北京市生活性服务业空间布局网格化研究论文

北京市生活性服务业空间布局网格化研究

陆晓慧,王 磊,李 硕,卢华明

(北京信息科技大学 信息管理学院,北京 100192)

摘 要 :基于2018年OSM数据与《生活性服务业统计分类(2019)》,通过构建OSM数据与12类生活性服务业分类映射规则,采用聚集形态分析与相关性分析方法,探究北京市生活性服务业的空间布局特征。研究表明:1)从空间布局上看,城市副中心尚未成型;2)从区县聚集形态上看,5个新城尚未承接中心城区功能;3)从空间依赖性上看,健康设施主要围绕教育设施、文化设施开设;4)随着生活性服务交互方式的变化,居民出行服务的优势在减弱。对北京市生活性服务业布局优化调整具有一定的借鉴作用,为未来全国及全球尺度的生活性服务业空间布局研究提供了参考。

关 键 词 :OSM;生活性服务业;网格化;空间布局;北京市

0 引言

城市公共服务业是城市化进程中的重要保障,尤其是生活性服务业。对生活性服务的合理布局,能够较大程度优化交通拥挤、住房困难、资源紧张等城市化问题[1]。因此,生活性服务业已逐步成为一项研究热点。国内外学者采用供给率指标法、空间可达性度量法以及社会公平度量法等方法,从布局模式的均衡性与可达性、配置效率及社会分异等多角度对城市生活性服务业展开研究[2-5]。然而,目前我国对于生活性服务业的研究仍处在起步阶段。

加入的废液偏少,BT值会偏高,溶液呈乳白色,易形成“碱式絮状物”,液相与固相比重差缩小后造成镉渣漂移、出口含固量升高、首槽镉渣品位低、除镉反应器含镉梯度不明显、迫使锌粉更换加快等一系列化“恶性循环”。废液加入过多,BT值偏低,消耗锌粉量增加,槽内产生气泡,同样影响沸腾层的稳定。通过长时间试验发现:除镉 BT值适宜控制在0.7~1.2之间,宜低不宜高。

随着大数据技术的发展,在传统数据集,包括实地调研、各类统计年鉴、政府机构登记数据等的基础上[6],涌现了一批新的研究思路与方法。目前,GPS、GIS、POI等数据被广泛应用于城市生活性服务业的研究[1,7]。数据驱动模式下,我国城市生活性服务业的研究能够朝着中、微观尺度拓展。然而,这些数据的采集、清洗、集成等需要消耗大量的人力和时间,且更新速度缓慢。

[15] 郭腾云、董冠鹏:《基于GIS和DEA的特大城市空间紧凑度与城市效率分析》,《地球信息科学学报》2009年第4期,第482-490页。

2007年自发地理信息(volunteered geographic information, VGI)[8]概念的提出,为城市生活性服务业的研究提供了基础数据支撑[9-10]。其中,OpenStreetMap(OSM)作为VGI中一项领先的应用,能够为城市生活性服务业的研究提供免费的全球全量地理信息[11]。同时,国内外学者对OSM数据质量展开了评估[12],并开发出专门的OSM数据质量检测框架及软件工具[13]。目前,OSM质量得到了众多学者的认可,已不断成为学术研究的数据基础,但尚未应用于生活性服务业的研究。

中小企业普遍存在着利润偏低的问题,原因之一是成本过高,原材料价格上涨,用工成本居高不下,这些都给中小企业带来了很大的成本压力。成本的大幅度上升极大地压缩了利润的空间。二是税负过重。中小企业涉税种类繁多,其中个别税种的设置不够合理,好多的中小企业甚至出现了应缴税金总额比企业的净利润高的现象; 三是融资难融资贵,好多企业因为贷款而产生的利息远远高于了企业的利润。

如图1所示,加入甘油的SAEW随着存放时间的延长,其ACC含量逐渐降低。放置2 h后,加入3%甘油的SAEW的ACC由59.80 mg/L降到34.27 mg/L,损失43%;加入10%甘油的SAEW的ACC由59.80 mg/L降到25.64 mg/L,损失57%;放置24 h后加入不同浓度甘油的SAEW的ACC损失达到90%。在6 h以内高浓度甘油对SAEW的ACC影响明显高于低浓度甘油,甘油浓度对ACC的影响较大。

本文基于OSM数据高现势性与低成本的特征,以2018年北京市OSM数据为基础,编制北京市生活性服务业空间分辨率为1 km的网格地图,构建OSM数据与生活性服务业数据映射规则,结合聚散形态分析与相关性分析,探索生活性服务业的空间分布格局。从而探究北京城市发展状况,为北京市生活性服务业布局的优化调整提供参考。

1 数据来源与数据映射

1.1 数据来源

原始数据来源于OSM地理信息数据库(http://download.openstreetmap.fr/extracts)。本研究以*.osm数据格式下载获取截止至2018年12月21日的全球全量地理信息数据集。基于OSM中基本数据特征类别(Primary feature)对行政边界的描述(boundary:administrative=beijing),抽取出北京市行政划分范围数据,共计43 855条记录。

从图2可以看出,各类生活性服务业空间布局方向与整体布局相似,与城市空间结构基本一致。从图2(g)可以看出,居民出行服务空间配套水平最高;第二是住宿餐饮服务,如图2(i)所示;再者是图2(g)居民零售和互联网销售服务以及图2(d)旅游游览和娱乐服务。可以发现这些空间配套水平较高的生活性服务业同样集中分布在中心城区。

旁边有只茶几搁打字机,罩着旧漆布套子。一个矮胖的印度人从圈椅上站起来招呼,代挪椅子;一张苍黑的大脸,狮子鼻。

生活性服务业分类依据国家统计局颁布的《生活性服务业统计分类(2019)》[14]中12类生活性服务业,包括居民和家庭服务、健康服务、养老服务、旅游游览和娱乐服务、体育服务、文化服务、居民零售和互联网销售服务、居民出行服务、住宿餐饮服务、教育培训服务、居民住房服务、其他生活性服务。

从图1可以看出,生活性服务业资源整体分布在中心城区。中心城区生活性服务业总量占全城总量的73.5%,聚集密度达到12.26。然而,城郊区域的生活性服务业配套水平较低,尤其是2012年被定位为城市副中心的通州区,生活性服务业聚集密度为0.46,数量仅占全城总数的1.8%。

1.2 OSM数据与生活性服务业分类数据映射

依据OSM数据属性表中经纬度字段,应用式(1)计算空间网格中生活性服务业数量,通过聚合单位空间网格计算选定范围内生活性服务业数量。利用GIS软件可视化空间网格数据,获得生活性服务业空间聚集形态,如图1所示。

当r [ρ x (S grid),ρ y (S grid)]越趋于1,则表示两类生活性服务业具有越强的空间依赖度。当r [ρ x (S grid),ρ y (S grid)]=1时,表示两类生活性服务业完全线性相关,空间依赖度最高。当r [ρ x (S grid),ρ y (S grid)]=0时,表示两类生活性服务业完全不相关,无空间依赖度。

表1 OSM数据与生活性服务业分类数据映射规则(部分示例)

2 研究方法

2.1 聚集形态分析方法

计算选定空间网格中类别为k 的生活性服务业的密度,简称k 类服务密度:

(1)

式中:S grid为选定空间范围面积;N k (S grid)为选定空间范围内类别为k 的生活性服务业的总数。k 类服务密度越大,说明类别为k 的生活性服务业空间配套水平越高。从而探究北京市生活性服务业空间聚集形态。

聚集系数

基于聚集形态分析方法,结合各类生活性服务业在选定城市范围内的平均分布密度,设置聚集系数[7]。从不同观测级别上分析各类生活性服务业空间聚集形态,解决从同一观测级别分析带来的结果偏差。例如,在大兴区,居民出行服务的密度高于居民零售和互联网销售服务的密度,如果从同一密度层级来看,相对于居民零售和互联网销售服务,居民出行服务在大兴区属于高密度聚集。然而,从北京市全城尺度来看,大兴区的居民出行服务相对于其他区县没有明显的聚集效应,而居民零售和互联网销售服务具有明显的聚集效应。因此,需要通过构建聚集系数,为各类生活性服务业设定不同的高密度聚集标准。

(2)

式中:ρ k (S grid)为k 类服务密度;S city为选定城市面积;N k (S city)为选定城市范围内类别为k 的生活性服务业的总数。当β 大于给定数值时,类别为k 的生活性服务业被认定为高密度聚集。

2.2 相关性分析方法

利用相关性分析方法[15],计算12类生活性服务业两两间的相关系数,研究生活性服务业在空间上的依赖程度,简称空间依赖度。

相关系数

r [ρ x (S grid),ρ y (S grid)]=

(3)

式中:Cov[ρ x (S grid),ρ y (S grid)]为选定空间网格内x 类服务密度与y 类服务密度的协方差公式;Var[ρ x (S grid)]为x 类服务密度的方差;Var[ρ y (S grid)]为y 类服务业密度的方差;r [ρ x (S grid),ρ y (S grid)]的取值在[-1,1]之间。

笔者通过综合分析OSM Primary feature与中国经济行业分类标准,逐项比对Primary feature与生活性服务业分类,构建OSM数据与生活性服务业分类数据映射规则,如表1所示。其中,Primary feature中未有直接对接养老服务的相关分类,研究过程中采用name=sanatorium的数据分类映射养老服务。

3 空间布局分析

3.1 生活性服务业整体聚集形态分析

应用本文构建的OSM数据与生活性服务业分类数据映射规则(见表1),将北京市43 855条OSM数据与12类生活性服务业进行映射对接,构建完成包含23 109条数据的生活性服务业数据集。同时,将北京市切分为17 006个空间网格(分辨率为1 km)。

现已建成的矿山地质灾害监测监控项目,数据、信息传输方式多种多样。有的采用光纤传输,不仅建设周期长,而且建设费用高、后续维护难度大。有的采用3G/4G传输,每个传感器配备一张手机卡,后续需要支付流量费用给运营商,使用成本高。有的采用网桥点对点传输,各传感器传输链路彼此孤立,形成资源浪费。为此,本文以某矿山为例,介绍了其监测监控物联网网络层优化的方案设计。

OSM数据在全球志愿者上传数据时提供了关于地物特征的描述,包括amenity, office, tourism, sport, building, shop, aeroway, highway, landuse, public_transport十大类Primary feature,每类Primary feature应用标签(Tag)进行描述,例如highway=footway,与中国经济行业分类标准存在较大差异,无法直接获得12类生活性服务业基础数据。

观察组并发症发生率为4.44%(2/45),低于对照组的20.00%(9/45),组间比较,差异具有统计学意义(P<0.05)。

企业应制定简洁的工作流程,这也是提高工作效率、缩短时间成本的一项措施。拖沓冗长的环节程序不仅会降低工作效率,还会影响外界与企业的正常衔接,产生不必要的时间成本。

图1 北京市全量生活性服务业空间整体布局

在分析生活性服务业整体空间布局的基础上,按类别应用式(1)计算生活性服务业密度。利用GIS软件可视化各类生活性服务业空间网格数据,分析每类生活性服务业的空间聚集形态,分析结果如图2所示。

肝脏疾病分类复杂,临床诊断常有困难,B超引导下的经皮肝脏穿刺活组织检查(肝穿刺)是对患者所发生病理过程的最直接的观察,对各类肝病的诊断及治疗水平均有提高,是判断肝脏损害的金标准,也是肝脏疾病分类的重要依据,还可以为慢性肝病提供分级、分期等指标,对于慢性肝病的治疗有指导作用,也可以作为预后的评判指标。我院2010年1月—2011年6月采用抽吸式活检针进行快速肝穿刺62例,现将临床观察与护理报道如下。

图2 北京市12类生活性服务业空间聚集形态

从生活性服务业整体空间布局与每类生活性服务业空间布局分析结果可以看出,城市副中心通州区构建进度较为缓慢,目前尚未成型。尤其是在2018年《北京城市副中心控制性详细规划(街区层面)(2016-2035年)》中,建设规划2035年城市副中心公共文化服务设施占地面积要达到人均0.45 m2,而目前城市副中心文化服务聚集系数为0。因此,建议将生活性服务业的空间布局演变作为表征城市副中心构建进度的指标之一。

3.2 生活性服务业分类区域聚集形态分析

结合3.1中各类生活性服务业空间聚集形态分析结果,分别计算每类生活性服务业在北京市16个行政区县中的聚集系数,计算结果如表2所示。设定当β ≥10时,即当k 类服务密度大于k 类服务平均分布密度10倍时,则被认为是高密度聚集,从而获得生活性服务业分类区域聚集形态。

从表2可以看出,生活性服务业聚集程度较高的区域是西城区、东城区、海淀区和朝阳区。所有生活性服务业在东城区都为高密度聚集,尤其是住宿餐饮服务的ρ k (S grid)值为10.14,β 值达到69.63。西城区除居民和家庭服务、其他生活性服务,其余服务业都为高密度聚集,特别是文化服务β 值高达55.77;朝阳区主要高密度聚集为健康服务(β =13.49)、文化服务(β =11.15)、居民零售与互联网销售服务(β =14.78)、住宿餐饮服务(β =12.95);海淀区高密度聚集为居民和家庭服务(β =16.61)、体育服务(β =15.11)、教育培训服务(β =10.51)、居民住房服务(β =17.23)。

表2 行政区各类生活性服务业聚集系数

相比之下,2017年《北京市城市总体规划(2016-2035年)》中提及的5个新城(顺义区、大兴区、亦庄区、昌平区、房山区)的服务配套水平较低,其生活性服务业资源平均密度为0.67,只占全城总数的15.7%。其中只有大兴区的文化服务具有较为明显的优势(β =18.80),而顺义区、昌平区以及房山区聚集系数最高的生活性服务业行业分别是居民出行服务(β =0.62)、健康服务(β =1.09)、其他生活性服务(β =0.23)。5个新城中生活性服务业聚集密度均未超过平均密度,甚至远低于平均密度。

从生活性服务业分类区域聚集形态分析可以看出,5个新城尚未承接中心城区功能。各类生活性服务业依旧按照历史区域功能分布,例如西城区的文化功能、海淀区的科教功能。建议疏散中心城区的生活性服务业密集程度,将更多设施与服务资源向5个新城迁移,发挥《北京市城市总体规划(2016年-2035年)》要求的5个新城的城市功能承接作用。

3.3 生活性服务业相关性分析

基于各类生活性服务业空间密度的计算结果,结合相关性分析能够衡量变量间的变化依赖程度的原理,应用式(3)分别计算12类生活性服务业两两间的相关系数,得到12×12的相关系数矩阵,如表3所示。从而获得生活性服务业之间的空间依赖度。

表3 12类生活性服务业相关系数矩阵

从表3可以看出,健康服务与教育培训服务相关系数最高(0.659),说明两者间存在较强的空间依赖度;其次是文化服务与居民住房服务(相关系数为0.529)。作为高密度聚集的服务业,住宿餐饮服务与居民零售和互联网销售服务的空间布局存在相互依赖;同时,住宿餐饮服务是与旅游游览和娱乐服务空间依赖度最强的生活性服务业。然而,居民零售和互联网销售服务与旅游游览和娱乐服务间的空间依赖度不明显。居民出行服务与各类生活性服务相关系数都趋于0。

从生活性服务业之间空间依赖度强弱可以看出:1)健康设施主要围绕教育设施、文化设施开设。这与2017年颁布的《北京“十三五”时期服务业发展规划》构建计划基本一致,与目前教育、健康爆炸式增长的刚性需求相符。建议生活性服务业规划中可以考虑将健康设施与教育、文化设施在实际地理位置中的配套布局,最终达到一个行政区县至少有一所高校、一家三级医院的指标需求。2)作为聚集密度最高的居民出行服务的优势在减弱。受生活性服务交互方式变化的影响,例如外卖等服务行业的产生,目前,居民出行服务没有吸引到更多的生活性服务业向其聚集,交通便捷优势、街角优势正在逐步淡化。

4 结束语

本文将OSM数据应用于生活性服务业空间布局的研究。通过构建OSM数据与12类生活性服务业分类的映射规则,对2018年23 109条北京市生活性服务业数据进行处理分析,切割出17 006个空间分辨率为1 km的网格,探索生活性服务业空间网格化布局,结果表明:1)北京城市副中心尚未成型;2)5个新城尚未承接中心城区功能;3)健康设施主要围绕教育、文化设施开设;4)居民出行服务的优势在减弱。

本研究为北京城市生活性服务业布局优化调整提供了参考,从生活性服务业角度进一步探究了城市发展状况。但本研究也存在一定的局限性,例如,由于OSM早些年兴趣点数据质量有待进一步考究,本文未进行生活性服务业的时序性分析。在后续的研究中,将持续跟进OSM数据的迭代更新,并结合其他来源数据,探索更为精准的北京市生活性服务业时间、空间布局状况。同时,以本研究为基础,从国家乃至全球尺度,展开生活性服务业时空布局的深入分析研究。此外,本文中的研究方法能够拓展应用于各类经济行业在城市空间布局上的研究。

参考文献 :

[1] 查小磊,张明山,高晴,等.基于POI数据的长沙市生活服务业空间配套研究 [J].科技和产业,2018,18(09):36-39.

[2] Omer I.Evaluating accessibility using house-level data:A spatial equity perspective [J].Computers,Environment Urban Systems,2006,30(3):254-274.

[3] Guagliardo M F.Spatial accessibility of primary care:concepts,methods and challenges [J].International Journal of Health Geographics,2004,3(1):3.

[4] 李善同,李华香.城市服务行业分布格局特征及演变趋势研究 [J].产业经济研究,2014(05):1-10.

[5] 黎婕,冯长春.北京城市公共服务设施空间分布均衡性研究 [J].地域研究与开发,2017,36(03):71-77.

[6] 蒋丽.广州生活性服务业空间分布、成因与城市空间结构发展 [J].城市观察,2014(02):138-147.

[7] 黄伟力.基于POI的城市空间结构分析——以北京市为例 [J].现代城市研究,2017(12):87-95.

[8] Goodchild M F.Citizens as sensors:the world of volunteered geography [J].Geojournal,2007,69(4):211-221.

[9] Estima J,Painho M.Investigating the potential of OpenStreetMap for land use/land cover production:A case study for continental Portugal[M].OpenStreetMap in GIScience.Springer,Cham,2015:273-293.

[10] Bakiliah M,Liang S,Mobasheri A,et al.Fine-resolution population mapping using OpenStreetMap points-of-interest [J].International Journal of Geographical Information Science,2014,28(9):1940-1963.

[11] Adrie Koster.OpenStreetMap [EB/OL].(2004-07-01)[2018-12-21].https://www.openstreetmap.org.

[12] 罗路长,刘波,刘雪朝.OpenStreetMap路网数据质量评价及应用分析 [J].江西科学,2017,35(1):151-157.

[13] Barron C,Neis P,Zipf A.A comprehensive framework for intrinsic OpenStreetMap quality analysis [J].Transactions in Gis,2015,18(6):877-895.

[14] 国家统计局.关于印发《生活性服务业统计分类(2019)》的通知 [EB/OL].(2019-04-01)[2019-06-01].http://www.stats.gov.cn/tjsj/tjbz./201904/t20190417_1660043.html.

[15] 何春雄,龙卫江,朱锋峰.概率论与数理统计 [M].北京:高等教育出版社,2012:79-80.

Research on spatial distribution gridding of life service industry in Beijing

LU Xiaohui,WANG Lei,LI Shuo,LU Huaming

(School of Information Management,Beijing Information Science & Technology University, Beijing 100192,China)

Abstract :Based on the OSM data in 2018 and Statistical Classification of Life Service Industry (2019), the mapping rules of OSM data and 12 life service industries were constructed. The density analysis and correlation analysis were applied to explore the spatial characteristics of Beijing life service industry. The study shows that: 1) in terms of spatial distribution, urban sub center has not been formed; 2) in terms of life service distribution in administrative district, the 5 districts have not undertaken the function of urban center; 3) in terms of spatial dependence, health facilities are set up around educational and cultural facilities; 4) with the change of life service interaction, the advantage of resident travel service is weakening. It can provide reference for the optimization and adjustment of life service industry distribution,as well as the research on the national and global spatial distribution of life service industry.

Keywords :OSM;life service industry;gridding;spatial distribution;Beijing

中图分类号 : F 062.6

文献标志码: A

文章编号 :1674-6864(2019)05-0067-06

DOI :10.16508/j.cnki.11-5866/n.2019.05.013

收稿日期 :2019-06-10

基金项目 :国家自然科学基金资助项目(61572079,71701020)

第一作者简介 :陆晓慧,女,硕士研究生;

通讯作者: 王 磊,女,博士,副教授。

标签:;  ;  ;  ;  ;  ;  

北京市生活性服务业空间布局网格化研究论文
下载Doc文档

猜你喜欢