中国城市规划学会官方网站

您当前的位置:中国城市规划网>学会> “大数据与城乡治理”研讨会> 正文

熊丽芳:长三角城市群居民活动空间范围划界研究

——基于微博签到数据

2015-06-05 17:52 来源:中国城市规划网

编者按:

2015年5月23日至24日,由中国城市规划学会承办的中国科协年会分会场“大数据与城乡治理”研讨会于广州举行。广东省城乡规划设计研究院规划师熊丽芳作了题为《长三角城市群居民活动空间范围划界研究--基于微博签到数据》的报告。熊丽芳规划师分析了微博签到数据应用的背景、思路及方法,并对研究结果进行了深入分析,她指出这个研究能够在一定程度上弥补城市群空间范围划界这一领域对人的活动关注、研究和利用的不足,是当前研究大数据时代城市群空间发展问题的一个新视角。

一、研究缘起

诺贝尔经济学奖获得者克里斯曾预言,中国的城镇化运动将给世界带来重要的影响,并将成为21世纪推动世界经济发展的两大引擎之一。随着我国城镇化进程的推进,城市群的重要性将更加突出。城市群是区域空间演变和联系深化的有机整体,也是国家接轨全球化与参与全球竞争的重要空间载体。

以往对于城市群的规划研究存在着如下问题:首先,划定城市群边界,大多是基于功能方法、行政边界和空间临近性原则;其次,传统的城镇体系通常以一个城市的总人口作为分析对象,缺乏对于城市群内部空间差异的分析;再次,城市群作为一种流动空间的存在,对于其活动主体--人的时空活动的重要性关注不足,忽视对城市群最关键的城市间相互关系的本质界定(人的活动是城市联系的基础)。

基于城市夜晚灯光数据等的较新技术解决了部分问题,但还是存在对城市间相互关系分析不足、对人的活动关注不够等缺陷。

二、背景和思路

大数据时代的到来为城市研究提供了无限的可能,包括社交网络在内的互联网大数据研究价值很大。我之所以选择新浪微博数据,一方面是因为其用户量巨大,2012年年底微博用户量达到了3亿,手机微博用户量达到了2亿;另一方面,微博提供了位置服务,成为了一个很热门的应用。

这里要说明的一点,基于微博数据的应用,反映的这个活动空间特征是否可以有代表性,要进行数据的说明。它反映的应该是大规模的居民的实时行为以及居民愿意分享的部分,以及ICTs影响大即信息化水平高、网络活动频繁、空间流动性较大的人群。另外我采集获得的数据,对签到活动的时间规律也进行了分析,说明了传统的作息规律在签到活动中得到体现,是可以作为居民活动研究的切入点的。

我的研究活动主体是空间范围划界,包括活动空间集聚程度、活动强度空间差异、活动规模等级分析、活动联系强度分析四个方面,首先是网络数据的挖掘,再就是相关的GIS的分析方法,随着得出这样一个划界结果。

三、方法与数据

我们以长三角城市群作为研究区域,主要包括行政边界划定的16个城市,采集数据量达到了164万。基于微博签到数据这样一个数据表结构,大家可以看到其实微博数据也能反映出一个市民的画像的特点。另外在数据表中可以看到它有一个纬度和经度,对应到具体的微博签到,对应到空间上。

在方法上我要说明一点,在活动集聚度的分析当中,我采用了活动密度的分析,对应这样一个活动密度125公里的参数设置,是参考顾朝林老师对于之前城市群定量研究当中给出来的一个研究值。我本次研究主要采用的是活动联系强度,构建了一个人口流动模型,活动的规模等级是采用数理统计去划定活动规模等级。刚刚提到的城市群人口流动模型,我要稍微解释一下。我们的微博用户一般来说会在个人属性填自己在哪个城市,对应的这样一个城市A微博用户如果到城市B之间签到的话,我们认为A、B两个城市之间有了联系,对应的城市间的活动联系,A用户在B城市签到,或者是B用户在A城市签到,对应的这两者之间的相交就是城市活动联系度量的方法。本次的研究就是以这样一个签到数据构建城市人口流动模型去定量分析,研究几大核心城市对外的联系强度,以及根据活动联系强度进行空间划分。

四、结果与分析

图1

第一,活动联系强度分析。大家可以看到这样划分的结果比较清楚(如图1),最紧密的是上海跟苏州,次紧密地区是苏州和杭州,这个跟传统意义上的理解,认为上海应该是跟核心城市南京或者杭州联系比较紧密,基于这个微博数据签到结果,我们看到上海跟苏州联系比较紧密。这个也可以解释,苏州这几年经济的发展,跟上海位置的比邻,上海作为区域性国际金融中心的地位,也为苏州的产业发展提供了金融服务平台的支撑。关于职住平衡的问题,上海工作的一些人也有部分住在苏州,这几点说明上海跟苏州的紧密联系程度是有可能的。对中心城市,以苏州、杭州、南京、宁波为核心的活动联系状况的空间划分做了一些分析,主要得到的结论是区域中心城市对外活动联系强度具有明显的空间指向性。

图2

第二,活动规模和强度的空间差异分析。这里的活动规模是以各县域的活动规模为统计单元,得出的结论就是整个长三角城市群呈现的是“一核多中心”,空间差异大,区域中心城市的活动规模大。在这样的一个基于县域的居民活动强度分析图(如图2)当中空间差异比较明显,以上海为核心,沿两个方向延伸,沿苏锡常绵亘至南京,沿沪杭线至杭州,进而扩展到宁波,辐射至整个杭州湾。

图3

第三,活动集聚程度分析。在城市群内部会细分到很多的城市集合体。在我的研究当中,产生5个区域活动中心,首先以上海的活动密度分析,得到它是一个核心集聚、逐级递减、“多心开敞”的都市区形态;苏州、杭州、宁波、南京也各自有他们在活动集聚程度方面呈现出的特点。这个城市群内部可能存在联系比较频繁的一些小的集合城市,对应的在长三角城市群这样一个层面,有宁镇扬组团,大家可以看到基于先导的签到布局(如图3),可以发现活动核心区已经由南京的中心城区拓展到了镇江的巨龙等部分,潜在核心区域进一步拓展到丽水、扬州、镇江等以下的县级市。对应的就是苏锡常组团也成为了一个比较紧密联系的集合城市,还有杭州、湖州、嘉兴和绍兴,也是因为彼此之间的联系比较紧密,成为了一个活动集聚组团。

最后我根据以上的分析对在都市圈层面的活动空间范围采用了一个编码叠加的方法,根据编码叠加的结果划分核心圈层和外围圈层,同时在这个过程中也考虑行政边界和自然地理条件进行最终的空间划定,都市圈层面划定完了之后,在这个层面上进行整合,再得到城市群空间活动范围划界的结果。

图4

我们来看一下这是南京都市圈核心区划定的结果(如图4),都市核心圈就是南京市辖区,外围的圈层包括了仪征、扬州市辖区、镇江市辖区。最后基于这样一个都市圈整合到城市群活动空间的划定结果,居民的签到活动整体呈“Z”字形的分布,活动集聚区沿交通干线布局特征明显。以上海为核心,以南京、杭州、苏州、宁波为中心,包括上海市辖区、绍兴县、诸暨市等32个市辖区和县(市)。

五、研究意义

我认为我的这个研究能够在一定程度上弥补城市群空间范围划界这一领域对人的活动关注、研究和利用的不足。利用社交网络抓取的微博点位大数据,以人的活动强度和范围为依据,试图对城市群活动空间的范围进行划界。社交网络数据等将是未来研究居民时空行为重要的数据来源之一。大数据的最大贡献就在于相关关系的解释,它的出现为城市群的规划研究提供了最佳的工具与渠道。分析居民时空行为,并以此为依据,划定城市群活动空间范围,是当前研究大数据时代城市群空间发展问题的一个新视角。

六、研究不足

我来谈一下在研究中的一些不足。首先,微博签到毕竟是一种网络行为,其数据的真实性有待进一步考证,例如:与实体空间行为吻合程度有多高,对研究结果带来什么影响,是怎样验证的,后续如何完善,这些问题都是值得思考的。其次,对于这样一个数据分析处理,注重的不是数据本身,而是采用了哪些研究方法。我之前挖掘到的160多万的数据在进一步的分析提取当中有待加强。再次,针对长三角城市群,我选择的是16个城市,具体的话一定可以拓展到3省一市,如果把空间扩大之后,它的研究结果有什么不一样的特征,这是有待研究的。最后,这次的研究是以地级市为基础,没有挖掘且定量表征出中心城市与外围中小城市的联系程度。

研究的一些展望,包括机制,包括规划,应用实践上应该做出怎样更多的努力,希望在今后的研究中进一步加强。这是我参加这次研讨会的收获,这两天很高兴可以听到各位前辈和专家在大数据应用规划与实践领域的探索,在现状评估和预测中的一些很宝贵的尝试,希望以后有更多的交流平台能够学习。

(根据速记整理,未经专家审阅)