基于UAD大数据的居民职住空间特征识别及规划策略研究

Nowadays, an increasing number of Chinese cities are facing serious urban problems; one of the most outstanding is the “jobs-housing imbalance”. In the past, most researches related to “jobs-housing relationship” are based on field surveys or site investigations; but it costs a lot and only gets limited samples. Because the emergence of the big data, related researches get good opportunities. We use user’s apps data (UAD) in our research, which is one type of “big data” with detailed spatiotemporal taps. It provides conditions for recognizing people’s attributes because it includes not only users’ time and space information, but also users’ preference information. So far, other kinds of big data do not have this advantage. .This research based on the collation of research progresses on topic of “jobs-housing relationship” to recognize jobs and housing locations of different groups, we use data mining technology to process user’s apps data and the traditional data. To do this research from the perspective of spatial correlation and spatial heterogeneity, we use geographical weighted regression model, structural equation model and spatial autocorrelation analysis to recognize jobs-housing location characteristics and people’s space-selection differences in order to build a model used to identify people’s location preference. Finally, our research provides big data methods for urban spatial studies, and provides references for variation of urban planning strategies.

如今在我国面临的诸多城市病中，职住空间分离问题日益突出。以往的研究主要基于居民出行调查展开，成本较高且样本有限。本研究所使用的移动手机用户apps数据（user′s apps data，UAD），是一种具有时空标签的大数据，既包含手机用户的时空位置，也包含可识别出用户属性特征的apps使用偏好，由此可判断不同类型群体的职住空间选择特征，为制定精细化规划策略提供条件。.本研究通过梳理职住空间关系研究进展，利用UAD属性分类信息对接传统调查数据，借助数据挖掘方法，识别各类人群的就业-居住空间。并从空间相关性和空间异质性视角出发，运用地理加权回归模型、结构方程模型、空间自相关分析等方法，识别不同类型人群的职住空间选择特征，判断空间选择偏好存在差异的影响因素，进而构建空间选择模型。本研究提出的利用UAD挖掘人群分类、对接传统数据的规则方法，有望为大数据在城市空间研究中的深入应用提供参考。

如今，在我国面临的诸多城市病中，职住空间分离问题日益突出。职住空间作为城市系统最重要的组成部分，直接影响了城市的形态结构、居民的行为体验以及社会的和谐宜居，长期以来受到城市研究者的关注和重视。以往的研究主要基于居民出行调查展开，成本较高且样本有限。本研究利用覆盖北京全市域并持续整一个月的一亿多条手机信令数据，基于DBSCAN的聚类方法，通过OD定向联系，识别出同时具备居住-就业关系特征的职住空间。在此基础上，识别不同类型人群的职住空间选择特征，判断空间选择偏好存在差异的影响因素。研究发现：①北京市居住空间呈现大分散、小集聚特征，就业空间呈现大集聚、小分散特征；②基于各个空间尺度、不同测度方法的分析结果均表明，职住空间的不匹配程度呈现出由中心城向外围逐渐降低的态势，但基于街道乡镇尺度呈现出由内向外更细化的就业集聚-居住集聚-二者均衡的三段式变化特征；③无论是就业空间高度集聚导致的非集聚区就业岗位数量不足，还是包括就业高集聚区在内大量区域出现的双向通勤现象，均说明居住功能和就业功能需要空间重组的必要性；④交通和房价因素是影响所有群体选择职住空间的重要因素。总的来说，研究结论为大数据在城市空间研究中的深入应用提供方法借鉴，也为制定差异化的城乡规划策略提供参考依据。..