西寧市居民工作日和休息日時空活動差異研究

楊 鴻 海,李 彬,楊 喜 平

(1.青海省地理空間和自然資源大數據中心,青海 西寧 810001;2.陜西師范大學地理科學與旅游學院,陜西 西安 710119)

0 引言

居民時空間行為研究一直是地理信息和人文地理領域研究的重要課題之一，通過分析居民的城市出行時空特征及其與建成環境的相互作用關系，有助于理解居民如何利用城市空間，從而解讀城市空間結構和構建以人為本的城市空間規劃[1]。國內外學者基于出行的問卷調查數據，從不同角度分析居民時空行為，包括通勤行為和職住平衡[2，3]、活動空間和社會分異[4]、休閑行為[5]、購物行為[6，7]等以及建成環境和地理背景、性別、年齡對居民出行行為的影響[8-10]。這些研究主要從個體微觀角度分析城市居民活動的時空行為特征，缺乏從宏觀動態角度探析城市大規模群體的時空行為特征，緣于問卷調查數據的樣本量較小，無法獲取大規模群體的出行行為信息。隨著信息和通信技術發展，大規模人群的時空軌跡數據獲取成為可能，這些數據覆蓋范圍大、時空分辨率高并能及時更新，已成為研究城市群體移動時空行為和空間結構的主要數據源[11-13],促使學者重新審視大數據背景下人文地理領域的研究問題[14-16]。例如，手機信令數據為研究居民時空行為提供了新的數據源，可從宏觀、群體和時空角度探索城市居民出行行為和空間結構，既可針對傳統的通勤行為和活動空間[17]等問題展開新的討論，也可就城市多中心結構[18，19]、居民活動時空特征和移動模式[20-23]、城市用地功能感知[24-26]和空間異常探測[27]等方面理解城市人地交互關系。由于缺乏個體的社會經濟屬性和活動語義信息，時空軌跡數據并不能深刻透視居民出行的驅動機制，因此，需將出行問卷調查數據和時空軌跡數據融合，從多角度對城市人群活動行為進行綜合分析。

研究工作日和休息日居民在城市空間的時空活動差異及影響機制，對城市出行空間規劃具有重要意義。目前，國內相關研究主要集中在北京、上海、廣州等經濟發達區域，對西部尤其是高原城市居民的出行行為研究[3,8,28，29]較少。城市居民在工作日和休息日的出行存在差異，因此，本研究以手機信令數據為數據源，分析西寧市居民在工作日和休息日的時空活動差異，并基于城市興趣點(POI)數據，分析POI設施的空間分布對居民在工作日和休息日時空活動差異的影響，以期從宏觀、時空動態角度明晰西寧市居民時空行為特征。

1 研究區域與數據來源

1.1 研究區域

西寧市作為青海省省會、青藏高原東部門戶和西北地區重要交通要道，對青海省、青藏高原地區和西北地區的經濟發展意義重大，是青藏高原地區唯一一座人口超百萬的現代化城市。西寧市主城區位于湟水流域中游河谷盆地，包括城中區、城北區、城東區和城西區，總面積346 km2，受地形和河流限制，東西狹長，南北略窄，湟水河橫貫東西，支流南川河、北川河呈十字相交，是典型的條帶狀半開放式河谷型城市(圖1)。本文研究工作日和休息日西寧市主城區居民的時空活動特征。

圖1 研究區域及信號塔位置Fig.1 The study area and the location of signal tower

1.2 研究數據

(1)手機信令數據，主要覆蓋西寧市主城區，時間為星期日(2018年8月5日)和星期一(2018年8月6日)，用戶數分別為380 375和383 887，約占西寧市城鎮人口的22%，每天的軌跡點約4 200萬，平均每個用戶每天約110個記錄，每個記錄包括用戶ID(加密處理)、性別(0女性、1男性)、年齡、活動類型(1通話、2上網、3短信)、活動開始時間、活動結束時間、信號塔經緯度坐標。此外，共從手機數據中提取出約2 600個信號塔，并對其進行唯一編號(towerID)，由圖1可知，信號塔在城市中心區域分布較密集，郊區較稀疏。由于手機信號不穩定或用戶使用手機習慣的差異，不同用戶的手機軌跡點存在差異，為盡量避免數據質量差異影響研究結果，對數據進行如下處理：1)篩選在工作日和休息日均有軌跡點記錄的用戶，確保兩天的用戶相同，避免用戶差異帶來誤差；2)用戶使用手機頻率會影響每天記錄點數量，針對工作日和休息日，選取每小時均有記錄點的用戶，確保一天中每小時均可追蹤到用戶在城市中的空間位置；3)手機信號不穩定會使軌跡記錄點存在“乒乓效應”，即在幾個相鄰信號塔之間出現頻繁跳動的震蕩點和遠距離的漂移點等情況，本文采用林楠等[30]提出的方法對原始軌跡進行噪聲處理。最終共篩選出58 070個用戶數據，用于分析工作日和休息日城市居民時空活動差異。

(2)從高德地圖上共爬取71 319條2018年西寧市POI數據，用于分析POI的空間分布對居民工作日和休息日活動停留時空差異的影響。基于《城市用地分類與規劃建設用地標準(GB50137-2011)》，將POI重分為6個大類：商業(包括餐飲服務、購物服務、住宿服務和體育休閑服務)、居住(包括住宅區)、工業(包括公司企業、政府機構及團體、金融機構)、公共(包括科教文化服務和醫療保健服務)、交通(包括交通服務設施和道路附屬設施)和綠地(包括公園廣場和風景名勝)。

2 研究方法

2.1 停留軌跡提取

在個體時空軌跡上，城市居民活動體現為停留(個體因參與某活動需在城市某一空間位置持續停留一段時間)，出行體現為停留之間的移動。本文主要關注居民在城市中停留的時空分布特征。停留提取過程為：基于每個用戶一天的軌跡記錄點，將其按時間順序串聯，構建用戶出行的時空軌跡(式(1))；按時間順序依次遍歷軌跡點pi，如果存在連續的軌跡點子集Trsub滿足式(2)，即當用戶在該位置停留持續時間dur=ti+m-ti超過δt時，則認為用戶在信號塔towerIDi位置處發生停留。

(1)

式中：(xi,yi)為信號塔的位置坐標；ti為時間；n為軌跡點數量。

(2)

2.2 核密度估計

在手機信令數據分析中，通常采用信號塔生成的泰森多邊形作為信號塔的服務范圍，認為多邊形內人群均勻分布，從而得到城市空間上連續的人群分布，但泰森多邊形內的土地利用并不均勻，導致多邊形內人群并非均勻分布；同時，采用多邊形對通信信號進行切分會導致相鄰多邊形內的人群分布出現階梯不連續情況，不符合空間現象發生的空間連續性[31]。基于此，一些學者采用核密度估計方法生成連續空間上的人群分布，并廣泛應用于手機數據人群活動分析中[32]。該方法首先將整個研究區域劃分為規則格網，然后基于已知樣本點計算格網中心的核密度值，計算公式為：

(3)

式中：r為搜索半徑；k(·)為核函數；pi為基站i的停留人數；di為待估格網的中心點(x,y)到基站i(xi,yi)的距離；n為搜索半徑范圍內的基站數量。

2.3 多元線性回歸

城市興趣點(POI)的空間分布直接影響居民的活動分布。為分析工作日和休息日城市居民時空活動分布差異與POI分布的關系，本文采用多元線性回歸模型(式(4))定量分析POI空間分布對人群在工作日和休息日停留分布的影響。

Yi=β0+β1X1i+β2X2i+…+βkXki+εii=1,2,…,n

(4)

式中：β0為常數項；βj(j=1,2,…,k)為解釋變量X的回歸系數，采用最小二乘估計；k為解釋變量的數量；εi為觀測量i的隨機誤差；n為觀測數量。當回歸系數為正時，表示POI變量對居民停留產生積極影響，即該類型POI數量的增多會促進居民在該區域停留；當回歸系數為負時，表示POI變量會對居民停留產生消極影響，即該類型POI數量增多會減少居民在該區域停留。

3 結果與分析

3.1 工作日和休息日居民時空活動差異

為分析不同時段居民在城市中的停留空間分布，根據居民生活規律，將一天劃分為T1(00:00-06:00)、T2(06:00-09:00)、T3(09:00-12:00)、T4(12:00-14:00)、T5(14:00-17:00)、T6(17:00-20:00)、T7(20:00-24:00)7個時段，每個時段對應城市主要的群體活動，如T2為早上通勤時段，T3為上午工作時段。針對每個時段，設置停留時長閾值δt為30 min，利用式(1)-式(3)計算居民在休息日和工作日不同時段的核密度差值(圖2)。圖2中，紅色系表示休息日人數較多，藍色系表示工作日人數較多。

圖2 居民工作日和休息日的停留時空差異Fig.2 Spatio-temporal differences of residents′ stops on weekdays and weekends

總體而言，在T1時段(圖2a)，城市大部分居民處于睡眠狀態，無論是在休息日還是工作日，該時段人群分布較多的區域在空間上比較分散。到早上通勤時段T2(圖2b)，城市中心出現大面積的藍色區域，表示在工作日該時段該區域人群出現聚集。在上午工作時段T3(圖2c)，城市中心區域附近和城市北部區域出現大面積的藍色區域，表示在工作日該時段該區域人群分布較多，推斷該區域主要是工業用地，分布有大量工作崗位；同時可以看到，相比于T2時段，T3時段出現大面積連片的紅色區域，說明該時段在休息日人數較多，該區域可能是居住用地聚集區。在T4時段(圖2d)，中心城區藍色區域面積開始減少，與T3時段相比，紅色區域也出現減少，該時段居民主要活動為外出就餐，引起居民停留分布出現變化。下午工作時段T5與上午工作時段T3相比，城市中心藍色與紅色區域出現減少，但出現一些高密度的紅色小區域(圖2e)，表明該區域在休息日出現人群聚集狀態。在T6時段(圖2f)，城市中心仍然存在藍色區域，表明工作日該時段該區域人數仍然聚集，但紅色區域出現明顯減少，零星分布在城市不同區域；此外，在該時段工作日和休息日人群分布差異的強度減弱，表明該時段一些區域工作日和休息日的人群活動數量差異不大。T7時段是居民自由活動時間，該時段城市大部分區域被紅色覆蓋(圖2g)，表明休息日西寧市居民可能傾向于在該時段從事社交、娛樂等活動，導致休息日人群分布較多。

從上述分析可以看出，在同一時段，工作日和休息日西寧市居民的活動停留在空間分布上存在差異，并且隨著時段推移，空間分布也不斷變化。在工作日，由于西寧市的大部分工作崗位集中在市中心區域，因此中心區域居民停留人數較多；在休息日，居民可參與各種活動，人群空間分布較分散。

3.2 POI空間分布對居民時空活動差異的影響

表1 各時段停留密度差值大于0的回歸結果Table 1 Regression results of differences of resident stop density greater than 0 in each period

表2 各時段停留密度差值小于0的回歸結果Table 2 Regression results of differences of resident stop density less than 0 in each period

從表1可以看出：1)在所有時段，商業設施POI對休息日居民停留產生積極影響，表明某區域商業設施數量的增加將促使該區域在休息日吸引居民停留。2)居住用地對休息日居民停留的影響強度在早上較大，在下午影響強度減小。在休息日，城市大部分居民早上居家，因此在休息日早上某區域居住用地比例增加導致居民停留增多，尤其在T2和T3時段。在T4時段，居民外出活動增多，居住用地的影響強度減弱。到T6時段,居住用地對居民停留產生負影響，原因在于在休息日該時段居民傾向于參與各種活動(就餐、娛樂等)，這些活動位置可能遠離居住用地，對其產生了一定抑制作用。3)在T1、T2和T7時段，工業用地對居民停留產生消極影響，此時大部分居民居家；在T5和T6時段，工業用地對其產生顯著積極影響，但強度較低，城市中一些辦公大廈雖為工業用地，但同時也是商業集中區(如購物中心)，這兩個時段居民可能會在這些商業集中區從事購物、聚餐或娛樂活動等。4)公共用地在休息日白天大部分時段對居民停留產生消極影響，因為公共用地主要包括科教及醫療用地，休息日學校放假，醫院大部分員工也放假。5)交通用地在各時段對居民停留產生顯著積極影響，且影響強度在下午逐漸增大，表明在休息日交通設施越便利的地方，越能吸引居民參與社交活動。6)綠地在大部分時段對居民停留產生消極影響，但影響強度較小，綠地主要包括公園和景區，理論上休息日會促使居民參與休閑活動，但其回歸系數卻為負，原因有待后續研究。

從表2可以看出：1)與休息日相比，商業設施在工作日對居民停留的影響強度減弱，在T3上午工作時段和T5下午工作時段，城市大部分居民從事工作相關的活動，因此，工作日這兩個時段商業設施對居民停留產生較強的消極影響。2)居住用地在T1和T7時段對居民停留產生積極影響，而在其他時段均產生消極影響，主要是這兩個時段居民在家睡覺，而工作日其他時段居民需從事與工作相關活動，因此居住用地只在這兩個時段對居民停留產生積極影響。3)與休息日相反，工業用地在工作日白天對居民停留產生顯著積極影響，且強度較大；在T4中午時段，人群就餐活動引起影響強度出現減弱。4)與休息日相反，公共用地在工作日白天大部分時段對居民停留產生積極影響，因為工作日學校和醫院等公共場所均正常開放，只在T1和T7時段產生消極影響。5)與休息日一致，交通用地在工作日各時段對居民停留產生顯著積極影響，表明在工作日交通設施越方便越有利于居民出行并停留。6)綠地對居民停留的影響強度較小，可能是由于城市中綠地類型的POI數量較少，具體原因還需進一步對城市綠地和景點進行深入分析。

4 結論

手機信令數據能夠感知城市居民空間位置隨時間的變化，已成為研究城市大規模群體時空行為的重要數據源。本文以西部高原城市西寧市中心城區為例，基于手機信令數據分析居民在工作日和休息日的時空活動差異，并定量分析POI的空間分布對居民停留活動的影響。具體結論如下：1)對于單中心空間結構的城市而言，居民活動的空間分布在工作日主要集中在市中心區域，休息日在空間上較分散，并且圍繞居住區分布；2)相較于傳統基于問卷調查的研究，手機信令數據有助于捕獲居民在城市空間活動的時空動態，無論工作日還是休息日，居民在城市空間的停留隨時間動態變化；3)不同類型的POI設施在工作日和休息日對居民停留的影響存在差異，同一類型的POI在不同時段對居民停留的影響強度存在差異。休息日，商業和交通設施的增加促使居民停留，而工業用地、公共用地在大部分時段對居民停留產生消極影響；居住用地增加對早上居民停留產生積極影響，但下午時段影響強度減弱。工作日，工業用地設施增加、交通可達性提高會促進居民停留，商業設施、居住用地在工作時段對居民停留產生消極影響；公共用地在工作時段促進居民停留，在晚上和凌晨對其產生消極影響。

本研究因數據源限制，仍存在一些局限：手機信令數據缺乏居民出行的活動語義信息，不清楚用戶停留的目的(參與何種活動)，且只在用戶進行通話、上網和短信活動時才會記錄用戶的位置信息，導致其并不能實時感知用戶的位置，存在軌跡缺失的可能性；同時，不同用戶軌跡采樣時間間隔不一致，可能會影響停留識別。后續研究需與傳統問卷調查數據融合，利用各種數據源的優勢互補反映城市居民的時空活動差異。