多源大数据融合背景下的城市功能区识别是复杂非线性系统的模式识别问题,如何有效地从大规模的轨迹数据中提取出多粒度连续性时变和多尺度空间相互作用的信息是进行城市区域功能识别的关键。本研究设计实现了一种基于时序动态图嵌入的深度学习模型,在融合滴滴出行及兴趣点数据（Point of Interest, POI）基础上,提取城市区域存在的时间和空间上的隐式特征,结合聚类分析实现城市用地功能的语义识别。结果表明,成都市中心的用地功能趋向复合多样化的发展,且用地属性随时间发生作用范围和用地类型的变化,呈现出功能随着城市群体活动而变化的时空规律。与相关文献的对比实验表明,本文提出方法在更细粒度的时间段下进行功能区识别,得到的同一类功能区域内集聚度更高,能够更好的捕获复合型区域在不同时间模式下呈现出的用地功能变化。本研究为城市用地功能识别研究提供了新的技术方法,为城市规划研究人员全面理解城区结构属性提供了有效手段,对推动城市空间得到更合理高效的利用具有一定的价值。

研究城市功能子区域的动态演变特征可以帮助人们理解城市发展规律和进行城市规划,然而对这种动态性进行分析的手段一直以来较为匮乏。城市出行大数据的出现虽然提供了刻画和分析功能子区及其动态的工具,但是在方法层面仍缺乏克服长时期出行数据内在时空随机性的方案。本研究尝试从长时间段人口稳定流动的层面来分析城市内部是否存在具有完备功能的子区域。将具有完备功能的子区域定义为城市结构中内部流量显著高于外部连通流量且相对稳定的子区域的集合,并利用多年份的出租车轨迹数据来构建城市居民出行网络,进而利用网络分析中的社团发现算法来探测城市的完备功能子区域及其随时间的动态变化。为了实现这一目标,本研究提出了一种针对时序轨迹数据的时空耦合网络模型,尝试克服多年份出租车出行数据中潜在的时空随机性（如：时空突变）,并在此模型的基础上提出了一种基于多层网络社团发现算法的城市完备功能子区动态探测手段,实现对城市完备功能子区域时空演变的追踪分析。最后,以北京市2012—2017年的出租车轨迹数据为例,使用该方法实现了北京市城区完备功能子区的动态探测,进而揭示了4类不同完备功能子区域的特征与发展态势。

探究高密度城市公园绿地资源空间配置的有效性和供需平衡问题对城市规划和居民生活具有重要意义。已有研究较少从多尺度、多交通出行模式以及结合地图大数据算法的角度对公园绿地可达性进行探究。本文以广州市越秀区为例,利用百度地图多交通出行数据,提出一种结合多类型公园绿地多级可达时间阈值的改进型引力模型,对越秀区公园绿地的空间可达性及其供需平衡特征进行研究。结果表明：① 越秀区各尺度和各类型公园绿地可达性差异显著,城区尺度可达性大体上呈现由北向南逐层递减趋势,街道尺度可达性则表现出明显的“极化”现象,大型公园绿地可达性远高于社区公园和街头游园且在城市整体可达性中占主体地位;② 从空间集聚情况来看,城区尺度公园绿地可达性值呈现明显的空间集聚分布特征,由北向南表现为高值聚类、不显著、低值聚类,街道尺度相比城区尺度高值聚类减少,低值聚类和无统计意义的区域增多;③ 基于供需平衡视角的空间可达性结果显示,公园绿地供给与居民需求在城区尺度和街道尺度分别呈现出整体平衡和局部失衡的现象,局部失衡主要集中在公园绿地资源相对匮乏的街道。