城市创意产业空间动态集聚演化的计算与可视优化方法
周 琦(1983— ),男,博士生,主要从事城市创意产业组织管理、城市区域发展研究。E-mail:qiweekend@163.com |
收稿日期: 2019-11-05
要求修回日期: 2020-03-17
网络出版日期: 2020-07-25
基金资助
国家自然科学基金面上项目(71874027)
版权
The Calculation and Visual Optimization Method of Spatial Dynamic Agglomeration Evolution of Urban Creative Industries
Received date: 2019-11-05
Request revised date: 2020-03-17
Online published: 2020-07-25
Supported by
National Science Foundation of China(71874027)
Copyright
基于人文地理视角下的城市创意产业图像可视化分析对城市深层次空间综合和区域创新发展具有重大意义。但Swarm群智能动态时空建模难以满足创意产业空间集聚的可视化发展。本文研究目标是,从城市区域创意产业空间聚类影响因素指标出发,创新性地提出区域空间动态集聚轨迹算法(Density-Based Interest Spatial Clustering of Path,DBICP),并与计算机浏览器共建聚类可视化图像,为城市管理提供决策依据。首先,根据影响因素指标体系,利用2014—2018年空间卡口流量数据和产业指标数据进行预处理,构建空间标准聚类算法DBSCAN。然后,对其进行聚类密度分级优化形成全新DBICP算法并得出初步轨迹图像。最后,通过源码转译实现了浏览器界面下空间动态集聚轨迹图像的输出。结果表明:以上海市为例,普陀区、浦东新区、徐汇地区的创意产业空间分布形成了3种不同的聚类模式,并相应提出了分摊、均布、虹吸的管控策略。此方法克服了传统图像的聚类分级和轨迹测量的缺失,可以有效地从指标数据中发现图像轨迹聚类信息,体现了地理信息科学和人文社会学科的交叉融合。也为大数据动态图像的集聚方法提供了全新视角和借鉴价值。
周琦 , 高长春 . 城市创意产业空间动态集聚演化的计算与可视优化方法[J]. 地球信息科学学报, 2020 , 22(5) : 1033 -1048 . DOI: 10.12082/dqxxkx.2020.190661
Analysis of the urban creative industry' s image visualization based on the perspective of human geography is of great significance for the integration between urban deep space and regional innovation development. However, the intelligent dynamic spatiotemporal modeling of Swarm groups is insufficient in meeting the visual development of the spatial clustering of creative industries. This study aims to provide a basis for decision-making within city management. Starting from the influencing factors of spatial clustering of creative industries in urban areas, a novel process of density-based interest spatial clustering of path (DBICP) is proposed together with a computer browser to aggregate visual images. First, according to the indicator system of influencing factors, and through the space bayonet traffic data and industry indicator data during 2014 to 2018, preprocessing is performed for constructing a spatial standard clustering algorithm: The density-based spatial clustering of applications with noise. Second, a hierarchical optimization of clustering density is performed to develop a new DBICP algorithm and obtain a preliminary trajectory image. Finally, using source code translation, the output of spatially-aggregated trajectory images under the browser interface is completed. Through the selection of 7 creative spatial indicators, the selection of more than 4000 points of interest, 2 groups algorithm tests, data of 3 groups bubble-set preliminary planning, 3 sets of Canvas dynamic simulation sequential planning, and E-charts spatial dynamic partial planning are accomplished. The average moving trajectory distance is 4.88 km, the regional agglomeration degree is 0.84, and the dynamic agglomeration evaluation index is 5.01. The results of the process as applied to the sample city of Shanghai show that three different clustering patterns have been formed in the spatial distribution of creative industries in Putuo District, Pudong New District, and Xuhui District, thus evidencing the control response strategy of allocation, uniform distribution, and siphon. The vector clustering image generated by the method proposed in this paper can explore the clustering characteristics of smart dynamic activities of the urban big data in the future and can also effectively solve practical urban problems, such as business clustering graphical measurement and community traffic image survey, and provide relevant technical support and research means for the large-scale spatial dynamic clustering supervision of urban geography. The method overcomes the lack of clustering classification and trajectory measurement in traditional images, effectively finding clustering information of image trajectories from the index data. This in turn embodies the interdisciplinary integration of geographic and sociological information, thus providing a clustering method.
表1 基于城市创意产业区空间动态集聚的关键影响因素指标集合Tab. 1 Index set of key influencing factors based on spatial dynamic agglomeration of Urban Creative Industry Zone |
主范畴与核心范畴关系因素 | 符号属性 | 指标说明 |
---|---|---|
Q1投资需求因素 | Investment | 当前投资环境的总需求量,随企业组织创新行为而改变 |
Q2企业数量因素 | Number of enterprises | 该模型中考虑的各创意产业区内企业的迁徙数目 |
Q3租金水平因素 | Rent | 租赁办公空间需要的资金 |
Q4交通车辆因素 | transportation | 随着创意园核心区域辐射半径车流量变化而变化 |
Q5教育水平因素 | Education | 随着创意园区内企业技术教育水平的变化而变化 |
Q6消费要求因素 | Consumption | 随着创意园区内消费客群水平的变化而变化 |
Q7零售产值因素 | Retail outp value | 随着创意园区内总体财政支持水平的变化而变化 |
注:限于篇幅,未给出扎根理论的分析过程,如有需要可向作者索取。这些指标根据数据的类型分为2部分,其中交通工具流量数据为动态数据,需进行地理信息途径获取;其余6项为静态数据,需从文献、报告、网络中获取。 |
表2 交通车流量卡口类型的属性划分Tab. 2 Attribute classification of traffic flow gate types |
序号 | 属性 | 说明 |
---|---|---|
1 | KKID | 卡口ID |
2 | DIRECTION、FXBH | 方向编号 |
3 | VEHICLE TYPE | 车辆类型 |
4 | LICENSE PLATE NUMBER | 车牌号 |
5 | PEAK TRAVEL HOURS | 出行峰值\小时 |
6 | KK TYPE | 卡口类型 |
7 | LNG | 经度 |
8 | LAT | 纬度 |
表3 交通车流量的指标数据采集(普陀区域交通路段卡口节选)Tab. 3 Data selection of traffic flow |
卡口类型 | 坐标位置 (选取骨干路网) | 经纬度/ ° (选取骨干路网) | 出行高峰合计/(辆/h) | |
---|---|---|---|---|
交通十字卡口 | 1 | KKID01外环高速与沪嘉高速交叉口 | 121.365°E, 31.293°N | 西向东4705 东向西3225 南向北4641 北向南3927 |
2 | KKID02 真南路与古浪路交叉口 | 121.371°E, 31.290°N | 西向东2886 东向西2140 南向北1414 北向南2954 | |
3 | KKID03 真北路与真南路交叉口 | 121.399°E, 31.274°N | 西向东3970 东向西5288 南向北5905 北向南4444 | |
4 | KKID04 桃浦路与曹杨路交叉口 | 121.410°E, 31.267°N | 西向东4293 东向西2777 南向北3500 北向南6121 | |
5 | KKID05 桃浦路与真北路交叉口 | 121.399°E, 31.265°N | 西向东4473 东向西2940 南向北3803 北向南6484 | |
6 | KKID06 武宁路与真北路交叉口 | 121.398°E, 31.251°N | 西向东5348 东向西4949 南向北5100 北向南6222 | |
7 | KKID07 武宁路与梅岭北路交叉口 | 121.405°E, 31.247°N | 西向东3888 东向西4112 南向北6001 北向南4885 | |
8 | KKID08 武宁路与曹杨路交叉口 | 121.415°E, 31.251°N | 西向东3230 东向西4029 南向北5949 北向南5181 | |
9 | KKID09 武宁路与东新路交叉口 | 121.425°E, 31.247°N | 西向东3511 东向西5390 南向北4717 北向南4481 | |
10 | KKID10 宁夏路与金沙径路交叉口 | 121.419°E, 31.237°N | 西向东2900 东向西4227 南向北5100 北向南4213 | |
11 | KKID11 泸定路与金沙径路交叉口 | 121.261°E, 31.393°N | 西向东4143 东向西4920 南向北5028 北向南4009 | |
12 | KKID12 泸定路与云岭东路交叉口 | 121.393°E, 31.228°N | 西向东4440 东向西3889 南向北4005 北向南3900 | |
13 | KKID13 镇坪路与光复西路交叉口 | 121.438°E, 31.251°N | 西向东4200 东向西3592 南向北5504 北向南3742 | |
14 | KKID14 沪太路与志丹路交叉口 | 121.438°E, 31.278°N | 西向东4760 东向西3300 南向北5800 北向南4172 | |
15 | KKID15 武宁路与中宁路交叉口 | 121.419°E, 31.251°N | 西向东3242 东向西3121 南向北4839 北向南4416 |
注:限于篇幅,未给出全部的车流量数据,如有需要可向作者索取。这些指标根据普陀区、徐汇区、浦东新新区定点卡口数据加载通勤时间(8:00—10:00、17:00—19:00)二部分。并适当区分工作日及节假日时间段车流的移动模式,形成出行高峰4 h综合数据进行解析。 |
表4 POI Bubbe-set 空间集聚初步地理信息拾取(普陀区)Tab. 4 Preliminary geographic information of POI BUBBE-SET spatial aggregation (Putuo District) |
kkType卡口类型 | 地理区域 | 经纬度/ ° | 搜索条目数量/个 |
---|---|---|---|
卡口12 | M50创意园集聚区域 | 121.393°E, 31.228°N | 667 890 |
卡口13 | 长风创意园集聚区域 | 121.438°E, 31.251°N | 4 328 761 |
卡口3 | 上海金沙3131创意园 | 121.398°E, 31.251°N | 3 897 201 |
卡口6 | 上海艺法创意园 | 121.415°E, 31.251°N | 3 654 980 |
注:限于篇幅及后台城市管控数测机密,未给出全部目标区域的卡口汇集,如有需要可向作者索取。 |
图13 上海普陀区E-charts空间集聚动态局部界面搜索结果Fig. 13 E-charts spatial aggregation dynamic interface search results in Putuo District, Shanghai |
图14 上海浦东新区E-charts空间集聚动态局部界面搜索结果Fig. 14 E-charts spatial agglomeration dynamic global interface search results in Pudong District, Shanghai |
表5 城市创意产业空间动态集聚评价指数数值Tab. 5 Comparisons and evaluation based on several algorithms |
指标 | 说明 | 公式 | 编号 | 参数 | 计算值 |
---|---|---|---|---|---|
城市区域动态集聚连接度 | 评估创意产业空间集聚的成熟度,路径连接度越高,网络越成熟 | (7) | N为区域地理网络中的节点数量,Mi为第i节点邻接的边数,J为网络总边数 | 5.01 | |
城市区域动态集聚非直线系数 | 两点间地理空间距离与其直线距离的比值,越接近1连接越便捷 | (8) | Lij表示节点i到节点j的地理路径实际长度,Sij表示节点i和j间直线距离 | 1.63 |
注:根据徐晨晨[47]等相关方法整理得出。 |
[1] |
|
[2] |
刘云浩. 群智感知计算[J]. 中国计算机学会通讯, 2012,8(10):38-41.
[
|
[3] |
吴丹丹, 马仁锋, 张悦, 等. 杭州文化创意产业集聚特征与时空格局演变[J]. 经济地理, 2018,38(10):127-135.
[
|
[4] |
戴俊骋, 孙东琪, 张欣亮. 中国区域文化产业发展空间格局[J]. 经济地理, 2018,38(9):122-129.
[
|
[5] |
何金廖, 曾刚. 城市舒适性驱动下的创意产业集聚动力机制研究——以南京品牌设计产业为例[J]. 经济地理, 2019(28):1-16.
[
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
孙国道, 柳芬, 蒋莉, 等. 基于空间区域功能划分的人群移动模式可视分析[J]. 计算机辅助设计与图形学学报, 2018,30(6):1073-1081.
[
|
[11] |
王子毅, 张春海. 基于E-charts的数据可视化分析组件设计实现[J]. 微型机与应用, 2016,35(14):46-48.
[
|
[12] |
屈华平, 李健. 可视化环境质量评估系统的设计与实现[J]. 微型机与应用, 2012,31(3):15-17.
[
|
[13] |
宁安良. 面向3G终端的移动地理信息服务研究[D]. 青岛:中国海洋大学, 2010.
[
|
[14] |
郑幸源, 洪亲, 蔡坚勇, 等. 基于AJAX异步传输技术与E-charts技术的动态数据绘图实现[J]. 软件导刊, 2017,16(3):143-145.
[
|
[15] |
宋佳慧, 刘远刚, 林琳, 等. 基于E-charts动态统计图表绘制技术研究[J]. 电脑知识与技术, 2017,13(12):202-204.
[
|
[16] |
吕弘, 黄伟纳. 基于AJAX技术的图书馆统计平台的设计[J]. 中国科技信息, 2012,29(1):75-76.
[
|
[17] |
|
[18] |
冀潇, 李杨. 采用E-charts可视化技术实现的数据体系监控系统[J]. 计算机系统应用, 2017,26(6):72-76.
[
|
[19] |
王文豪, 严云洋, 姜明新, 等. 基于噪声检测和动态窗口的图像去噪算法[J]. 图学学报, 2019,40(1):111-116.
[
|
[20] |
杨智尧, 宋欣, 宋占伟. 动态图像的拼接与运动目标检测方法的研究[J]. 图学学报, 2014,35(6):893-898.
[
|
[21] |
刘可佳, 马荣生, 庞钰宁. 一种基于双导向滤波的高动态红外图像细节增强与去噪算法[J]. 图学学报, 2018,39(6):1048-1054.
[
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
褚岚翔, 黄丽. 我国文化创意产业园区的时空分布—基于探索性空间数据分析[J]. 文化产业, 2018,32(6):135-136.
[
|
[28] |
张祥建, 徐晋, 徐龙炳. 高管精英治理模式能够提升企业绩效吗?—基于社会连带关系调节效应的研究[J]. 经济研究, 2015,50(3):100-114.
[
|
[29] |
刘磊. 市场经济背景下科学与公众的沟通—科普产业创新发展的基础与规范[J]. 中国科技论坛, 2013,27(5):131-136.
[
|
[30] |
吴秉坚. 时间序列分析的AR模型在全社会消费品零售总额预测中的应用[J]. 统计与咨询, 1997(3):17.
[
|
[31] |
|
[32] |
孙国道, 柳芬, 蒋莉, 等. 基于空间区域功能划分的人群移动模式可视分析[J]. 计算机辅助设计与图形学报, 2018,30(6):1073-1081.
[
|
[33] |
刘明霞, 游晓明, 刘升. 基于聚度的自适应动态混沌蚁群算法[J]. 计算机工程与应用, 2019,55(3):15-22.
[
|
[34] |
赵峰, 杨春曦, 陈飞, 等. 自适应搜索半径蚁群动态路径规划算法[J]. 计算机工程与应用, 2018,54(9):56-87.
[
|
[35] |
CJJ 37-2012, 城市道路工程设计规范[S]. 北京: 建筑工业出版社, 2012.
[ CJJ 37-2012, Code for design of urban road engineering[S]. Beijing: Building Industry Publishing, 2012. ]
|
[36] |
姜晓睿, 田亚, 蒋莉, 等. 城市道路交通数据可视分析综述[J]. 中国图象图形学报, 2015,20(4):454-467.
[
|
[37] |
何贤国, 孙国道, 高家全, 等. 出租车GPS大数据的道路行车可视分析[J]. 计算机辅助设计与图形学学报, 2014,26(12):2163-2172.
[
|
[38] |
蒋红斌. 中国工业设计园区基础数据与发展指数研究[M]. 北京: 清华大学出版社, 2016.
[
|
[39] |
郑耀宗. 上海文化创意产业园区发展现状研究[J]. 上海经济, 2017,28(8):21-22.
[
|
[40] |
项敏敏, 徐武, 高飞. 基于X3D与JavaScript交互技术在网络虚拟实验中的研究[J]. 高等继续教育学报, 2013,26(5):49-52.
[
|
[41] |
李冲, 熊淑华, 魏颖颖. 基于CSS与JavaScript技术的Tab面板的设计与实现[J]. 计算机技术与发展, 2011,21(3):28-35.
[
|
[42] |
|
[43] |
李丰章, 张迎希. 基于HTML5 Canvas技术的图像编辑平台[J]. 数码世界, 2017,33(12):66-68.
[
|
[44] |
|
[45] |
陈丽卿. 基于Canvas绘图的网页信息防采集技术研究[J]. 网络安全技术与应用, 2018(9):32-33.
[
|
[46] |
张惜杰, 李平, 张志强, 等. 基于 E-charts 与 ArcGIS JavaScript API 的Web 专题制图研究[J]. 测绘, 2017,12(4):270-176.
[
|
[47] |
徐晨晨, 廖小罕, 岳焕印, 等. 基于改进蚁群算法的无人机低空公共航路构建方法[J]. 地球信息科学学报, 2019,21(4):570-579.
[
|
[48] |
马仁锋, 吴丹丹, 张文忠, 等. 城市文化创意产业微区位模型及杭州案例[J]. 经济地理, 2019,39(11):123-133.
[
|
[49] |
孙勇, 王会蒙, 靳奉祥, 等. 一种基于空间-拓扑结构相似性的复杂轨迹聚类算法[J]. 地球信息科学学报, 2019,21(11):1669-1678.
[
|
/
〈 |
|
〉 |