基于公交刷卡大数据分析的城市绿道规划研究_以北京市为例_李方正
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3 公交刷卡大数据与绿道
目前基于无线通讯、互联网、公交刷卡、出租车 出行等位置服务的大数据由于能提供用户所在位 置、用户出行时间、地点等信息［12］，为城市空间研究 提供了丰富的数据源，其中公交刷卡数据由于覆盖 范围广、可获取性强的特点而显得尤为重要［13］。根 据 2013 年《北京市交通发展年度报告》： “在 2012 年，公交出行分担率在连续 11 年持续攀升的基础 上，再次提升 2 个百分点，达到 44% ”，而公交刷卡 则占到公交出行比例的 80% 以上，可见，在公共交 通发达的北京等大都市，公交刷卡数据能够契合市 民出行活动 规 律，反 应 人 口 空 间 分 布，识 别 市 民 高 使用频率的区域。
利用大数据进行人居环境科学前期或决策研 究已经越来越深入，其中在以下几个方面应用较成 熟。区域层面，舒 怀 利 用“百 度 人 口 迁 徙 ”大 数 据， 分析了全国迁徙的区域带和热门线路，在时间维度 上，进行 区 域 空 间 使 用 特 征 的 分 析［9］。在 城 市 层 面，冉斌等利用手机定位数据分析用户在真实地理 空间上活动 分 布，进 行 交 通 流 模 型、时 空 聚 类 算 法 计算和分析，以 分 析 城 市 人 口 活 动 范 围、出 行 比 例 和客流产生［10］； 龙瀛等利用公交刷卡数据分析北京 职住关系和 通 勤 出 行［11］。 而 在 社 区 层 面 也 有 研 究 进行大数据的应用，郑宇等利用集成应用大数据预 测城市空气质量； 林波荣等利用下垫面温度大数据 进行城市人居热环境分析。目前大数据还较少应 用于风景园林规划设计中，本文将以北京绿道规划 为例，进行 大 数 据 的 应 用 尝 试，为 有 效 地 建 立 风 景 园林规划设计分析与大数据的关联建立基础。
4 基于公交刷卡大数据的绿道规划技术 框架
本文基于对北京中心城公交刷卡大数据的挖 掘和分析，建立市民出行空间分布特征和绿道潜在 连接区域的耦合分析，将其作为北京市绿道线路规 划的基础，以 期 通 过 绿 道 规 划，连 接 高 使 用 频 率 城 市空间，方 便 市 民 通 过 绿 道 出 行，以 绿 色 出 行 方 式 快速便捷地 到 达 商 圈、就 业 地、公 共 服 务 设 施 和 绿 地等多种目的地，促进城市用地的紧促布局。在保 证城市绿道 景 观、生 态 和 文 化 性 功 能 的 基 础 上，实 现功能的拓展，并发挥大数据体量大、速度快、价值 大和代表性高的优势，创新性地以城市人口出行分 布规律作为绿道选线依据（ 图 1） 。
刊［6］，分析大数据科学研究的重要性。企业方面，麦肯 锡公司 2011 年发布了一份关于大数据的详尽报告“Big data： The next frontier for innovation，competition and productivity”［7］。在我国，百度、腾讯和 360 都通过春 节迁徙大 数 据 开 启 了 大 数 据 网 络 接 口，而 政 府 方 面，也在《“十二五”国家战略性新兴产业发展规划》 中明确支持海量数据存储的百度文库术研发，大数据相关 科研课题数量逐渐增加。
【文章编号】1006 － 3862（ 2015） 08 － 0027 － 06
城市规划
基于公交刷卡大数据分析的城市绿道规划研究
———以北京市为例
李方正1 李婉仪1 李 雄1，2，*
乡生态环境北京实验室，北京，100083）
（ 1． 北京林业大学 园林学院，北京，100083； 2． 北京林业大学城
【摘要】位置服务大数据的出现为城市空间研究提供新的视角，目前城市规划、地理学科已进行大量应用，而少有研究应用于
基 金 项 目： 中 央 高 校 基 本 科 研 业 务 费 专 项 资 金 （ 编 号 BLYJ201502） ； 北京市共建项目专项和“十二五国家科技支撑计划” 村镇景观建设关键技术研究（ 课题号 2012BAJ24B05）
* 通讯作者： 李雄（ 1964 － ） ，男，北京林业大学园林学院院长、 教授、博士生导师。邮箱： bearlixiong@ sina． com。
风景园林规划设计。基于北京市公交刷卡大数据处理后的二次数据，结合北京市土地利用现状，进行绿道规划方法研究。研
究通过将公交刷卡数据与人口出行分布规律进行耦合分析，在城市不同功能区确定绿道连接的重点区域，同时，根据绿地的
景观性、文化性和生态性建立绿道载体的评价指标体系，选择合适的斑块作为绿道依托载体，最终根据服务功能进行绿道网
城市发展研究 22 卷 2015 年 8 期 Urban Development Studies Vol． 22 No． 8 2015
27
城市规划
李方正等： 基于公交刷卡大数据分析的城市绿道规划研究———以北京市为例
据，判断人 的 行 为 方 式 和 空 间 使 用 方 式，有 效 地 通 过“公众 参 与 ”的 方 式 辅 助 规 划 设 计 的 决 策。 海 量 个体数据的简易搜集与挖掘过程，使得城市规划等 在公众参与方式上能够更加针对不同对象做出信 息回馈［8］，使得规划和设计决策能够真正地服务于 人的使用。
5. 1 研究对象 本次研究对象为北京中心城，范围 1088km2 ，主
要包括 东 城、西 城、朝 阳、海 淀、丰 台、石 景 山 地 区。 北京市中心城是兼顾政治、经济、文化的核心区，人 口和产业分布集中，有较高的绿色交通需求。中心 城内集中 了 城 市 优 质 的 公 共 资 源，商 务 服 务 产 业、 教育产业等城市高端功能也正继续呈现向中心城 聚集的态势。研究利用大数据，提取城市的高频率 使用区域，规 划 市 民 方 便 出 行 的 绿 道 网 络，优 化 用 地布局，提升场地价值。本次绿道规划的重点向大 型绿地、商圈、居住社区、大型公共交通枢纽以及大 型文教体育区等人流密集地区延伸，构成完整的绿 道生活网络，丰富市民出行方式。目前北京中心城 公共交通发达，现状公交场站共有 335 处［22］，但是 慢行系统的 发 展 建 设 问 题 突 出，慢 行 道 缺 失、缺 乏 完整体系等问题非常普遍，市民急需安全绿色的出 行环境。因此选取北京中心城作为绿道选线研究 对象具有典型性和代表性。 5. 2 数据
络优化确定绿道规划线路。以期实现绿道的功能拓展，使绿道成为连接城市多种功能区的绿色空间，促进城市紧凑布局的
形成。
【关键词】公交刷卡； 绿道； 功能拓展； 连接区域； 评价指标体系
【中图分类号】TU984
【文献标识码】A
1 大数据发展背景
随着以博客、社交网络、基于位置的服务为代表 的新型信息发布方式的不断涌现［1］以及“物联网”、 “云计算”、“移动互联网”的迅猛发展，数据正以前所 未有的速度不断地增长和累积，大数据时代随之到 来。全球著名咨询公司麦肯锡最早在公司报告中提 出大数据是“大小超出常规的数据库工具获取、存储、 管理和分析能力的数据集［2］”，随后，各行业又纷纷提 出“3V”、“4V”的大数据定义，而现在业界比较认可的 是“5V”概念，即体量大（ Volume） 、速度快（ Velocity） 、 模态多（ Variety） 、难辨识（ Veracity） 和价值大密度低 （ Value） 的数据类型［3］。随着各行业的关注，大数据 正成为信息社会的重要财富［4］。学术界、企业和政府 纷纷进行大量技术和政策研究，2008 年《Nature》发 布了“Big Data”专刊［5］，从互联网技术、经济学、生物 医学和环境科学等方面讨论大数据时代的机遇和挑 战。《Science》也在 2011 年发布“Dealing with data”专
行了中国化 的 创 新，例 如 吴 必 虎 等 提 出“环 城 游 憩 带”的 概 念［16］，王 志 芳 等 引 入“遗 产 廊 道 ”的 理 念［17］，吴隽宇等提 出“乡 土 廊 道 ”的 构 想［18］。 而 绿 道规划方法层面，即包含考虑绿道综合功能的选线 研究，戴菲等提出 UGPM 绿道网络编制过程，对武 汉市绿道因素进行综合评价和选线［19］； 也包括以游 憩功能为主的绿道构建，例如张笑笑运用 AHP 层次 分析法对上海自然和人文游憩资源进行综合评价， 进行游憩廊道选线［20］，同时包括规划目的引导下的 绿道选线，李方正等提出以山水资源保护为目的的 选线方法［21］。现 阶 段，无 论 如 何 定 义 绿 道，其 选 线 过程多是探讨如何有效地将自然、人文资源等进行 串联，以改 善 城 市 绿 地 系 统，较 少 研 究 将 市 民 使 用 频率较高的公共设施和需要慢行抵达的商圈或就 业地等纳入到绿道的连接对象。
区（ 公共管理与公共服务设施用地、商业服务业设 施用地、居住用地、绿地与广场用地） ； （ 3） 北京绿地 系统规划（ 2004 年 － 2020 年） ，用于选取连接各类 用地的潜在绿地斑块，即绿道依托载体。 5. 3 规划步骤 5. 3. 1 绿道重点连接区域的选取
为确定绿道连接的重点区域，首先将公交站点 分布信息（ 图 2） 和公交刷卡二次数据进行空间可视 化，然后结合土地利用现状得到居民出行的目的地 属性，并确定每种用地的使用频率。多个功能区叠 加则可以有针对性地选取出使用频率高、利用价值 高的城市区域。具体步骤如下： （ 1） 对可视化后的 刷卡信息进 行 空 间 化 处 理，根 据 停 留 时 间，结 合 到 达地用地功能区识别，对各种用地类型使用频率进 行初步判断，例如在周一到周五日公交卡刷卡记录 显示在某处停留 9 小时以上，则可以此判断公交出 行为通勤需要，此处为居住地［11］； 周末日间公交卡 记录出行时间 3 － 5 小时则可推测公交出行为游憩 或购物需要，活动的目的地可能为绿地广场用地或 商业用地等； 此步骤主要目的是通过大数据中分析 居民使用频率高的区域结合用地现状，辅助规划高 使用价值的绿道体系。（ 2） 根据用地现状，与刷卡 信息进行叠加，确定市民使用频率较高的每种用地 类型分布特征，绘制单种用地类型人口出行分布密 度图。（ 3） 将确定的人口出行分布特征图和主要出 行目的地类型叠加后（ 图 3） ，选取人口出行分布高 密度区为绿道重点连接区，人口出行分布较高密度 区为绿道次级连接区。城市绿道应尽可能为居民 的日常出行和使用提供服务，营造自然节点以及城
将公交刷卡数据在 GIS 中进行矢量化和可视 化，获取每 张 公 交 卡 的 出 行 起 始 点，根 据 两 次 乘 坐 公交并进行 刷 卡 的 时 间 间 隔、出 行 时 间、周 期 和 频 率等信息建立决策树，可识别出行行为和出行地点 的类别，以 确 定 市 民 对 居 住 地、就 业 地、商 圈、公 园 和风景名胜等绿地的使用频率，即在公交刷卡大数 据的支持下，从市民使用的角度确定和识别高频率 目的地。绿道连接斑块不再限于绿地斑块，而是将 市民使用的多种用地类型统一识别，将公共设施用 地、就业地 等 也 纳 入 到 绿 道 选 线 过 程 中，可 选 取 线 性或斑块状绿地作为绿道依托载体，以实现绿地斑 块生态连通的最大化。
28
城市发展研究 22 卷 2015 年 8 期 Urban Development Studies Vol． 22 No． 8 2015
李方正等： 基于公交刷卡大数据分析的城市绿道规划研究———以北京市为例
城市规划
图 1 基于公交刷卡大数据分析的绿道规划技术框架
5 基于公交刷卡大数据的绿道规划方法
绿道兼有 生 态 功 能、游 憩 功 能 和 文 化 功 能［14］， 目前在我国呈蓬勃发展之势。而绿道的定义和功 能也随着城市和社会的发展而变化。在其发源的 前 2 个多世纪内，绿道首先经历了从注重景观功能 的林荫大道到注重生态功能的生态廊道的变化［15］。 我国在借鉴国外思想基础上，对绿道功能和定义进
本文研究数据包括： （ 1） 北京市 2008 年 4 月北 京市 完 整 一 周 的 刷 卡 记 录 处 理 后 的“二 次 数 据”［11、13］。一次数据（ 非笔者直接获取） 包括信息刷 卡地点、上 下 车 时 间 等，该 一 周 数 据 共 有 七 千 万 余 次刷卡记录。通过对数据进行可视化处理，分析居 民日常出 行 行 为 规 律，并 对 应 分 析 市 民 出 行 目 的 （ 日常通勤需要，游览休闲需要，购物需要等） ； （ 2） 2008 年北京市土地利用规划图，用于选择主要功能
2 基于大数据的人居环境研究应用综述
起初，大数据主要应用于网络通信、医疗卫生、 农业研究、金融市场和交通管理［4］等领域。应用通 过数据分析与整合，提取有效信息，进行决策判断， 大数据在应用中表现出强大的控制力。而人居环 境科学作为强调人与环境之间相互关系的科学，需 要将人的行为特征作为重要研究因素，应用于城市 规划、建筑设计或风景园林规划设计。在大数据挖 掘手段和技 术 日 益 成 熟 的 时 代，移 动 通 信 数 据、互 联网络数据、社交媒体数据、智能刷卡数据、服务行 业数据、导 航 定 位 数 据、物 联 传 感 数 据 和 对 地 观 测 数据的出现，为城市空间等人居环境研究带来了重 大的变革，尤其是城市规划领域。大数据弥补了人 类行为 特 征 反 馈 途 径———问 卷 调 查 的 滞 后 性 和 样 本小的不足，直接通过人的“POI”签到、刷卡等大数
目前基于无线通讯、互联网、公交刷卡、出租车 出行等位置服务的大数据由于能提供用户所在位 置、用户出行时间、地点等信息［12］，为城市空间研究 提供了丰富的数据源，其中公交刷卡数据由于覆盖 范围广、可获取性强的特点而显得尤为重要［13］。根 据 2013 年《北京市交通发展年度报告》： “在 2012 年，公交出行分担率在连续 11 年持续攀升的基础 上，再次提升 2 个百分点，达到 44% ”，而公交刷卡 则占到公交出行比例的 80% 以上，可见，在公共交 通发达的北京等大都市，公交刷卡数据能够契合市 民出行活动 规 律，反 应 人 口 空 间 分 布，识 别 市 民 高 使用频率的区域。
利用大数据进行人居环境科学前期或决策研 究已经越来越深入，其中在以下几个方面应用较成 熟。区域层面，舒 怀 利 用“百 度 人 口 迁 徙 ”大 数 据， 分析了全国迁徙的区域带和热门线路，在时间维度 上，进行 区 域 空 间 使 用 特 征 的 分 析［9］。在 城 市 层 面，冉斌等利用手机定位数据分析用户在真实地理 空间上活动 分 布，进 行 交 通 流 模 型、时 空 聚 类 算 法 计算和分析，以 分 析 城 市 人 口 活 动 范 围、出 行 比 例 和客流产生［10］； 龙瀛等利用公交刷卡数据分析北京 职住关系和 通 勤 出 行［11］。 而 在 社 区 层 面 也 有 研 究 进行大数据的应用，郑宇等利用集成应用大数据预 测城市空气质量； 林波荣等利用下垫面温度大数据 进行城市人居热环境分析。目前大数据还较少应 用于风景园林规划设计中，本文将以北京绿道规划 为例，进行 大 数 据 的 应 用 尝 试，为 有 效 地 建 立 风 景 园林规划设计分析与大数据的关联建立基础。
4 基于公交刷卡大数据的绿道规划技术 框架
本文基于对北京中心城公交刷卡大数据的挖 掘和分析，建立市民出行空间分布特征和绿道潜在 连接区域的耦合分析，将其作为北京市绿道线路规 划的基础，以 期 通 过 绿 道 规 划，连 接 高 使 用 频 率 城 市空间，方 便 市 民 通 过 绿 道 出 行，以 绿 色 出 行 方 式 快速便捷地 到 达 商 圈、就 业 地、公 共 服 务 设 施 和 绿 地等多种目的地，促进城市用地的紧促布局。在保 证城市绿道 景 观、生 态 和 文 化 性 功 能 的 基 础 上，实 现功能的拓展，并发挥大数据体量大、速度快、价值 大和代表性高的优势，创新性地以城市人口出行分 布规律作为绿道选线依据（ 图 1） 。
刊［6］，分析大数据科学研究的重要性。企业方面，麦肯 锡公司 2011 年发布了一份关于大数据的详尽报告“Big data： The next frontier for innovation，competition and productivity”［7］。在我国，百度、腾讯和 360 都通过春 节迁徙大 数 据 开 启 了 大 数 据 网 络 接 口，而 政 府 方 面，也在《“十二五”国家战略性新兴产业发展规划》 中明确支持海量数据存储的百度文库术研发，大数据相关 科研课题数量逐渐增加。
【文章编号】1006 － 3862（ 2015） 08 － 0027 － 06
城市规划
基于公交刷卡大数据分析的城市绿道规划研究
———以北京市为例
李方正1 李婉仪1 李 雄1，2，*
乡生态环境北京实验室，北京，100083）
（ 1． 北京林业大学 园林学院，北京，100083； 2． 北京林业大学城
【摘要】位置服务大数据的出现为城市空间研究提供新的视角，目前城市规划、地理学科已进行大量应用，而少有研究应用于
基 金 项 目： 中 央 高 校 基 本 科 研 业 务 费 专 项 资 金 （ 编 号 BLYJ201502） ； 北京市共建项目专项和“十二五国家科技支撑计划” 村镇景观建设关键技术研究（ 课题号 2012BAJ24B05）
* 通讯作者： 李雄（ 1964 － ） ，男，北京林业大学园林学院院长、 教授、博士生导师。邮箱： bearlixiong@ sina． com。
风景园林规划设计。基于北京市公交刷卡大数据处理后的二次数据，结合北京市土地利用现状，进行绿道规划方法研究。研
究通过将公交刷卡数据与人口出行分布规律进行耦合分析，在城市不同功能区确定绿道连接的重点区域，同时，根据绿地的
景观性、文化性和生态性建立绿道载体的评价指标体系，选择合适的斑块作为绿道依托载体，最终根据服务功能进行绿道网
城市发展研究 22 卷 2015 年 8 期 Urban Development Studies Vol． 22 No． 8 2015
27
城市规划
李方正等： 基于公交刷卡大数据分析的城市绿道规划研究———以北京市为例
据，判断人 的 行 为 方 式 和 空 间 使 用 方 式，有 效 地 通 过“公众 参 与 ”的 方 式 辅 助 规 划 设 计 的 决 策。 海 量 个体数据的简易搜集与挖掘过程，使得城市规划等 在公众参与方式上能够更加针对不同对象做出信 息回馈［8］，使得规划和设计决策能够真正地服务于 人的使用。
5. 1 研究对象 本次研究对象为北京中心城，范围 1088km2 ，主
要包括 东 城、西 城、朝 阳、海 淀、丰 台、石 景 山 地 区。 北京市中心城是兼顾政治、经济、文化的核心区，人 口和产业分布集中，有较高的绿色交通需求。中心 城内集中 了 城 市 优 质 的 公 共 资 源，商 务 服 务 产 业、 教育产业等城市高端功能也正继续呈现向中心城 聚集的态势。研究利用大数据，提取城市的高频率 使用区域，规 划 市 民 方 便 出 行 的 绿 道 网 络，优 化 用 地布局，提升场地价值。本次绿道规划的重点向大 型绿地、商圈、居住社区、大型公共交通枢纽以及大 型文教体育区等人流密集地区延伸，构成完整的绿 道生活网络，丰富市民出行方式。目前北京中心城 公共交通发达，现状公交场站共有 335 处［22］，但是 慢行系统的 发 展 建 设 问 题 突 出，慢 行 道 缺 失、缺 乏 完整体系等问题非常普遍，市民急需安全绿色的出 行环境。因此选取北京中心城作为绿道选线研究 对象具有典型性和代表性。 5. 2 数据
络优化确定绿道规划线路。以期实现绿道的功能拓展，使绿道成为连接城市多种功能区的绿色空间，促进城市紧凑布局的
形成。
【关键词】公交刷卡； 绿道； 功能拓展； 连接区域； 评价指标体系
【中图分类号】TU984
【文献标识码】A
1 大数据发展背景
随着以博客、社交网络、基于位置的服务为代表 的新型信息发布方式的不断涌现［1］以及“物联网”、 “云计算”、“移动互联网”的迅猛发展，数据正以前所 未有的速度不断地增长和累积，大数据时代随之到 来。全球著名咨询公司麦肯锡最早在公司报告中提 出大数据是“大小超出常规的数据库工具获取、存储、 管理和分析能力的数据集［2］”，随后，各行业又纷纷提 出“3V”、“4V”的大数据定义，而现在业界比较认可的 是“5V”概念，即体量大（ Volume） 、速度快（ Velocity） 、 模态多（ Variety） 、难辨识（ Veracity） 和价值大密度低 （ Value） 的数据类型［3］。随着各行业的关注，大数据 正成为信息社会的重要财富［4］。学术界、企业和政府 纷纷进行大量技术和政策研究，2008 年《Nature》发 布了“Big Data”专刊［5］，从互联网技术、经济学、生物 医学和环境科学等方面讨论大数据时代的机遇和挑 战。《Science》也在 2011 年发布“Dealing with data”专
行了中国化 的 创 新，例 如 吴 必 虎 等 提 出“环 城 游 憩 带”的 概 念［16］，王 志 芳 等 引 入“遗 产 廊 道 ”的 理 念［17］，吴隽宇等提 出“乡 土 廊 道 ”的 构 想［18］。 而 绿 道规划方法层面，即包含考虑绿道综合功能的选线 研究，戴菲等提出 UGPM 绿道网络编制过程，对武 汉市绿道因素进行综合评价和选线［19］； 也包括以游 憩功能为主的绿道构建，例如张笑笑运用 AHP 层次 分析法对上海自然和人文游憩资源进行综合评价， 进行游憩廊道选线［20］，同时包括规划目的引导下的 绿道选线，李方正等提出以山水资源保护为目的的 选线方法［21］。现 阶 段，无 论 如 何 定 义 绿 道，其 选 线 过程多是探讨如何有效地将自然、人文资源等进行 串联，以改 善 城 市 绿 地 系 统，较 少 研 究 将 市 民 使 用 频率较高的公共设施和需要慢行抵达的商圈或就 业地等纳入到绿道的连接对象。
区（ 公共管理与公共服务设施用地、商业服务业设 施用地、居住用地、绿地与广场用地） ； （ 3） 北京绿地 系统规划（ 2004 年 － 2020 年） ，用于选取连接各类 用地的潜在绿地斑块，即绿道依托载体。 5. 3 规划步骤 5. 3. 1 绿道重点连接区域的选取
为确定绿道连接的重点区域，首先将公交站点 分布信息（ 图 2） 和公交刷卡二次数据进行空间可视 化，然后结合土地利用现状得到居民出行的目的地 属性，并确定每种用地的使用频率。多个功能区叠 加则可以有针对性地选取出使用频率高、利用价值 高的城市区域。具体步骤如下： （ 1） 对可视化后的 刷卡信息进 行 空 间 化 处 理，根 据 停 留 时 间，结 合 到 达地用地功能区识别，对各种用地类型使用频率进 行初步判断，例如在周一到周五日公交卡刷卡记录 显示在某处停留 9 小时以上，则可以此判断公交出 行为通勤需要，此处为居住地［11］； 周末日间公交卡 记录出行时间 3 － 5 小时则可推测公交出行为游憩 或购物需要，活动的目的地可能为绿地广场用地或 商业用地等； 此步骤主要目的是通过大数据中分析 居民使用频率高的区域结合用地现状，辅助规划高 使用价值的绿道体系。（ 2） 根据用地现状，与刷卡 信息进行叠加，确定市民使用频率较高的每种用地 类型分布特征，绘制单种用地类型人口出行分布密 度图。（ 3） 将确定的人口出行分布特征图和主要出 行目的地类型叠加后（ 图 3） ，选取人口出行分布高 密度区为绿道重点连接区，人口出行分布较高密度 区为绿道次级连接区。城市绿道应尽可能为居民 的日常出行和使用提供服务，营造自然节点以及城
将公交刷卡数据在 GIS 中进行矢量化和可视 化，获取每 张 公 交 卡 的 出 行 起 始 点，根 据 两 次 乘 坐 公交并进行 刷 卡 的 时 间 间 隔、出 行 时 间、周 期 和 频 率等信息建立决策树，可识别出行行为和出行地点 的类别，以 确 定 市 民 对 居 住 地、就 业 地、商 圈、公 园 和风景名胜等绿地的使用频率，即在公交刷卡大数 据的支持下，从市民使用的角度确定和识别高频率 目的地。绿道连接斑块不再限于绿地斑块，而是将 市民使用的多种用地类型统一识别，将公共设施用 地、就业地 等 也 纳 入 到 绿 道 选 线 过 程 中，可 选 取 线 性或斑块状绿地作为绿道依托载体，以实现绿地斑 块生态连通的最大化。
28
城市发展研究 22 卷 2015 年 8 期 Urban Development Studies Vol． 22 No． 8 2015
李方正等： 基于公交刷卡大数据分析的城市绿道规划研究———以北京市为例
城市规划
图 1 基于公交刷卡大数据分析的绿道规划技术框架
5 基于公交刷卡大数据的绿道规划方法
绿道兼有 生 态 功 能、游 憩 功 能 和 文 化 功 能［14］， 目前在我国呈蓬勃发展之势。而绿道的定义和功 能也随着城市和社会的发展而变化。在其发源的 前 2 个多世纪内，绿道首先经历了从注重景观功能 的林荫大道到注重生态功能的生态廊道的变化［15］。 我国在借鉴国外思想基础上，对绿道功能和定义进
本文研究数据包括： （ 1） 北京市 2008 年 4 月北 京市 完 整 一 周 的 刷 卡 记 录 处 理 后 的“二 次 数 据”［11、13］。一次数据（ 非笔者直接获取） 包括信息刷 卡地点、上 下 车 时 间 等，该 一 周 数 据 共 有 七 千 万 余 次刷卡记录。通过对数据进行可视化处理，分析居 民日常出 行 行 为 规 律，并 对 应 分 析 市 民 出 行 目 的 （ 日常通勤需要，游览休闲需要，购物需要等） ； （ 2） 2008 年北京市土地利用规划图，用于选择主要功能
2 基于大数据的人居环境研究应用综述
起初，大数据主要应用于网络通信、医疗卫生、 农业研究、金融市场和交通管理［4］等领域。应用通 过数据分析与整合，提取有效信息，进行决策判断， 大数据在应用中表现出强大的控制力。而人居环 境科学作为强调人与环境之间相互关系的科学，需 要将人的行为特征作为重要研究因素，应用于城市 规划、建筑设计或风景园林规划设计。在大数据挖 掘手段和技 术 日 益 成 熟 的 时 代，移 动 通 信 数 据、互 联网络数据、社交媒体数据、智能刷卡数据、服务行 业数据、导 航 定 位 数 据、物 联 传 感 数 据 和 对 地 观 测 数据的出现，为城市空间等人居环境研究带来了重 大的变革，尤其是城市规划领域。大数据弥补了人 类行为 特 征 反 馈 途 径———问 卷 调 查 的 滞 后 性 和 样 本小的不足，直接通过人的“POI”签到、刷卡等大数