内容导读：

混合用地功能（mixed use）作为一种规划方案已经被广泛应用于多个城市，这给我们单独研究不同种类的城市功能造成了一定困难。本研究借鉴遥感领域中的混合像元分解（spectral unmixing）思路，提出一种基于地理大数据时谱曲线（temporal activity signatures）的混合用地功能分解框架，包括时谱曲线提取、用地功能基曲线提取、混合用地功能分解、结果验证等4个步骤。与传统针对用地类型的研究不同，本研究是从人类活动的角度对其进行分解，其更能反映实际的用地功能。

研究框架：

图1 研究框架

本研究提出的研究框架包括4个步骤（详见原文）：

（1）时谱曲线提取：基于不同类型的地理大数据（如移动手机数据、出租车轨迹数据以及社交媒体签到数据等），利用时空统计可以得到不同研究单元所对应的时谱曲线，其可以反映单元内人的活动规律。需注意时空统计单元及标准化方法的选择。

（2）用地功能基曲线提取：研究假设在不考虑时差或生活习惯差异等影响下的研究区域，对于例行活动（routine activities），如办公、餐饮等，其对应的时谱曲线的变化模式往往较为相近，因此可以被视作反映城市用地功能的基曲线。基曲线提取有多种可选择的方法，如聚类方法、纯像元（endmember）提取方法等，选择时需根据研究目的以及实验数据的特点而定。

（3）混合用地功能分解：研究假设每个研究单元的时谱曲线均可以视作不同用地功能基曲线的线性组合形式，利用优化方法对其进行线性拆解，不同曲线权重反映了对应用地功能的强度占比。除此之外，基于不同用地功能的强度占比与基曲线，还可以得到动态活动强度占比以及用地功能混合度。

图2 线性分解示意图

（4）结果验证：用地功能是个抽象概念，难以直接观测或度量，为了验证用地功能分解结果，可以与包含人类活动信息的其他数据进行对比。对于整体估计，可以绘制用地功能强度占比分布图或与其他真实数据进行相关性分析；而对于具体研究区域，可以进行更加细致的分析验证。

实证研究：

为了验证所提出的研究框架，本研究选取北京五环以内区域作为研究区域，采用工作日社交媒体签到数据（共257天）作为实验数据，采用交通小区（traffic analysis zones）作为空间单元，以1小时作为时间单元。

图3 研究区域

基于本研究所提出的分解框架进行实验。在得到时谱曲线并经过标准化后，分别采用4种方法进行用地功能基曲线提取，包括：K-means聚类方法、SISAL（simplex identification via split augmented Lagrangian）、人工采样以及按POI类别统计。

图4 用地功能基曲线提取结果

不同结果间存在差异，采用最后一组基曲线进行后续实验，其类别标签分别为：户外休闲、居住交通、餐饮、教育办公、娱乐。采用线性模型进行混合用地功能分解，可以得到每一研究单元不同用地功能的强度占比。可以看到原始时谱曲线与拆解后再按强度占比加权合成曲线的相似度很高（图5(f)）；居住交通与餐饮功能的分布较为分散，基本覆盖全部研究区域；办公教育功能西北区域（海淀区）分布较多等。

图5 用地功能强度占比及优化估计

除用地功能强度占比之外，基于框架还可得到不同时段人类活动强度占比的变化情况，以及用地功能混合度信息。选择金融街（Zone A）、后海（Zone B）以及北京大学（Zone C）三个区域为例进行动态活动占比的分析。可以看到图7比图6包含了更多的信息量。餐饮活动都以中午、晚上两个饭时（中午12点以及晚上18点到19点）活动强度较大；后海地区的娱乐活动可以持续到深夜等。

图6 三个样例区域的位置信息及用地功能强度占比

图7 三个样例区域的卫星影像及动态活动强度占比

同时基于得到的用地功能混合度信息，选择人民大学（Zone D）、新街口（Zone E）等两个用地功能混合度较高的区域（分别为1.340和1.114），以及颐和园（Zone F）、丰台科技园（Zone G）等两个混合度较低的区域（均为0.001）进行比较。颐和园与丰台科技园都承担了较为单一的用地功能（分别为户外休闲及教育办公），这与实验结果相符。同时可以在卫星影像上看到高混合度区域与低混合度区域的建筑物类型差异较大，高混合度区域建筑物类型多样，承担更多种类的用地功能。

图8 四个样例区域的位置信息及其卫星影像

结论

本研究提出了一种从人类活动角度进行混合用地功能分解的新框架，这有助于我们更好的理解人类活动模式以及城市功能分布，进而为城市管理和城市规划提供参考。与此同时，本研究是将遥感领域的研究思路及方法应用到社会经济环境研究中的一个尝试。与传统研究相比，研究框架除了可以得到不同地块的用地功能强度占比之外，还可以反映其人类活动强度的动态变化信息。同时该框架较为灵活，对研究数据的限制较少，在每一步也给出了多种可选策略，供用户基于实际情况进行选择。

参考文献：

Lun Wu, Ximeng Cheng, Chaogui Kang, Di Zhu, Zhou Huang & Yu Liu (2018): A framework for mixed-use decomposition based on temporal activity signatures extracted from big geo-data, International Journal of Digital Earth. https://doi.org/10.1080/17538947.2018.1556353