大数据结合空间句法：将城市设施分布规律的认识深化、细化和量化

图片源自网络。

房产商有一句著名的话，就是“区位，区位，区位”。房产商告诉我们，如果计划购买房产，考虑的因素有且仅有一条，那就是房产所在的“区位”。这里可以在一定程度上看出区位因素对于物业价值的重要影响。不过，对于城市中的其他功能设施而言，按照“区位，区位，区位”的法则，根据区位价值高低来安排布置或者评价这些功能，可能就并不准确了。

根据《城市规划》2018年第9期文章《基于大数据的北京空间构成与功能区位研究》（作者：杨滔）的分析和计算，在北京的案例中，城市中的商业、公共服务、行政机构、停车场、旅游景点、工业、餐饮、娱乐、中小学、文化设施、商务办公、高速服务设施等的空间分布存在一系列规律。而从这些规律中可以看出，一些城市设施的分布符合传统的区位法则以及地租理论，而很多设施并不完全符合既有理论。或者说，当将上述各项城市功能加以细化之后，再来考察，将发现繁多的城市功能具有一系列精微的分布规律。

在该文章的研究中，将城市功能细化加以考察的材料和工具分别是城市功能兴趣点（POI）大数据和空间句法的空间组构效率计算分析方法。

该文章信息量大，分析充分，并对空间句法理论的概念、存在问题以及最新的研究进展进行了阐述。这其中论文的核心部分在于对兴趣点大数据进行空间组构效率计算，进而对比不同类型的城市功能，以及对比同一大类不同规模、层级的设施的空间组构效率值，并在坐标系中展示出各类城市功能的空间组构效率的量化关系，以此总结规律，获得设施布局认识，运用到城市功能设施的优化布局中去。

文章的关键概念是“空间组构效率”。按照论文的阐述，空间组构效率是指空间中某一点的收益与成本之商，代表了该空间地点的效率。如文中所言，效率越高的空间，到达其他空间的距离越近，且获得的穿行次数越多，一定程度上表明该空间的区位越好，而空间组构效率就可以被用于度量空间区位。

也就是说，文中的研究通过空间句法的运算，为每一个大数据兴趣点找到了“区位值”——空间组构效率值。于是能够方便地对各类型兴趣点进行观察比较，总结出细分类的城市设施分布的相关规律。同时，为细化衡量标准，更加准确地度量空间地点的价值，论文的研究将“区位”细化为两种类型，一种是整体区位，另一种为局部区位。

具体而言，作者在研究中对每一处功能兴趣点计算其周边60m以内的空间构成效率均值，包括1km和50km的数值，以此作为局部和全局的效率，用局部和全局效率数值分别度量局部区位和整体区位，然后将功能兴趣点按功能大类和细分类进行划分，对每一类别功能计算其局部和全局平均效率，并绘制坐标图，其中横坐标代表全局空间构成效率，而纵坐标代表局部空间构成效率。这样便可以分析每类功能在两种尺度下（局部和全局）的空间区位特征。

文章初步分析发现，城市主要功能的区位值并不相同，且可以大致分为两组，第一组功能具有较高的全局和局部空间构成效率，包括商业、餐饮、ATM机、娱乐、宾馆在内，这些功能具有盈利性的特征，而公共设施具有最高的局部空间构成效率和较高的全局空间构成效率；第二组功能具有较低全局和局部空间构成效率，大部分属于公共型设施，包括商务办公、教育科研设施等。

分析结果更加精细化是运用大数据作为基础研究城市功能设施的空间分布的特色优势。可以看到，论文在通过兴趣点大数据统计之后，由于数据庞大而丰富，可以进一步将一些功能类型细化。而本文一个非常精彩的地方，正是依托大数据资源，通过空间句法运算，在对细化的功能的空间构成效率计算后，发现了影响空间区位的若干所谓“非空间要素”。文章指出这些非空间要素包括：（1）设施规模的大小；（2）消费或服务人群；（3）设施的文化内涵或品牌；（4）设施的运作方式。例如，大型超市、农贸市场等规模庞大的商业设施的局部和全局效率都较低，典当行、摊贩、百货店、中小商铺等中小规模商业设施具有较高的全局效率和局部效率，蔬菜市场、便利店、社区点的局部效率较高，等等，说明越小规模的商业设施越需要占据区位较好的地段，而大规模的商业设施并未占据较好的区位地段。

为证明空间形态结构对城市功能的作用力，文章对每类功能的分布模式与空间构成的相关性进行了分析，运用统计方法计算出各类功能的分布与空间形态的相关度。在研究中以相关度高于0.5作为两者是否存在关联的标准。通过运算后发现，空间形态对于盈利型功能的分布有明显的影响，对某些公共型功能具有显著的影响。

最后文章总结认为，不同的功能根据其规模大小、消费或服务人群、文化或品牌、运作方式等，采取不同的空间构成方式，选择了不同的空间区位，并体现在不同的尺度之上，形成各具特色的“形态-功能性”中心。

可以看到，《基于大数据的北京空间构成与功能区位研究》一文运用功能兴趣点数据，在空间句法和统计学方法等的分析下，将北京城市中各种功能的分布规律进行了精细的梳理，找出功能分布的区位特征，将宏观疏阔的地理分布原则和理论进一步深化、细化，发现了现实中存在的影响设施布局的4类“非空间要素”，可能将人们对于设施布局和区位的认识推向深入，并使人们对功能和区位的认识趋于更加全面。文章图文并茂，阐述清晰，可读性强，推荐对空间句法、设施布局和大数据分析感兴趣的读者关注这篇文章。

▲图1 | 穿行度、总深度和空间构成效率的关系

Fig.1Relationship among choice, total depth and spatial configurational efficiency

▲图2 | 北京局部空间构成效率模式(左)和全局空间构成效率模式(右)

Fig.2Partial (left) and general (right) spatial configurational efficiency of Beijing

▲图3 | 北京功能的空间分布模式

Fig.3Functional distribution patterns of Beijing

▲图6 | 一般性功能的两种尺度的空间效率模式

Fig.6Spatial configurational efficiency patterns of general functions at partial and general levels

▲图7 | 各种商业类型、中小型商铺、各种餐饮类型、各种娱乐设施的两种尺度的空间效率模式

Fig.7Spatial configurational efficiency patterns of commerce, small & medium-sized stores, catering and entertainment facilities at partial and general levels

▲图9 | 各类功能(上)、各类宾馆(中)、某些商业/公共类(下)分别与两种尺度的空间效率的相关度

Fig.9The R2 of general functions (above), hotels (middle) and business/public facilities (below) against spatial configurational efficiency patterns at local and global levels

▲图10 | 北京的“形态-功能性”中心体系

Fig.10A System of the form and function centers of Beijing

▲表1 | 各种功能的空间分布模式的相关性

Tab.1 The r2 of the correlations of different functional distribution patterns

注：浅灰色表明较高的相关性；深灰表示中等程度的相关性；*代表某些功能及其细分功能之间的相关度，其值可忽视。

微信改版后

好多人说不能很方便找到我了

其实把咱们“城市规划”置顶就可以啦

只需要5秒钟哟~

了解更多《城市规划》杂志信息，搜索微信号“chengshiguihuazazhi”或识别下方二维码关注。

关注我们，精彩无限~！