, 梁燕Spatial clustering analysis of service industries in Zhengdong New District based on POI data
LIJiangsu, LIANGYan收稿日期:2017-07-2
修回日期:2017-11-21
网络出版日期:--
版权声明:2018《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (12752KB)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-->
1 引言
近年来,国内的城市服务业发展迅速,服务业在城市产业结构中占据主导地位,成为拉动城市经济增长、调整城市经济结构和塑造城市内部空间格局的重要力量[1];城市服务业空间格局研究作为服务业研究的重要领域,不仅对城市规划的制定和修订十分重要,而且对服务业空间布局的优化,促进城市服务经济的形成也具有重要意义。二战以后,发达国家城市服务经济快速发展,伴随着发达国家城市郊区化现象的愈发普遍,城市服务经济活动的空间分布格局亦备受关注。Coffey等围绕高级服务业（high-order services,如商业服务、金融、保险和总部服务等[2]）在郊区化进程中呈现单中心、多中心还是分散化的集聚与扩散模式展开研究[2,3,4,5]。与发达国家相比,由于中国城镇化发育程度低,郊区化出现晚且发育不充分[6];国内****关于城市内部服务业空间布局的研究,较多探讨城市内部生产性服务业的空间聚集特征及机理[7,8,9,10,11]。由于统计数据获取和研究视野等多种因素的制约,已有研究大多是对高级服务业、生产性服务业的聚集和扩散现象进行阐释,很少从服务业总体和分行业的角度出发,全面探讨城市内部的服务业空间格局,且相关结论对某几个服务行业发挥效用,不能对城市服务业空间优化形成全面指导。
服务业作为城市新区重要的产业组成部分,它是塑造新区内部空间格局的重要力量。服务业空间格局既是新区规划中划分功能区的基础,随着规划的实施和服务业的进一步发展,服务业空间格局又是检验规划中功能区的产业定位是否合理的依据。随着中国城市化进程的推进,母城空间发展日趋受阻,城市外延式扩展（新区建设）成为城市空间拓展的重要组成部分。城市新区在空间上毗邻母城（雄安新区例外,属飞地型城市新区）,和母城有明显的空间界限,在功能上能够分担母城的部分居住和产业功能[12,13]。城市新区在本质上和母城一样,属于城市空间载体,承担着政治、经济和文化等综合职能。目前,学界对城市新区的研究视野集中在新区的概念[12,13]、空间结构[14,15]、功能定位[16,17,18]以及新区规划[19]等方面,鲜有研究将视野进一步拓展至新区内部服务业空间布局问题。由于新区的开发建设时序晚于母城、开发建设的时间过程短于母城;对于这类特定的区域,城市新区规划中功能区的产业定位是否合理?这对城市新区未来发展至关重要。研究城市新区服务业空间格局,有利于对现有城市规划中功能区的产业定位进行验证,同时也为优化功能区产业结构以及服务业差异化发展提供科学依据。
以人类社会经济活动为主要研究对象的人文—经济地理学与当前大数据建设和发展趋势具有高度一致性,大数据的发展对丰富和完善人文—经济地理学起到积极的推动作用[20]。目前,关于服务业空间布局的研究大多依赖于官方统计数据;通常,官方统计数据是自上而下的数据结构[20],不能满足服务业空间布局精细化研究的需要,而大数据具有“要全体不要抽样”的特征,数据呈现的具体形态、格局反映的就是真实世界[20]。兴趣点数据（Point Of Interest,POI）是在地理信息系统中表示地理对象的术语,它是日常生活中用到的地理实体,如银行、商场、学校、医院等[21]。POI数据与官方统计数据相比,具有独特的“定位”特征（包含经纬度及地址）,体现了较高精度,它能精细化且真实地反映人类社会经济活动。起初****主要集中于对POI数据的获取、更新的探讨,随着POI数据获取和更新技术的日趋成熟[22,23],POI数据被应用于地理现象的实践研究中。目前,POI数据在人文—经济地理学中的应用处于探索阶段,POI数据被零星地用于游客空间格局研究、城市规划实践、区域通达度研究、商务空间布局研究以及零售商业中心热点识别等领域[24,25,26]。
本文以郑东新区的POI数据为支撑,采用DBSCAN算法,借助Matlab和ArcGIS软件,全面对郑东新区服务业的总体及分行业空间布局进行研究,以克服传统官方数据的弊端,拓宽了城市服务业空间格局研究的视野;借助研究结果对郑东新区规划中功能区的产业定位合理与否进行反思,提出功能区产业结构的优化思路,为郑东新区服务业空间结构改善以及促进服务业发展提供依据。
2 研究方法与数据来源
2.1 研究区概况
郑东新区位于郑州市东部,是河南省郑州市规划建设中的一个城市新区。依据最新的规划,郑东新区未来将打造8个功能区（图1）：① CBD核心区,是郑州市的中央商务区,也是郑东新区的金融、会展、商业、文化中心;② 商住物流区,是CBD的功能支撑区,是郑东新区的行政办公和物流产业集聚区;③ 龙湖区,主要为市民提供休闲、娱乐的场所;④ 龙子湖高校园区,主要用于发展高等院校集群;⑤ 科技物流区,主要用于安排科研院所和研发机构,致力于开发IT、科技研发等高新技术产业;⑥ 北部科教新城区,主要布局总部经济、教育服务、科技研发和文化旅游;⑦ 白沙园区,是以电子信息和现代服务业为主导产业,主要发展方向是大数据及其应用产业、总部科研、电子商务、精准医疗等;⑧ 现代农业区,主要以发展都市农业和现代农业为核心的承载区。
显示原图|下载原图ZIP|生成PPT图1郑东新区地理位置及功能区示意图
-->Fig. 1Location and functional partition of Zhengdong New District
-->
2.2 数据来源
2017年5月8日从高德地图提取的郑东新区的POI数据,共计28514个兴趣点,按照《国民经济行业分类与代码（GB/4754-2011）》,本文将所有POI数据归纳为14类,具体如表1所示。Tab. 1
表1
表1POI数据的服务业行业分类
Tab. 1Service sector's classification of POI data
| 序号：行业分类 | 数量（个） | POI数据内容 |
|---|---|---|
| a:批发和零售 | 11024 | 商场、超市、便利店、家电卖场、药店、加油站、加气站、其他能源站、充电站、花鸟鱼虫市场、家居建材城、综合市场、体育文化用品店、服装鞋帽皮具店、专卖店、特卖场、化妆品店、汽车销售、摩托车销售、汽车摩托车零配件销售 |
| b:交通运输、仓储邮政 | 2375 | 汽车站、火车站、地铁站、机场、交通票销售网点、邮局、邮局速递、物流速递、物流仓储场地 |
| c:住宿和餐饮 | 5579 | 中餐厅、西餐厅、快餐厅、咖啡厅、茶艺馆、冷饮店、糕饼店、甜品店、宾馆、酒店、招待所 |
| d:信息传输软件和信息技术服务 | 123 | 中国移动、中国电信、中国联通、卫通、有线、宽带、电子商务平台 |
| e:金融保险 | 774 | 银行、证券公司、保险公司、财务公司、期货公司 |
| f:房地产 | 1369 | 商务写字楼、住宅小区、售楼中心、房地产中介、物业公司 |
| g:租赁和商务服务 | 682 | 汽车租赁公司、机械租赁公司、日用品租赁公司、旅行社、广告公司、律师事务所、会计事务所、评估事务所、认证事务所、专利事务所、人才市场 |
| h:科学研究和技术服务 | 174 | 研究院、研究所、实验中心、实验室、摄影扩印店 |
| i:水利环境和公共设施管理 | 105 | 旅游景点、公园、广场、动物园、植物园、水族馆、纪念馆、环卫中转站、公厕 |
| j:居民服务修理和其他服务 | 2404 | 美容美发、洗浴、汽车摩托车维修、日用品和家电维修、洗衣店、婚庆、殡葬、保洁 |
| k:教育 | 1134 | 幼儿园、小学、中学、大学院校、培训机构、成人教育、职业技术教育 |
| l:卫生和社会工作 | 578 | 医院、诊所、急救中心、疾病预防机构、动物医疗场所 |
| m:文化体育和娱乐 | 1343 | 博物馆、档案馆、期刊杂志社、运动场馆、娱乐休闲场所、度假疗养场所、彩票销售点、广播电视台、影剧院 |
| n:公共管理社会保障和社会组织 | 850 | 政府机关、社会团体、民主党派、公检法机构、交通车辆管理、工商税务机构 |
新窗口打开
本文所用的POI数据与生产生活密切相关,POI数量分布能够很好体现郑东新区不同服务行业的发展现状和差异,能够系统地反映服务业的空间特征。采用自然间断点分级法将所有行业的数量分为四个级别：批发和零售业介于5580~11024个;住宿和餐饮介于2405~5579个;公共管理社会保障和社会组织、教育、文化体育和娱乐、房地产、交通运输和仓储邮政、居民服务修理和其他服务介于850~2404个;水利环境和公共设施管理、信息传输软件和信息技术服务、科学研究和技术服务、卫生和社会工作、租赁和商务服务、金融保险的POI数量介于105~849个。
除了POI数据外,支撑本文的数据还包括研究区的边界图和道路分布图,数据来源于国家基础地理信息系统数据库。
2.3 研究方法
2.3.1 DBSCAN聚类算法 聚类是数据挖掘领域中的一个重要课题,其发展迅速,应用于许多研究领域,包括：统计学、生物学、机器学习、空间数据库技术等[27]。聚类方法被划分为以下几类：划分方法（如K-均值算法和CLARANS算法）、基于密度的方法（如DBSCAN和OPTICS）、层次方法（如BIRCH和CURE）、基于网格的方法（如STING和CLIQUE）及基于模型的聚类方法（如COBWEB和网络神经方法）。DBSCAN（Density-Based Spatial Clustering of Application with Noise）算法是密度聚类的典型代表,由Ester等提出的一种根据数据分布的密度进行聚类的方法[28]。DBSCAN算法最大的优点是聚类速度快,且能够有效处理噪声点并发现任意形状的空间聚类[29];此外,DBSCAN算法既能有效地解决数据量较大、兴趣点相互重叠遮盖的问题,又能在宏观角度上发现其分布规律且在细节层次上保留了数据的位置精度[21]。本文借助MATLAB软件,对DBSCAN算法进行编程,对郑东新区POI数据进行聚类分析。
DBSCAN算法主要涉及两个参数：minpoints和Eps。minpoints是用户经过多次实验淘汰了因设定的minpoints值过小,导致聚类结果中有少数的超级大的聚类簇和很多很小的簇情况,选取在所有聚类簇的大小尽量相似的前提下,有尽可能多的聚类簇的聚类结果,最终确定minpoints的合适数值[21]。Eps表示研究领域半径,Eps主要根据对象之间的欧氏距离和降序K的距离确定;欧氏距离即空间上两点A（X1,X2）、B（Y1,Y2）的距离,其计算公式为：
式中：X1,X2,Y1,Y2分别代表A、B两点各自的横坐标和纵坐标;降序K的距离表示距离对象点P最近的第K个点的欧式距离,即K-dist。这里的K即为上述minpoints。K-dist的大小反映了该点所在区域密度的大小,数值越小说明该区域样点的分布越密集。按K-dist值从大到小的顺序将对象点P距离附近K个点的欧式距离重新排列,并制作K-dist图,因为在同一水平线或斜度不大的直线上的点被认为处于同一密度区,故K-dist图中第一个凹陷点或者急剧变化的点所对应的K-dist值即为Eps的值[30]。
DBSCAN算法将簇定义为：密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,最终形成任意形状的聚类。DBSCAN算法为了找到一个密度相连集合,从数据集中任意一个对象P开始聚类,如果P是核心对象,即以P为圆心、在以Eps为半径的圆中,POI点的数量大于等于minpoints,那么算法返回一个密度相连的集合,将这个集合内的所有对象都表示为同一簇;如果P不是一个核心对象,没有其他对象从P密度可达,那么P被表示为噪声;DBSCAN算法对每一个未扫描到的点做上述处理,最后密度相连的对象被表示到同一个簇,而不包含在任何簇中的对象为噪声;对于数据集中的任何一个核心对象,都能够返回一个密度相连的集合（图2）。
显示原图|下载原图ZIP|生成PPT图2DBSCAN算法流程图
-->Fig. 2Flowchart of DBSCAN algorithm
-->
2.3.2 POI聚类密度计算方法 为了定量地分析各个聚类的发育程度,本文进一步计算各聚类的POI数据分布密度。POI数据分布密度的提取过程如下：
第一步：确定各聚类的外边缘点多边形。本文利用不规则三角网（Triangulated Irregular Net,TIN）工具,采用Delaunay三角测量法,生成满足Delaunay三角形准则的TIN,即Delaunay三角网。由于聚类内点分布的不规则性,导致外包络凸面范围内存在大面积范围没有POI点分布的情况。为了更加贴合各聚类的分布边界,采用描绘TIN数据区工具,使用PERIMETER_ONLY方法,重新定义Delaunay三角网的外边界,最终形成了聚类外边缘点的多边形。
第二步：计算各聚类的POI数据分布密度：
3 郑东新区服务业空间布局分析
3.1 总体空间布局
使用DBSCAN算法中的参数配置方法,选取不同的minpoints值及其对应的Eps值对郑东新区POI数据进行迭代实验;由于现实中CBD核心区和商住物流区的POI十分密集,无论选取何种参数,这两个区域均形成较大的聚类（同样的现象也出现在分行业聚类中）。为此,聚类时观测其余聚类大小的差异,最终在选取minpoints=28、Eps=1 km时,聚类效果最好、类与类之间的界限明显,其聚类结果为9种（表2、图3）。Tab. 2
表2
表2郑东新区POI数据聚类结果
Tab. 2Clustering results of POI data in Zhengdong New District
| 聚类类型 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 0（噪声） |
|---|---|---|---|---|---|---|---|---|---|---|
| POI数量（个） | 101 | 1077 | 327 | 220 | 22156 | 283 | 366 | 398 | 2778 | 808 |
| 聚类范围（km2） | 0.8 | 3.7 | 1.2 | 4.0 | 88.9 | 0.2 | 2.4 | 2.6 | 11.0 | - |
新窗口打开
显示原图|下载原图ZIP|生成PPT图3郑东新区服务业的总体聚类结果
-->Fig. 3Clustering results of overall service industry in Zhengdong New District
-->
依据表2和图3的聚类结果,郑东新区服务业形成9类服务业聚类,概括起来,服务业总体空间布局呈现以下特征：
（1）聚类呈现出明显的空间等级分布特征。在9类服务业聚类中,以第5类的兴趣点规模最大（POI的数量达22156个,占总数的77%以上）,且空间分布最广（达88.9 km2）,成为郑东新区最高级别的服务业中心,此聚类集中分布在CBD核心区、商住物流区、科技物流区以及龙子湖高校园区,此聚类的服务半径大,不仅能为聚类所在地内部空间提供服务功能,而且其服务功能还能辐射至郑东新区乃至郑东新区以外的周边地区;其他8个聚类的规模和范围相对较小,成为郑东新区最高级别服务中心（第5类）的附属服务业中心;以第5类为最高级别的服务业中心,周围环绕其他8个级别较低的附属服务业中心,形成了当前郑东新区“414”的服务业空间分布体系（第一个“4”即郑东新区西北片区的第1~第4类聚类,“1”即郑东新区西南片区的第5类聚类,第二个“4”即郑东新区东南片区的第6~第9类聚类）。
（2）服务业在功能区内部聚集和跨越功能区聚集并存。除第5类和第2类之外,其他7类均在各自所属功能区范围内聚集;第5类跨越了CBD核心区、商住物流区、科技物流园、龙子湖高校园区以及龙湖区,第2类跨越了北部科教新城区与龙湖区,这种同一聚类在不同功能区的跨越反映了服务业的空间溢出效应,即服务业在某一功能区内不断聚集,当达到一定程度后向功能区外围有条件、服务需求强烈的功能区扩散;当然服务业是否产生空间溢出受多种因素影响,如聚集程度的大小、不同功能区的空间临近性、外部发展服务业的基本条件以及对服务需求动力等。
（3）噪声点分布零散、相对孤立,局部出现了未来服务业聚集的潜力区域。除上述9类以外,噪声点为不满足minpoints=28和Eps=1 km参数条件的点,共计808个,仅占POI总量的2.8%;尽管从总体上看这些噪声点分布零散、相对孤立,但局部出现了噪声点相对聚集的现象,如北部科教新城区、白沙园区和龙湖区均出现了噪声点相对聚集的区域,这些相对聚集的噪声点未来会向两个方向发展,要么与距离它们最近的聚类融为一体,要么单独发展成为新的聚类,不论是怎样的发展方向,噪声点相对聚集的区域将是郑东新区未来服务业空间布局有潜力的区域。
（4）服务业空间极化现象明显,服务业集中分布在由郑东新区西北角至东南角对角线左下侧,位于西南角的CBD核心区、商住物流区和龙子湖高校园区的服务业高度聚集。出现这种现象的主要原因在于：① 空间临近效应,郑东新区西南角片区与母城紧密相连,具有空间临近优势;城市新区靠近母城的区域,在建设时序上先于离母城较远的区域,这些区域的各类基础设施、人口密度、经济密度等影响服务业布局的客观条件优于郑东新区的后续建设区域。② 行政力量带动,河南省政府及很多政府职能部门、大部分高等院校由郑州市老城区东移至郑东新区,带来了行政资源、人口和资本等要素,促进了CBD核心区、商住物流区和龙子湖高校园区的服务业的快速发展。③ 市场导向作用,各服务行业内部具有较高的依赖性,市场导向促进产业空间集聚,集聚效应会促进聚集程度加深,CBD核心区、商住物流区和龙子湖高校园区均为经济活动密集、经济发展水平较高的区域,市场容量和潜力较大,成为服务业主要的空间集聚区。
（5）服务业受交通通达性的影响较明显,各聚类所在的区域交通通达性较好。第5种聚类分布的区域交通便捷,中州大道、陇海快速路、京港澳高速从聚类所在功能区的外围穿过,聚类所在功能区内部郑开大道和107国道在此区域交汇,CBD商务内环路、东风东路、黄河路等省级道路也经过此区域,交通网络十分发达;第1类和第2类沿中州大道布局,第3类分布于G107国道两侧,第4类位于连霍高速的北侧,第6类位于万三公路西侧,第7类和第8类分布于郑开大道两侧,第9类沿陇海快速路布局。因此,交通通达性对郑东新区服务业空间布局产生很大影响。
3.2 分类空间布局
使用DBSCAN算法,对郑东新区POI数据所属的14个服务行业进行聚类;由于14个服务行业的POI数量相差较大,不同行业采用不同的参数。经过多次迭代实验,选取了具体的minpoints值及其对应的Eps值（表3）,其聚类结果见图4,依据聚类结果计算了各行业的聚类密度（表4）。
显示原图|下载原图ZIP|生成PPT图4郑东新区各服务行业聚类结果
-->Fig. 4Clustering results of sub-service industry in Zhengdong New District
-->
Tab. 3
表3
表3郑东新区各服务行业聚类参数
Tab. 3Clustering parameters of sub-service industry in Zhengdong New District
| 行业序号 | a | b | c | d | e | f | g | h | i | j | k | l | m | n |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| minpoints | 28 | 9 | 20 | 6 | 9 | 9 | 6 | 6 | 5 | 15 | 9 | 6 | 9 | 9 |
| Eps | 1 | 1 | 1 | 3 | 2 | 1 | 2 | 3 | 4 | 1 | 2 | 2 | 1 | 2 |
新窗口打开
Tab. 4
表4
表4郑东新区各服务行业聚类密度（个/km2）
Tab. 4Cluster density of sub-service industry in Zhengdong New District (number/km2)
| 行业 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 均值 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 批发和零售 | 73.1 | 160.2 | 144.0 | 184.1 | 100.6 | 25.5 | 69.2 | 65.6 | 39.1 | 38.4 | 90.0 |
| 交通运输、仓储邮政 | 42.8 | 13.7 | 10.5 | 13.3 | 26.4 | 11.5 | 22.9 | 72.1 | - | - | 26.6 |
| 住宿和餐饮 | 33.6 | 25.0 | 86.6 | 55.0 | 97.5 | 49.5 | 33.8 | - | - | - | 54.4 |
| 信息传输软件和信息技术服务 | 6.5 | 2.4 | - | - | - | - | - | - | - | - | 4.5 |
| 金融保险 | 27.8 | 3.5 | 10.3 | 11.9 | 12.1 | - | - | - | - | - | 13.1 |
| 房地产 | 21.8 | 2.9 | 14.0 | 3.5 | - | - | - | - | - | - | 10.6 |
| 租赁和商务服务 | 22.3 | 16.0 | - | - | - | - | - | - | - | - | 19.1 |
| 科学研究和技术服务 | 5.2 | - | - | - | - | - | - | - | - | - | 5.2 |
| 水利环境和公共设施管理 | 1.7 | 0.7 | - | - | - | - | - | - | - | - | 1.2 |
| 居民服务修理和其他服务 | 126.1 | 25.5 | 48.4 | 41.9 | 9.8 | - | - | - | - | - | 50.3 |
| 教育 | 18.5 | 12.9 | 13.0 | 9.6 | 37.0 | 16.3 | - | - | - | - | 17.9 |
| 卫生和社会工作 | 13.0 | 26.3 | 3.4 | 6.4 | 45.6 | 11.2 | - | - | - | - | 17.6 |
| 文化体育和娱乐 | 34.3 | 21.5 | 16.6 | 11.5 | 16.4 | 11.8 | - | - | - | - | 18.7 |
| 公共管理社会保障和社会组织 | 4.2 | 8.6 | 13.0 | 8.0 | 4.2 | 3.0 | - | - | - | - | 6.8 |
新窗口打开
对于同一服务行业来说,在不同聚类之间,聚类密度大于等于所有聚类均值的聚类,可视为该行业较为密集的区域,这些聚类对应的区域不仅是该服务行业空间聚集的热点区域,也是服务行业重要的空间节点;据此,结合聚类结果（图4）和聚类密度（表4）识别了不同行业的重要空间节点分布情况（表5）。
Tab. 5
表5
表5郑东新区各服务行业重要空间节点
Tab. 5Important space nodes of sub-service industry in Zhengdong New District
| 行业分类 | 密度较大的聚类 | 行业重要空间节点分布 |
|---|---|---|
| 批发和零售 | 2、3、4、5 | CBD核心区、商住物流区、龙子湖高校园区、白沙园区、北部科教新城区 |
| 交通运输、仓储邮政 | 1、8 | CBD核心区、商住物流区、科技物流区、白沙园区 |
| 住宿和餐饮 | 3、4、5 | CBD核心区、商住物流区、龙子湖高校园区、白沙园区、北部科教新城区 |
| 信息传输软件和信息技术服务 | 1 | CBD核心区、商住物流区、龙子湖高校园区 |
| 金融保险 | 1 | CBD核心区、商住物流区、龙子湖高校园区 |
| 房地产 | 1、3 | CBD核心区、商住物流区、北部科教新城区 |
| 租赁和商务服务 | 1 | CBD核心区、商住物流区、龙子湖高校园区 |
| 科学研究和技术服务 | 1 | CBD核心区、商住物流区、龙子湖高校园区 |
| 水利环境和公共设施管理 | 1 | CBD核心区、商住物流区、龙子湖高校园区、龙湖区 |
| 居民服务修理和其他服务 | 1 | CBD核心区、商住物流区、龙子湖高校园区 |
| 教育 | 1、5 | CBD核心区、商住物流区、龙子湖高校园区、北部科教新城区 |
| 卫生和社会工作 | 2、5 | CBD核心区、商住物流区、白沙园区 |
| 文化体育和娱乐 | 1、2 | CBD核心区、商住物流区、龙子湖高校园区、北部科教新城区 |
| 公共管理社会保障和社会组织 | 2、3、4 | CBD核心区、商住物流区、龙子湖高校园区、龙湖区、白沙园区 |
新窗口打开
表5显示,部分行业的重要空间节点分布存在一定差异,CBD核心区和商住物流区成为各行业重要空间节点的分布区域。根据郑东新区最新的规划,未来将郑东新区打造为8个功能区;如前所述,不同功能区未来服务业的发展方向以及所选择的服务行业不尽相同。将各服务行业的重要空间节点与功能区的产业定位相对比,发现既存在“空间节点-功能区产业定位”吻合,也存在“空间节点-功能区产业定位”错位现象。“空间节点-功能区产业定位”吻合现象：CBD核心区的金融保险业、批发零售业（商业）以及文化体育娱乐业高度聚集,这与CBD核心区打造为金融、会展、商业、文化中心相吻合;商住物流区的公共管理社会保障和社会组织业、交通运输仓储邮政业高度聚集,这与商住物流区打造为行政办公和物流产业集聚区相吻合;龙子湖高校园区教育业高度聚集,聚集了郑州市各大高等院校,这与龙子湖高校园区主要用于发展高等院校聚群的功能定位相吻合。“空间节点—功能区产业定位”错位现象：科学研究和技术服务业集中分布在CBD核心区、商住物流区以及龙子湖高校园区,并非布局在科技物流区、白沙园区和北部科教新城区;文化体育娱乐业、居民服务、维修和其他服务业集中分布在CBD核心区、商住物流区和龙子湖高校园区,并非集中布局在龙湖区。
针对上述现象,为了使郑东新区各功能区的产业定位更加科学、不同功能区的产业结构更加合理,需对现有规划中功能区的产业发展方向进行调整。对于CBD核心区,强化金融保险业和商务服务业,提升商业品质、发展高端商业,引导批发业和低端零售业退出此区;对于商住物流区,强化行政办公和物流产业,引导其他产业有序退出此区;对于科技物流区,鉴于当前此区域成为交通运输、仓储邮政业的重要空间结构节点,且在空间上与商住物流区相临近等因素,将其服务产业发展方向定位为物流业,弱化其高新技术产业;对于白沙园区,在现有产业方向的基础上,承接科技物流区的高新技术产业,强化发展电子信息等现代服务业;对于龙湖区,强化住宿餐饮业、文化娱乐业,打造城市生态、休闲和娱乐空间;对于龙子湖高校园区,弱化信息传输软件和信息技术服务、金融保险、租赁和商务服务等产业,发展与高等教育相配套的服务行业;对于北部科教新城区,科技研发与白沙园区错位发展,教育业与龙子湖高校园区错位发展。
4 结论与讨论
4.1 结论
服务业作为城市新区重要的产业组成部分,它是塑造城市新区内部空间格局的重要力量。服务业空间格局既是新区规划中划分功能区的基础,随着规划的实施和服务业的进一步发展,服务业空间格局又是检验规划中功能区的定位是否合理的依据。本文利用与人文—经济地理学密切相关的POI大数据,采用DBSCAN算法,借助MATLAB和ArcGIS软件,全面地对郑东新区服务业的总体及分行业空间布局进行研究,并对现有规划中功能区的产业定位进行反思,提出功能区产业结构的优化思路,为郑东新区服务业空间结构改善以及促进服务业发展提供依据。主要得出如下结论：从服务业总体来看,① 郑东新区服务业呈现“414”空间分布体系;② 服务业在功能区内部聚集和跨越功能区聚集并存;③ 噪声点分布零散、相对孤立,局部出现了未来服务业聚集的潜力区域;④ 服务业集中分布在由郑东新区西北角至东南角对角线左下侧,呈现明显空间极化特征。从全局角度出发,未来应合理地引导服务业向外围8个附属服务业聚集中心布局,强化“多元聚集”中心的服务功能,避免服务业（尤其是层次较低的服务行业）过度聚集在CBD核心区、商住物流区,以免加重这些区域的人口、交通、资源和环境压力。
从分行业来看,① 郑东新区各行业的重要空间结构节点均包括CBD核心区和商住物流区,但部分行业的重要空间节点分布存在一定差异。② 将各服务行业空间节点分布结果与功能区的产业定位相结合,部分行业的空间节点与功能区的产业定位存在吻合与错位特征。从郑东新区长远发展来看,在城市新区的功能区规划时,应差异化地明确各区域的功能定位,避免功能区之间产业重叠,并制定各行业的发展规划、合理优化产业结构。
4.2 结论
本文既系统分析了郑东新区服务业空间布局状况,也定性地对服务业空间布局状况的机理做了相应解释,但由于缺乏定性和定量的结合,导致机理分析不够深入。定性定量地对服务业形成机理进行分析,涉及到大数据和传统数据（统计数据、田野调查数据等）相结合的问题。根据本文的实际,郑东新区内部各功能区并非行政单元,缺乏统计数据;下一步将对郑东新区各服务行业的POI数据进行针对性的随机抽样,由于POI信息中包括地址、电话等详细信息,将对抽样结果选中的点（POI）进行实地问卷调查,深入分析郑东新区服务业的总体以及分行业空间布局的形成机理。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] | . 随着服务经济全球化时代的到来,服务业正在成为不同大洲和国家大城市发展的核心动力,而不同规模、类型服务业的区位选择也被视为塑造大城市内部经济结构的主要驱动因子。基于此,本文从空间分布格局、区位选择偏好、主要影响因素等3个方面对国外大城市内部服务业区位的研究进展进行综述。主要结论包含:1集聚与扩散的解读是区位研究的核心。2交通要素在集聚与扩散过程中扮演着重要角色。3研究视角趋向微观化。4强调地方政策、人居环境等非经济要素对于服务业的影响。5开始关注社会公平。最后,本文针对中国大城市内部服务业区位研究与实践提出:应加强基于企业个体数据的演化规律探讨,推动地理空间分析的社会经济转向以及有机嵌入城市规划与管理体系。 . 随着服务经济全球化时代的到来,服务业正在成为不同大洲和国家大城市发展的核心动力,而不同规模、类型服务业的区位选择也被视为塑造大城市内部经济结构的主要驱动因子。基于此,本文从空间分布格局、区位选择偏好、主要影响因素等3个方面对国外大城市内部服务业区位的研究进展进行综述。主要结论包含:1集聚与扩散的解读是区位研究的核心。2交通要素在集聚与扩散过程中扮演着重要角色。3研究视角趋向微观化。4强调地方政策、人居环境等非经济要素对于服务业的影响。5开始关注社会公平。最后,本文针对中国大城市内部服务业区位研究与实践提出:应加强基于企业个体数据的演化规律探讨,推动地理空间分析的社会经济转向以及有机嵌入城市规划与管理体系。 |
| [2] | . Much recent North American research has focused on the decline of the central business district (CBD) as the economic core of metropolitan areas, and the corresponding rise of suburban employment centres. According to the literature, this trend is particularly evident in the case of high-order service functions: business services, finance, insurance, and real estate services, and head offices. In this paper, we argue that the decentralization of high-order service activities and the corresponding CBD decline may be neither as strong a trend nor as universal a phenomenon as certain authors have indicated. Rather, the growth of suburban office employment may reflect a strong CBD whose economic base is becoming increasingly specialized. Using data from the Montreal metropolitan area, we first examine intrametropolitan decentralization in a shift-share framework, then document the mobility of establishments and employment. Our findings suggest that, in spite of a certain level of intrametropolitan decentralization, the CBD continues to be the primary locus of high-order services. |
| [3] | . ABSTRACT The issue of the interurban location of high order service activities (i. e., producer services and finance, insurance and real estate services) was one of the major areas investigated by service industries researchers during the 1980s; the spatial concentration of high order services in a relatively small number of large metropolitan areas is now a well documented fact. In the 1990s, researchers are increasingly turning their focus on the intrametropolitan location of these activities. In particular, certain studies have shown that high order services have begun to leave their "natural habitat"090009the CBD090009in order to locate in suburban office agglomerations. This paper explores the intrametropolitan location issue in the specific context of the Montreal Census Metropolitan Area (CMA), employing data derived from a detailed survey of 324 high order service establishments. We first examine patterns of intrametropolitan mobility, in terms of both establishments and employment; spatial stability, rather than decentralization, is evident. Next, we explore locational factors from the viewpoint of site attributes. Accessibility to the establishment for clients and land costs or rental prices emerge as the major factors. Finally, we conduct a logistic regression analysis in order to identify the principal characteristics of high order service establishments that may be used to explain their location within the Montreal CMA. The majority of the characteristics found to be statistically significant involve market linkages to clients, either in terms of the geographic distribution of clients or the types of clients served. |
| [4] | . Because of their intensive need for face-to-face contacts, producer services have, historically, been found at the core of the central business district (CBD). However, it has been suggested that advances in information technologies could lead to the erosion of the CBD's economic base, rendering face-to-face contacts obsolete and enabling producer services to suburbanize. Although a considerable amount of empirical work has been done on the suburbanization of these activities in North America, the same is not true of France. In this paper, we adopt an original methodology to study the role played by face-to-face contacts in the spatial distribution of producer services in the le-de-France region between 1978 and 1997. Our findings confirm that producer services did indeed suburbanize during the study period. Nonetheless, this suburbanization was multicentric, rather than scattered, suggesting that face-to-face contacts remain an important factor in the location of such services. |
| [5] | . Abstract A spatial and sectoral reorganisation of producer services has begun to change the urban structure of Seoul. In addition to the existing centre of the CBD, two areas, Kangnam and Yongdeungpo, have emerged as the new centres of producer services in Seoul resulting from relocations from the CBD and the location of firm start-ups and spin-offs, so creating a multi-centred structure. There is a difference between the centres related to the fact that Kangnam is specialised in advanced services and has strong local networks among service firms, firms in Yongdeungpo have strong forward linkages to nearby manufacturing firms and to larger producer service firms, while firms in the CBD are relatively older and have much more intensive overseas ties. This outcome illustrates that shifts in the organisation of producer services in favour of outsourcing have been felt in shifts in spatial patterns. These new structures illustrate that producer service location and operation have a powerful influence upon the pattern of development in Seoul. |
| [6] | . . |
| [7] | . 生产性服务业与制造业的有机融合、互动发展既是全球产业发展的趋势,也是中国走新型工业化道路的重要途径.以北京市为案例区.运用相关分析、投入产出模型、空间自相关模型、变异系数、地理联系率等,对生产性服务业与制造业互动的产业关联与空间分布进行实证研究,旨在为首都产业结构优化、空间布局调整提供科学依据.研究表明:①生产性服务业投入与制造业效益提升呈现正相关性,但制造业服务化程度较低:②制造业对生产性服务业的中间需求结构不断提升,不同类型制造业对生产性服务业的中间需求结构存在明显差异:③生产性服务业对资源密集型制造业的中间投入趋于下降,对技术密集型制造业的中间投入趋于上升,不同类型生产性服务业对制造业的中间投入结构存在明显差异;④制造业与配套生产性服务业均呈现显著的空间集聚性,但集聚与分散的空间格局存在明显差异,就业空间分布的一致性较差,进一步验证了制造业与配套生产性服务业具有空间可分性. . 生产性服务业与制造业的有机融合、互动发展既是全球产业发展的趋势,也是中国走新型工业化道路的重要途径.以北京市为案例区.运用相关分析、投入产出模型、空间自相关模型、变异系数、地理联系率等,对生产性服务业与制造业互动的产业关联与空间分布进行实证研究,旨在为首都产业结构优化、空间布局调整提供科学依据.研究表明:①生产性服务业投入与制造业效益提升呈现正相关性,但制造业服务化程度较低:②制造业对生产性服务业的中间需求结构不断提升,不同类型制造业对生产性服务业的中间需求结构存在明显差异:③生产性服务业对资源密集型制造业的中间投入趋于下降,对技术密集型制造业的中间投入趋于上升,不同类型生产性服务业对制造业的中间投入结构存在明显差异;④制造业与配套生产性服务业均呈现显著的空间集聚性,但集聚与分散的空间格局存在明显差异,就业空间分布的一致性较差,进一步验证了制造业与配套生产性服务业具有空间可分性. |
| [8] | . 基于产业关联与空间分布的区域比较研究,探讨京沪生产性服务业发展的一般规律及其差异性。研究表明：①京沪生产性服务业发展速度加快,金融业、交通运输业、房地产业是其主体;北京生产性服务业已步入发展成熟阶段,而上海尚处于发展起步阶段。②京沪第三产业对生产性服务业的中间需求最大,且呈现上升趋势;北京生产性服务业对服务经济的支撑作用突出,而上海生产性服务业与制造业的融合发展趋势更为明显。③京沪服务业对金融业的中间需求最大,但需求结构存在明显差异。④京沪制造业对生产性服务业的中间需求结构差异显著,北京制造业中间需求结构趋于高级化,而上海制造业对中间投入服务的消耗层次偏低。⑤京沪生产性服务业集中分布于中心区和近郊区,圈层衰减特征明显;不同行业乃至同一行业、不同发展阶段的空间分布特征均存在差异,但各行业空间集中与分散的变化趋势总体上存在一致性。 . 基于产业关联与空间分布的区域比较研究,探讨京沪生产性服务业发展的一般规律及其差异性。研究表明：①京沪生产性服务业发展速度加快,金融业、交通运输业、房地产业是其主体;北京生产性服务业已步入发展成熟阶段,而上海尚处于发展起步阶段。②京沪第三产业对生产性服务业的中间需求最大,且呈现上升趋势;北京生产性服务业对服务经济的支撑作用突出,而上海生产性服务业与制造业的融合发展趋势更为明显。③京沪服务业对金融业的中间需求最大,但需求结构存在明显差异。④京沪制造业对生产性服务业的中间需求结构差异显著,北京制造业中间需求结构趋于高级化,而上海制造业对中间投入服务的消耗层次偏低。⑤京沪生产性服务业集中分布于中心区和近郊区,圈层衰减特征明显;不同行业乃至同一行业、不同发展阶段的空间分布特征均存在差异,但各行业空间集中与分散的变化趋势总体上存在一致性。 |
| [9] | . 以西安市为例,根据相关资料,采用定性与定量、静态与动态分析相结合的方法,借助ArcGIS软件,通过地理集中指数的测算,对西安市生产者服务业发展水平及其空间布局特征与集聚模式进行研究。主要结论:① 生产者服务业具有一定专业化水平,集聚特征明显,产值和从业人数占第三产业的比重呈上升的趋势,但仍处于较低水平;② 生产者服务业在城市内部空间集聚度偏低,但逐渐趋于集中,且分行业集聚程度参差不齐;③ 生产者服务业整体呈现多核心的集聚模式,分行业表现出不同的集聚模式类型;④ 空间结构形成机制主要是市场导向、区位因子、政府导向。对促进产业结构升级转换,确定合理的产业发展方向和城市产业规划、布局,加快西安市经济发展及提升城市竞争力都具有借鉴意义。 . 以西安市为例,根据相关资料,采用定性与定量、静态与动态分析相结合的方法,借助ArcGIS软件,通过地理集中指数的测算,对西安市生产者服务业发展水平及其空间布局特征与集聚模式进行研究。主要结论:① 生产者服务业具有一定专业化水平,集聚特征明显,产值和从业人数占第三产业的比重呈上升的趋势,但仍处于较低水平;② 生产者服务业在城市内部空间集聚度偏低,但逐渐趋于集中,且分行业集聚程度参差不齐;③ 生产者服务业整体呈现多核心的集聚模式,分行业表现出不同的集聚模式类型;④ 空间结构形成机制主要是市场导向、区位因子、政府导向。对促进产业结构升级转换,确定合理的产业发展方向和城市产业规划、布局,加快西安市经济发展及提升城市竞争力都具有借鉴意义。 |
| [10] | . . |
| [11] | . 20世纪90年代以来,随着信息技术的发展和应用,城市与区域空间结构也逐渐发生了相应的变化,这已成为西方学术界研究的重点问胚.作为长江三角洲三大中心城市之一,南京城市空间发展也日益受到了信息化、全球化的影响.并表现出了新的结构特征.本研究从全球、国家及区域背景出发,分析南京城市生产性服务业的空间变化,及其所带来的空间结构的转型.这包括城市商务中心功能的强化与边缘商务空间的培育、信息产业密集区出现、学习型区域的空间重构几个方面. . 20世纪90年代以来,随着信息技术的发展和应用,城市与区域空间结构也逐渐发生了相应的变化,这已成为西方学术界研究的重点问胚.作为长江三角洲三大中心城市之一,南京城市空间发展也日益受到了信息化、全球化的影响.并表现出了新的结构特征.本研究从全球、国家及区域背景出发,分析南京城市生产性服务业的空间变化,及其所带来的空间结构的转型.这包括城市商务中心功能的强化与边缘商务空间的培育、信息产业密集区出现、学习型区域的空间重构几个方面. |
| [12] | . 从经济学的视角认识我国城市郊区化与新区发展的动因,提出城市郊区化与新区发展的经济学研究框架,以期对开展该领域更深入、广泛的研究与实践有所启发和借鉴。 . 从经济学的视角认识我国城市郊区化与新区发展的动因,提出城市郊区化与新区发展的经济学研究框架,以期对开展该领域更深入、广泛的研究与实践有所启发和借鉴。 |
| [13] | . 近年来,随着我国城市郊区化的日益明显,城市新区作为郊区化的主 要载体日益受到关注.文章分析了城市新区的概念,认为城市新区是城市郊区化过程中各种新城市地区的高级形式.从经济、社会、环境三种驱动力量的角度分析总 结了城市新区开发的理论体系.并比较了中西方城市新区开发的异同,认为西方国家城市新区开发更注重社会因素,而我国城市新区开发更注重经济因素.最后指出 我国城市新区开发中的问题及对策. . 近年来,随着我国城市郊区化的日益明显,城市新区作为郊区化的主 要载体日益受到关注.文章分析了城市新区的概念,认为城市新区是城市郊区化过程中各种新城市地区的高级形式.从经济、社会、环境三种驱动力量的角度分析总 结了城市新区开发的理论体系.并比较了中西方城市新区开发的异同,认为西方国家城市新区开发更注重社会因素,而我国城市新区开发更注重经济因素.最后指出 我国城市新区开发中的问题及对策. |
| [14] | . 城市内涵式增长和外延式扩展已成为当今城市空间增长的两大重要形式。其中,以各类综合性新区、新型产业空间为代表的城市新区在城市空间增长中发挥了重要作用,也逐渐成为大城市郊区化的重要空间载体。论文通过选取951个城市新区作为研究对象,探讨了我国改革开放以来新区开发的演变进程,并从空间扩展方式、产业功能更新、空间关系演进、管理机制更替4个方面论述了新区的演变特征。同时,论文还对新区开发的动力机制进行了初步探讨。 . 城市内涵式增长和外延式扩展已成为当今城市空间增长的两大重要形式。其中,以各类综合性新区、新型产业空间为代表的城市新区在城市空间增长中发挥了重要作用,也逐渐成为大城市郊区化的重要空间载体。论文通过选取951个城市新区作为研究对象,探讨了我国改革开放以来新区开发的演变进程,并从空间扩展方式、产业功能更新、空间关系演进、管理机制更替4个方面论述了新区的演变特征。同时,论文还对新区开发的动力机制进行了初步探讨。 |
| [15] | . 以天津市滨海新区为例，采用比较分析法、问题导向法以及理论分析与实地调查相结合的方法，在全面探讨城市空间扩展的时空特征的基础上，从区位组合效益、空间集聚程度和职住分离现象分析了城市新区空间结构存在的问题；基于精明增长理念，提出了紧凑式的城市空间布局、公共交通优先的基础设施建设和混合功能的土地开发模式3种城市新区空间结构优化的有效途径，为滨海新区乃至我国其他城市新区的建设发展提供借鉴。 . 以天津市滨海新区为例，采用比较分析法、问题导向法以及理论分析与实地调查相结合的方法，在全面探讨城市空间扩展的时空特征的基础上，从区位组合效益、空间集聚程度和职住分离现象分析了城市新区空间结构存在的问题；基于精明增长理念，提出了紧凑式的城市空间布局、公共交通优先的基础设施建设和混合功能的土地开发模式3种城市新区空间结构优化的有效途径，为滨海新区乃至我国其他城市新区的建设发展提供借鉴。 |
| [16] | . 本文从区域、产业和社会文化三个角度对高新技术产业开发区的功能定位进行研究,认为高新区承担着"增长极"的区域功能,应该选择符合国家导向并切合当地实际的产业进行发展,并注意培育高新区的社会功能以作为高新区持续发展的保障体系.文章以南京高新区为例,在对其发展现状的分析以及与几个国家级高新区比较研究的基础上,分别从产业、区域和社会三个角度对其进行功能定位,并针对实现其功能定位中的关键问题提出相应的建议与措施. . 本文从区域、产业和社会文化三个角度对高新技术产业开发区的功能定位进行研究,认为高新区承担着"增长极"的区域功能,应该选择符合国家导向并切合当地实际的产业进行发展,并注意培育高新区的社会功能以作为高新区持续发展的保障体系.文章以南京高新区为例,在对其发展现状的分析以及与几个国家级高新区比较研究的基础上,分别从产业、区域和社会三个角度对其进行功能定位,并针对实现其功能定位中的关键问题提出相应的建议与措施. |
| [17] | . 论文以葫芦岛经济技术开发区为例,重点对开发区的功能定位进行了研究.提出要以临港经济和临海产业为突破口,加速推动再工业化,将开发区打造成为以造船、冶金、医药化工为主,兼顾休闲旅游渡假的生态型工业开发园区和港口工业综合体. . 论文以葫芦岛经济技术开发区为例,重点对开发区的功能定位进行了研究.提出要以临港经济和临海产业为突破口,加速推动再工业化,将开发区打造成为以造船、冶金、医药化工为主,兼顾休闲旅游渡假的生态型工业开发园区和港口工业综合体. |
| [18] | . 以北京市海淀新区产业功能定位为实例,分析了城市空间发展战略和城市新区产业功能定位之间耦合关系的客观性、存在方式和利用途径。认为在新区的发展过程中,二者既互为基础,又相互支撑。在新区产业功能定位和城市空间发展战略制定过程中,应当注意把握这种耦合关系,改进规划方法。 . 以北京市海淀新区产业功能定位为实例,分析了城市空间发展战略和城市新区产业功能定位之间耦合关系的客观性、存在方式和利用途径。认为在新区的发展过程中,二者既互为基础,又相互支撑。在新区产业功能定位和城市空间发展战略制定过程中,应当注意把握这种耦合关系,改进规划方法。 |
| [19] | . 城市规划和土地利用总体规划"两规"协调研究已经历了定性研究阶 段,即从编制内容、依据和技术标准等方面进行比较分析并提出两规相互协调和衔接的对策.随着3S技术的不断发展,"两规"协调研究开始进入定量分析阶段. 文章以龙泉市金沙新区规划协调为例,应用Mapinfo7.0,把AutoCAD DWG文件格式转化为Mapinfo MID/MIF格式文件,基于ArcGIS进行叠加分析,由于改进了规划工作路线和技术方法,针对"两规"进行有效协调,取得良好的效果. . 城市规划和土地利用总体规划"两规"协调研究已经历了定性研究阶 段,即从编制内容、依据和技术标准等方面进行比较分析并提出两规相互协调和衔接的对策.随着3S技术的不断发展,"两规"协调研究开始进入定量分析阶段. 文章以龙泉市金沙新区规划协调为例,应用Mapinfo7.0,把AutoCAD DWG文件格式转化为Mapinfo MID/MIF格式文件,基于ArcGIS进行叠加分析,由于改进了规划工作路线和技术方法,针对"两规"进行有效协调,取得良好的效果. |
| [20] | . 大数据技术的诞生不仅快速推动着社会的进步,而且也将科学研究不断引向新的高度。以人类社会经济活动为主要研究对象的人文—经济地理学与当前大数据建设和发展趋势具有高度一致性,大数据的发展对丰富和完善人文—经济地理学势必起到积极的推动作用,同时也对人文—经济地理学的学科思维和研究方法提出了新的挑战。梳理和分析了目前大数据在人文—经济地理学主要研究领域,包括城市内部空间研究、交通与消费行为、社会空间与社会网络研究中的最近进展,以及大数据对参与式研究和决策平台的作用。着重剖析了大数据对人文—经济地理学数据获取,研究思维与范式,研究内容、研究时空尺度与研究目标等方面的促进作用与存在问题,特别是由于大数据自身发展的不完善,在数据收集特别是数据属性方面还存在很大的局限,缺乏理论基础将会使得大数据与实际应用受到很大限制,同时,数据本身也不能替代研究者思维和决策过程。因此,人文—经济地理****应该科学对待大数据所带来的机遇,弥补和丰富以往发展中的短板,即完善学科数据建设、建立大数据应用较为完善的研究方法体系,促进跨域数据整合和跨域研究,以及推进研究对象和研究目的的转变。 . 大数据技术的诞生不仅快速推动着社会的进步,而且也将科学研究不断引向新的高度。以人类社会经济活动为主要研究对象的人文—经济地理学与当前大数据建设和发展趋势具有高度一致性,大数据的发展对丰富和完善人文—经济地理学势必起到积极的推动作用,同时也对人文—经济地理学的学科思维和研究方法提出了新的挑战。梳理和分析了目前大数据在人文—经济地理学主要研究领域,包括城市内部空间研究、交通与消费行为、社会空间与社会网络研究中的最近进展,以及大数据对参与式研究和决策平台的作用。着重剖析了大数据对人文—经济地理学数据获取,研究思维与范式,研究内容、研究时空尺度与研究目标等方面的促进作用与存在问题,特别是由于大数据自身发展的不完善,在数据收集特别是数据属性方面还存在很大的局限,缺乏理论基础将会使得大数据与实际应用受到很大限制,同时,数据本身也不能替代研究者思维和决策过程。因此,人文—经济地理****应该科学对待大数据所带来的机遇,弥补和丰富以往发展中的短板,即完善学科数据建设、建立大数据应用较为完善的研究方法体系,促进跨域数据整合和跨域研究,以及推进研究对象和研究目的的转变。 |
| [21] | . . |
| [22] | . . |
| [23] | . . |
| [24] | . 通过社交图片网站(Flickr)的数据开放接口,借助计算机程序采集、整理了2008-2013年境外旅游者上传的中国入境游相关照片数据,利用这些照片中的地理位置坐标信息,采用DBScan聚类分析方法,计算中国入境游客地理兴趣点(POI),并结合运用数理统计和GIS空间分析方法分析其空间分布特征.结果表明:①我国入境游客POI分布具有显著的空间分异特征,其分布密度呈现由东向西逐渐递减的态势,并已形成“一级中心集聚带、二级中心集聚区、三级点状飞地”的空间格局;②在一级中心集聚带中所包含的三大核心区内部,其入境游客POI分布同样具有空间的异质性和不均衡性;③在入境游POI分布具有高度空间集聚性的同时,在时间序列上的集聚性具有逐步均衡性发展的趋势;④细分客源市场的POI选择不仅具有高集聚性,同时由于选择偏好的差异从而在空间上的集聚差异显著. . 通过社交图片网站(Flickr)的数据开放接口,借助计算机程序采集、整理了2008-2013年境外旅游者上传的中国入境游相关照片数据,利用这些照片中的地理位置坐标信息,采用DBScan聚类分析方法,计算中国入境游客地理兴趣点(POI),并结合运用数理统计和GIS空间分析方法分析其空间分布特征.结果表明:①我国入境游客POI分布具有显著的空间分异特征,其分布密度呈现由东向西逐渐递减的态势,并已形成“一级中心集聚带、二级中心集聚区、三级点状飞地”的空间格局;②在一级中心集聚带中所包含的三大核心区内部,其入境游客POI分布同样具有空间的异质性和不均衡性;③在入境游POI分布具有高度空间集聚性的同时,在时间序列上的集聚性具有逐步均衡性发展的趋势;④细分客源市场的POI选择不仅具有高集聚性,同时由于选择偏好的差异从而在空间上的集聚差异显著. |
| [25] | . 以江苏省徐州市泉山区为分析区域,三处动物园为兴趣点（point of interest,POI）,利用ArcGIS网络分析功能,进行区域POI通达度计算分析,得出了泉山区境内各地至行车时间最短的一处动物园所需时间的结果分布图.结果显示,泉山区各地几乎都能够在半小时车程内到达一处动物园,泉山区POI通达度良好.该方法尝试进行了多点与区域之间的通达度分析,并结合实际情况将相关因素作为参数进行计算分析,提高了结果的客观性。 . 以江苏省徐州市泉山区为分析区域,三处动物园为兴趣点（point of interest,POI）,利用ArcGIS网络分析功能,进行区域POI通达度计算分析,得出了泉山区境内各地至行车时间最短的一处动物园所需时间的结果分布图.结果显示,泉山区各地几乎都能够在半小时车程内到达一处动物园,泉山区POI通达度良好.该方法尝试进行了多点与区域之间的通达度分析,并结合实际情况将相关因素作为参数进行计算分析,提高了结果的客观性。 |
| [26] | . 商业中心是城市零售活动的重要载体,优化商业资源在城市内部空间的合理配置,摸清不同零售经营形态的区位选择,显得尤为重要。以面向公众服务的商业机构兴趣点（POI）数据为研究对象,提出一种城市商业中心与零售业态集聚区识别的方法;以广州市为例,分析商业活动的热点地区以及零售业态集聚区的空间分布特征。研究表明：1根据核密度估计法提取的商业中心在等级上表现出由城市中心圈层向外围圈层扩散的趋势,结果符合客观事实。2以街区为单元,商业网点密度符合局域Getis-Ord G＊指数统计特征的热点区域主要分布在越秀区和天河区,广州市零售业发展的双核心空间格局已经形成。3不同的零售业态对商业集聚的区位选择具有显著差异性,百货商店、超市、便利店等零售经营形态的空间集聚特征与该业态的市场定位、经营模式及选址策略基本吻合。总体来看,基于POI数据的广州零售业集聚空间分析结果能够反映实体零售企业行为与广州商业经济分布的相关性,有助于提高政府部门商业规划和零售商选址前期研究的客观性和科学性。 . 商业中心是城市零售活动的重要载体,优化商业资源在城市内部空间的合理配置,摸清不同零售经营形态的区位选择,显得尤为重要。以面向公众服务的商业机构兴趣点（POI）数据为研究对象,提出一种城市商业中心与零售业态集聚区识别的方法;以广州市为例,分析商业活动的热点地区以及零售业态集聚区的空间分布特征。研究表明：1根据核密度估计法提取的商业中心在等级上表现出由城市中心圈层向外围圈层扩散的趋势,结果符合客观事实。2以街区为单元,商业网点密度符合局域Getis-Ord G＊指数统计特征的热点区域主要分布在越秀区和天河区,广州市零售业发展的双核心空间格局已经形成。3不同的零售业态对商业集聚的区位选择具有显著差异性,百货商店、超市、便利店等零售经营形态的空间集聚特征与该业态的市场定位、经营模式及选址策略基本吻合。总体来看,基于POI数据的广州零售业集聚空间分析结果能够反映实体零售企业行为与广州商业经济分布的相关性,有助于提高政府部门商业规划和零售商选址前期研究的客观性和科学性。 |
| [27] | . 聚类是数据挖掘领域中的一个重要研究课题.本文介绍了数据挖掘领域中对聚类分析的典型要求,研究分析了聚类的主要算法及其改进方法的特点,并对其改进的各种方法进行了对比,讨论了数据挖掘领域中的聚类质量,最后指出了聚类研究的发展趋势. . 聚类是数据挖掘领域中的一个重要研究课题.本文介绍了数据挖掘领域中对聚类分析的典型要求,研究分析了聚类的主要算法及其改进方法的特点,并对其改进的各种方法进行了对比,讨论了数据挖掘领域中的聚类质量,最后指出了聚类研究的发展趋势. |
| [28] | . In: Simoudis E, Han J, Fayyad U. |
| [29] | . 空间聚类是空间数据挖掘和知识发现的主要方法之一.DBSCAN算法可以从带有'噪声'的空间数据库中发现任意形状的聚类,是一种较好的聚类算法.本文介绍了DBSCAN算法的基本概念和原理,并应用GIS二次开发组件MapObjects予以了实现.然后,本文将该算法应用于城市规划中,对某城市中小学和商业网点等公共设施的分布进行了聚类分析,并根据聚类结果对城市规划设计规范中的某些条款进行了讨论. . 空间聚类是空间数据挖掘和知识发现的主要方法之一.DBSCAN算法可以从带有'噪声'的空间数据库中发现任意形状的聚类,是一种较好的聚类算法.本文介绍了DBSCAN算法的基本概念和原理,并应用GIS二次开发组件MapObjects予以了实现.然后,本文将该算法应用于城市规划中,对某城市中小学和商业网点等公共设施的分布进行了聚类分析,并根据聚类结果对城市规划设计规范中的某些条款进行了讨论. |
| [30] | . 为了解决判别聚落群过于依赖考古专家人工划分的问题,以郑洛地区新石器时代聚落遗址为例,采用基于密度的DBSCAN（density-based spatial clustering of applications with noise）算法对聚落遗址进行空间聚类研究。通过对郑洛地区四个文化时期聚落遗址的分布分析,发现郑洛地区的主体聚落群从研究区东部的嵩山以南地区,转移到郑洛地区中部的伊洛河流域,并且在伊洛河流域长期定居下来,不断发展扩大;大型聚落遗址主要分布在主体聚落群里,除了裴李岗文化时期部分大型聚落较孤立;从仰韶文化后期到龙山文化时期,聚落遗址分布呈主从式环状分布格局;大多数聚落群的走向都和河流分布一致。研究表明,利用DBSCAN算法进行聚落遗址聚类是可行的,通过聚类得到郑洛地区新石器时代四个文化时期聚落遗址的分布特征。 . 为了解决判别聚落群过于依赖考古专家人工划分的问题,以郑洛地区新石器时代聚落遗址为例,采用基于密度的DBSCAN（density-based spatial clustering of applications with noise）算法对聚落遗址进行空间聚类研究。通过对郑洛地区四个文化时期聚落遗址的分布分析,发现郑洛地区的主体聚落群从研究区东部的嵩山以南地区,转移到郑洛地区中部的伊洛河流域,并且在伊洛河流域长期定居下来,不断发展扩大;大型聚落遗址主要分布在主体聚落群里,除了裴李岗文化时期部分大型聚落较孤立;从仰韶文化后期到龙山文化时期,聚落遗址分布呈主从式环状分布格局;大多数聚落群的走向都和河流分布一致。研究表明,利用DBSCAN算法进行聚落遗址聚类是可行的,通过聚类得到郑洛地区新石器时代四个文化时期聚落遗址的分布特征。 |
