勤较大程度上使用了这些道路,其内部交通流量大、通勤度较高,吸引人口、产业的集聚,促使城市向多中心方向发展。全局直达中心性呈现出比介数中心性更强的多中心结构,除中心城区双中心的高值分布区域之外,北京市北部的德胜街道、海淀—中关村街道、酒仙桥街道、大屯街道清河街道北部、来广营街道西南部等地区,南部的太平桥街道、永定门街道、新村街道等交通网络直达性较高,这些地区到达北京市其他区域的交通效率较高。
局部中心性指数仅对搜索半径内的节点进行分析。其中,局部临近中心性表示局部范围内点到其他节点距离的倒数,因此受节点密集程度与点间距离的影响,如外围部分地区局部范围内点数量少但点间距离较短,此处节点往往具有较大的局部中心性。局部临近中心性总体上分布较为离散,不具备明显的空间特征。局部介数中心性与局部直达中心性分别代表节点在局部交通网络中的流量与效率,除受节点密集程度的影响,道路网络的空间结构对计算结果影响也非常显著,两个指数都表现为城市中心双核心高值集聚,外围低值分布的态势,可见中心区域道路在局部范围内仍具有较强的交通流量和交通效率,城市外围道路局部交通流量、效率较弱。对比全局与局部介数中心性与直达中心性发现,全局指数的外围局部中心是城市整体交通影响下的结果,在局部交通网络中的作用不显著。

3.2 不同城市功能用地空间分布特征解读

对北京城市中心区功能用地结构以及空间布局进行分析,结果如表2图3所示。各城市功能用地中,居住用地、绿地与广场用地所占比重最大,约为12%,居住用地空间分布呈现“中心高度集聚—外围多核心分布”的空间态势,绿地与广场用地呈现明显的环状分布特征,城市中心有少量用地分布,高值区只要集中在四环、五环附近。
Tab.2
表2
表2城市功能用地结构表
Tab.2The structure table of functional urban land use
用地类型面积(hm2占比(%)
居住用地28085.5412.10
商业服务业设施用地7312.583.15
公共管理与公共服务用地13204.485.69
工业用地10943.694.71
物流仓储用地2816.351.21
公用设施用地2726.921.17
绿地与广场用地28377.3812.23
道路与交通设施用地34269.4214.77
非城市建设用地104376.5844.97


新窗口打开
公共管理与公共服务用地以及工业用地、商业服务业设施用地比重次之,商业服务业设施用地、公共管理与公共服务用地呈现明显的多中心分布,除城市中心高密度用地之外,城市外围零散分布着部分高密度区域。北京市中心城区工业用地比重仍高于商业用地,但工业用地郊区化现象明显,用地主要分布在城市外围。物流仓储用地与公用设施用地所占比重最小,且表现出郊区化分布特征。
显示原图|下载原图ZIP|生成PPT
图3北京市不同城市功能用地核密度空间分布图
-->Fig.3Kernel density estimations of different functional urban land use in Beijing
-->

3.3 道路网络中心性与城市功能用地空间分布相关性探讨

使用Pearson相关系数计算不同中心性指数与城市功能用地空间分布的相关性,SPSS 18.0软件计算的相关系数矩阵如表3所示。
Tab.3
表3
表3不同道路网络中心性与功能用地核密度Pearson相关系数
Tab.3Pearson's correlation between kernel density estimations of different street centrality and functional urban land use
指标RBAUGWMMIXED
CC_global0.592**0.443**0.466**0.082**0.022**-0.067**-0.155**0.143**
CB_global0.548**0.403**0.474**0.041**0.014**-0.131**-0.164**0.096**
CS_global0.594**0.443**0.435**0.097**0.033**-0.010**-0.147**0.156**
CC_4 km0.067**0.047**-0.028**0.031**-0.048**0.017**-0.054**0.142**
CB_4 km0.445**0.402**0.398**0.027**-0.063**-0.091**-0.136**0.037**
CS_4 km0.523**0.432**0.451**0.045**-0.035**-0.080**-0.152**0.065**
CC_8 km0.160**0.133**0.041**0.042**-0.098**0.108**-0.058**0.133**
CB_8 km0.508**0.422**0.460**0.031**-0.039**-0.115**-0.155**0.046**
CS_8 km0.559**0.435**0.482**0.054**-0.011-0.107**-0.159**0.095**

注:**表示在 0.01 水平上显著相关。
新窗口打开
对全局道路中心性指标与不同城市功能用地空间分布相关系数分析发现,道路网络中心性与居住用地、商业服务业设施用地、公共管理与公共服务用地、公共设施用地、绿地与广场用地具有正的相关性,与工业用地与物流仓储用地总体上具有负的相关性。在各类城市功能用地中,道路中心性与居住用地、商业服务业设施用地以及公共管理与公共服务用地的相关性显著大于其他四种用地类型,其中又以居住用地的相关系数最高。欧美城市各类商业设施与路网具有较强的相关性[3,14],且商业用地的中心性强于居住等其他用地类型[1],北京市中心城区功能用地交通指向性表现出中国大城市独有的特征。
随着北京市常驻人口的迅猛增长与土地价格的逐渐攀升,开发商为增加效益,房地产建设主要以高密度住宅为主,且高密度住宅往往伴有底商,这与欧美低密度的居住用地类型具有显著区别[22];我国人口郊区化过程,一般以市民与外来人口的郊区化为主,且城市中心区仍是主要的就业集聚区,居民出行中心指向性明显[23],因此造成城市严重的职住分离现象,交通便利性是居民住宅选择的重要因素,进一步影响居住用地选址[24]。道路中心性较强的区域具有更高的土地价格,在竞租机制效应下,竞租能力强的城市功能用地分布在城市中心性较高的地区[25],随着北京住房价格的逐渐攀升,交通可达性对房地产升值的外部效应明显[26],因此居住用地更倾向于分布在道路中心性较强的区域。工业用地与所有道路网络中心性表现出负的相关性关系,但相关性并不强,受北京市相关政策的影响,工业郊区化现象逐渐发展(如首钢外迁等),且在外围形成了新的集聚中心,且工业用地需要占用较大规模的用地,因此多分布于交通网络稀疏的地区。本文利用熵值法[27]计算了七种城市功能用地混合程度,并分析其与路网中心性的关系,结果表明,全局道路中心性与土地利用混合度相关性较低,因此,对北京城市中心区而言,路网通达性、便利性等优势并不会引起土地混合利用。
针对与道路中心性相关性较强的居住用地、商业服务业设施用地、公共管理与公共服务用地进行深入分析,三种功能用地与不同全局道路中心性指标的相关程度表现出不同特征。居住用地与商业服务业设施用地的直达中心性强于临近中心性强于介数中心性,这与部分****关于欧美城市的研究差异较大[1,3]。直达中心性代表道路的交通效率,介数中心性代表城市的交通流量,由于北京市交通拥堵现象严重,交通流量较高的地方代表较大的机会出现交通拥堵,加之城市居民的目标导向的出行习惯[28],具有更高交通效率的道路与较强经济价值土地类型之间的相关程度较高。临近中心性的中心—外围结构体现了北京市的单中心城市空间结构与城市蔓延,虽然随着城市逐渐扩展,北京市逐渐表现出多中心的空间结构,但城市用地仍受单中心城市空间结构的较强影响。
公共管理与公共服务用地主要包括行政、文化、教育、体育、卫生等机构和设施用地,其功能决定此类用地为大众使用与服务,区位选择偏向于道路通勤性较高、具有较强的交通流量的地区,因此公共管理与公共服务用地与全局介数中心性的相关性最强。公共管理与公共服务用地的使用单位多为政府部门、事业单位,多由政府直接批复划拨,在城市规划过程中会被优先满足,选址多位于距离市中心距离较近的优质地块,与临近中心性的相关性也较强。
三种功能用地与局部介数、直达中心性的相关程度较强,与局部临近中心性的相关性较弱;且相关性程度局部直达中心性均大于局部介数中心性,可见居民目的性出行习惯对局部范围的城市功能用地布局的影响也较为明显。居住用地与局部道路网路介数、直达中心性的相关性总体上小于全局中心性,随着搜索半径的增大,相关性逐渐增强;局部道路中心性虽对居住用地空间分布有较强影响,但是其影响程度不及全局道路中心性,因此,对北京中心区而言,居住用地的规划、调整应着眼于其在整个城市空间中的作用。当搜索半径为8 km时,商业服务业设施用地的局部介数中心性强于全局介数中心性,这与商业服务业设施用地的服务半径有关,局部交通流量对商业服务业用地的布局的影响大于全局交通流量;与之相对,公共管理与公共服务用地局部介数中心性弱于全局介数中心性,公共管理与公共服务用地的服务范围要大于商业服务业用地。在直达中心性上,两种功能用地表现出与介数中心性相反的特征,局部直达中心性对公共管理与公共服务用地的影响强于全局直达中心性,可见公共管理与公共服务用地分布对局部交通效率的依赖程度更高。

4 结论与讨论

本文基于多中心评价模型,综合运用临近中心性、介数中心性、直达中心性等指数对道路网络中心性的空间特征进行分析,并采用核密度估计、Pearson相关系数等方法探讨了其与城市内部主要功能用地空间分布的相互关系,得出的主要结论如下:
(1)北京城市中心区道路多中心特征初步显现,但次中心的局部影响力不足。路网全局临近中心性表现出单中心特征。同时,从介数与直达中心性角度来看,北京城市中心区在交通流量与便捷度方面已表现出明显的多中心特征,但现有外围次中心在局部道路网络中作用不显著,次中心的形成是整体交通网络作用下的结果。
(2)北京城市中心区不同土地功能用地表现出明显的交通指向性。居住用地、商业服务业设施用地以及公共管理与公共服务用地趋向于分布在路网中心性较高的地区,且受竞租机制与居民住房选择的影响,居住用地与全局道路中心性的相关性强于商业服务业设施用地以及公共管理与公共服务用地,表现出区别于西方城市的独特特征;工业、物流仓储用地远离城市主要道路网络,表现出负的相关性;全局道路中心性与土地混合利用程度的相关性较小,路网通达性、便利性等优势对土地混合利用的影响不显著。
(3)居民出行习惯、方式等对城市功能用地的交通区位选择影响显著。在北京市职住分离与交通拥堵影响下,居民出行多基于工作与事务目的,普遍表现出目标导向习惯[29],机动车出行比例较高[28],居住用地与商业服务业设施用地的直达中心性强于临近中心性强于介数中心性,交通便捷程度对居住用地布局影响更强;公共管理与公共服务用地为增强其公共服务能力,倾向于分布在道路通勤性较高,具有较强的交通流量的区域,其与全局介数中心性的相关程度更强。
通过研究发现,城市内部不同功能用地空间布局存在较强的交通导向特征,通过对其规律的总结与国外城市的对比,可为城市交通、土地利用规划等带来一定启示。① 中心城区的金融街与朝阳CBD区域路网在全局与局部都具有较大交通流量,因此要从路网结构方面对中心城区路网进行综合调整,缓解交通拥堵。② 城市路网改造升级是城市建设中的重要工作,路网规划调整要为城市功能服务,因此从城市功能可达性视角分析交通利用效率、评估现有及规划路网显得尤为必要。③ 进一步加大六环沿线周边路网密度,促进城市中心组团与通州、房山等外围区县中心的联系,完善城市多中心空间结构。④ 国外城市多注重城市土地的混合利用,但目前国内城市对土地混合利用的重视不够,因此应引导不同城市功能的合理混合,提高用地功能多样性,构建城市功能新格局。
本文仅是对城市中心区功能用地空间分布与道路网络相关性的初期探索,城市功能用地也仅对城市建设用地分类中的主要大类进行研究,可进一步对更详细城市功能用地分类与路网中心性的关系进行探索;北京市城市轨道交通建设的逐步完善使得轨道交通在城市形态中的作用越来越显著,因此综合考虑路面交通与轨道交通对城市功能用地空间布局的影响将是下一步研究重点。
The authors have declared that no competing interests exist.

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]Rui Y, Ban Y.Exploring the relationship between street centrality and land use in Stockholm
. International Journal of Geographical Information Science, 2014, 28(7): 1425-1438.
[本文引用: 4]
[2]Jiang B, Claramunt C.A structural approach to the model generalization of an urban street network
. GeoInformatica, 2004, 8(2): 157-171.
[本文引用: 2]
[3]Porta S, Latora V, Wang F, et al.Street centrality and densities of retail and services in Bologna, Italy
. Environment & Planning B Planning & Design, 2009, 36(3): 450-465.
[本文引用: 4]
[4]Wilson A G.Complex spatial systems: The modelling foundations of urban and regional analysis
. New York: Pearson Education, 2000.
[本文引用: 1]
[5]Crucitti P, Latora V, Porta S.Centrality measures in spatial networks of urban streets
. Physical Review E, 2006, 73(3): 1-5.

[6]陈晨, 程林, 修春亮. 沈阳市中心城区交通网络中心性及其与第三产业经济密度空间分布的关系
. 地理科学进展, 2013, 32(11): 1612-1621.
[本文引用: 2]

[Chen Chen, Cheng Lin, Xiu Chunliang.Distribution of centrality of traffic network and its relationship with economic density of tertiary industry in Shenyang
. Progress in Geography, 2013, 32(11): 1612-1621.]
[本文引用: 2]
[7]Bavelas A.A mathematical model for group structures
. Human Organization, 1948, 7(3): 16-30.
[本文引用: 1]
[8]Wasserman S, Faust K.Social Network Analysis: Methods and Applications.Cambridge: Cambridge University Press, 1994. [本文引用: 1]
[9]Boccaletti S, Latora V, Moreno Y, et al.Complex networks: Structure and dynamics
. Complex Systems & Complexity Science, 2006, 424(4): 175-308.
[本文引用: 1]
[10]Hillier B, Yang T, Turner A.Normalising least angle choice in Depthmap - and how it opens up new perspectives on the global and local analysis of city space
. Journal of Space Syntax, 2012, 3(2): 155-193.
[本文引用: 1]
[11]Porta S, Crucitti P, Latora V.The network analysis of urban streets: A primal approach
. Environment & Planning B: Planning & Design, 2005, 33(5): 705-725.
[本文引用: 1]
[12]Brandes U.A faster algorithm for betweenness centrality
. Journal of Mathematical Sociology, 2001, 25(2): 163-177.
[本文引用: 1]
[13]Sevtsuk A, Mekonnen M.Urban network analysis. A new toolbox for ArcGIS
. Revue Internationale De Géomatique, 2012, 22(2): 287-305.
[本文引用: 1]
[14]Porta S, Latora V, Wang F, et al.Street centrality and the location of economic activities in Barcelona
. Urban Studies, 2012, 49(7): 1471-1488.
[本文引用: 2]
[15]Wang F, Antipova A, Porta S.Street centrality and land use intensity in Baton Rouge, Louisiana
. Journal of Transport Geography, 2011, 19(2): 285-293.
[本文引用: 1]
[16]Liu Y, Wei X, Jiao L, et al.Relationships between street centrality and land use intensity in Wuhan, China
. Journal of Urban Planning & Development, 2015, 142(1): 1-12.
[本文引用: 1]
[17]陈晨, 王法辉, 修春亮. 长春市商业网点空间分布与交通网络中心性关系研究
. 经济地理, 2013, 33(10): 40-47.
[本文引用: 1]

[Chen Chen, Wang Fahui, Xiu Chunliang.The relationship between the spatial distribution of commercial networks and street centrality in Changchun
. Economic Geography, 2013, 33(10): 40-47.]
[本文引用: 1]
[18]陈晨, 修春亮. 基于交通网络中心性的长春市大型综合医院空间可达性研究
. 人文地理, 2014, 31(5): 81-87.
[本文引用: 1]

[Chen Chen, Xiu Chunliang.Spatial accessibility of large general hospitals in Changchun city center based on street network centrality
. Human Geography, 2014, 31(5): 81-87.]
[本文引用: 1]
[19]陈晨, 修春亮. 基于交通网络介数中心性的沈阳市避灾绿地可达性
. 中国园林, 2016, 32(3): 122-127.
[本文引用: 1]

[Chen Chen, Xiu Chunliang.Accessibility of disaster prevention green space in Shenyang based on betweenness centrality
. Chinese Landscape Architecture, 2016, 32(3): 122-127.]
[本文引用: 1]
[20]Liu Y, Wang H, Jiao L, et al.Road centrality and landscape spatial patterns in Wuhan Metropolitan Area, China
. Chinese Geographical Science, 2015, 25(4): 511-522.
[本文引用: 2]
[21]孙铁山, 王兰兰, 李国平. 北京都市区人口—就业分布与空间结构演化
. 地理学报, 2012, 67(6): 829-840.
[本文引用: 1]

[Sun Tieshan, Wang Lanlan, Li Guoping.Distributions of population and employment and evolution of spatial structures in the Beijing Metropolitan Area
. Journal of Geographical Sciences, 2012, 67(6): 829-840.]
[本文引用: 1]
[22]任宏, 金海燕. 城市住宅高度形态的合理选择研究
. 城市发展研究, 2011, 18(8): 135-139.
[本文引用: 1]

[Ren Hong, Jin Haiyan.Study on reasonable choice about the form of urban residential height
. Urban Problems, 2011, 18(8): 135-139.]
[本文引用: 1]
[23]孟斌, 于慧丽, 郑丽敏. 北京大型居住区居民通勤行为对比研究: 以望京居住区和天通苑居住区为例
. 地理研究, 2012, 31(11): 2069-2079.
[本文引用: 1]

[Meng Bin, Yu Huili, Zheng Limin.The analysis of commuting behavior in the huge residential districts: A case study of Wangjing and Tiantongyuan in Beijing
. Geographical Research, 2012, 31(11): 2069-2079.]
[本文引用: 1]
[24]何丹, 金凤君. 北京市住宅价格的影响因素和轨道交通效应
. 地域研究与开发, 2014, 33(5): 59-64.
[本文引用: 1]

[He Dan, Jin Fengjun.Impact factors and rail transit effects of urban housing prices in Beijing
. Areal Research & Development, 2014, 33(5): 59-64.]
[本文引用: 1]
[25]聂冲, 温海珍, 樊晓锋. 城市轨道交通对房地产增值的时空效应
. 地理研究, 2010, 29(5): 801-810.
[本文引用: 1]

[Nie Chong, Wen Haizhen, Fan Xiaofeng.The spacial and temporal effect on property value increment with the development of urban rapid rail transit: An empirical research
. Geographical Research, 2010, 29(5): 801-810.]
[本文引用: 1]
[26]马佐澎, 李诚固, 张婧, . 长春市各级交通路线对城市功能用地变化的作用效应关系研究
. 地理研究, 2016, 35(9): 1687-1700.
[本文引用: 1]

[Ma Zuopeng, Li Chenggu, Zhang Jing, et al.The relationship between different types of traffic route and functional urban land use in Changchun
. Geographical Research, 2016, 35(9): 1687-1700.]
[本文引用: 1]
[27]Mercado R, Páez A.Determinants of distance traveled with a focus on the elderly: A multilevel analysis in the Hamilton CMA, Canada
. Journal of Transport Geography, 2009, 17(1): 65-76.
[本文引用: 1]
[28]沈体雁, 周麟, 王利伟, . 服务业区位选择的交通网络指向研究: 以北京城市中心区为例
. 地理科学进展, 2015, 34(8): 947-956.
[本文引用: 2]

[Shen Tiyan, Zhou Lin, Wang Liwei, et al.Traffic network point of services location choice: A case study of the central city area of Beijing
. Progress in Geography, 2015, 34(8): 947-956.]
[本文引用: 2]
[29]赵莹, 柴彦威, 关美宝. 中美城市居民出行行为的比较: 以北京市与芝加哥市为例
. 地理研究, 2014, 33(12): 2275-2285.
[本文引用: 1]

[Zhao Ying, Chai Yanwei, Kwan Meipo.Comparison of urban residents' travel behavior in China and the U.S.: A case study between Beijing and Chicago
. Geographical Research, 2014, 33(12): 2275-2285.]
[本文引用: 1]
相关话题/城市 交通 道路 网络 空间