宜出行大数据支持的武汉市主城区职住特征研究

分析城市的职住特征能够为制定城市发展规划和解决城市交通问题提供重要的指导。本文以武汉市主城区为研究对象,依托宜出行大数据,通过对组团、街道和微观3个尺度的职住分布特征和职住平衡特征的分析,研究了武汉市主城区的职住特征。研究发现:①在组团尺度,各时段组团间的人口分布由中心向外围依次递减,与武汉市主城区圈层发展、组团布局的空间格局规律一致,各组团均处于职住平衡状态;②在街道尺度,主城区65􀆰58%的街道为职住相对平衡状态,少数街道存在职住失衡现象;③在微观尺度,结合地图与POI数据分析,工作时段人口集中于商业区与交通线路附近,休息时段人口相对均匀地分散于住宅区。以工作时段人口聚集热点为例,热点中心就业高度集中,存在就业导向的职住失衡,随着距离增加,职住分布趋于平衡。

城市轨道交通及BRT周边地区职住平衡与建成环境的关系研究:以合肥市为例

轨道交通可重塑城市职住空间格局,其在承担长距离通勤出行的同时也使得职住空间进一步分离.为了交通基础设施与城市空间的协调发展,本研究采用宜出行热力数据分析了合肥市中心城区的职住空间分布,并基于职住比将站域划分为职住平衡、就业型和居住型3种职住空间类型,运用多元logistic回归模型探究其建成环境与职住平衡类型之间的关系.结果表明:合肥市中心城区已形成以老城区、政务区和滨湖新区为核心的多中心城市空间结构;站域的就业密度及其土地利用混合度与密度对职住平衡有显著影响;轨道交通站点有助于就业中心的形成,但对居住型的职住空间影响不大;BRT(bus rapid transit)对职住空间类型的影响并不显著.该研究结果可为依托轨道交通重塑城市职住格局、改善职住平衡提供支撑.

基于多交通模式的长春市公园绿地空间可达性研究

城市公园绿地资源空间配置的有效性和公平性对城市规划建设和居民生活具有重要意义。基于百度地图路径规划API及腾讯宜出行大数据,采用集成多种交通模式(步行、公交、驾车)的引力模型与双变量空间自相关分析等方法,综合测度长春市中心城区公园绿地的空间可达性及其供需匹配特征。研究发现:(1)长春市中心城区的公园绿地空间可达性随出行方式和时间观测阈值的变化而改变,各社区可达性水平空间差异显著,可达性较好的社区多分布于城市公园、河流及轨道交通沿线;低可达性社区主要位于城市东北、西南向外围边缘区域。(2)从不同交通模式来看,驾车出行的可达性水平要显著高于步行和公交,其出行克服时间成本的能力较强,但驾车可达性的空间差异也高于公交和步行;随时间阈值的增大,不同交通模式可达性的空间分布表现出显著差异。(3)基于供需平衡视角的空间可达性特征显示,中心城区二环、三环区域公园绿地供需匹配较好,供需失衡的区域主要集中在一环内核心区及城市边缘开发区,核心区存在"低供给-高需求"的聚集现象,边缘城区存在"高供给-低需求"聚集现象。

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例,基于宜出行和兴趣点(points of interest,POI)2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法,开展了城市土地利用分类研究.通过对比不同数据与方法组合下的城市土地利用分类精度,确定了提取城市土地利用信息的最优数据组合方式和分类方法.并基于分类结果对西宁市的城市土地利用格局进行了分析.结果显示,基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高,总体精度为71.25%,Kappa系数为0.62.主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征,而神经网络可以有效综合多源大数据的信息.因此,基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径,具有较大的应用潜力.