多源網絡數據下城市居住空間識別與特征分析
——以珠海市香洲城區為例

王玉強

珠海市規劃設計研究院 廣東 珠海 519000

1、概述

1933年，《雅典憲章》將城市的功能總結為居住、工作、游憩和交通四大類。作為城市四大功能之一，城市居住功能及其在空間上實體化的居住空間對城市具有重要意義。對居住空間的識別與分析，有助于進一步分析和研究城市的空間結構與功能分區、社區治理與規劃、人口分布與職住平衡、公共服務設施規劃與配置、開發強度與景觀風貌管控等內容。因其重要性，國內從20世紀80年代便開始對單位大院、住宅小區等城市居住空間實體展開了一系列研究，形成了豐富系統的研究成果。

從現有研究內容來看，涉及居住空間結構及模式、居住空間分異、居住空間設計、居住隔離與空間正義、宜居性與居住環境評價、城市更新改造、職住研究、社區治理與社區規劃及居住用地開發強度等諸多方面[1-6]。以此為基礎，近年來伴隨大數據研究方法的興起與應用，部分研究者利用衛星遙感影像、夜光遙感數據、手機信令數據、公交刷卡數據、互聯網POI數據等新型數據展開相關研究[7-11]。通過對多源大數據的應用，豐富和拓展了城市居住空間研究內容，也推動了相關分析技術及方法的優化。然而，仍存在一定不足：一是，多采取一種或兩種大數據，所使用的數據源相對單一，對多源數據的綜合應用較少；二是，就使用率較高的網絡POI數據來看，多傾向于使用點數據，對于面數據的處理和應用較少。

本文以珠海市香洲城區為例，將從百度地圖提取并整理而成的住宅小區面數據與房地產網站數據、百度慧眼人口數據相結合，通過構建較為系統的現狀住宅小區數據合集，對居住空間格局及相關特征進行識別與分析。期望在豐富和拓展城市居住空間實證研究同時，也能為多源網絡數據的發掘與綜合應用提供新思路。

2、數據分析及處理

2.1 研究范圍概況

從網絡數據的可獲取性和豐富度，以及現狀實際建設情況等因素出發，本文選取珠海市香洲城區作為案例。香洲城區是珠海市中心城區重要構成，是珠海市政治、經濟、文化中心，是全市開發建設最早、人口密度及建設強度最高的區域，見證了珠海市的興起與發展演變。南與澳門相接，西與中山相連，包括香洲、新香洲、吉大、拱北、前山以及上沖六大片區。

圖1 研究范圍示意圖

2.2 數據來源及處理

本文所采用的數據主要為2020年3月從百度地圖及房地產網站獲取，包含住宅小區邊界范圍、建設年代和人口規模等。其中，住宅小區面狀數據通過調用百度地圖API獲取，建設年代通過房天下和Q房網站爬取，人口數據來源于百度慧眼。數據獲取及處理過程如下：

第一步：爬取住宅小區名稱。以“小區”為關鍵詞，調用百度地圖API得到小區名稱及其對應的UID（User Identification，用戶標識符），用于請求小區邊界線和建設年代。

第二步：爬取并整理形成住宅小區面數據。以UID為請求參數，調用百度地圖API得到小區邊界的頂點坐標。進一步借助Python，編寫腳本將其轉換為面狀圖斑，并進行坐標轉換。

第三步：爬取小區建設年代。借助Python腳本，爬取百度地圖、房天下和Q房網站數據，并進行匯總與互校。

第四步：數據匯總、質檢與完善，形成可用數據合集。結合現場調研等多種途徑，對住宅小區數據進行校核與完善。并進一步將建設年代、人口數據與小區圖斑進行聯接和整合，形成住宅小區數據合集。

第五步：數據分析與可視化輸出。借助ArcGIS分析技術，對住宅小區相關特征進行提煉與分析。

2.3 數據計算及分析

參考已有文獻[12]，借助ArcGIS軟件，使用核函數，對住宅小區的空間聚集程度及居住密度進行計算和分析。

首先，運用區位熵計算各片區住宅小區的相對集中程度，轉換為點要素后，再進行核函數計算，得到住宅小區的核密度分析圖。計算公式如下：

式中，Nij為片區i中住宅小區j的區位熵，Sij為片區i中住宅小區j的占地面積，S為所有住宅小區的占地面積之和。

其次，以住宅小區為基本單元，計算居住密度。進一步將標準化的居住密度進行核函數計算，得到居住密度的核密度分析圖。居住密度計算公式如下：

式中，Pij為片區i中住宅小區j的居住密度，Rij為片區i中住宅小區j的人口規模，Sij為片區i中住宅小區j的占地面積。

圖2 住宅小區圖斑分布圖

圖4 居住密度核密度分析圖

3、居住空間格局及特征分析

3.1 住宅小區占地規模普遍適中，尺度較適宜

經過梳理，共獲得709個有效的住宅小區圖斑數據，總占地面積約14.35km2。從占地規模來看，住宅小區用地規模存在較大差異，面積從1萬m2以內到約20萬m2不等，平均占地規模約為2萬m2。具體而言，占地面積2萬m2以內的住宅小區總量達到499個，占據主導地位（70.38%）；占地2萬～4萬m2的住宅小區為113個，占比為15.94%；占地超過4萬m2的住宅小區僅有97個（占比13.68%），數量相對較少。結合建設年代來看，香洲城區內各個時期的住宅小區占地規模普遍不大，中小體量住宅小區一直占據主導地位。

圖5 不同年代住宅小區占地規模統計

3.2 居住空間總體分布相對均衡，仍呈現一定集聚性

香洲城區內六大片區的住宅小區數量差別不大，除上沖片區外，其它五個片區的住宅小區數量均超過100個。整體分布相對均衡，但在各片區內仍呈現一定集聚性，如上沖片區南部（富華廣場周邊）、吉大片區南部（海灣花園周邊）等區域集聚程度較高。根據現狀建設情況，集聚度較高區域主要為珠海市開發建設較早的成熟住區，且近年來有一定數量的新建小區。

就居住密度而言，香洲城區整體差別不大，六大片區均超過30000人/km2（詳見表1）。居住密度較高的區域主要集中在香洲片區東南部、前山片區北部、新香洲片區東部以及拱北片區南部。住宅小區數量、密度以及開發強度綜合促成了上述集聚格局。

表1 香洲城區住宅小區基本情況

3.3 居住空間與交通廊道耦合性顯著，呈帶狀布局

根據已有研究成果，城市道路與城市空間格局存在密切的互動關系，相互作用和影響。城市道路影響城市土地利用類型、擴展方向及開發強度，進而驅動城市空間形態的塑造與演化；反過來，城市空間形態及土地利用又引導交通需求的生成與分布，并推動路網格局的選擇與優化調整[13-14]。特別是交通干道對沿線土地利用存在顯著的廊道效應[15]。

將住宅小區與現狀主要交通廊道疊加后發現，居住空間格局和居住密度均與交通廊道存在顯著的耦合性（詳見圖3-4），主要城市干路沿線住宅小區的集聚度和居住密度呈“雙高”特征，并隨與城市干路的距離增加呈下降趨勢。具體來看，住宅小區和人口布局均沿城市干路呈帶狀布局，主要集中于南北向的三臺石路、迎賓路和鳳凰北路，以及東西向的梅華路、九洲大道沿線。從近年建設情況來看，為了提升交通出行的便利性及最大化土地價值，新增住宅小區依然保持向城市干路靠攏趨勢。

圖3 居住空間核密度分析圖

3.4 居住空間拓展的規律性不顯著，老舊小區整治改造任務較重

以十年為間隔，對香洲城區的住宅小區進行分類匯總（詳見圖6），用于識別居住空間的增長及拓展情況。各個時期內，各片區內的住宅小區絕對數量增長相對均衡，但空間拓展的規律性并不顯著，具有圍繞已建小區和主要交通廊道呈現漸進式拓展和跳躍式拓展雙重特征[16]。就絕對數量而言，2000～2009年為建設高峰期，數量達到了347個（占比49.15%）；近十年數量有比較大的回落，僅為96個（占比13.74%）。概括起來，回落原因有兩點：一是由于城區內部建設用地已基本全部開發利用，且舊村更新改造推進緩慢，新增住宅用地較少；二是由于人口增加導致公共服務供給壓力過大，政府收緊新增居住用地的審批，并積極引導房地產投資向橫琴、唐家、西城等外圍新城分流。

圖6 住宅小區建設年代分布情況

根據珠海市相關政策，將建設年代20年以上住宅小區納入老舊小區范圍。經統計與分析，香洲城區內的老舊小區已達到357個，占比超過一半（50.57%）。各片區內的比重均已超過四成，其中，香洲、新香洲、前山以及拱北片區的數量均超過60個，未來整治改造壓力較重。在空間分布上，老舊小區整體呈現“大分散、小集中”格局，人民路、檸溪路和九洲大道沿線以及拱北口岸附近（詳見圖7）數量較多。

圖7 老舊住宅小區分布情況

4、結論與討論

本文嘗試提取并綜合利用百度地圖和房地產網站等多源網絡數據，借助ArcGIS，對香洲城區的住宅小區及居住空間格局與特征進行綜合分析，進一步豐富了城市居住空間實證研究，也提供了多源網絡數據獲取以及整合應用的新思路。得出以下結論：

（1）利用百度地圖、房地產網站，可以獲得住宅小區的名稱、邊界、建設年代以及人口規模等多種屬性。通過數據清洗與整合，可形成相對有效的住宅小區數據合集，用于識別城市居住空間格局及特征。

（2）香洲城區的住宅小區占地規模存在較大差異，整體以中小體量為主。老舊小區占比極高，未來整治改造任務較重。

（3）香洲城區內部居住空間總體分布相對均衡，部分區域居住密度較高，具有一定的集聚性；且與主要城市干路耦合性顯著，并呈現帶狀布局。居住空間拓展的規律性并不顯著，具有圍繞已建小區和主要交通廊道呈漸進式拓展和跳躍式拓展雙重特征。

本文基于多源網絡數據綜合分析所得出的居住空間格局及相關特征與香洲城區土地利用現狀契合度較好，表明上述網絡數據及所采用的數據處理和分析技術方法具有一定有效性。然而，受限于數據本身精度、數據量以及屬性完整性等因素，所獲的數據樣本尚未能全部覆蓋現實所有住宅小區，且存在一定的錯誤信息需要進行核改，也表明仍需要借助其它數據源，特別是不能忽視傳統數據獲取方法，才能形成更加全面精準的分析結論。此外，回到研究內容本身，由于未涉及如價格、人群畫像等相關屬性，本文未能對居住空間分異、居住偏好、職住關系等內容進行分析，未來可進一步挖掘相關網絡數據，豐富研究內容及研究結論。