摘要：以鄭州市為例，基于居民依賴度和要素屬性值對POI要素熱點分析結果進行空間加權疊加，分析城市多中心空間靜態結構;運用詞向量和數據場理論，在表達居民出行偏好的基礎上，利用軌跡數據分析城市多中心對動態目標的吸引強度，并挖掘多中心網絡的動態交互關系。研究表明：①城市靜態要素呈中央集中、外圍分散的圈層空間分布形態，部分多中心已形成了一定吸引聚集能力，而另一部分雖然規劃前景廣闊，但還遠未形成副中心應有的分散疏解作用;②城市多中心對動態目標的吸引強度不均衡，出租車和電動車軌跡顯示的多中心吸引強度和空間交互關系雖有差異，但均體現出城市為典型的外溢型結構，核心城區仍然是空間交互的主要方向。因此，還需通過政策導向和基礎設施建設等手段，增強外圍多中心的吸引聚集能力，實現城市空間均衡發展。

　　關鍵詞：多中心;靜態結構;動態特征;空間交互;鄭州市

　　在中國城鎮化水平不斷提高的過程中，大城市的規模效應產生了巨大的發展成就，但同時也出現了使城市運行效率下降的“大城市病”問題。利用多源數據對城市規劃多中心結構進行分析和評價，有利于準確評估城市的演化趨勢，挖掘內部驅動機制，為及時優化和調整城市規劃提供科學參考依據。城市多中心不僅是空間形態上的多中心，要素間的交互關系也是反映多中心結構的重要方面[1]。

　　隨著技術的進步，多中心研究所使用的數據已逐步由人口、土地和經濟等傳統數據，向興趣點、手機信令和定位軌跡等時空大數據轉變，而研究方法除了對空間聚類和空間統計方法進行改進之外，還將詞向量[2]和數據場[3]等理論應用于分析實踐。基于傳統數據的研究成果包括，基于人口梯度指標的城市空間績效測度方法[4]，基于經濟和產業約束的多中心結構分析[5,6]，基于區域關聯度的多中心層級分析[7]等，此類研究大多從宏觀角度，對多中心形成機理進行了分析，但由于數據概略且現勢性較低，研究結果存在一定片面性。

　　興趣點(PointofInterest，POI)數據和軌跡數據憑借覆蓋廣、精度高和面向個體的特點，為多中心研究提供了新的思路，POI數據應用成果如，城市中心地標分層識別[8]，城市產業區位分異機制分析[9~11]，城市空間結構聚類識別[12~14]，城市人口活動規律分析[15~17]等，而軌跡數據應用成果如，軌跡伴隨模式和路網相關性分析[18,19]，城市活動熱點識別[20~22]，城市空間交互規律挖掘[23~25]等。

　　此類研究憑借數據優勢，對傳統研究成果做出了較為科學的修正和補充，但數據處理、表達、分析和展現的難度大大增加，研究人員需要對大數據進行清洗處理，建立能夠充分體現數據特征的表達模型，最后通過優化分析方法得到準確的分析結果。本文擬利用多源大數據，對城市多中心靜態結構和動態關聯分析方法進行改進，從要素聚集、人口經濟、流動特征和交互強度方面，綜合分析鄭州市多中心結構的空間特征，及其演化驅動機制，為優化城市規劃提供科學依據。

　　1研究區域與數據來源

　　1.1研究區域

　　鄭州市是中原城市群的核心城市，將其作為多中心結構分析的研究對象極具代表意義。2018年鄭州市規劃局發布了《鄭州市中心城區總體城市設計》，按行政歸屬高新區屬于中原區，經開區屬于管城回族區，鄭東新區屬于金水區，因此將其合并至對應區劃。

　　1.2 數據來源

　　數據源主要包括POI數據和軌跡點數據2類，同時結合人口和GDP等數據，進行綜合分析。

　　1)POI數據。使用了2019年6月采集的高德地圖POI數據286598條，結合各類要素在城市中的功能定位及其分類體系，將其分為公共服務、公司商務、生活居住、消費服務和休閑娛樂五大類。

　　2)軌跡數據。使用了2019年5月采集的由鄭州威科姆科技股份有限公司提供的出租車軌跡(約6000輛)和電動車軌跡(約15萬輛)。其中電動車數據通過交管部門的電動車管理系統采集，2018年底至2019年初鄭州市為轄區內約300萬輛電動車免費安裝防盜定位設備和車牌，以期實現智能糾章、防盜追蹤和交通分析功能。

　　1.3研究方法

　　1)靜態結構分析方法。①局域Getis-OrdGi*指數熱點分析[10]。本文利用空間自相關性分析具有統計顯著性的POI要素熱點單元，根據研究范圍取0.5km邊長的規則格網單元左為分析單位。②基于居民依賴度和要素屬性值的空間加權疊加分析。5類POI要素所占比重以及對居民的影響各不相同，還需將二者影響考慮在內，進行空間加權疊加，疊加單元為0.5km邊長的規則格網單元。

　　2城市多中心靜態結構分析

　　2.1多中心聚集特征熱點分析

　　經空間統計，各類要素熱點面積約占總面積的8.5%，其中包含了70%左右的要素點，聚集效應明顯。熱點區域以二七廣場為中心，呈現圈層擴散、沿線蔓延的空間形態，圈層中心為：二七廣場、花園路、碧沙崗等，蔓延主線為：金水路、中原路、農業路、隴海路、南陽路、大學路、花園路、紫荊山路和中州大道等。另外，圖中還有一處自西北向東南的高值區域割裂帶，為京廣鐵路貫穿城市的位置，說明一些重要的人工要素會形成類似山水阻隔的空間割裂作用。

　　2.2人口和經濟空間統計分析

　　城市多中心研究數據還包含人口和經濟數據等，此類數據也能從不同側面反映城市多中心結構的分布規律。鄭州市人口與GDP空間密度分布。人口集中的區域為金水區西南部、中原區東部和二七區北部，GDP高密度區域則集中在金水區西南部，此分布形態雖與其中的高值區域存在一定差異，但從宏觀角度看，雙主中心二七廣場和鄭東新區仍然是人口和GDP空間密度最高的區域。而其他多中心位置的人口、GDP和POI要素密度并非完全正相關，這主要是城市人口流動和產業遷移的產生的結果。

　　3城市多中心動態特征分析

　　3.1動態目標多中心引力強度分析

　　基于詞向量和數據場的多中心引力強度分析。電動車的引力高值和中值區域面積明顯大于出租車，且在城市外圍更加分散，原因在于，城市中電動車數量遠遠多于出租車，購買和使用成本更低，空間上也更加分散，居民短途出行時更傾向電動車，形成了相對均衡的空間分布。此方法利用詞向量對軌跡的方向、長度、分段和上下游關系進行了表達，基于數據場質點吸引模型計算了格網單元的區域引力強度。分析結果的高值連片區域內部結構區分度較高，能識別外圍離散高值區域，從理論含義看，此方法對軌跡的時空信息表述較為完整，是更加適合軌跡數據的多中心引力強度分析方法。

　　3.2多中心空間交互分析

　　可將多中心分為3個等級：①A、C、F、H、I和J周邊要素最集中，引力最強;②B、D、E、K、L和M位置更加分散，多位于人口和GDP密度較高的金水區和管城回族區;③G、N、O、P、Q、R和S，均為位置更加邊緣化且在建設中的次級中心。雖然各個多中心間出入強度差異較大，但凈流量比體現的單個中心的流動較為平衡，入和出強度差異較小，其值基本為[−0.15,0.15]。利用網絡邊權重表達的多中心節點交互關系。出租車交互強度體現了核心城區的9個節點交互最頻繁，外圍中心的主要交互方向指向核心城區且強度較弱，因此“中心−外圍”是多中心交互的主要方向。

　　電動車交互強度體現了空間距離較近的中心間交互更頻繁，其強度在空間分布上更加均勻，形成的網狀結構有別于出租車，強度最高的區域為人口和GDP密度最高的金水區以及相鄰的管城回族區，城市外圍多中心之間也具有較強的交互強度，而遠距離的軌跡數量極少。

　　4多因素城市多中心空間結構分析

　　前文分析得到要素聚集度(熱點分析)、人口密度、GDP密度、區域引力(引力強度分析)和交互強度(空間交互分析)5種分析結果，與多中心位置疊加。5種分析結果從宏觀角度看為正相關關系，即核心城區聚集程度高、吸引能力強、空間交互頻繁，而外圍城區各類分析數值明顯下降。但從各個規劃多中心位置上看，分析結果仍然存在較大差異。主中心二七廣場和鄭東新區均位于各類分析的高值或中值區域，但從具體分析數值看，二者仍存在一定差異。二七廣場為鄭州傳統商業中心和交通樞紐，城市中心地位不言而喻。

　　鄭東新區自2000年規劃發展至今，已成為集金融、商業、休閑和居住為一體的城市中心，但在建設前期通過土地升值補足建設經費，經時間積累已成為房價最高的區域，企業建設運營成本、居民生活居住和交通成本均相對較高，造成了區域引力的下降，因此雙主中心形成了聚集密度和引力強度不均衡的特征。

　　5結論與討論

　　本文針對POI和軌跡數據的特點，設計了基于居民依賴度和要素屬性值的空間加權疊加分析方法，和基于詞向量和數據場的多中心引力強度分析方法，對城市多中心靜態結構和動態特征進行了分析，發現政策、人口、交通和房價等均會影響城市多中心結構的演化。

　　結論包括：①鄭州市靜態要素在空間聚集形態上，呈中央集中、外圍分散的圈層形態。各類要素密度以二七廣場為中心向外圍逐步降低，受到政策和規劃的影響，外圍多個中心要素聚集程度雖遠不如核心城區，但已形成一定的分散城市功能的作用，其功能定位、產業規劃和交通設施對區域發展起著重要作用，而另一部分規劃中心，雖然規劃前景廣闊，但還需較長時間完成配套建設，增強其空間聚集能力。

　　②鄭州市多中心對動態目標的吸引強度不均衡，外圍中心的區域吸引能力和交互強度還需提高。通過動態特征分析發現，不同軌跡呈現的吸引強度和空間交互關系雖有差異，但高強度的交互區域仍然集中在人口和GDP密度較高的金水區和管城回族區，城市呈現典型的外溢型結構，核心城區依舊是空間交互的主要方向。

　　規劃師評職知識：城市規劃專業投稿期刊推薦

　　根據以上分析結論提出的規劃建議為：通過政策導向為多中心區域發展創造良好的環境，加強特色功能中心的基礎設施和交通設施建設，穩定地價和房價，發揮外圍多中心的吸引聚集作用，引導過度聚集的人口和城市要素向外圍中心分散，最終實現城市空間均衡發展的目標。后續研究還需從以下方面繼續深化：①體現動態特征的數據還包括私家車、公共交通、個人簽到和手機信令等，還需對數據進行拓展，得出更準確的分析結論;②收集整理歷年數據，分析年份間城市空間變化規律，結合政策和規劃，驗證多中心結構演化機理，為提高城市整體績效提供可靠依據。

　　參考文獻(References)：

　　[1]李婷,裴韜,袁燁城,等.人類活動軌跡的分類、模式和應用研究綜述[J].地理科學進展,2014,33(7):938-948.[LiTing,PeiTao,YuanYechengetal.Areviewontheclassification,patternsandappliedresearchofhumanmobilitytrajectory.ProgressinGeography,2014,33(7):938-948.]BengioY,DucharmeR,VincentPetal.Aneuralprobabilisticlanguagemodel[J].JournalofMachineLearningResearch,2000,3(6):932-938.

　　[2]李德毅,劉常昱,杜鹢,等.不確定性人工智能[J].軟件學報,2004,15(11):1583-1594.[LiDeyi,LiuChangyu,DuYietal.Artificialintelligencewithuncertainty.JournalofSoftware,2004,15(11):1583-1594.]

　　[3]韋亞平,趙民.都市區空間結構與績效—多中心網絡結構的解釋與應用分析[J].城市規劃,2006,30(4):9-16.[WeiYapping,ZhaoMin.Spatialstructureandperformanceofmetropolis:Interpretationandapplicationofpolycentricstructure.CityPlanningReview,2006,30(4):9-16.]

　　作者：李欣