基于零售商业POI的城市建成区边界识别方法及实证研究_王琪.pdf

59基于零售商业POI的城市建成区边界识别方法及实证研究王琪 王仁靖 刘晓霞基于零售商业P OI 的城市建成区边界识别方法及实证研究An Empirical Study on Boundary Identification of Urban Built-Up Area Based on POI of Retail Business王琪 王仁靖 刘晓霞WANG Qi WANG Renjing LIU Xiaoxia文章编号：1009-6000(2022)12-0059-06中图分类号：F293.2 文献标识码：Bdoi：10.3969/j.issn.1009-6000.2022.12.008基金项目：国家自然科学基金（42001233）；山西省软科学项目“山西省土地利用转型与经济转型的互馈机制研究基于城市建设用地的研究”（2018041062-6）。作者简介：王琪，女，硕士，山西财经大学研究生院；王仁靖，通信作者，男，博士，山西财经大学公共管理学院，讲师；刘晓霞，女，博士，山西财经大学公共管理学院，副教授。摘要：研究基于零售商业 POI 与城市空间结构和要素空间分布的强关联性，提出了一种基于不同类型零售商业 POI 服务范围的城市建成区边界识别方法。基于该方法，以太原市为例进行建成区边界识别的实证分析，识别结果与建设用地现状对比发现，从空间分布、查全率、查准率、F1 分数以及 Kappa 系数等指标来看均达到较高的水平，表明建成区边界识别结果与实际建设用地现状较为一致。较之以往的识别方法，该方法更灵活高效，并可实现实时动态更新。关键词：POI；零售商业；服务范围；城市建成区；边界识别Abstract:The spatial distribution of POI in retail outlets is closely related to the activities of residents,which can directly refl ect the agglomeration of urban spatial distribution.Based on the strong relationship between retail POI and urban spatial distribution,this paper presents a method for identifying the boundary of urban built-up area based on POI service range of diff erent types of retail business.Taiyuan city was taken as an example to carry on the empirical analysis of the boundary identifi cation method.According to the spatial distribution,recall rate,precision rate,F1 score and Kappa coeffi cient,boundary identifi cation of built-up area is consistent with the actual situation of built-up land.Compared with the previous methods,this method is more eff ective and can realize real-time dynamic updating.Key words:POI;retail business;service area;urban built-up area;boundary identifi cation0 引言城市建成区边界是认识城市发展和空间演变的重要信息，是落实城市功能空间布局、实施界限管控的重要监督手段，在国土空间规划中也是确定城市增长边界的重要基础数据。而城市增长边界（u r b a n g r o w t h b o u n d a r y,U G B）的概念，最早可以追溯到 1 9 5 8年美国莱克星顿市的相关城市发展政策 1，随后这一概念逐渐扩展到全球范围并且在学术研究中不断得到扩充。虽然目前关于城市建成区范围的概念尚未在学界形成统一的标准，但是近年来的相关研究已经对此达成一个基本共识，即城市建成区是实际开发建设起来的，范围包括城区和镇区，空间分布上表现为集中连片，功能服务上包括生产、生活、市政服务设施基本具备的区域，分为单核心城市和一城多镇的表现形式 2。目前学界关于城市建成区边界的识别提取方法，按照数据来源和识别手段的区别大致可分为基于土地利用覆被信息的提取方法、基于夜间灯光基于零售商业P OI 的城市建成区边界识别方法及实证研究An Empirical Study on Boundary Identification of Urban Built-Up Area Based on POI of Retail Business王琪 王仁靖 刘晓霞WANG Qi WANG Renjing LIU Xiaoxia基金项目：国家自然科学基金（42001233）；山西省软科学项目“山西省土地利用转型与经济转型的互馈机制研究基于城市建设用地的研究”（2018041062-6）。作者简介：王琪，女，硕士，山西财经大学研究生院；王仁靖，通信作者，男，博士，山西财经大学公共管理学院，讲师；刘晓霞，女，博士，山西财经大学公共管理学院，副教授。摘要：现代城市研究2022.1260规划与建设PLANNING AND CONSTRUCTION强度的提取方法和基于人类活动大数据的提取方法 3 种类型。基于土地利用覆被信息的提取方法主要是根据相关规划管理部门提供的土地利用现状数据，结合外业调查对数据进行更新，是直接以土地利用现状为识别建成区的依据，其实质上是城市建设用地边界，实际情况中可能会出现规划建设地类与利用情况不一致等情况，无法准确体现城市居民日常生活和生产活动的空间范围。而且这类方法存在土地利用现状和更新数据获取相对困难、更新周期长、现势性弱 3，以及不同规划部门数据统计口径不一致等问题，目前通常结合遥感影像解译使用。基于夜间灯光数据的提取方法是建立在夜间灯光数据与人类活动的相关性研究基础之上的。该方法目前广泛应用于城市建成区边界提取的研究，但是 D M S P/O L S 和 N P P/V I I R S数据分辨率不高、灯光溢出、灯光亮度值较窄等问题，导致提取精确度不高，因此一些研究试图结合其他高分辨率的遥感数据对提取边界进行修正 4，与单一遥感数据源相比结果精度有一定提升但仍然不够准确 5。此外，上述用于修正的珞珈一号 0 1 星数据影像虽然分辨率较高，但是提取结果存在板块较多且分散、建成区内部破碎明显等现象 6。基于人类活动大数据的提取方法是在近年来大数据的快速发展背景下应运而生的，该方法具有数据获取快、数据更新及时等特点。其中最具代表性的方法是许泽宁等开发的基于 P O I 核密度分析的 D e n s i-G r a p h 方法 2，该方法利用全类别 P O I 密度等值线变化识别了全国 5 2 3 个城市的建成区边界。此后该方法被不少学者用于不同地区建成区识别的实证研究，还有学者将其作为基于遥感数据识别结果的修正方法 5-6，结果比单一夜间灯光数据的识别精度有所提高，但在修正时需要提前获取建成区面积统计数据作为参考建成区，并不断更改夜间灯光亮度阈值，提取建成区大致范围，因此该方法现势性较弱。除上述基于 P O I 核密度估计的 D e n s i-G r a p h 提取方法之外，也有学者尝试从公共服务设施密度角度考察城市扩展状况 7；利用夜间灯光、P O I、路网等数据，采用密度曲线阈值法、最大熵等算法对城市或城市群发展空间结构进行模拟 8-9。从目前的几类方法来看，基于人类活动大数据的提取方法解决了即时获取城市建成区边界的技术难点，且具有数据收集快、更新快、处理相对简单、结果更加客观的优势，是近年来新兴的技术方法体系。但是，目前学者对于 P O I 数据在城市建成区识别上的应用主要集中在全类别 P O I 密度变化和空间分布识别等方面，方法上多沿用 P O I 核密度分析的 D e n s i-G r a p h 方法，而该方法在计算核密度时，为了使结果较为规则，选择的带宽和栅格尺寸都比较大，这样会使核密度估计结果过于平滑，从而丢失一部分边界细节。已有研究论证了不同类型细分 P O I 辐射范围与城市活动的相关关系 1 0-1 1，其中又以零售商业的相关性最为显著、能更准确地反映城市居民活动的空间特征，能进一步提高居民活动范围的识别精度。而目前对于细分 P O I 数据不同特点的分析和利用较少，进一步基于不同类别的细分（尤其是零售商业）P O I 数据的城市建成区提取方法尚未出现。因此本研究从零售商业服务与城市发展的密切关系出发，以零售商业 P O I 为研究对象，根据其选址条件、目标客群、服务范围等特征，进一步逆向识别城市建成区边界，并以太原市为例进行实证研究，验证识别结果的精确度。1 研究方法与数据来源1.1 零售商业P O I 与城市活动的关系商业服务市场是人类社会活动的产物，与城市发展的空间格局密切相关。美国学者威廉J.雷利（W.J.R e i l l y）于 1 9 3 1 年提出了雷利零售引力法则（R e i l l y s L a w o f R e t a i l G r a v i t a t i o n），认为一个城市对周围地区的吸引力，与其规模成正比，与它们之间的距离成反比，并以此解释城市规模与商品零售点分布的关系 1 2。一方面消费者需求和政府规划引导对商业服务市场的形成发展和空间形态有重要的影响，例如随着线上商业对实体商业的冲击影响，传统零售商业向便捷性和高品质、个性化重点发展 1 3，便利店数量和销售额呈现快速增加趋势；空间上，商业选址受人口、交通、政策等多重因素影响。另外一方面，商业服务对城市的经济和社会文化等发展起到了促进作用，进而影响城市发展的空间格局。这方面的例子有赵彦云等对北京“1 5 分钟社区生活圈”建设情况的分析，文中通过对各类 P O I 覆盖率的研究，发现零售业发展的成熟度和覆盖率最高，与各区发展现状空间格局的相关性最高 1 0；李雪、浩飞龙等通过对上海、长春等地的零售商业网点的研究 1 4-1 5，发现新兴的零售业态打破了传统商圈单一中心的圈层结构，呈现多层级特征，对多数消费者的吸引能力也更强。零售商业具有需求大、层级丰富，覆盖人群广的特征。零售业态分类（G B/T 1 8 1 0 6-2 0 0 4）中根据零售店铺的经营方式、商品结构、服务功能以及选址、商圈规模、店堂设施、目标客户和有无固定经营场所，将零售业分为 1 7 种，其中有店铺零售业态分为 1 2 种，无店铺零售业态分为 5种。薛冰等人通过研究发现，各类零售业与住宅核密度之间的相关系数排名为：便利店 0.9 4 0、超市 0.9 3 7、商场商厦 0.6 9 4 1 1，蔡爱玲等人发现零售业类型等级越高，其布局越为集中，其中百货、购物中心聚集度最高，食杂店、便利店等聚集度最低 1 6。本文选取与人口活动密切相关、使用频繁、空间布局分散的 2 类零售商业类型，将传统食杂店和连锁便利店作为研究数据，并根据零售业态分类（G B/T 1 8 1 0 6-2 0 0 4）和相关研究确定其辐射半径 1 1,1 7。未选取购物中心、百货、大型超市等更高层级的零售业态是因为其形成原因复杂、对城市规划依赖性较强、辐射半径大，对本研究的边界识别精度有所影响（表 1）。；利用夜间灯光、P O I、路网等数据，采用密度曲线阈值法、最大熵等算法对城市或城市群从目前的几类方法来看，基于人类活动大数据的提取方法解决了即时获取城市建成区