基于手機信令數(shù)據(jù)的寧德市蕉城區(qū)人流活力分析

姚鋮鑫 鄔群勇 張強 葉蔚甄 王雄

摘 要：針對低等級城市的人流活力研究存在的數(shù)據(jù)稀疏、研究分析角度局限等問題，結(jié)合低等級城市的數(shù)據(jù)特點，深入探討低等級城市的人流活力分析方法。從空間對人流的吸引力、空間活動多樣性以及空間人流共享性多視角出發(fā)，利用網(wǎng)格人流重訪強度、網(wǎng)格活動混合度以及網(wǎng)格人流交互網(wǎng)絡中心性等3個特征量，建立顧及活動類型及空間交互的低等級城市人流活力分析框架，并通過莫蘭指數(shù)分析人流空間集聚程度。以寧德市蕉城區(qū)興趣點（point of interest，POI）數(shù)據(jù)和含年齡區(qū)間的手機信令數(shù)據(jù)為例，進行城區(qū)人流活力綜合分析。結(jié)果表明：蕉城區(qū)形成了以19～49歲年齡層為主，蕉南北街道、東僑開發(fā)區(qū)和城南鎮(zhèn)為中心的人流交互網(wǎng)絡;蕉城區(qū)人流在空間上形成了2個集聚區(qū)，在空間上整體存在明顯的高-低聚類的分布規(guī)律，形成了以高活力集聚區(qū)為中心向外擴散逐漸減小的趨勢，主要是向北部新城與沿海方向擴散。分析方法從更真實的角度反映城市人流活力，可及時發(fā)現(xiàn)發(fā)展不均衡地區(qū)，為城市空間的全面均衡發(fā)展提供依據(jù)。

關鍵詞：人流活力;手機信令數(shù)據(jù);POI數(shù)據(jù);度中心性;莫蘭指數(shù);寧德市蕉城區(qū)

中圖分類號：K901.6

文獻標志碼：A

簡·雅各布斯（JACOBS[1]）提出：“一個城市一旦有了活力就有擁有戰(zhàn)勝困難的武器，而一個擁有活力的城市本身就擁有理解、交流、發(fā)展、創(chuàng)造這種武器的能力”。在城市發(fā)展進程中，城市活力作為衡量發(fā)展狀況的一個重要指標，受到了學者們的廣泛關注。隨著人類文明的發(fā)展，人本尺度的城市研究躍然眼前[2]，人本為驅(qū)動、數(shù)據(jù)為支撐的城市研究范式逐步形成[3]。因此，探索人流活力的分析方法，準確識別城市空間人流活力現(xiàn)狀，為提升城市空間活力提供有力依據(jù)，是研究城市空間活力的重要基礎。

凱文·林奇（LYNCH[4]）概括了影響城市空間形態(tài)的活力、感受、適宜、可達性和管理等5個指標，并把活力作為評價城市空間形態(tài)質(zhì)量的首要指標。在已有的城市空間活力研究中，更多的學者從社會學角度分析城市活力，認為城市活力是城市中的經(jīng)濟、社會和文化活動在城市空間上的綜合描述[5-8]，也有研究加入了感官因素[9]。而簡·雅各布斯同樣提到，人和人活動及生活場所相互交織的過程，以及這種城市生活的多樣性，使城市獲得了活力[1]。通過居民活動描述城市活力，識別城市人流活力空間特征，表征城市活力的影響要素，是展開城市活力研究的有效方法。同時，龍瀛等[10]在新數(shù)據(jù)環(huán)境下，通過各領域的案例表明城市研究粒度從以地為本向以人為本方向變革。一方面，有學者通過在線電影點播數(shù)據(jù)[11]、大眾點評數(shù)據(jù)[12]、熱力圖數(shù)據(jù)[13]等居民日常生活產(chǎn)生的數(shù)據(jù)分析城市活力的空間分布特征，但是此類方法未考慮到日常生活中居民之間的活動交互作用;另一方面，也有學者通過興趣點（point of interest，POI）數(shù)據(jù)[12-14]、地理標簽[14]、街景圖像[15-16]等活動場所相關數(shù)據(jù)分析城市活力，此類方法只能從短時間內(nèi)變化不大的地標、環(huán)境的品質(zhì)或是多個時刻的抽樣人流量來測度城市空間活力，無法從連續(xù)的時間段刻畫居民活動特征。此外，還有根據(jù)動態(tài)人口估算分析人群變化特征[17]，此類研究單元多為一個較大的區(qū)域甚至是一個城市，且多是通過傳統(tǒng)數(shù)據(jù)與精度不高的大數(shù)據(jù)結(jié)合來推算總體人群變化，誤差相對手機信令數(shù)據(jù)大。

隨著基于位置的服務廣泛應用在各種電子產(chǎn)品和軟件中，越來越多的學者通過手機信令數(shù)據(jù)描述居民日常生活所揭示的各種現(xiàn)象，如旅游客源分布[18]、自行車需求[19]、人類活動特征[20]等。使用手機信令數(shù)據(jù)分析城市活力的研究多是側(cè)重于從傳統(tǒng)維度，如社會、經(jīng)濟、文化、用地等方面分析人流活動規(guī)模或密度，缺乏考慮活動類型以及人流在空間中的交互聯(lián)系，使得城市活力分析角度局限[20]。同時，在傳統(tǒng)數(shù)據(jù)環(huán)境下，研究數(shù)據(jù)基礎在不同發(fā)展等級的城市之間存在懸殊差距，城市的研究對象更多的是研究樣本多、具有代表性的大城市，而忽略了等級較低的城市[10]。利用大數(shù)據(jù)分析城市人流活力、感知城市活力，可以從人本角度及時發(fā)現(xiàn)城市發(fā)展不均衡地區(qū)，以防止“攤大餅”式城市擴張，同時吸取特大城市和大城市在發(fā)展過程中已有經(jīng)驗，結(jié)合自身情況，為城市均衡發(fā)展提供與城市居民日常生活息息相關的可靠依據(jù)和建議，從而保質(zhì)高速協(xié)調(diào)發(fā)展。

本文以寧德市蕉城區(qū)為例，利用手機信令數(shù)據(jù)，融合POI數(shù)據(jù)，從人本尺度出發(fā)，從人參與到空間活動的周期重訪強度、POI混合度和人流在空間中的交互聯(lián)系等方面，分析寧德市蕉城區(qū)人流活力，提出人流活力測度方法，為城市活力的研究提供有力基礎。

1 研究區(qū)概況及數(shù)據(jù)

1.1 研究區(qū)概況

本文以福建省寧德市蕉城區(qū)為研究區(qū)。寧德市北接浙江省，南臨福州市，位于福建省東北邊。蕉城區(qū)的空間位置及具體行政區(qū)劃如圖1所示。圖1中未包含東僑開發(fā)區(qū)。東僑開發(fā)區(qū)享有縣一級的經(jīng)濟、行政管理權(quán)限，但不是行政轄區(qū)，沒有行政界，歸屬寧德市政府管轄。根據(jù)寧德市人民政府官方網(wǎng)站（http：//www.ningde.gov.cn/zwgk/tjxx/）統(tǒng)計數(shù)據(jù)顯示：2018年，寧德市生產(chǎn)總值達到1 942.8億元，同比增長8.1%，在福建省各設區(qū)市中的位次由上年末位進至第5位;2019年，寧德市生產(chǎn)總值達到2 451.7億元，同比增長9.2%，分別高于全國和全省平均增幅3.1和1.6個百分點，位居福建省各設區(qū)市首位。蕉城區(qū)作為寧德市唯一的市轄區(qū)，在寧德市的發(fā)展進程中具有引領作用，根據(jù)寧德市蕉城區(qū)人民政府官方網(wǎng)站（http：//www.jiaocheng.gov.cn/ztzl/tjxxzl/）統(tǒng)計數(shù)據(jù)顯示：2018年，蕉城區(qū)生產(chǎn)總值達到468.13億，同比增長13.6%，增速居全市首位;2019年，蕉城區(qū)實現(xiàn)地區(qū)生產(chǎn)總值679.37億元，同比增長16.5%，總量位居全市第一，增幅位居全省第一。近幾年，寧德市尤其是蕉城區(qū)經(jīng)濟急速發(fā)展，整體趨勢向好。隨著經(jīng)濟的發(fā)展，各行業(yè)需要的人力和物力資源急劇增加，蕉城區(qū)的人口流動在大幅度增加。因此，分析蕉城區(qū)人流活力，對分析蕉城區(qū)城市空間活力、未來發(fā)展規(guī)劃顯得尤為重要。

1.2 研究數(shù)據(jù)

1.2.1 手機信令數(shù)據(jù)

本文采用的研究數(shù)據(jù)是從福建省城鄉(xiāng)規(guī)劃設計研究院獲取的中國聯(lián)通經(jīng)過處理的寧德市蕉城區(qū)手機信令數(shù)據(jù)。該原始數(shù)據(jù)是寧德灣區(qū)（包括蕉城區(qū)、福安市、福鼎市、霞浦縣）手機信令數(shù)據(jù)，數(shù)據(jù)中的實驗用戶僅覆蓋部分人口，由于隱私限制，很難對他們的代表性進行調(diào)查。該數(shù)據(jù)是2018年12月12日和2018年12月15日日均21萬條信令數(shù)據(jù)，共42萬條信令數(shù)據(jù)。每條記錄包括記錄日期、記錄起始基站ID、記錄到達基站ID、記錄所在年齡區(qū)間、記錄總?cè)藬?shù)。本文提取數(shù)據(jù)起始基站和到達基站均在蕉城區(qū)內(nèi)，在使用數(shù)據(jù)前先將少部分起始基站ID和到達基站ID相同的數(shù)據(jù)刪去，并選取有POI部分的數(shù)據(jù)，共101 914條數(shù)據(jù)。此外，另有表格記錄每個基站ID對應的基站經(jīng)緯度。同聯(lián)通的通信基站空間分布，本文采用的手機信令數(shù)據(jù)精度為250 m×250 m，每條數(shù)據(jù)記錄的總?cè)藬?shù)是以1 h為采樣間隔，一天24 h的人數(shù)總和。原始記錄有11個年齡區(qū)間，分別為：0～18歲、19～24歲、25～29歲、30～34歲、35～39歲、40～44歲、45～49歲、50～54歲，55～59歲、60～64歲、65歲以上。由于數(shù)據(jù)分散在11個區(qū)間，數(shù)據(jù)樣本不具有代表性，本文合并數(shù)據(jù)樣本為6個年齡區(qū)間，分別是：0～18歲、19～29歲、30～39歲、40～49歲、50～59歲、60歲以上。其中，0～18歲年齡區(qū)間的數(shù)據(jù)存在較大的偏差，因此剔除0～18歲年齡區(qū)間的數(shù)據(jù)。

1.2.2 POI數(shù)據(jù)

本文利用python的爬蟲技術[21]，通過高德開放平臺，爬取得到2019年11月寧德市蕉城區(qū)POI數(shù)據(jù)，將其分為8類（商業(yè)、住宿、企業(yè)、科教體育、政府機構(gòu)、醫(yī)療、交通運輸和其他），選擇所在網(wǎng)格有手機信令數(shù)據(jù)后共6 892條。每條數(shù)據(jù)包括每個POI的經(jīng)緯度、所屬類型、所屬地。POI數(shù)據(jù)類型分布如圖2所示。

2 研究方法

由于人與人之間的交往產(chǎn)生活動使得城市空間產(chǎn)生活力，選取活動相關因素表征人流活力是開展人流活力分析的有效方法。因此，本文分年齡區(qū)間，考慮到空間對人流的吸引力，空間活動多樣性以及空間人流共享性等因素，通過分析參與空間活動的網(wǎng)格人流重訪強度、網(wǎng)格活動混合度和網(wǎng)格人流交互網(wǎng)絡中心性3個主要特征，分別分析各年齡層的差異。基于3個主要特征，分層次疊加3個主要特征進一步分析各年齡層人流活力現(xiàn)狀以及在空間上的分布差異，方法流程如圖3所示。

2.1 網(wǎng)格人流重訪強度

活動主體（即人）會因為時間和公共空間設施功能的不同產(chǎn)生差異，可是居民會在特定的時間段做同樣的事情，如吃飯、學習、工作、娛樂、睡覺等。不同性質(zhì)的周期性活動在時空選擇上有著高度重復的特性[22]。不同的設施、功能等空間構(gòu)成因素使得人們的選擇產(chǎn)生偏好，對不同的人產(chǎn)生不同程度的空間吸引力，因此，活動主體的重訪強度是人流活力的表現(xiàn)之一。

本文根據(jù)數(shù)據(jù)精度，利用泰森多邊形在研究區(qū)域生成以各基站為中心的250 m×250 m網(wǎng)格。以1 h為計算單位，統(tǒng)計手機用戶在2 d內(nèi)到訪各網(wǎng)格的頻次后計算人流重訪強度，計算公式為

Rij=Fijn（1）

式中：Rij為年齡區(qū)間i的居民對網(wǎng)格j的重訪強度;Fij為2 d內(nèi)年齡區(qū)間i對網(wǎng)格j的到訪總頻次;n為計算周期。本文以1 h為計算單位，因此n取48。

2.2 網(wǎng)格活動類型混合度

城市空間活力的提升離不開空間綜合發(fā)展，城市空間需要足夠的多元性以提供居民進行各類活動[23]。當更多的活動相關主體（如企業(yè)、商鋪、學校等）入駐或建立后，居民才可以在該區(qū)域選擇相應的活動。隨著不同類型的活動相關主體數(shù)量的增加，居民對該類活動可選擇對象隨之增加，從而提升人流活力。本文借鑒土地利用混合度測算方法[24]，考慮活動類型數(shù)量，通過POI數(shù)據(jù)計算網(wǎng)格活動混合度，計算公式為

mi=-∑kj=1pj ln（pj）ln k（2）

式中：mi為網(wǎng)格i的網(wǎng)格活動混合度;pj為j種類型POI占網(wǎng)格i中總活動類型比;k為網(wǎng)格i內(nèi)POI類型數(shù)量。根據(jù)式（2）計算得到的網(wǎng)格活動混合度取值區(qū)間為0～1。網(wǎng)格活動混合度取值越大，表示網(wǎng)格內(nèi)各類型活動越均衡，網(wǎng)格活動混合度越高;網(wǎng)格活動混合度取值越小，表示空間內(nèi)各類型活動越單調(diào)，網(wǎng)格混合度越低。

2.3 網(wǎng)格人流交互網(wǎng)絡中心性

地理空間復雜性與空間交互密切相關，而網(wǎng)絡中的社會經(jīng)濟發(fā)展情況與人群交互機會成比例[25]。近年興起的網(wǎng)絡科學提供了系列指標衡量網(wǎng)絡中節(jié)點的重要性，主要包括度中心性、接近度中心性、直接中心性、效率中心性、介數(shù)中心性和信息中心性等中心性模型[26]。本文所采用的數(shù)據(jù)生成的網(wǎng)格可構(gòu)成網(wǎng)絡，每個網(wǎng)格即為網(wǎng)絡中的節(jié)點，將居民在網(wǎng)絡中產(chǎn)生的流動看作是復雜有權(quán)無向網(wǎng)絡，節(jié)點之間的聯(lián)系作為邊，節(jié)點之間的人流總量作為邊的權(quán)重。以此計算節(jié)點位置的中心性程度，即在網(wǎng)絡中的重要程度，從而體現(xiàn)城市空間的人流活力。本文以網(wǎng)格為節(jié)點，綜合比較各中心性模型，選取度中心性作為計算人流交互網(wǎng)絡中的節(jié)點中心性，計算公式[27]為：

CD（Ni）=∑nj=1Xij（i≠j）（3）

C′D（Ni）=CD（Ni）n-1 （4）

式中：CD（Ni）為節(jié)點網(wǎng)格i的度中心;C′D（Ni）為標準化后的度中心;n為網(wǎng)絡中的總節(jié)點數(shù)，即數(shù)據(jù)中的網(wǎng)格數(shù);∑nj=1Xij用于計算節(jié)點i與其他n-1個節(jié)點之間的人流聯(lián)系數(shù)量。使用式（3）計算度中心會受到網(wǎng)格數(shù)量變化的影響。為消除此影響，采用式（4）計算標準化的度中心。標準化的度中心取值范圍為0～1。0表示該節(jié)點為孤立點，與其他任何節(jié)點不發(fā)生聯(lián)系，即人流活力弱;計算得到的度中心值越大，則表示與該節(jié)點發(fā)生的聯(lián)系節(jié)點數(shù)量越多，即人流活力強。

3 實驗驗證與分析

3.1 網(wǎng)格人流重訪強度分析

選擇起始基站和到達基站均位于蕉城區(qū)且網(wǎng)格內(nèi)有POI數(shù)據(jù)的手機信令數(shù)據(jù)，通過式（1）計算每個網(wǎng)格的重訪強度，分析整體特征，并進一步對5個年齡區(qū)間的人流重訪度進行分析。結(jié)果顯示：不同年齡區(qū)間的人流重訪強度存在顯著的差異;蕉城區(qū)的重訪強度，平均值為58.16，中位值為13.10，最小值為0.15，最大值為1 195.83。

將計算結(jié)果分年齡區(qū)間進行分析，統(tǒng)計結(jié)果如圖4所示。由圖4可以發(fā)現(xiàn)：60歲以上的重訪強度最大值85.67是所有區(qū)間中最小的;而重訪強度總體最大值1 195.83出現(xiàn)在19～29歲區(qū)間，約為60歲以上最大值的14倍;而且19～29歲和30～39歲2個區(qū)間的重訪強度與其他區(qū)間相比較為突出，呈現(xiàn)出明顯的年齡特征。同時存在手機信令數(shù)據(jù)和POI數(shù)據(jù)網(wǎng)格共630個。從存在重訪強度數(shù)據(jù)的網(wǎng)格數(shù)量上來看，19～29歲和40～49歲2個區(qū)間的數(shù)量相當且是所有區(qū)間中最多的，有545個網(wǎng)格，占存在POI數(shù)據(jù)網(wǎng)格總數(shù)的86.5%;60歲以上網(wǎng)格數(shù)量最少，有396個網(wǎng)格，占存在POI數(shù)據(jù)網(wǎng)格總數(shù)的62.9%。無論是重訪強度還是存在重訪強度數(shù)據(jù)的網(wǎng)格數(shù)量，其最大值都是在19～29歲區(qū)間出現(xiàn);之后，重訪強度最大值隨著年齡區(qū)間的變化下降，而存在重訪強度數(shù)據(jù)的網(wǎng)格數(shù)量持續(xù)保持在540個以上，到了50～59歲區(qū)間才開始降低;兩者皆為先穩(wěn)定持高，后大幅降低的趨勢。

對所有的重訪度通過幾何分類成三類，分別是：取值小于8.63、介于8.63和104.82之間以及大于104.82。選取研究區(qū)內(nèi)各年齡區(qū)間存在重訪強度數(shù)據(jù)密集的部分，如圖5所示。

從圖5可以看出：數(shù)據(jù)大多數(shù)集中在漳灣鎮(zhèn)、城南鎮(zhèn)、蕉南北街道和東僑開發(fā)區(qū)的交界處，部分在金涵畬族鄉(xiāng)與蕉南北街道交界處以及金涵畬族鄉(xiāng)、七都鎮(zhèn)和漳灣鎮(zhèn)的交界處，說明在整個蕉城區(qū)范圍內(nèi)這3個區(qū)域的人流活力較高。從這3個區(qū)域看，無論是哪個年齡區(qū)間，漳灣鎮(zhèn)、城南鎮(zhèn)、蕉南北街道和東僑開發(fā)區(qū)交界處的人流重訪強度都較高，其原因可能是這一區(qū)域為蕉城區(qū)中心位置，多數(shù)居民日?；顒佣荚诖颂庍M行。而19～29歲、30～39歲和40～49歲這3個年齡區(qū)間，金涵畬族鄉(xiāng)、七都鎮(zhèn)和漳灣鎮(zhèn)的交界處的人流重訪度最高，其原因可能是在這一區(qū)域有漳灣工業(yè)園區(qū)、寧德時代新能源科技股份有限公司和2018年底初步完工現(xiàn)已運營的上汽等多個大型企業(yè)和工業(yè)園區(qū)，帶動了寧德周邊的人流活力。同樣的，19～29歲、30～39歲和40～49歲這3個年齡區(qū)間，金涵畬族鄉(xiāng)與蕉南北街道交界處的人流重訪強度相當，其原因可能是這里是寧德通往各個鄉(xiāng)鎮(zhèn)的104國道出口位置，是蕉城區(qū)的城區(qū)與周邊鄉(xiāng)鎮(zhèn)的交通樞紐;同時，這里有大面積的安置房和一些辦公地點，是部分居民交通出行或是日常上下班的必經(jīng)之路。

3.2 網(wǎng)格活動類型混合度分析

由于居民活動需求具有多樣性，各網(wǎng)格需要增加活動類型來提高對居民的空間吸引力;但是同一時間段、不同年齡層或不同時間段、同一年齡層的到訪目的絕大多數(shù)都會有較大的差異。例如：工作日上班或上學時間段，青少年到訪學校是為了上學，中青年是為了上班或是送孩子，老年人是為了送孫子（女），等等。由于數(shù)據(jù)的隱私限制，無法驗證其目的性。本文基于8類POI數(shù)據(jù)，以網(wǎng)格的各類型占比作為到訪此網(wǎng)格的所有居民不同目的可能性。

通過式（2）計算各網(wǎng)格活動類型混合度，選取有手機信令數(shù)據(jù)的網(wǎng)格分析。網(wǎng)格活動類型混合度取值分布如圖6所示。由圖6可以看出：同時有POI數(shù)據(jù)和手機信令數(shù)據(jù)的網(wǎng)格一共有630個，網(wǎng)格活動類型混合度取值為0的網(wǎng)格有211個，取值為0～1的網(wǎng)格有315個，取值為1的網(wǎng)格有104個。其中，取值為0～1的混合度中，最小值為0.25，最大值為0.99;取值小于0.6的網(wǎng)格數(shù)量較少，取值大于0.6網(wǎng)格數(shù)量較多，且混合度分布較均勻。

對網(wǎng)格活動類型混合度計算結(jié)果進行差值分析，分析結(jié)果空間分布如圖7所示。從圖7可以發(fā)現(xiàn)：各年齡區(qū)間重訪強度高的區(qū)域網(wǎng)格活動類型混合度大部分取值為0～1，少部分取值為0或1;而重訪強度低的區(qū)域只有少部分網(wǎng)格活動類型混合度取值為0～1，大部分取值為0或1。其原因可能是網(wǎng)格活動類型混合度為0的區(qū)域，沒有辦法滿足活動的多樣性，使得到這些地方的人只能是對此類活動有特定需求的少數(shù)人群;而網(wǎng)格活動類型混合度為1的區(qū)域，又會使得網(wǎng)格內(nèi)的活動過于多樣，各類活動的數(shù)量變少，功能強度不大;混合度居中的區(qū)域，網(wǎng)格內(nèi)的活動種類存在一定程度的多樣性，但是不會因為網(wǎng)格內(nèi)活動種類太多而失去功能性，這樣可以使得某一類活動的數(shù)量比重較大，從而讓那些因為某一目的來此網(wǎng)格的人不會因為功能性弱而不再到訪。

從另一個角度來說，網(wǎng)格活動類型混合度空間分布是人們?nèi)粘；顒舆x擇的結(jié)果，城區(qū)中心位置的混合度都較為居中，而城區(qū)周邊的混合度處于極端的較多。因此，可以揭示不是一味地提高活動的多樣性就可以提高某一個區(qū)域的活力，而是要對開發(fā)區(qū)域的特定價值進行評價，有針對性的以一類活動為主，其他項目輔助構(gòu)成，從而提供某一類活動的功能性兼顧活動多樣性。

3.3 網(wǎng)格人流交互網(wǎng)絡中心性分析

通過居民出行OD點數(shù)據(jù)建立基于居民實際出行的全區(qū)網(wǎng)格交互聯(lián)系網(wǎng)絡，利用式（3）、式（4）計算空間人流網(wǎng)格中心度，分析網(wǎng)絡整體特征及各年齡區(qū)間特征差異，并進一步結(jié)合節(jié)點之間的共享人流數(shù)量，分年齡區(qū)間對網(wǎng)格中心度和人流流量的空間分布進行分析。

各年齡區(qū)間網(wǎng)格中心度分布如圖8所示。圖中，綠色數(shù)字表示各年齡區(qū)間網(wǎng)格中心度非0的網(wǎng)格數(shù)量，棕色數(shù)字表示各年齡區(qū)間的網(wǎng)格中心度最大值。由圖8可以看出：網(wǎng)格中心度最大值出現(xiàn)在19～29歲區(qū)間，為0.39;而60歲以上的最大值是最小的，為0.11。每個年齡區(qū)間網(wǎng)格中心度非0的網(wǎng)格數(shù)量都比存在重訪強度數(shù)據(jù)的網(wǎng)格數(shù)量多，說明每個年齡區(qū)間都有少數(shù)的只有起始點沒有到達點的網(wǎng)格。存在網(wǎng)格中心度數(shù)據(jù)的網(wǎng)格數(shù)量最多的是40～49歲，有560個網(wǎng)格，占網(wǎng)格總數(shù)的88.9%，說明此年齡區(qū)間的居民出行分布最廣;60歲以上最少，只有412個網(wǎng)格，占網(wǎng)格總數(shù)的65.4%。該年齡區(qū)間的居民獨自出行的能力是實驗數(shù)據(jù)中所有年齡區(qū)間中最弱的，其中部分居民需要家人陪伴出門，因此出行范圍受限。

以兩兩網(wǎng)格節(jié)點的共享人流數(shù)量為網(wǎng)絡人流流量。將人流流量的整體分布分為4個等級：7≤lmn≤100，101≤lmn≤500，501≤lmn≤1 000，lmn>1 000。采用自然斷點分類法將網(wǎng)格中心度劃分為3個等級。不同年齡區(qū)間人流流量和網(wǎng)格中心度的空間分布特征如圖9所示。從圖9可以發(fā)現(xiàn)：只有19～29歲、30～39歲和40～49歲年齡區(qū)間的人流流量存在大于1 000人次的，其中19～29歲中人流流量大于1 000人次的最多，1 000人次以上人流聯(lián)系的兩兩節(jié)點多位于蕉南北街道、城南鎮(zhèn)和東僑開發(fā)區(qū)交界處，而且501～1 000人次的人流聯(lián)系的兩兩節(jié)點同樣也是多位于蕉南北街道、城南鎮(zhèn)和東僑開發(fā)區(qū)交界處;而60歲以上的人流流量沒有500人次以上的，且兩兩節(jié)點間的聯(lián)系最少，19～29歲和30～39歲兩兩節(jié)點間的聯(lián)系都比較多。

從5個年齡區(qū)間的網(wǎng)格中心度可以看出：60歲以上的網(wǎng)格中心度很低，只有少部分網(wǎng)格中心度在第二等級;同時不難發(fā)現(xiàn)，最高等級的網(wǎng)格中心度只有在19～29歲、30～39歲和40～49歲年齡區(qū)間中存在，且最高等級的網(wǎng)格中心度大部分集中在蕉南北街道和東僑開發(fā)區(qū)交界處，少部分在蕉南北街道、東僑開發(fā)區(qū)和城南鎮(zhèn)交界處，此部分網(wǎng)格對外聯(lián)系較強。相較而言，周邊鄉(xiāng)鎮(zhèn)地區(qū)的網(wǎng)格中心度都較低，節(jié)點的聯(lián)系大部分是與蕉南北街道和東僑開發(fā)區(qū)之間產(chǎn)生的。從網(wǎng)格中心度和節(jié)點間的人流聯(lián)系來看，人流聯(lián)系在500人次以上的兩兩節(jié)點大部分都是發(fā)生在中心度最高等級的節(jié)點上，部分在第二等級的節(jié)點;而人流聯(lián)系500人次以下的兩兩節(jié)點大部分是發(fā)生在最低等級的節(jié)點上，部分在第二等級的節(jié)點，形成了以19～49歲年齡層為主，蕉南北街道、東僑開發(fā)區(qū)和城南鎮(zhèn)為中心的人流交互網(wǎng)絡。

3.4 人流活力綜合分析

在以上人流活力不同特征的測度及分析基礎上，結(jié)合各項活力特征量，通過加權(quán)法對人流活力進行綜合分析，并進一步通過全局莫蘭指數(shù)（Morans I）和局部莫蘭指數(shù)（Anselin Local Morans I）對人流空間分布特征進行分析。構(gòu)建的3個表征活力的特征量主要是圍繞活動多樣性和不同年齡層的空間吸引力、空間交互聯(lián)系對人流進行分析。各特征量所代表的指標信息相互獨立，且重要程度沒有差異，因此，采用加權(quán)法對人流活力展開綜合分析。對3個特征量賦予相同的權(quán)重，對網(wǎng)格人流重訪強度和網(wǎng)格人流交互網(wǎng)絡中心性的5個年齡區(qū)間賦予相等的權(quán)重，以此計算人流綜合活力值，分析人流綜合活力?；盍χ翟礁叽砭C合活力越高。

采用自然斷點分類法將人流綜合活力值分為3個等級。人流綜合活力空間分布如圖10所示。從圖10可以看出：人流綜合活力最大值為51.894 9，最小值為0.008 7，平均值為22.110 83;綜合活力高的網(wǎng)格主要集中在蕉南北街道、東僑開發(fā)區(qū)和城南鎮(zhèn)交界處。不同行政區(qū)內(nèi)的各級活力數(shù)量及各級活力數(shù)量在本級活力總數(shù)的占比見表1。從表1看出：人流主要集中在蕉南北街道、東僑開發(fā)區(qū)、漳灣鎮(zhèn)、城南鎮(zhèn)、金涵畬族鄉(xiāng)、七都鎮(zhèn)這6個行政區(qū);其中漳灣鎮(zhèn)的的低綜合活力網(wǎng)格數(shù)量占比較突出，其他5個行政區(qū)低綜合活力網(wǎng)格分布較為均衡;七都鎮(zhèn)的中綜合活力網(wǎng)格數(shù)量占比較少，其他5個行政區(qū)中綜合活力網(wǎng)格分布較為均衡;蕉南北街道和東僑開發(fā)區(qū)的高綜合活力網(wǎng)格數(shù)量占比較大，其他4個行政區(qū)的高綜合活力網(wǎng)格分布較為均衡。蕉城區(qū)的整體人流綜合活力趨勢圖如圖11所示。圖中，x和y軸確定二維空間地理位置，z軸表示人流綜合活力值。將各網(wǎng)格地理位置及其對應的人流綜合活力映射到xy平面和z軸。其中，x軸正方向為正東方向，y軸正方向為正北方向，綠色趨勢線表示東西方向上的整體趨勢，藍色趨勢線為南北方向上的整體趨勢。由圖11可以發(fā)現(xiàn)：蕉城區(qū)整體人流綜合活力呈現(xiàn)由北向南均勻提升，由西向東不均勻降低，說明人流綜合活力在西南方向較高。

從以上分析結(jié)果可以觀察到人流綜合活力高的網(wǎng)格被中綜合活力和低綜合活力的網(wǎng)格包圍，可能存在集聚現(xiàn)象，因此，對人流綜合活力采用全局莫蘭指數(shù)和局部莫蘭指數(shù)進行分析。由于本文采用的手機信令數(shù)據(jù)是以有規(guī)律的網(wǎng)格劃分，因此，采用Queen鄰接矩陣作為空間權(quán)重矩陣，即共點共邊皆視為鄰近要素，計算全局莫蘭指數(shù)和局部莫蘭指數(shù)。在1%水平的蕉城區(qū)，全局莫蘭指數(shù)為0.021 810 6，P值為0.001，Z得分為7.544 2。結(jié)果通過了1%水平的顯著性檢驗，說明蕉城區(qū)內(nèi)的人流綜合活力在空間上有明顯的集聚現(xiàn)象，計算得到人流活力的空間關聯(lián)的局部指標（local indicators of spatial association，LISA）集聚圖，如圖12所示。由圖12可知：數(shù)據(jù)主要集中在蕉南北街道、東僑開發(fā)區(qū)、漳灣鎮(zhèn)、城南鎮(zhèn)、金涵畬族鄉(xiāng)、七都鎮(zhèn)這6個行政區(qū)，其他行政區(qū)的集聚效果不明顯，其中有一些無鄰域的網(wǎng)格無法判斷其集聚性。從圖12的分析可以得到以下結(jié)論：①蕉城區(qū)人流在空間上形成了2個集聚區(qū)，以蕉南北街道東南部、東僑開發(fā)區(qū)西部和城南鎮(zhèn)東北部為中心的人流高活力集聚區(qū)，以七都鎮(zhèn)東南部和漳灣鎮(zhèn)西北部為中心的人流低活力集聚區(qū)，人流分布極度不均衡;②蕉城區(qū)人流在空間上整體存在明顯的高-低聚類的分布規(guī)律，即在人流活力高的區(qū)域周圍被低活力包圍，形成了以高活力集聚區(qū)為中心向外擴散逐漸減小的趨勢，從中心城區(qū)向北部新城與沿海方向擴散。

對人流綜合活力進行局部莫蘭指數(shù)計算，得到的Moran散點圖，如圖13所示。圖中，x軸Zi表示第i個點的人流綜合活力與平均人流綜合活力之差，x軸與y軸之積為各網(wǎng)格的人流綜合活力局部莫蘭指數(shù)。其中，第一象限為HH（High-High）象限，第三象限為LL（Low-Low）象限，這2個象限代表區(qū)域內(nèi)人流活力存在較強的空間正相關，具有空間均質(zhì)性;第二象限為HL（High-Low）象限，第四象限為LH（Low-High）象限，這2個象限代表區(qū)域內(nèi)人流活力存在較強負相關性，具有空間異質(zhì)性。圖13中的趨勢線是偏向HH象限和LL象限，說明蕉城區(qū)人流活力呈現(xiàn)高值和高值集聚，低值和低值集聚的現(xiàn)象，再一次印證了LISA集聚圖得到的結(jié)果。

4 結(jié)論與討論

本文通過手機信令數(shù)據(jù)和POI數(shù)據(jù)，利用網(wǎng)格人流重訪強度、網(wǎng)格活動混合度以及網(wǎng)格人流交互網(wǎng)絡中心性3個特征量，建立了一種顧及活動類型及空間交互的低等級城市人流活力分析框架，有效地解決上述人流活力分析方法中存在的問題。從空間對人流的吸引力、空間活動多樣性以及空間人流共享性多個維度測度城市公共空間人流活力現(xiàn)狀，并進行綜合分析，得到以下結(jié)論：

1）人流重訪強度在年齡層上存在明顯的差異，空間交互的人流活力整體分布差異顯著，形成了以19～49歲年齡層為主，蕉南北街道、東僑開發(fā)區(qū)和城南鎮(zhèn)為中心的人流交互網(wǎng)絡。

2）蕉城區(qū)人流在空間上形成了2個集聚區(qū)：以蕉南北街道東南部、東僑開發(fā)區(qū)西部以及城南鎮(zhèn)東北部為中心的人流高活力集聚區(qū)，以七都鎮(zhèn)東南部和漳灣鎮(zhèn)西北部為中心的人流低活力集聚區(qū)。

3）蕉城區(qū)人流在空間上整體存在明顯的高-低聚類的趨勢，形成了以高活力集聚區(qū)為中心向外擴散逐漸減小的趨勢。

4）綜合來看，蕉城區(qū)的發(fā)展極度不均衡，從人流擴散趨勢可以看出，蕉城區(qū)人流從中心城區(qū)向北部新城與沿海方向擴散，蕉城區(qū)從中心城區(qū)向外逐步發(fā)展。

本文人流活力分析方法可初步彌補低等級城市數(shù)據(jù)稀疏問題，并從更真實的角度反映城市人流活力，為低等級城市的發(fā)展現(xiàn)狀提供有力的分析基礎，可及時發(fā)現(xiàn)發(fā)展不均衡地區(qū)，為城市空間的全面均衡發(fā)展提供依據(jù)。但在實證研究中，空間吸引力僅考慮人流重訪強度，未考慮出行距離和停留時間，而且通過停留時間可以判斷活動類型;局部莫蘭指數(shù)計算得到的LISA集聚圖存在一部分無鄰域的網(wǎng)格，無法對更大的空間范圍人流集聚現(xiàn)象進行分析。這兩部分分析深度存在一定的局限。受限于數(shù)據(jù)的可獲取性，本文數(shù)據(jù)粒度仍然不夠小，未考慮到完整的出行鏈，可分析范圍較小，數(shù)據(jù)主要集中在城區(qū)中心及周邊鄉(xiāng)鎮(zhèn)，與城區(qū)距離較遠的鄉(xiāng)鎮(zhèn)數(shù)據(jù)量比較少，無法進行有效的分析，同時未獲取到高等級城市數(shù)據(jù)，無法進行對比驗證。因此，未來的研究中可在此分析方法框架的基礎上，結(jié)合居民出行距離、停留時間和空間分布完整的手機信令數(shù)據(jù)，采用高精度、有方向的個體軌跡數(shù)據(jù)，深入分析城市空間人流活力的各項特征量及其影響因素，同時對高等級城市人流采用相同分析框架進行方法對比分析。

參考文獻：

[1] JACOBS J. The Death and Life of Great American Cities[M]. New York： Random House， 1961.

[2] 龍瀛， 張恩嘉. 數(shù)據(jù)增強設計框架下的智慧規(guī)劃研究展望[J]. 城市規(guī)劃， 2019， 43（8）： 34-40， 52.

[3] 秦蕭， 甄峰， 魏宗財. 未來城市研究范式探討：數(shù)據(jù)驅(qū)動亦或人本驅(qū)動[J]. 地理科學， 2019， 39（1）： 31-40.

[4] LYNCH K. Good City Form[M]. Cambridge，MA： MIT Press， 1984.

[5] MONTGOMERY J. Making a city：urbanity， vitality and urban design[J]. Journal of Urban Design， 1998， 3（1）： 93-116.

[6] 包亞芳， 孫治， 宋夢珂， 等. 基于居民感知視角的浙江蘭溪傳統(tǒng)村落公共空間文化活力影響因素研究[J]. 地域研究與開發(fā)， 2019， 38（5）： 175-180.

[7] JALALADDINI S， OKTAY D. Urban public spaces and vitality： a socio-spatial analysis in the streets of Cypriot towns[J]. Proce-dia-Social and Behavioral Sciences， 2012， 35： 664-674.

[8] 王勇， 鄒晴晴， 李廣斌. 基于活力特征分析的城市安置社區(qū)公共空間研究：以蘇州城區(qū)6個安置社區(qū)為例[J]. 地理科學， 2018， 38（5）： 747-754.

[9] 汪海， 蔣滌非. 城市公共空間活力評價體系研究[J]. 鐵道科學與工程學報， 2012， 9（1）： 56-60.

[10]龍瀛， 劉倫倫. 新數(shù)據(jù)環(huán)境下定量城市研究的四個變革[J]. 國際城市規(guī)劃， 2017， 32（1）： 64-73.

[11]劉紅玲， 鄧明森， 任漢卿， 等. 人類行為動力學統(tǒng)計特性研究：基于在線電影點播實證數(shù)據(jù)[J].貴州大學學報（自然科學版）， 2014， 31（4）： 137-140.

[12]塔娜， 曾嶼恬， 朱秋宇， 等. 基于大數(shù)據(jù)的上海中心城區(qū)建成環(huán)境與城市活力關系分析[J]. 地理科學， 2020， 40（1）： 60-68.

[13]劉云舒， 趙鵬軍， 梁進社. 基于位置服務數(shù)據(jù)的城市活力研究：以北京市六環(huán)內(nèi)區(qū)域為例[J]. 地域研究與開發(fā)， 2018， 37（6）： 64-69， 87.

[14]朱婷婷， 涂偉， 樂陽， 等. 利用地理標簽數(shù)據(jù)感知城市活力[J]. 測繪學報， 2020， 49（3）： 365-374.

[15]龍瀛， 唐婧嫻. 城市街道空間品質(zhì)大規(guī)模量化測度研究進展[J]. 城市規(guī)劃， 2019， 43（6）： 107-114.

[16]唐婧嫻， 龍瀛， 翟煒， 等. 街道空間品質(zhì)的測度、變化評價與影響因素識別：基于大規(guī)模多時相街景圖片的分析[J]. 新建筑， 2016（5）： 110-115.

[17]劉張， 千家樂， 杜云艷， 等. 基于多源時空大數(shù)據(jù)的區(qū)際遷徙人群多層次空間分布估算模型：以COVID-19疫情期間自武漢遷出人群為例[J]. 地球信息科學學報， 2020， 22（2）： 147-160.

[18]顧秋實， 張海平， 陳旻， 等. 基于手機信令數(shù)據(jù)的南京市旅游客源地網(wǎng)絡層級結(jié)構(gòu)及區(qū)域分異研究[J]. 地理科學， 2019， 39（11）： 1739-1748.

[19]周亞娟， 趙志遠， 吳升， 等. 基于大規(guī)模手機位置數(shù)據(jù)的城市潛在自行車出行需求評估[J]. 地球信息科學學報， 2020， 22（6）： 1282-1293.

[20]王德， 李丹， 傅英姿. 基于手機信令數(shù)據(jù)的上海市不同住宅區(qū)居民就業(yè)空間研究[J]. 地理學報， 2020， 75（8）： 1585-1602.

[21]馮玲， 黃亮， 曾李陽， 等. 基于分布式網(wǎng)絡爬蟲的Web空間數(shù)據(jù)獲取方法研究[J]. 貴州大學學報（自然科學版）， 2019， 36（1）： 33-36.

[22]鐘煒菁， 王德. 上海市中心城區(qū)夜間活力的空間特征研究[J]. 城市規(guī)劃， 2019， 43（6）： 97-106， 114.

[23]羅桑扎西， 甄峰. 基于手機數(shù)據(jù)的城市公共空間活力評價方法研究：以南京市公園為例[J]. 地理研究， 2019， 38（7）： 1594-1608.

[24]蔣滌非， 李璟兮. 當代城市活力營造的若干思考[J]. 新建筑， 2016（1）： 21-25.

[25]李俊芳， 姚敏峰， 季峰， 等. 土地利用混合度對軌道交通車站客流的影響[J]. 同濟大學學報（自然科學版）， 2016， 44 （9）： 1415-1423.

[26]劉瑜， 姚欣， 龔詠喜， 等. 大數(shù)據(jù)時代的空間交互分析方法和應用再論[J]. 地理學報， 2020， 75（7）： 1523-1538.

[27]劉承良， 許佳琪， 郭慶賓. 基于鐵路網(wǎng)的中國主要城市中心性的空間格局[J]. 經(jīng)濟地理， 2019， 39（3）： 57-66.

（責任編輯：周曉南）

Urban Crowd Activity Analysis in Jiaocheng District of Ningde

City Based on Cellular Signaling Data

YAO Chengxin1，2，3， WU Qunyong*1，2，3， ZHANG Qiang4， YE Weizhen5， WANG Xiong6

（1.Key Lab of Spatial Data Mining and Information Sharing of Ministry of Education， Fuzhou University， Fuzhou 350108， China; 2.National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology， Fuzhou 350108， China; 3.The Academy of Digital China （Fujian）， Fuzhou 350003， China; 4. Fujian Urban & Rural Planning Design Institute， Fuzhou 350007， China; 5.Cultiveted Land Protection Center of Ningde， Ningde 352100， China; 6.Intelligent Map Surveying Limited Company of Ningde， Ningde 352100， China）

Abstract：

In view of sparse data ， limited research and analytic angles in the field of urban crowd activity in low-level cities， this paper proposes to use the three characteristic quantities ： the revisit intensity of urban crowd（RIUC）， the mixing degree of activity types（ATMD）， and the centrality of the spatial flow interaction network（CSFIN）， and establishes a urban crowd activity analytic framework that considers the types of activities and spatial interactions， calculating the concentration of people through the MoransI. Based on POI data in Jiaocheng District of Ningde City and cellular signaling data including age groups， a comprehensive analysis of urban crowd activity was carried out. The results are as follows： The RIUC has obvious differences in age groups， and the overall distribution of the spatial interaction of Jiaocheng crowd activity is significantly different， which forms a crowd interactive network where people in the 19～49 age group， are the majority， and Jiao Nanbei Street， Dongqiao Development Zone and Chengnan Township are centered. Jiaocheng District crowd activity has formed two agglomerations spatially： one is a high-energy agglomeration area centered on the southeast of Jiao Nanbei Street， the west of Dongqiao Development Zone and the northeast of Chengnan Township， the other one is a low-energy cluster of crowd activity centered on the southeast of Qidu Township and the northwest of Zhangwan Township. There is an obvious trend of high-low clustering in the overall spatial crowd activity in Jiaocheng District， forming a trend of gradually decreasing outward diffusion centered on high-energy clusters. On the whole， the development of Jiaocheng District is extremely uneven. It can be seen from the flow of people that Jiaocheng District is spreading from the central city to the northern new zone and the coast. This approach reflects the dynamics of urban flows from a more realistic perspective， identifies areas of uneven development， and provides a strong basis for the comprehensive and balanced development of urban space.

Key words：

urban crowd activity; cellular signaling data; POI data; degree centrality; Morans I; Jiaocheng District of Ningde City

收稿日期：2020-11-10

基金項目：國家自然科學基金資助項目（47471333）;中央引導地方科技發(fā)展專項（2017L3012）

作者簡介：姚鋮鑫（1996—），女，在讀碩士，研究方向：時空大數(shù)據(jù)分析、土地利用規(guī)劃，E-mail：visionali@qq.com.