摘要：城市功能區(qū)的空間分布與特征是對超大型城市的科學規(guī)劃管理的重要參考。本文以上海全市范圍為研究區(qū)，獲取了上海市開放街道地圖路網(wǎng)和水體數(shù)據(jù)與興趣點數(shù)據(jù)，劃分最小功能單元，采用核密度估算等方法，識別分析上海市城市功能區(qū)空間分布和特征。結(jié)果表明：上海市各類型用地整體呈“一核多心”分布特征，可分為29 類城市功能區(qū)，主要為綜合功能用地區(qū)和混合功能用地區(qū)；識別結(jié)果與實際情況相符合，可以為上海的城市規(guī)劃與管理提供參考。

關(guān)鍵詞：開放街道地圖；興趣點；城市功能區(qū)；識別與分析；超大型城市

中圖分類號：F293.22；P901 文獻標志碼：A 文章編號：2095-1329（2024）03-0105-05

隨著城市化進程的發(fā)展，在城市內(nèi)部逐漸形成居住用地、工業(yè)用地、商業(yè)用地等不同功能區(qū)[1]。上海作為超大型城市，集中承載人口資源，城市空間結(jié)構(gòu)復(fù)雜，面臨人地關(guān)系緊張、城市功能轉(zhuǎn)型等多方面壓力[2]。準確掌握上海市城市功能區(qū)空間分布特征對其科學規(guī)劃管理和資源合理配置具有重要意義[3]。

傳統(tǒng)的城市功能區(qū)的識別與劃分主要有以下兩種方式：一是基于專家評定和調(diào)查統(tǒng)計的經(jīng)驗主義方式，二是基于遙感影像開展城市土地利用分類和功能區(qū)識別[4-5]。前者受到統(tǒng)計數(shù)據(jù)的限制，存在主觀性強、時效性差等問題[6]；后者主要考慮地物自然地理特征，在地物的社會經(jīng)濟屬性方面考慮不足，難以契合如今城市規(guī)劃與管理工作的需求。

隨著信息技術(shù)的快速發(fā)展，地理大數(shù)據(jù)因其粒度細、廣度寬、密度大的特征，為城市功能區(qū)研究提供了新的思路[7]。近年來，已有部分學者利用興趣點數(shù)據(jù)（Pointof Information，POI）以網(wǎng)格為最小劃分單元開展了上海城市功能識別[2，8-9] 及綠地[5]、餐飲[10]、教育[11] 等專題要素的分析研究，但單元網(wǎng)格形式和城市真實用地分區(qū)存在一定差異[12-13]。考慮到城市內(nèi)的主要道路和河流會阻礙兩側(cè)的人員流動和經(jīng)濟活動，具有相同社會經(jīng)濟功能的劃分單元更具合理性[14-16]，部分學者利用道路網(wǎng)路劃分用地單元，使劃分單元更符合實際情況[16-18]。因此，本文選擇上海市作為研究區(qū)，利用開放街道地圖（OpenStreet Map，OSM）道路網(wǎng)絡(luò)和水體數(shù)據(jù)劃分城市最小功能單元地塊，并基于POI 數(shù)據(jù)核密度估算結(jié)果識別研究區(qū)城市功能區(qū)。研究結(jié)果有助于城市功能結(jié)構(gòu)的理解，為城市的規(guī)劃和管理提供參考。

1 研究區(qū)和數(shù)據(jù)

1.1 研究區(qū)概況

上海市位于長江入海口，是超大型城市、國家中心城市，上海大都市圈核心城市，在國家現(xiàn)代化建設(shè)和全方位開放格局中具有重要地位。本文以上海全市作為研究區(qū)，包括黃浦區(qū)、靜安區(qū)、徐匯區(qū)、虹口區(qū)、長寧區(qū)、楊浦區(qū)等16 個市轄區(qū)，總面積6340.5 km2。

1.2 數(shù)據(jù)源

（1）OSM 數(shù)據(jù)

OSM 數(shù)據(jù)是開源全球空間數(shù)據(jù)，能被免費下載并編輯，包括道路、河流、土地利用等多種要素信息。本文利用OSM 數(shù)據(jù)中的道路和水體數(shù)據(jù)劃分城市功能地塊單元，數(shù)據(jù)包含名稱、類型、空間位置等屬性信息，下載自官網(wǎng)http：//www.openstreetmap.org。

（2）POI 數(shù)據(jù)

POI 數(shù)據(jù)將和人類社會活動有關(guān)的地理實體抽象為數(shù)據(jù)點，具有易獲取、精度高、數(shù)據(jù)量大、覆蓋面廣等特點[3]。本文利用Python 爬取高德地圖興趣點（POI）數(shù)據(jù)，數(shù)據(jù)時點為2023 年10 月，進行清洗后共有數(shù)據(jù)約一百萬條。數(shù)據(jù)包括信息、類別、地址、坐標等屬性信息。根據(jù)《城市用地分類與規(guī)劃建設(shè)用地標準》和上海市實際情況，將POI 數(shù)據(jù)分為商業(yè)用地、居住用地、綠地廣場用地、科教文化用地、公共服務(wù)用地、工業(yè)用地和交通用地七個大類（表1）。由于POI 為點數(shù)據(jù)，不能反映實際的占地面積，需根據(jù)不同類型POI 對功能區(qū)分類的不同重要程度賦予權(quán)重。本文參考相關(guān)研究，依據(jù)POI 占地面積和公眾認知度賦值，對不同類型POI 數(shù)據(jù)賦予不同權(quán)重[13，16，19]，如表1所示。

2 研究方法

2.1 最小功能單元劃分

本文利用路網(wǎng)和水體劃分最小功能單元[16]：首先，根據(jù)OSM 道路數(shù)據(jù)的fclass 字段過濾得到研究所用的高速公路、主干道、一級道路、二級道路和三級道路，并預(yù)處理道路數(shù)據(jù)，清理懸掛點、斷點等問題，形成上海市主要道路交通網(wǎng)絡(luò)。其次，依據(jù)《城市道路工程設(shè)計規(guī)范》和上海市的實際情況，將路網(wǎng)數(shù)據(jù)分成三級：①高速公路、主干路；②一級道路、二級道路；③三級道路，分別對三個級別分別生成50 m、30 m、20 m 寬的緩沖區(qū)，生成道路的矢量范圍。最后，在研究區(qū)范圍內(nèi)擦除道路矢量范圍和水體范圍，形成獨立單元地塊，去除極小面積地塊后，生成研究區(qū)的基于OSM 劃分的最小功能單元共6239 個（圖1）。

2.2 核密度估計

核密度估計法被廣泛用于點數(shù)據(jù)的空間分析中，核密度估計的值越大，點數(shù)據(jù)的分布越聚集[20]。本文利用核密度估計法計算各類別POI 數(shù)據(jù)的核密度估計值分布，計算公式如下：

2.3 城市功能區(qū)劃分

根據(jù)各類別POI 數(shù)據(jù)的權(quán)重計算各個土地利用單元內(nèi)的不同類型POI 數(shù)據(jù)的頻率密度，計算公式為：

城市功能結(jié)構(gòu)復(fù)雜，單一功能劃分城市功能區(qū)具有一定的局限性。本文根據(jù)功能區(qū)單元內(nèi)的POI 的頻率密度確定地塊功能劃分[16]：①單元地塊內(nèi)第i 類POI 頻率密度≥50%，這一單元地塊劃分為第i 類的單一功能區(qū)；②單元地塊內(nèi)POI 頻率密度最高兩個類別的值在20%～50%時，這一單元地塊劃分為這兩個類別的復(fù)合用地區(qū)；③單元地塊內(nèi)所有POI 的頻率密度都是0，劃分為無數(shù)據(jù)區(qū)；④其余劃分為綜合功能區(qū)。

3 研究結(jié)果與討論

3.1 各類型POI 的分布特征

基于各類型POI 數(shù)據(jù)核密度估算結(jié)果，歸一化各類型估算值[8]，以更好分析各類型POI 的分布特征（圖2）。

7 類POI 整體呈現(xiàn)“一核多心”的空間分布，即以中心城區(qū)為聚集核心，呈現(xiàn)出連片的分布特征；多中心發(fā)展，向外圍郊區(qū)擴散形成多點狀聚集特征，例如閔行區(qū)虹橋鎮(zhèn)、七寶鎮(zhèn)，青浦區(qū)盈浦街道，嘉定區(qū)嘉定鎮(zhèn)街道，浦東新區(qū)惠南鎮(zhèn)、川沙新鎮(zhèn)，奉賢區(qū)南橋鎮(zhèn)等，聚集規(guī)模相對中心城區(qū)較小。

同時，不同POI 類型之間存在較大差異，例如商業(yè)用地和工業(yè)用地的核心區(qū)集聚度相對較低，而外圍郊區(qū)的多點狀集聚特征較其他類型POI 更為明顯。

3.2 上海市用地功能區(qū)劃分結(jié)果

本研究利用OSM 路網(wǎng)數(shù)據(jù)將上海市劃分為6239 個功能單元，基于功能區(qū)劃分公式，得到上海市綜合功能用地區(qū)、7 種單一功能用地區(qū)、21 種復(fù)合功能用地區(qū)、無數(shù)據(jù)區(qū)，結(jié)果如圖3 所示。其中，單一功能用地區(qū)1543個，復(fù)合功能用地區(qū)2997 個，綜合功能用地區(qū)1684 個，無數(shù)據(jù)區(qū)15 個（包含沿海數(shù)據(jù)缺失部分）。整體上，上海市城市功能區(qū)以綜合功能用地和復(fù)合功能用地為主要分區(qū)，各用地類型互相交錯。從中心城區(qū)往郊區(qū)，功能單元面積整體呈增加趨勢，且用地功能區(qū)連片分布。

城市功能區(qū)識別結(jié)果包含29 類功能類型，其中7 類單一功能用地，21 類混合功能用地和1 類綜合功能用地（圖4）?？梢钥闯?，綜合功能用地的分布范圍最廣、成片分布，占研究區(qū)總面積的27.4%，分布在全市各區(qū)域；工業(yè)類用地（單一工業(yè)區(qū)和混合工業(yè)區(qū)）其次，占研究區(qū)總面積的23.44%，大多連片分布在外環(huán)郊區(qū)，如浦東新區(qū)張江鎮(zhèn)、嘉定區(qū)安亭鎮(zhèn)、松江工業(yè)園區(qū)等；商業(yè)類用地（單一商業(yè)區(qū)和混合商業(yè)區(qū)）占研究區(qū)總面積的19.57%，分布在全市各區(qū)域。中心城區(qū)主要由綜合功能用地和商業(yè)類用地交錯組成。

3.3 結(jié)果驗證

本文結(jié)合《上海市城市總體規(guī)劃（2017—2035 年）》和電子地圖，選擇位于中心城區(qū)的區(qū)域1 和位于虹橋機場地區(qū)的區(qū)域2 驗證功能區(qū)識別結(jié)果。

區(qū)域1 中，本文將地塊A 和地塊C 識別為綜合功能用地，地塊B 識別為商業(yè)—公共功能用地（圖5a）。規(guī)劃圖中地塊A 包含了商服用地和居住用地，地塊B 和C為商服用地（圖5b）。對照電子地圖發(fā)現(xiàn)，地塊A 分布有社區(qū)衛(wèi)生服務(wù)中心、居住小區(qū)、旅游景點、商店、餐廳等，地塊C 分布有居住小區(qū)、酒店、餐廳、旅游景點、銀行、展覽館、學校等（圖5c），用地類型復(fù)雜，故本文將地塊A 和地塊C 識別為綜合功能用地較為合理。

區(qū)域2 中，本文將地塊D識別為交通—公共功能用地，地塊E 識別為商業(yè)—公共功能用地（圖6a）。對照電子地圖，地塊A 為虹橋機場區(qū)域，地塊B 包含機場相關(guān)行政部門、餐廳、旅館等（圖6b），和與識別結(jié)果基本一致。

4 結(jié)論

本文以上海市為研究區(qū)，基于OSM 路網(wǎng)、水體數(shù)據(jù)及POI 數(shù)據(jù)，利用核密度估算等方法識別分析上海市城市功能分區(qū)，并結(jié)合上海城市規(guī)劃和電子地圖，驗證了城市功能分區(qū)識別結(jié)果與實際情況基本相符，可以為城市規(guī)劃管理提供參考。

上海城市功能區(qū)以綜合型和復(fù)合型為主，一方面體現(xiàn)了超大型城市結(jié)構(gòu)的復(fù)雜性，另一方面，在超大型城市快速發(fā)展進程中，城市結(jié)構(gòu)不斷動態(tài)變化，對城市功能結(jié)構(gòu)研究提出了更高的要求。今后將增加多時相、多尺度研究，提高城市功能區(qū)的識別精度。

參考文獻（References）

[1] 顏芳芳. 城 市功能區(qū)發(fā)展模式研究[J]. 經(jīng)濟研究導刊，2010（12）：134-136.

YAN F F. Research on the development model of urban functional areas[J]. Economic Research Guide， 2010（12）：134-136.

[2] 茍愛萍， 張振 ， 王江波. 基于POI 視角的上海城市功能區(qū)演化特征及驅(qū)動因素[J]. 資源開發(fā)與市場，2022，38（9）：1052-1062.

GOU A P， ZHANG Z， WANG J B. Evolution characteristics and driving factors of Shanghai urban functional area based on POI perspective[J].Resource Development & Market， 2022，38（9）：1052-1062.

[3] 陳占龍， 周路 林， 禹文豪， 等. 顧及興趣點潛在上下文關(guān)系的城市功能區(qū)識別[J]. 測繪學報，2020，49（7）：907-920.

CHEN Z L， ZHOU L L， YU W H， et al. Identifi cation of the urban functional regions considering the potential context of interest points[J]. Acta Geodaetica et Cartographica Sinica， 2020，49（7）：907-920.

[4] MYINT S W， GOBER P， BRAZEL A， et al. Per-pixel vs. object-based classifi cation of urban land cover extraction using high spatial resolution imagery[J]. Remote Sensing of Environment， 2011，115（5）：1145-1161.

[5] 姜佳怡， 戴菲 ， 章俊華. 基于POI 數(shù)據(jù)的上海城市功能區(qū)識別與綠地空間評價[J]. 中國園林，2019，35（10）：113-118.

JIANG J Y， DAI F， ZHANG J H. Urban functional zone recognition and green space evaluation of Shanghai based on POI data[J]. Chinese Landscape Architecture， 2019，35（10）：113-118.

[6] 張瑋， 陳基偉 ， 劉雯， 等. 上海市主體功能區(qū)劃分中可利用土地資源評價[J]. 上海地質(zhì)，2009，30（3）：32-34.

ZHANG W， CHEN J W， LIU W， et al. Evaluation of exploitative land resources in major function zoning of Shanghai[J]. Shanghai Geology，2009，30（3）：32-34.

[7] 裴韜， 劉亞溪 ， 郭思慧， 等. 地理大數(shù)據(jù)挖掘的本質(zhì)[J]. 地理學報，2019，74（3）：586-598.

PEI T， LIU Y X， GUO S H， et al. Principle of big geodata mining[J]. Acta Geographica Sinica， 2019，74（3）：586-598.

[8] 刁喆， 荊瑩. 基于POI 的城市功能分布研究——以上海市主城區(qū)為例[C]//2022/2023 中國城市規(guī)劃年會，2023.

DIAO Z， JING Y. Research on the distribution of urban functions based on POI： a case study of the main urban area of Shanghai[C]//Annual National Planning Conference 2022/2023， Wuhan， 2023.

[9] 姜佳怡， 戴菲 ， 章俊華. 基于POI 數(shù)據(jù)的城市功能結(jié)構(gòu)對比研究——以北京、上海為例[J]. 現(xiàn)代城市研究，2020（7）：42-50.

JIANG J Y， DAI F， ZHANG J H. Comparative study of urban functional structure based on POI data： a case study of Beijing and Shanghai[J].Modern Urban Research， 2020（7）：42-50.

[10] 唐錦玥， 何益珺， 塔娜. 基于POI 數(shù)據(jù)的上海市餐飲業(yè)空間分布特征及影響因素[J]. 熱帶地理，2020，40（6）：1015-1025.

TANG J Y， HE Y J， TA N. Spatial distribution patterns and factors influencing the Shanghai catering industry based on POI data[J]. Tropical Geography， 2020，40（6）：1015-1025.

[11] 汪章輝. 基 于POI 挖掘的上?；A(chǔ)教育資源分布特征分析[J]. 測繪與空間地理信息，2024，47（3）：46-50.

WANG Z H. Analysis of distribution characteristics of Shanghai basic educational resources based on POI mining[J]. Geomatics & Spatial Information Technology， 2024，47（3）：46-50.

[12] 郭亞峰， 藍貴 文， 范冬林， 等. 基于POI 數(shù)據(jù)的城市功能區(qū)識別[J]. 桂林理工大學學報，2022，42（3）：655-662.

GUO Y F， LAN G W， FAN D L， et al. Identifying functional urban districts with POI data[J]. Journal of Guilin University of Technology，2022，42（3）：655-662.

[13] 黃詩琳， 羅志軍. 基于POI 數(shù)據(jù)的贛江南昌段岸線“三生”功能識別與空間格局研究[J]. 上海國土資源，2023，44（3）：119-124.

HUANG S L， LUO Z J. Identifi cation of function and spatial pattern of production-living-ecology along the Nanchang section of the Ganjiang River based on point of interest data[J]. Shanghai Land & Resources， 2023，44（3）：119-124.

[14] XU R， CHEN Z， LI F， et al. Identifi cation of urban functional zones based on POI density and marginalized graph autoencoder： ISPRS International Journal of Geo-Information[Z]. 2023： 12.

[15] LIU X， LONG Y. Automated identifi cation and characterization of parcels with OpenStreetMap and points of interest[J]. Environment and Planning B：Planning and Design， 2015，43（2）： 341-360.

[16] 丁彥文， 許捍 衛(wèi)， 汪成昊. 融合OSM 路網(wǎng)與POI 數(shù)據(jù)的城市功能區(qū)識別研究[J]. 地理與地理信息科學，2020，36（4）：57-63.

DING Y W， XU H W， WANG C H. Research on urban functional area recognition integrating OSM road network and POI data[J]. Geography and Geo-Information Science， 2020，36（4）：57-63.

[17] 黃思銘， 余暢 ， 程明遠. 基于OSM 數(shù)據(jù)的市域碳足跡空間模型構(gòu)建——以新加坡為例[C]//2022/2023 中國城市規(guī)劃年會，2023.

HUANG S M， YU C， CHENG M Y. Construction of spatial model of municipal carbon footprint based on OSM data： a case study of Singapore[C]//Annual National Planning Conference 2022/2023， Wuhan， 2023.

[18] 楊健， 李朝奎 ， 劉彥. 融合OSM 路網(wǎng)數(shù)據(jù)與POI 數(shù)據(jù)的城市功能區(qū)識別方法及其應(yīng)用[J]. 地理信息世界，2020，27（6）：1-6，13.

YANG J， LI C K， LIU Y. Urban functional area identification method and its application combined OSM road network data with POI data[J].Geomatics World， 2020，27（6）：1-6，13.

[19] 趙衛(wèi)鋒， 李清 泉， 李必軍. 利用城市POI 數(shù)據(jù)提取分層地標[J]. 遙感學報，2011，15（5）：973-988.

ZHAO W F， LI Q Q， LI B J. Extracting hierarchical landmarks from urban POI data[J]. Journal of Remote Sensing， 2011，15（5）：973-988.

[20] 禹文豪， 艾廷 華. 核密度估計法支持下的網(wǎng)絡(luò)空間POI 點可視化與分析[J]. 測繪學報，2015，44（1）：82-90.

YU W H， AI T H. The visualization and analysis of POI features under network space supported by kernel density estimation[J]. Acta Geodaetica et Cartographica Sinica， 2015，44（1）：82-90.