基于POI数据的西安地下停车空间驱动要素识别_尹静.pdf

第 18 卷增刊 2地 下 空 间 与 工 程 学 报Vol.182022 年 12 月Chinese Journal of Underground Space and EngineeringDec.2022基于 POI 数据的西安地下停车空间驱动要素识别尹静1,董蕴豪2,彭芳乐2(1.中铁第一勘察设计院集团有限公司,西安 710043;2.同济大学 地下空间研究中心,上海 200092)摘要:聚焦于西安市主城区的地下停车空间,旨在通过基于多源数据为实证研究来探索地下停车空间的分布规律与影响因子,进而推动数据驱动型的地下空间规划编制。依托百度全量兴趣点(POI)大数据,构建了涵盖社会经济、土地利用和交通发展的地下停车空间开发影响因子指标体系。研究采用地理探测器模型对各因子影响下地下停车场比例的空间分异进行测度,从而精准识别西安市主城区地下停车空间的驱动要素。因子探测与交互探测的结果表明,研究区域内的地下停车空间受单因子影响较弱,但因子间的耦合提升作用显著。其中,交通发展因子与土地利用因子的协同效果最强,而交通发展因子间的促进作用也较为明显。本研究可作为西安市主城区地下停车空间规划布局优化的决策依据,其研究方法也为新数据环境下的地下空间规律识别提供了有益的借鉴。关键词:数据点数据;西安;地下空间;驱动要素中图分类号:TU248.3文献标识码:A文章编号:1673-0836(2022)增 2-0554-06Driving Forces Identification for Underground Parking Space in XianBased on POI DataYin Jing1,Dong Yunhao2,Peng Fangle2(1.China Railway First Survey and Design Institute Group Co.,Ltd.,Xian 710043,P.R.China;2.Research Center for Underground Space,Tongji University,Shanghai 200092,P.R.China)Abstract:This study focused on the underground parking space in downtown Xian,China.It aims at exploring the spatial distribution pattern and influential factors using multi-source data and evidence-based research method,thus motivating data-driven underground space planning.With the support of full Baidu POI(point of interest)data,the influence factor system of underground parking space use was established,covering socio-economic condition,land use,and transportation development.Geographical detector was adopted to measure the spatial heterogeneity of underground parking lot ratio under the influence of each factor.Hence,the driving forces of underground parking space utilization in downtown Xian could be explicitly identified.The results of factor detection and interactive detection showed that the influence of single factor was quite weak,whereas the coupling effect among factors are evident.The synergetic enhancement of traffic development factors and land use factors was the most significant,and the interior coupling effect of traffic development factors was considerable as well.This study is supposed to support the optimization of underground parking space planning.Meanwhile,the research method also provides conducive reference for the underground space regularity identification in the context of new data environment.Keywords:POI;Xian;underground parking space;driving force收稿日期:2022-03-03(修改稿)作者简介:尹静(1973),女,江苏徐州人,正高级建筑师,主要从事城市轨道交通建筑设计、地下空间开发建筑设计研究工作。E-mail:455678965 通讯作者:彭芳乐(1965),男,江西萍乡人,博士,教授,主要从事地下空间规划、岩土力学、隧道及地下工程等领域的教学与科研工作。E-mail:pengfangle 基金项目:国家自然科学基金(42071251,52090083)0引言作为可持续发展的有效推进手段,现代城市地下空间利用已在我国各大城市中得到普遍的实践,并逐步形成了以空间规划为引领的开发模式。其中,地下停车空间被视为现代城市地下空间的关键系统之一。它可为土地资源紧缺、交通压力显著的城市提供可观的静态交通资源。以公共停车场、配建停车场为代表的各类地下停车场是地下停车空间的主要形式,在城市地下空间开发利用中的比重较高。除静态交通资源供给外,地下停车空间通常还承载着人民防空掩蔽和功能空间预留等任务,是贯彻平战结合与韧性永续发展理念的物质空间实体。由此可见,地下停车空间的精明规划既有交通问题的内在性,也兼具功能整合的超越性,是编制高效地下空间规划的重要环节。既有的学术研究多关注地下停车空间的结构设计优化、施工建造工艺等物质空间营造问题。如刘文珽等1探讨了大型地下停车库的抗浮设计方法,并通过现场试验验证了抗浮锚杆的有效性与合理性;罗星等2依托深圳益田村中心广场地下停车库建设,深入探究了中心道法与盖挖施工相结合的关键施工技术;刘卡丁3结合地下双层车库的建设提出了泄水引流的抗浮方案,有效优化了建设工期与投资;陈珑云等4分析了沉井式地下停车库技术在城市更新中缓解微小地块泊位供给矛盾的应用前景。随着地下空间开发日渐规模化、系统化,空间规划领域的地下停车问题探讨也逐步深入。陈志龙等5对城市中心区的地下停车布局、选址及管理问题展开探讨,提出了地下停车系统的理念;张君博等6结合上海市陆家嘴地区的调研数据,系统性地归纳总结了地下停车空间的典型规划布局模式;Dong 等7针对福州市的地下停车空间分布规律开展研究,并提出了规划优化建议。然而传统的地下停车空间规划研究并未开展以数据为支撑的实证研究,仅定性的归纳演绎尚不足以深入认知地下停车空间的影响机制。随着多源时空大数据的涌现,结合开放数据进行大尺度下的细粒度城市地下空间研究逐渐兴起。兴趣点数据(Point of interest,POI)、位置服务数据(Location-based service data,LBS)、公 交 刷 卡 数 据(Smart card data,SCD)等新兴多源数据在地铁站域地下空间评价8-9、地下空间布局分析7、地下空间需求分析10、地下设施效益测度11等领域得到了广泛的应用,同时也为地下停车空间的规律认知与规划决策提供了一个强有力的辅助手段。本文以西安市主城区的地下停车空间为例,依托全量 POI 大数据与地理探测器技术对城市地下停车空间利用的驱动要素进行识别。研究提出了一套操作性强、意义明晰的地下停车空间影响因子指标体系,并通过因子探测和交互探测考察了各因子的解释力以及因子间的耦合作用。本研究既可为地下空间规划中的静态交通专项规划提供了关键指标与政策制定方面的决策参考,也可为多源数据环境下的地下空间精细化研究提供一种新的研究范式。1研究区域概况1.1区域总体概况本文参照既有的西安城市建设相关文献,将西安主城区定义为绕城高速公路所围合的区域12。如图 1 所示,研究区域总体形态规整,交通网络较为完备,涵盖长安、雁塔、未央、灞桥、莲湖、碑林、新城等七处核心区,总面积约 460 平方公里。研究以当前的行政区划为准,将街道划定为研究空间单元,进而探究西安主城区的地下停车空间分布规律及驱动要素。由于绕城高速与行政区划不完全吻合,区域边缘处存在少量割裂的残损街道,将之预处理进行剔除后,区域街道单元共计 50 处。1.2地下停车空间分布本文从百度 POI 数据中提取了西安市主城区内的地面停车场与地下停车场数据,用以研究其空间分布规律。其中,地面停车场 1 418 处,地下停车场 644 处,停车场合计 2 062 处。各街道质心的距离矩阵分析结果表明,研究区域内街道间的平均交通距离为 8.84 km。取该距离的半数 4.42 km作为分布密度研究半径,选用 Quartic 核函数对地下停车场开展核密度分析。如图 2 所示,西安主城区的地下停车场密布呈三角形分布,其密度核心主要分布于南部的雁塔、莲湖、碑林三区,而北部的未央区中心也存在密度核,其余区域的地下停车空间较为稀疏。5552022 年增刊 2尹静,等:基于 POI 数据的西安地下停车空间驱动要素识别图 1西安市主城区街道区划及交通网络Fig.1Sub-district zoning and transportation network in downtown Xian图 2地下停车场核密度估计Fig.2Kernel density estimation of underground parking lots本文进一步选取了地下停车场比例,即地下停车场数量与总停车场数量之比,作为地下停车空间利用的关键研究指标。如图 3 所示,地下停车场比例的空间分布在高值区与地下停车场核密度分布相近,均呈南北向的扩散型分布。而在中高值分布方面,则存在东西向的扩散趋势,且边缘衰减现象明显。通过对比核密度分布与比例分布,可以发现研究区域中部的地下停车场虽然绝对数量较低,但其地下化率却较高。2基 于 地理探测的驱动要素识别模型2.1地理探测器地理探测器是由王劲峰教授团队开发的一种经典空间统计工具,旨在通过测度空间分异性来探索某种空间过程与潜在环境影响因子间的逻辑关图 3地下停车场比例空间分布Fig.3Spatial distribution of underground parking lots ratio联13-14。本研究采用地理探测器中的因子探测与交互探测来考察西安市主城区地下停车空间开发的驱动要素。其中,因子探测通过测度 q 统计量以观察某影响因子对地下停车开发的解释力,而交互探测通过两种影响因子叠加态下的 q 统计量变化以考察因子间的耦合作用力,q 统计量的数学表达形式如下:q=1-SSW/SST(1)SSW=Lh=1Nh2h(2)SST=N2(3)式中:SSW 为观测空间变量层内累积方差;SST 为观测空间变量累积层间方差;Nh为第 h 层内的观655地