面对日益严重的城市交通问题,城市管理者尝试从城市空间规划层面引导交通出行模式的转型,调节供需关系,缓解交通问题,而中心结构识别作为城市空间规划的重要步骤,在分析方法与数据应用等方面仍然受限。本文利用百度位置数据挖掘出的都...面对日益严重的城市交通问题,城市管理者尝试从城市空间规划层面引导交通出行模式的转型,调节供需关系,缓解交通问题,而中心结构识别作为城市空间规划的重要步骤,在分析方法与数据应用等方面仍然受限。本文利用百度位置数据挖掘出的都市圈通勤数据,采用基于网格的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)密度聚类算法,识别出我国35个主要都市圈的中心布局,并根据5种通勤模式的理论模型和相应的量化指标对都市圈中心结构进行判别,最后对主要中心结构下影响通勤效率的因素进行回归分析。研究发现,虽然不同都市圈的中心布局差异明显,但大部分都市圈表现为非均衡多中心结构。不同中心结构的分布呈现出一定的地域特征,单中心结构都市圈主要位于中西部城市,而约束扩散结构和均衡多中心结构都市圈大多是由东部沿海开放城市发展形成。城市规模与通勤时耗的相关性最为显著,职住平衡度对通勤时耗也有较大影响。上述研究结果为针对性地制定不同都市圈的资源配置策略和通勤效率优化策略提供了有效支撑,对都市圈空间规划和交通可持续发展具有一定的理论价值和现实指导意义。展开更多
文摘面对日益严重的城市交通问题,城市管理者尝试从城市空间规划层面引导交通出行模式的转型,调节供需关系,缓解交通问题,而中心结构识别作为城市空间规划的重要步骤,在分析方法与数据应用等方面仍然受限。本文利用百度位置数据挖掘出的都市圈通勤数据,采用基于网格的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)密度聚类算法,识别出我国35个主要都市圈的中心布局,并根据5种通勤模式的理论模型和相应的量化指标对都市圈中心结构进行判别,最后对主要中心结构下影响通勤效率的因素进行回归分析。研究发现,虽然不同都市圈的中心布局差异明显,但大部分都市圈表现为非均衡多中心结构。不同中心结构的分布呈现出一定的地域特征,单中心结构都市圈主要位于中西部城市,而约束扩散结构和均衡多中心结构都市圈大多是由东部沿海开放城市发展形成。城市规模与通勤时耗的相关性最为显著,职住平衡度对通勤时耗也有较大影响。上述研究结果为针对性地制定不同都市圈的资源配置策略和通勤效率优化策略提供了有效支撑,对都市圈空间规划和交通可持续发展具有一定的理论价值和现实指导意义。
