Author Affiliations
1College of Civil Engineering and Architecture, Zhejiang University of Technology, Hangzhou 310014, China1浙江工业大学建筑工程学院,杭州 3100142College of Architecture and Urban Planning, Tongji University, Shanghai 200092, China2同济大学建筑与城市规划学院,上海 200092show less
Fig. 1. 研究范围注:卢湾区已于2011年并入黄浦区,闸北区已于2015年并入静安区。Fig. 1
Fig. 2. 2015年上海中心城区商业中心识别注:识别过程为:① 每个用户每天的游憩活动量为1,按在游憩地的停留时间分配权重后再按游憩地汇总游憩活动量,在ArcGIS中对游憩地的游憩活动量做核密度分析(800 m搜索半径、200 m网格单元)得到本地居民游憩活动强度;② 对①的结果做局部空间自相关分析(以反距离法表达空间关系,取800 m距离阈值),在1%显著性水平下(Z Score> 2.58)选出高值聚类区(图b中红色部分);③ 由于商场的日均人流量远大于其他游憩场所,高值聚类区一般包括商业中心,再从中筛选商业用地,就能识别得到商业中心及其具体空间范围(图c)。得到24个商业中心,这些商业中心通过同一个参数聚类得到,同属于城市级商业中心。Fig. 2
Fig. 3. 上海中心城区商业中心吸引力的变量检验注:不同间隔距离拟合的幂函数不同,50 m间隔距离拟合的幂函数相关系数为0.85,200 m间隔距离为0.87,500 m间隔距离为0.87, 1000 m间隔距离为0.88。说明吸引力随距离衰减的规律不会因显示的间隔距离不同而发生质的变化。Fig. 3
Fig. 4. 第56432号网格中的居民受各商业中心吸引的实测值—模拟值拟合Fig. 4
Fig. 5. 上海中心城区商业中心吸引力距离衰减系数Fig. 5
Fig. 6. 上海中心城区商业中心势力范围划分的实测结果和模拟结果比较Fig. 6
Fig. 7. 2015年上海中心城区就业中心识别Fig. 7
Fig. 8. 上海中心城区就业中心吸引力的变量检验Fig. 8
Fig. 9. 第56432号网格中的居民受各就业中心吸引的实测值—模拟值拟合Fig. 9
Fig. 10. 上海中心城区就业中心吸引力距离衰减系数Fig. 10
Fig. 11. 上海中心城区就业中心势力范围划分的实测结果和模拟结果比较Fig. 11
Fig. 12. 上海中心城区距离衰减系数分布Fig. 12
Fig. 13. 上海中心城区距离衰减系数空间分层异质性的影响因素注:① 可达性的距离值越小表示可达性越高;② 地铁站影响通常以直线距离测度,因此至地铁站距离以直线距离表征;③ 居住人口密度值仅表示手机信令数据识别到的居住人口密度,不代表真实值。Fig. 13