2020.12Vol.27 No.6
第27卷第6期2020年12月
地理信息世界
GEOMATICS WORLD
引文格式：杨 健，李朝奎，刘 彦 融合OSM®&网数据与P0I 数据的城市功能区识别方法及其应用[J].地理信息世界,2020,27⑹：1-6,13. 融合OSM 路网数据与POI 数据的城市功能区识别方法及其应用
杨 健山冷李朝奎1叫刘 彦"
（1.湖南科技大学 地理空间信息技术国家地方联合工程实验室，湖南 湘潭411201； 2.湖南科技大学 测绘遥感信息工程湖南省重点实
验室，湖南 湘潭411201； 3.湖南科技大学 资源环境与安全工程学院，湖南 湘潭411201; 4.湖南省衡阳市自然资源和规划局，湖南
衡阳 421000）
基金项目：
国家重点研发计划课题
（2017YFB0503802）资助
作者简介：
杨健（1997-），女，安徽 桐城人，测綁学与技术专 业硕士研究生，主要研究方 向为地理空间数据处理技 术。
E-mail:
yangj i an235a@163. com
通讯作者：
李朝奎（1967-），男，湖
南汉寿人，教授，博士，博
士生导师，主要从事三维建
模及其应用等研究工作。
E-mail:
chkl_hn@163. com
收稿日期：2020-09-03
【摘要】城市功能区识别对于城市管理规划、动态监测、未来发展布局来说，是极为重要的参考和补充，是 城市规划发展的有效辅助决策工具。以长沙城区为例，利用核密度法、局部热点分析等方法，结合公开地图
abs082(OSM)路网数据与关注点数据对功能区进行识别，并将识别结果用于长沙城区城市功能区分布与城市商业
空间格局分析中。研究结果表明：利用OSM 路网划分研究单元使城市功能分区更加合理；长沙城区主
要为混 合功能用地，以商业一公共为主；商业的热点区域主要由两大商圈构成，分别为五一商圈和荣港镇商圈。 【关键词】长沙市；城市功能区；关注点数据；核密度分析；商业空间格局【中图分类号】TU98
【文献标识码】A 【文章编号】1672-1586 (2020) 06-0001-06
Urban Functional Area Identification Method and Its Application Combined
OSM Road Network Data with POI Data
YANG Jian 1>2>3, LI Chaokui 12, LIU Yan 4
(1. National-local Joint Engmeering Laboratory of Geospatial Information Technology, Hunan U niversity of S cience and
Technology Xiangtan 411201, China; 2. Hunan Province Key Laboratory of G eo-Information in Surveying, Mapping
and Remote Sensing, Hunan University of Science and Technology, Xiangtan 411201, China; 3. College ofResources
Environment and Safety Engineering, Hunan University ofScince and Technology Xiangtan 411201, China; 4. Natural
Resources and Planning Bureau ofHengyang in Hunan Province, Hengyang 421000, China)
Abstract ： The identification of urban functional areas as an effective aided decision-making tool contributes apparently
to the urban management planning, dynamic monitoring, and layout of future development. This paper first focuses on the case study over Changsha urban area to identify functional areas using kernel density method and local hot spot analysis
with the combination of OSM road network data and POI data, and then analyzes the distribution of urban functional
areas in Changsha urban area and as well the urban commercial space pattern. Our results show that the zoning of the urban fiinctional patches through OSM road network to extract the research unit show more confidence. The urban area
of Changsha is dominant by mixed-function land and commercial and public land. And the co
mmercial hotspot area is composed of t wo major business districts, namely Wuyi Commercial District and Ronggang Town Commercial District.
Key words ： Changsha city; urban functional area; POI data; nuclear density analysis; commercial space pattern
o 引言
城市化是人类社会发展过程中的重要趋势，而城市
化进程中的功能多元化形成的各类城市功能分区，为城 市居民的现代化生活带来了便利和高效，逐步成为新型
城市发展的趋势和基础口切。城市功能分区是指按照城 市的主导功删区驰OJ 分，形成功能统一、相对沁
且又彼此联系的功能区，构成合理分区的有机整体閃。目 前，现代城市空间划分主要有以下几种功能区：居住功
能区、交通功能区、工业功能区、商业功能区、公共服 务功能区、绿地与广场用地功能区。
城市功能区的识别对于城市管理规划、动态监测、
未来发展布局来说，是极为重要的参考和补充，逐渐成 为有效的辅助决策工具，可为相关决策部门提供重要的
数据支撑⑷。早期对于划分和识别城市功能区一般主要 依靠调查统计或专家评判的定性方法，该方法受统计数
据限制且主观性较强，可靠性不高同。此外，学者们也
提出采用遥感影像数据研究土地利用分类和城市功能 区识别阎，但仍存在操作成本高、识别结果不精确且
时效性差等弊端另一方面，城市功能区的分布与 社会经济活动关联度极大，但遥感影像主要反应地物
的自然特征，在识别功能交互模式和社会经济环境方 面的表现效果较差悶。
国土空间规划信息技术与应用
地理信息世界
GEOMATICS WORLD第27卷2
近年来，车辆轨迹数据、社交媒体数据、公单片机解码
交刷卡数据、手机信令数据以及关注点(Point of
Interest,P0I)数据等被广泛应用于土地利用分类、
城市功能区识别等研究炉⑴。其中，P0I数据样本量
大、涵盖丰富的信息，能够充分有效地反映城市空间
结构，广泛应用于城市功能区识别和分析［12_13］o谷岩
岩等人利用核密度聚类法和重尾打断分类法对P0I数据
进行分析，实现对北京五环内的功能区识别，并结合
出租车轨迹数据进行时空挖掘，得出城市功能区交通
吸引规律及其相互作用的强度和方向⑭。郭昭等人结
合东莞市P0I数据，综合采用核密度法、区位爛指数、
信息爛、均衡度等方法，从宏观的城市尺度识别城市
功能空间，并进一步探究城市功能复合化特征阴。赵
家瑶等人基于P0I数据识别了北京五环范围内城市用地
功能区，并对其提取出的交通枢纽进行空间分析［询。
赵卫锋等人通过对P0I数据进行公共认知、空间分布和个体特征进行分析并构造显著性度量模型，用来反映各地标的空间影响范围呦。高子铁等人基于P0I数据，运用核密度、局域热点分析(Getis-Qrd G*)指数等分析方法，研究西宁市零售网点的空间分布特征网。但上述研究仍存在研究单元划分及P0I核密度带宽设置不合理、结果存在离散化的现象。为了合理解决上述问题，本文选择长沙城区作为研究区域，利用公开地图(OpenStreetMap,OSM)路网数据划分城市最小用地单元，再基于P0I数据采用核密度估计算法并根据实际情况合理计算核密度带宽，由此对长沙城区进行功能区识别。分析了研究区功能结构的分布特征，在此基础上利用局域Getis-Qrd G*指数对商业热点进行详细分析。研究结果对城市管理者了解城市空间结构、制定合理的城市规划措施具有重要的指导意义，为长沙城区产业结构调整和商业空间优化提供科学参考。
1研究区和数据处理
1.1研究区域
长沙，湖南省省会，是长江中游地区重要的中心城市，也是长江中游城市和长江经济带极为重要的节点城市。本文的研究区域选择长沙市的芙蓉区、开福区、天心区、岳麓区、雨花区、望城区6个城区，占地面积约2178km2，研究区概况如图1所示。
Fig.1Overview of the study area
1.2数据处理
1)网数据
OSM旨在为用户提供免费且易于访问的数字地图资源，是现阶段最受欢迎的自发地理信息。这类数据与传统的地理空间数据相比，具有丰富、实时、更新速度快等优势。
由路网构成的不规则网格是承担城市管理和城市规划社会经济功能的基本单元。道路形成不规则网格，成为城市区域的自然边界。本文通过对OSM路网数据的延长、删除、拓扑检查等操作并将处理好的路网数据拓扑成面，生成不规则格网，实现研究单元划分。
2)P0I数据
本文选取了总数约10万条的2019年高德地图P0I数据，包活名称、经度、纬度、地址、电话、类型6个属性。根据类型统计，原始P0I数据分为公司企业、交通设施服务、科教文化服务、购物服务、金融保险服务等24大类。
从高德地图中导出原始的P0I数据种类较多，且部分数据之间存在交叉重复、无实际参考意义的问题，如银行ATM机等，需要剔除重复数据并对数据进行筛选。参考“城市用地分类与规划建设用地标准GBJ137-90"及“P0啲分类标准研究”等:«将P01：斓分为以下6个大类，每个大类下包括若干子类，见表1。
从茶叶中提取
国土空洵规划信息技术与应用
2020年第6期杨健，等.融合0S瞩网数据与P0I数据的城市功能区识别方法及其应用3
表1POI数据分类
Tab.1POI data classification
功能类型具体类别
居住用地住宅区：商务住宅、小区、别墅等
住宅附属用地：社区医院、社区服务中心等
工业用地公司企业：工厂、产业园等
餐饮：酒店、餐馆、咖啡厅、甜品店等
购物：商场、超市、便利店等
商业设施用地住宿：住宿酒店、宾馆、招待所、星级酒店等
休闲娱乐：电影院、网吧、KTV、俱乐部等
金融保险：银行、保险公司、证券公司等
公共设施用地科教：学校、培训机构、少年宫等
医疗：医院、诊所、药店等
行政用地：政府机关、事业单位、社会团体等体育休闲：体育馆、疗养场所等
绿地与广场用地风景名胜、公园、广场等
道路交通设施用地火车站、地铁站、收费站等
2研究方法
本文的研究思路是利用OSM路网数据将城市划分为不同研究单元，通过对不同类型的P0I数据所代表的不同实体赋予其相应的权重。通过计算每一个单元内各P0I类别的权数，根据判别规则将其划分成不同的功能分区，如图2所示。
核密度分割
功能区识别
结果验证及分析
图2研究技术路线图
Fig.2Research technology roadmap
路网密度
2.1POI数据定权
由于每个poi点都代表一个地理实体，而每个地理实体的面积、属性不同，因而所产生的影响力也有所区别。参考文献［19-20］引用公众认知度和不同P0I实体所占的面积这两个指标，将其作为影响P0I权重的影响因子。最终得到不同P0I类别的权重见表2。
表2POI类别权重表
Tab.2POI category weight table
类别公共认知度类别公共认知度
居住用地30公共用地60
工业用地40绿地广场用地80
商业用地50道路交通用地100
2.2核密度分析
核密度估计法能充分挖掘原始数据进行全面分析，所得出的结果具有明显的渐变性，不仅能反映细部特征，还能有效避免主观因素干扰呦。此方法在地理学第一定律的基础上发展而来，利用距离越近的事物关联越紧密的基本原理，得出与核心目标越近的位置所得到的密度扩张值越明显的结论，充分反映了空间位置和距离衰减的规律性，特别适用于城市基本设施和服务影响、交通路段风险评测等具有典型连续特征的地理现象的密度估计领域凹。核密度分析的计算公式如下：
弘)=計0(亍)⑴
式中，f(s)为位于S位置的核密度估算函数；h为衰减值，也称为带宽；C］为第，个P0I点的位置；n为与位置s的路径距离不高刊的F0I点数；°为砸设定腸函数。
根据各个P0I点的不同分布状况，可以推出带議的计算公式如下：
h=Q.9Xmin(SO,jl/ln2XD”)XN~2(2)式中，SO为该点平均中心与全部点的标准距离，计算公式如式(3)；0”为该点平均中心与全部点的距离中值；"为P0I总数。
匕-石］/N+(兀-P)j/N(3)
式中，SD,%"同上；E和儿是第d个P0I点的坐标；X，卩分别为P0I点的平均中心点坐标。
2.3城市功能区定量识别
将OSM数据划分的研究单元分割不同P0I的核密度，通过计算路网单元内各类P0I核密度所占比例，用来判别各个功能区。计算公式为：
妒M/OX100%(4)式中，眩为i G为6种功能区)型P0I的频率密度；M为，型P0I的核密度和；0为所有核密度总和。
通过式(4)分析得出各个功能区频率密度，并设定当某个P0I频率密度占比超过50%，就可确定该区域
国土空间规划信息技术与应用
地理信息世界
GEOMATICS WORLD
第27卷
4
是单一功能区；当出现两类P0I 频率密度处于20%〜50% 时，就可以得出该区域是两种功能混合的功能区；其他
则可以划分为其他混合功能区。
2.4热点分析
局域热点分析(GetisPrd G*)利用距离权矩阵的
局域空间自相关类指标来研究区域的高低值分布，也就 是热点和冷点分布测。该指标利用加权特征值分析热点
和冷点，在此基础上得到数据的集聚特征和空间分布叭
土亦®欝 ——
(5)
钟罩阀戶1
式中，为为空间区域单元/的属性值，嘉为空间权 重矩阵，若第7•个和第』个单元之间的距离处于设定距离
d 时，则空间权重矩阵中的元素为1，否则为0。
3实验和结果分析3.1城区功能区识别结果
通过选择最佳带宽，减小poi 噪声带来的影响，生成
长沙城区各功能类型的P0I 核密度图。通过空间连接将各
功能类型的核密度值与路网单元进行关联，再依据上述 定义的各功能区所占的权重结合核密度值计算各路网单
元内各个功能类型所占比例，根据功能区的判别规则， 最终得出长沙城区功能区的分区结果，如图3所示。
手摇三轮车I |公共■居住■■商业■工业錄地
I 公共-工业匚二］居住 ■)缘地-交通
功能区
交通
交通■工业nn 公共■绿地 亘1居住-工业绿地-商业 公共 ■ 商业 m 匚二|绿地■居住公共-商业 |商业-居住 1 |绿地■工业
工业 o 混合功能区 图3长沙城区功能区的分区结果图
Fig.3 Zoning result map of Changsha urban functional area
由图3可以看出长沙城区主要为两种功能结合的复
合功能用地，约占研究区总面积的65%。对于单一功能 用地，通过研究可以发现居住区的数量所占比例不到
1%，分析可知居住区对于一个城市的认知度较低，且居 住用地较为分散，在城市中并不作为一个主
要分区，经 常是与其他功能混合存在的，起到一种辅助功能。同
样，交通区数量也较少，虽然交通对于一个城市来说， 是非常重要的一部分，但是交通用地除了火车站等重
要交通枢纽外，城市中其他交通性设施用地分布较为零
散，不会形成区域性聚集。绿地与广场用地数量少且分
布较为零散，除了著名的风景名胜外，其他绿地、广场
都在住宅区附近，不会成片出现，因此难以形成一个聚 集区域。工业区数量约占单一功能区的15%，多分布在
中心城区的外围，主要集中在东北部且连接成片，说明
长沙市工业在中心城区的分布较少，主要集中在城市外 围，这也与一般的城市工业分布相符。公共区数量占比
较多达到单一功能区的30%且分布均匀，这也从侧面反
映出长沙市区的关键公共设施布局较为合理，没有区域 偏向性。商业区数量最多，占单一功能区的45%，且呈
现出聚集成堆现象。
对于复合功能区域，长沙城区主要为公共一商业
复合功能区域，占复合功能区的40%以上，主要集中在
天心区、芙蓉区、雨花区，究其原因，这一片区域有多 家机关单位、医院、学校等其他公共性区域，且周围交 通便利，商业较为发达。其次为商业一居住复合功能区 域，约占20%。3种或更多功能区混合的区域较少，所占
比例不足砒，说明长沙城区大部分区域功能性明确，不是
单一功能区就是两种功能区形成的混合功能区域。
3.2商业空间格局分析
商业功能是城市功能中必不可缺的一部分，主要
承载了城市的购物、餐饮、休闲娱乐等行为，与人们的
日常生活密切相关。根据上述城市功能区的识别分析结
果，可以看到长沙市的商业功能覆盖十分广泛，为此， 本文对商业功能进行深入分析。
为了确认长沙市商业空间的热点区域，本文采用
了局部热点分析的方法对其进行热点分析，并对商业功
能的二级子类(购物、餐饮、休闲娱乐)进行了分析， 全面分析了长沙城区的商业行为的空间分布情况，如图4
所示。
国土空间规划信息技术与应用
2020年第6期杨健，等.融合的瞒网数据与P0I数据的城市功能区识别方法及其应用5
a商业
a Commercial
b餐饮b Catering
c购物
GiZSeore
■<■2.58StdJDei-
■-2.58-1.96Std.Der
O 1.65亠1.45Std.Dn
口1.6""6SMDc
M>Z5SStdJ)C5'
d休闲娱乐
c Shopping
d Leisur
e and entertainment
图4长沙城区商业热点分析图
Fig.4Analysis of commercial hot spots in Changsha city
由图如所示的商业热点分析图可以看出长沙城区主商业中心分布在城市中心且呈现集中连片的集聚分布。其中最大的主商业中心位于开福区、天心区、芙蓉区三区交叉边界，形成五一商圈。五一商圈是长沙商业核心区域，也是目前的核心地段，经济密度和人口密度在长沙市具有明显优势。商业中心的集中分布以五一广场为核心，向西蔓延至望城坡街道，向东延伸至万家广场，南北方向分别扩展至红星广场和火车站。
外围次商业中心主要分布在城市中心的外围，布局较分散。相比主商业中心，外围次商业中心的集聚规模明显较小，布局也较为分散。另外，次商业中心的核密度值有较明显的递减变化。受等级和距离的影响，各次商业中心联系度低、互补性也较差。随着新一线城市和国家中心城市的建设，长沙市伴随着人口的集聚和增长，外围次商业中心所承担的作用在不断扩大。
主商业中心大致成等腰三角形分布，荣港镇地区为三角形顶点，五一商圈和红星广场为中心的东塘商圈由北至南形成三角形的底边，该格局在满足本地居民消费的前提下，磁心商业中心鋼挤tWJ舒鋼扮解作用。
此外，长沙市的餐饮如图4b所示、购物如图4c所
示及休闲娱乐如图4d所示的热点区域的分布特征都较为相似。其中，餐饮、购物、休闲娱乐的热点区域主要位于五一商圈、火车站商圈及其周边区域。餐饮的另一热点区域位于岳麓区的麓谷街道、梅溪湖街道和坪塘街道的交会处，形成这一餐饮热点区域是因为附近人流量较大，有著名的岳麓山等风景区、多所高校形成的大学城和麓谷科技园区，购物的另一主要热点区域位于四方坪街道和伍家岭街道的交会处，周围有较多旅游景点等吸引大量人流形成了购物的热点区域。购物的第3个热点区域位于望城区区政府周边，大量住宅区聚集，人流量较大，形成了又一购物热点区域。休闲娱乐的另一热点区域位于岳麓区，这F点区域的形成是因为靠近大学城且交通便利，周围有大量住宅区，学生居民数量较多导致休闲娱乐的需求量增加，形成了休闲娱乐的热点区域。3.3实验结果验证
将上述功能区识别的结果与长沙市城市总体规划(2003—2020年)的规划图进行比对，整体而言一致性较高，但局部有细微偏差。为了进一步对识别情况进行判断，从识别出来的功能分区里随机选取几个标志性功能单元进行对比，结果如图5所示。
a功能区识别结果b发展规划图c功能区识别结果d发展规划图a Recognition result b Development c Recognition result d Development
e功能区识别结果f发展规划图g功能区识别结果h发展规划图e Recognition result f Development g Rec
ognition result h Development of functional area plan of functional area plan
图5功能区识别的结果和发展规划图对比
Fig.5Comparison of the result of functional area recognition and the
development plan
由对比图看出，A区域在发展规划图上规划为公共区域，本研究识别的结果也为公共功能区；B规划为居住区，本研究识别结果为商业一居住功能区；C规划为商业和居住区域，本研究识别为商业区域；D规划为居
国土空间规划信息技术与应用
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议