發布時間：所屬分類：建筑師職稱論文瀏覽：1次
摘 要： 摘 要 移動定位大數據包括手機信令數據、移動互聯網LBS數據等類型，是表示個體活動時空特征的軌跡數據。在移動定位大數據中依據軌跡點的時空特征規律能識別出個體活動的居
摘 要 移動定位大數據包括手機信令數據、移動互聯網LBS數據等類型，是表示個體活動時空特征的軌跡數據。在移動定位大數據中依據軌跡點的時空特征規律能識別出個體活動的居住、工作、游憩等特征點，計算上述活動的空間分布特征，進而獲得居住、工作、游憩等功能之間聯系的流向和流量特征，獲得傳統數據無法反映的城市功能空間分布以及城市功能聯系的時空特征。由此，移動定位大數據支持建成環境規劃設計有密度出發和聯系出發兩種應用途徑。聯系出發的途徑能支持區域城市關聯、職住空間關系、城市中心體系、設施服務水平等方向;密度出發的應用途徑能支持城市人口規模、街道活力分析等方向。移動定位大數據測算居民活動特征還只是一種推測，在應用方法上要避免“黑箱”方式，對移動定位大數據測算結果一定要結合傳統數據進行校核，提高可靠性。
關鍵詞 移動定位大數據;個體活動;城市功能;規劃設計
0 引 言
移動定位大數據(mobile positioning big data)是帶有地理位置標簽的大數據，有時被稱為位置大數據。隨著信息通信技術(ICT)的發展，尤其是移動通信和移動互聯網等的廣泛使用，隨身攜帶的移動設備產生了多種移動定位大數據。移動定位大數據包括了來自移動互聯網訪問記錄的 LBS(location based service，基于位置服務)數據，帶GPS的出租車、公交車、卡車產生的浮動車數據，以及移動通信網絡中產生的手機信令數據等種類。用于地鐵、公交車的智能公交卡如果能記錄乘客刷卡時的站點位置，也能被視為是移動定位大數據。
移動定位大數據一般記錄了個體移動中的空間定位以及對應的時間戳。尤其是手機等隨身攜帶移動設備所產生的移動定位大數據能夠大致記錄個體活動時空軌跡。由于這些設備的廣泛使用，移動定位大數據不僅能讓我們看到城市中的個體時空活動，也使得大規模獲取較長時間序列的人群活動軌跡變成可能。城市中人群的活動時空特征不僅是建成環境規劃設計的基礎數據，也是評估建成環境成效的基礎數據。移動定位大數據為建成環境規劃設計提供了新的數據基礎。
1 移動定位大數據、個體活動、城市功能
1.1 移動定位大數據與個體活動
移動定位大數據是一種大規模記錄個體時空軌跡的數據集。從時空軌跡角度出發，各種移動定位大數據基本類似，但是在個體時空軌跡點的產生方式和記錄軌跡點的時間連續性上有所差異。例如，移動互聯網LBS數據是用戶在使用移動互聯網服務、發出定位請求時被記錄下來的位置信息。不同APP的使用頻率不同，對應定位的時空軌跡點數量也不同。地鐵刷卡數據是由智能公交卡用戶每一次地鐵出行產生進站刷卡、出站刷卡2個軌跡點，一日往返通勤會產生4個軌跡點記錄。手機信令數據則一般以至少1 h的間隔連續記錄用戶空間位置。在去除位置連續重復的信令后，4G用戶人均每日大概能被記錄到150個軌跡點。
居民個體行為所形成的時空軌跡中，按照行為一般時空規律識別出個體行為的特征點，包括“居住、工作、游憩”等特征行為位置，這是規劃設計中所應用的基礎數據處理方法。例如，匿名用戶一個月內在 60%的日期內夜間在同一位置留下了軌跡點，這個位置很有可能是這位用戶當月的居住地;同樣匿名用戶一個月內在60%工作日日間在同一位置留下了軌跡點，這個位置則很有可能是這位用戶當月的工作地。類似規則也能測算用戶休息日常去的游憩地。
1.2 移動定位大數據與城市功能
對個體用戶來講，從上述移動定位大數 據識 別出個人行為的“居住、工作、游憩”特征位置點，將上述特征位置點串聯在一起就是該用戶當日的“交 通”出行軌跡(圖1)。當移動定位大數據樣本量占據城市居民相當大的比例后，匯總眾多用戶的 “居住、工作、游憩”特征位置點就能獲得城市“居住、工作、游憩”功能空間分布特征。同樣，在個體層面將上述各個特征位置點串聯在一起的“交通”出行軌跡，在總體上能反映城市“居住—工作”“居住—游憩”等功能聯系。移動定位大數據能用于測算城市居住、工作、游憩功能空間分布，也能用于測算“居住—工作”“居住— 游憩”等功能聯系。這是移動定位大數據在建成環境規劃設計中的應用基礎。
人口普查數據能很好地描述城市居住功能的空間分布，經濟普查數據能很好地反映城市工作功能的空間分布。但是這些普查數據不僅調查成本極高、更新較慢，而且人口普查、經濟普查數據是靜態統計數據，無法測算諸如“居住—工作”等功能聯系。移動定位大數據在上述方面彌補了傳統數據的不足，具有獨特的優勢。
1.3 移動定位大數據與城市之間的人流聯系
移動定位大數據也能用于區域城市群和城鎮體系分析。移動定位大數據能測算城市之間的人流聯系，以及人流聯系的流量和流向。從移動定位大數據形成的時空軌跡中識別出居民的“常住地”城市和跨城出行的“目的地”城市。從個體上來講，這是居民跨城出行的行為時空位置，從總體上講則是城市之間人員的流動聯系，具備了聯系流量和流向(圖2)。進一步通過人群出行的時空特征與重復率，也能推算出兩個城市之間的跨城通勤出行，用于判斷城市之間的功能聯系類型和特征。
表示城市之間聯系的數據(流向、流量)一直是規劃研究所迫切需要的。傳統數據難以解決城市之間聯系的流向與流量。移動定位大數據所提供的人流聯系數據相當于城市之間全模式客運交通聯系，能支持區域層面的規劃應用。
2 移動定位大數據的應用途徑
2.1 聯系出發的應用途徑
聯 系出發 的應 用 途 徑 計 算的是“居住—工作”“居住—游憩”等特定功能之間聯系的流量與流向特征。例如，使用移動定位大數據同時測算出用戶的居住地與工作地，就能得到通勤聯系，用于測算某個就業中心工作者的居住地來源分布;使用移動定位大數據同時測算出用戶的居住地、游憩地，就能得到“居住—游憩”聯系數據，用于測算某個商業中心游憩者的居住地來源分布。聯系出發的應用途徑關注的是同一用戶“居住”“工作”“游憩”等特定活動之間的聯系。
傳統調查或普查方法也能得出同一批用戶“居住—工作”功能聯系與“居住— 游憩”功能聯系。由于大規模普查工作量大、時間長，很難進行全市性計算。移動定位大數據有相對較高分辨率的空間定位精度，有較大用戶樣本數量且地理空間上容易做到全覆蓋，地理范圍不再是制約“居住—工作”功能聯系與“居住—游憩”功能聯系的因素，適用于不同尺度規劃設計。
2.2 密度出發的應用途徑
密度出發的應用途徑計算的是居住、工作、游憩等特定功能的空間分布特征，并用居民特定活動的密度值表達。例如，使用移動定位大數據測算出用戶的居住地，就能得到城市居住人口分布值，使用測算出的用戶的工作地，就能得到城市就業崗位。密度出發的應用途徑就是計算出特定單元內不同個體同一類活動的空間分布特征。
傳統調查或普查方法所得到的居住人口密度與就業崗位密度都是基于街道、居委等特定空間單元，其應用場合會受到空間統計單元的制約。例如，以街道單元統計的居住人口分布難以被用于較小尺度的詳細規劃與城市設計層面。由于移動定位大數據有相對較高分辨率的空間定位精度，所得到的居住、就業、游憩等城市功能的密度不再受到統計單元的制約，適用于不同尺度的規劃設計。
相關期刊推薦：《西部人居環境學刊》是由教育部主管、重慶大學主辦，建筑城規學院具體承辦的國內外公開發行的學術型期刊，《西部人居環境學刊》立足西部，以建筑學、城鄉規劃學、風景園林和建筑技術科學為學術支撐，全面探討人居環境科學，并以“學術性”、“時代性”和“國際化”強調學刊的發展方向。有投稿需求的作者，可以直接與期刊天空在線編輯聯系。
3 從聯系出發的應用方向
3.1 職住空間關系
就業和居住是城市功能結構的重要組成部分，職住空間關系也是規劃設計的重要議題。職住空間關系是移動定位大數據在建成環境規劃設計中最為普及的應用方向。規劃設計中的職住空間關系分析使用了
從移動定位大數據中獲取的“居住—工作” 聯系。手機信令數據是識別“居住—工作” 聯系最為常見的數據[1]，公交刷卡和地鐵刷卡數據可以通過測算乘客上、下車位置和時間的重復性，推算通勤出發和到達站點，也能間接用于城市職住空間關系的分析[2-3]。
使用移動定位大數據對城市職住關系進行分析被應用于不同尺度的規劃設計中。在城市總體規 劃層面，可以應用于城市內部的職住關系分析，得到城市整體的職住空間特征和通勤距離，劃分出緊密通勤范圍[4](圖3)，加深對城市空間結構的認識[5]，或是分析市區與郊區的同城化程度[6]，或是用于評價主城區與郊區新城的關系，對新城產城融合的建設成效進行評估[7]。在詳細規劃層面，可以應用于城市特定單元內(如典型就業區)[8]的職住情況，分析特定區域的通勤模式。
當前，隨著都市圈一體化，職住空間聯系從城市內部擴展到相鄰城市之間。由于我國不存在跨城市的交通出行調查，傳統數據在這個方面無能為力。移動定位大數據則為研究分析這種跨城職住空間關系提供了很好的手段，這反映出城市與區域功能結構新的變化，在上海與近滬城市所組成的都市圈研究中已得到應用[9]。體規劃的重要內容之一，不同等級的公共中心是以服務范圍進行劃分的，例如主中心服務全市、地區中心服務局部城區等。公共中心只能使用土地使用性質、建筑面積規模等靜態數據評估規模，服務范圍只能用服務半徑進行估算。
從移動定位大數據中獲取的“居住— 游憩”聯系可用于判斷公共中心游憩者的來源地，從而判斷出中心的腹地，對公共中心體系的服務績效進行評價。利用這一方法劃定勢力范圍的方法比傳統的服務半徑的方法更加有效，能夠看到不同等級公共中心的服務情況[10]。通過對城市多個中心服務的范圍比較(圖4)，結合對出行距離的分析，移動定位大數據可以進一步分析公共服務設施缺乏的區域，為新建副中心選址決策提供支持[11]。
3.3 設施服務水平
公共設施、交通設施、綠地等合理布局配置是規劃設計的重要任務。大型公共設施如體育館、大型公園、景區(圖5)等可以采用與規劃公共中心體系相似的方法。通過獲取設施使用者的活動軌跡，建立“設施—居住地”之間的出行聯系，從功能聯系角度對設施服務范圍進行評估。具體分析內容可以根據設施的服務特點來決定。例如對于城市公園的服務情況，移動定位大數據可以通過建立“游憩—居住” 聯系分析公園的服務范圍與服務時間等特征[12]，也可以對于公園綠地體系進行分析，評價公園綠地整體的供需關系是否滿足城市居民的需求，為新建大型公園的選址與建設優先次序提出建議[13]。
對于以機場、火車站、樞 紐站、地鐵站點等為代表的交通設施，可以利用移動定位大數據記錄連續活動軌跡的特點，使用與功能聯系相似的方法，建立起“出發地—交通設施—目的地”的聯系，在此基礎上測算各種交通設施的服務范圍，提供現有交通設施的服務情況(圖6)。
3.4 區域城市關聯
在城鎮體系規 劃中，城鎮的等級、職能、空間結構等都需要有城鎮之間聯系數據的支持。目前較常用航空、鐵路、公路客運班次來測算城市之間的聯系。但這些客運交通方式難以全面反映城市之間人流的出行聯系。
從移動定位大數據中獲取城市之間人流聯系，可以通過聯系流量、流向兩個維度來判斷區域內城市之間的聯系情況。綜合流量流向可以定量評價各個城市在城際出行網絡中的中心性，將其應用于城鎮體系的等級結構規劃[16](圖7)，能有效彌補傳統的“規模—位序”方法的不足。
使用移動定位大數據所獲取的城市之間的人流聯系數據還能被應用于城鎮體系空間結構中，例如基于流量流向劃分各個城市的勢力范圍(圖8)、通過不同時間城市之間的人口流動識別全國城市群中心與城市等級[17]、建立城市聯系強度模型測算城市影響范圍[18]等各種應用方法。