基于POI功能識別與聚類分析的交通小區劃分方法的改進
——以天津市和平區為例

張琳 白云慶

天津市市政工程設計研究院 天津 300000

引言

交通小區的劃分是開展交通調查、交通預測、交通規劃等工作的基礎。傳統的交通小區常以城市道路為邊界，將研究區域劃分為若干個等大的分區。蔣萌露等學者以馬德里市為研究對象，研究結果表明基本單元面積越小，得到的數據精度越高，越能反映出細節問題。宋小冬、易嘉對城市交通分區合理性進行了探究，發現分區越多，結果偏差越小。 同時，如果研究區域過大，那么傳統的手段將面臨巨大的數據處理壓力，數據精度也難以保證[1]。

1 研究思路

1.1 初始小區

以現狀城市道路圍合而成的封閉區域作為初始小區。

1.2 識別小區主導功能

采用POI點樣方密度法描述各小區特征。利用TF-IDF算法辨別各區的主導功能。

1.3 聚類分析

采用二階聚類分析，對各小區進行分類分組。

1.4 最終方案確定

對同組且相鄰的小區進行合并，對個別小區進行人為修正。

2 交通小區劃分

2.1 初始小區

以現狀道路為基礎，道路圍合而成的區域即為一個初始小區，共計490個。

2.2 POI點樣方密度

POI興趣點是現實情況在地圖上的反饋，包含信息有行業類別、地理位置、名稱等，是分析城市功能的有效數據。

因各小區大小不同，分布的POI種類、數量不同，無法直接描述各初始小區內POI分布特征。故采用點樣方密度法來量化各小區的POI分布特征。

考慮到各類POI對城市功能的影響程度不同，對其進行權重賦值。首先將POI根據功能劃分為大、中、小三類。針對大類的權重系數，采用專家打分和模糊評價的方法確定[2]。

針對中類的權重系數，采用因素兩兩比較法。各因子所有得分的平均值則為其權重。

針對小類的權重系數，采取層次分析法進行權重賦值，采用百分制。

將POI的大類、中類、小類權重系數綜合起來即為綜合權重系數：

表1 POI分類及權重系數一覽表

為避免數據描述過于復雜，選取中類數據為統計對象，來描述各初始小區的POI分布特征，則：

得到各類POI的綜合權重系數后，可進行各小區的POI點密度分數計算：

2.3 POI功能識別

各小區內的POI種類、數量都各不相同，故不能采用傳統的描述統計判別其主導功能。因此引入TF-IDF模型算法，來識別各區的主要功能。

TF-IDF具有良好的分類能力，趙家瑤等學者采用TF-IDF算法，對北京重要交通樞紐空間的城市功能進行識別。

研究方法是將區域內某類POI的分值看作一個詞語，全部POI分值總和看作整篇文章[4]。

計算各小區內各類POI分值所占的權重，權重最高的POI類別則為該小區的主要功能。若權重最高的值小于0.1，則認為該小區為無明顯主導功能。

其計算公式如下：

圖1

圖2 交通小區的初步劃分

2.4 聚類分析

根據POI功能識別結果，研究區域內配套功能為主導的初始小區占大多數，如果將這些初始小區合并為一個交通小區，得到的交通小區面積過大，違背此次研究的初衷，即盡可能將交通小區劃分得精細，以得到準確的交通預測結果[5]。

故此引入聚類分析的概念，聚類分析法是將特征相似的對象劃分為一個族群，各個族群之間差異明顯。本次分析基于SPSS軟件，采用二階聚類算法。二階段聚類算法可以同時處理連續變量和分類變量，快速處理大數據集并自動得到最佳分類結果。對不同功能小區的POI點密度分數進行二階聚類計算。

根據聚類結果將同一功能的小區分為不同的組別，將同功能同組別且相鄰的交通小區進行合并。為保證交通小區的唯一性和完整性，不能發生重疊或遺漏，且不能產生 “回”字形的形狀，對分區進行人為修正。最終得到交通小區187個，削減了303個，此方案為最終交通小區的劃分方案[6]。

表2 聚類分組一覽表

圖3 最終交通小區劃分方案

3 結束語

基于POI功能識別和聚類分析來劃分交通小區的方法，考慮了城市空間的實際功能和特點。在互聯網飛速發展的時代，大數據能為決策提供更為科學、合理的支撐。對比傳統劃分交通小區的方法，本文的研究方法突破了人為工作的局限。基于GIS平臺和SPSS軟件分析，便于大數據處理。分析結果更加科學合理，分析手段具有普適性，易于推廣。