多源大数据下中国特大城市人口夜间热力特征与影响因素研究

doi:10.3969/j.issn.1004-9479.2024.12.20230223

摘要/Abstract

摘要：

掌握城市人口夜间的时空热力动态变化和影响因素，对繁荣城市夜间经济和推动城市管理等都具有重要的意义。近年来城市多源大数据的不断发掘，为实时追踪城市人口夜间热力变化提供了可能。基于百度人口热力图、珞珈（LJ1-01）夜光遥感和城市兴趣点（POI）等多源大数据，以北京、上海、广州、深圳、成都和武汉6座特大城市为案例区，构建人口夜间热力模型，测算了上述6座城市在20∶00—20∶30期间的人口热力特征，并进一步采用地理探测器和地理加权回归方法分析了影响案例区人口夜间热力特征的因素。结果表明：（1）特大城市人口夜间热力分布与城市主要道路空间分布基本一致，主要呈现出“核心-边缘”梯度递减、“一核多中心”连片分布和“组团式”分布三种类型；（2）与常住人口相比，各城市人口夜间热力规模较小，平均仅占常住人口的0.416‰，且接近47%的人口夜间聚集在中等热力区；（3）城市土地利用混合度、商业活力和道路通达度是影响城市人口夜间热力的首要因素，但在不同的城市和地区影响程度有所差异。研究结果对特大城市制定夜间消费政策和优化城市人口夜间管理具有较强的现实意义，也为今后城市夜间建设提供有效参考。

关键词: 人口夜间热力, 百度人口热力图, 兴趣点（POI）, 地理探测器, 地理加权回归模型

Abstract:

It is of great significance to master the dynamic changes and influencing factors of the temporal and spatial thermal dynamics of the urban population at night-time for the prosperity of urban night-time economy and the promotion of urban management. However, the current authoritative census data is still faced with the bottleneck that it is difficult to track the night-time thermal changes of the urban population in real-time, but the continuous exploration of urban multi-source big data in recent years provides a possibility to break through the above bottleneck. Based on multi-source big data such as the Baidu population heat map, Luojia (LJ1-01) luminous remote sensing and urban Point of Interest (POI), and taking six megacities of Beijing, Shanghai, Guangzhou, Shenzhen, Chengdu and Wuhan as case areas, the population heat characteristics of these six cities during 20:00-20:30 were calculated by constructing a population heat model at night-time. Furthermore, the factors affecting the night-time heat characteristics of the population in the case area are analyzed using a geographical detector and geographical weighted regression method. The results show that: (1) the night-time heat distribution of the population in megacities is basically the same as the spatial distribution of main roads, which mainly presents three types: "core-edge" gradient decline, "one-core multi-center" contiguous distribution and "group-type" scattered distribution; (2) Compared with the resident population, the night-time heat scale of urban population is smaller, accounting for only about 0.416‰ of the resident population on average, and nearly 47% of the population gathers in the medium heat area at night-time. (3) The mixing degree of urban land use, commercial activity and road accessibility are the main factors affecting the night-time heat of the urban population, but the influence degree varies in different cities and regions. The results of this study have practical significance for the formulation of night-time consumption policies and also provide reference for future urban night-time construction.

Key words: population night-time heat, Baidu population heat map, Points of Interest(POI), Geodetector, Geographically weighted regression Model

吴淼淼, 师满江, 曹琦, 宁志中. 多源大数据下中国特大城市人口夜间热力特征与影响因素研究[J]. 世界地理研究, 2024, 33(12): 94-106.

Miaomiao WU, Manjiang SHI, Qi CAO, Zhizhong NING. Research on the thermal characteristics and influencing factors of population night-time in Chinese megacities under multi-source big data[J]. World Regional Studies, 2024, 33(12): 94-106.

图/表 7

参考文献 40

1	国务院办公厅关于加快发展流通促进商业消费的意见. 中华人民共和国国务院公报, 2019(25):31-34.
	Opinions of the general office of the state council on accelerating the development of circulation and promoting commercial consumption. Gazette of the State Council of the People's Republic of China, 2019(25):31-34.
2	余构雄. 夜间经济专项政策研究——基于内容分析法. 当代经济管理, 2021,43(10):24-30.
	YU G. Research on special policies of night-time economy:Based on content analysis method. Contemporary Economic Management, 2021,43(10):24-30.
3	SEIJAS A, GELDERS M. Governing the night-time city: The rise of night mayors as a new form of urban governance after dark. Urban Studies, 2021,58(2):316-334.
4	ACUTO M, SEIJAS A, MCARTHUR J, et al. Managing Cities at Night: A Practitioner Guide to the Urban Governance of the Night-Time Economy. Bristol University Press, 2021.
5	杨振山, 苏锦华, 杨航, 等. 基于多源数据的城市功能区精细化研究——以北京为例. 地理研究, 2021,40(2):477-494.
	YANG Z, SU J, YNAG H, et al. Exploring urban functional areas based on multi-source data:A case study of Beijing. Geographical Research, 2021,40(2):477-494.
6	LI M, SHEN Z, HAO X. Revealing the relationship between spatio-temporal distribution of population and urban function with social media data. GeoJournal, 2016,81:919-935.
7	BATISTA E, FREIRE S, SCHIAVINA M, et al. Uncovering temporal changes in Europes population density patterns using a data fusion approach. Nature Communications, 2020,11(1):4631.
8	刘望保,李彤彤.基于手机信令数据的广州市社区建成环境对居民通勤距离影响研究. 世界地理研究, 2023,32(5):79-90.
	LIU W, LI T. The impact of community built environment on residentscommuting distance in Guangzhou supported by mobile signaling data. World Regional Studies, 2023,32(5):79-90.
9	吴志强, 叶锺楠. 基于百度地图热力图的城市空间结构研究——以上海中心城区为例. 城市规划, 2016,40(04):33-40.
	WU Z, YE Z. Research on urban spatial structure based on baiduheatmap:A case study on the central city of Shanghai. City Planning Review, 2016(4):33-40.
10	闵忠荣, 丁帆. 基于百度热力图的街道活力时空分布特征分析——以江西省南昌市历史城区为例. 城市发展研究, 2020,27(2):31-36.
	MIN Z, DING F. Analysis of temporal and spatial distribution characteristics of street vitalitybased on Baidu thermal diagram:The case of the historical city of Nanchang city, Jiangxi province. Urban Development Studies,2020,27(2):31-36.
11	王录仓. 基于百度热力图的武汉市主城区城市人群聚集时空特征. 西部人居环境学刊, 2018,33(2):52-56.
	WANG L. Spatial-temporal characteristics of urban population aggregation based on Baidu heat map in central areas of Wuhan city. Journal of Human Settlements in West China, 2018,33(2):52-56.
12	CHEN C, ZHANG D, LI N, et al. B-Planner: Planning bidirectional night bus routes using large-scale taxi GPS traces. IEEE Transactions on Intelligent Transportation Systems, 2014,15(4):1451-1465.
13	GARIAZZO C, PELLICCIONI A, BOLIGNANO A. A dynamic urban air pollution population exposure assessment study using model and population density data derived by mobile phone traffic. Atmospheric Environment, 2016,131: 289-300.
14	KONG X, LIU Y, WANG Y, et al. Investigating public facility characteristics from a spatial interaction perspective: A case study of Beijing hospitals using taxi data. ISPRS International Journal of Geo-Information, 2017,6(2):38.
15	FRAILE A, CASTANO S, ÁLVARO H, et al. Using mobility information to perform a feasibility study and the evaluation of spatio-temporal energy demanded by an electric taxi flee. Energy conversion and management, 2018, 157:59-70.
16	TOMLINSON J. De-industrialization: strengths and weaknesses as a key concept for understanding post-war British history. Urban History, 2020,47(2):199-219.
17	RAUTENBERG M. Industrial heritage, regeneration of cities and public policies in the 1990s: elements of a French/British comparison. International Journal of Heritage Studies, 2012,18(5):513-525.
18	MONTGOMERY J. Cities and the art of cultural planning. Planning practice and research, 1990,5(3):17-24.
19	SMEDS E, ROBIN E, MCARTHUR J. Night-time mobilities and (in) justice in London: Constructing mobile subjects and the politics of difference in policy-making. Journal of transport geography, 2020,82:102569.
20	MCARTHUR J, ROBIN E, SMEDS E. Socio-spatial and temporal dimensions of transport equity for London's night time economy. Transportation Research Part A: Policy and Practice, 2019,121:433-443.
21	QI W, LIU S, GAO X, et al. Modeling the spatial distribution of urban population during the daytime and at night based on land use: A case study in Beijing, China. Journal of Geographical Sciences, 2015,25:756-768.
22	MILEU N, QUEIRÓS M. Nighttime and daytime population estimation from open data. Geographia Technica, 2022, 17(2):179-192.
23	冯倩, 王理, 廖祖君. 基于文献计量的我国夜间经济研究现状及热点分析. 中国西部, 2020(3):112-122.
	FENG Q, WANG L, LIAO Z. Research status and hot spot analysis of night-time economy in China based on bibliometrics. Western China, 2020(3):112-122.
24	毛中根, 龙燕妮, 叶胥. 夜间经济理论研究进展. 经济学动态, 2020(2):103-116.
	MAO Z, LONG Y, YE X. Research progress on night-time economy. Economic Perspectives, 2020(2):103-116.
25	孙霞. 基于Arcscan自动矢量化方法实现. 测绘与空间地理信息, 2012,35(4):207-209.
	SUN X. Based on Arcscan automatic vectorization method. Geomatics & Spatial Information Technology, 2012,35(4):207-209.
26	林勋媛, 王广兴, 胡月明. 基于开放大数据的广州市中心城区职住平衡特征研究. 热带地理, 2020,40(2):254-265.
	LIN X, WANG G, HU Y. Characteristics of the jobs-housing balance in central Guangzhou based on open big data. Tropical Geography, 2020,40(2):254-265.
27	赵凯旭, 张帅兵, 黄晓军, 等. 新冠疫情管控期间西安市人口分布演变及影响因素探测——基于多源时空大数据视角. 人口与发展, 2022,28(1):140-150.
	ZHAO K, ZHANG S, HUANG X, et al. Research on evolution of population distribution and lnfluencing factors in Xi'an during the COVID-19 epidemic control period——based on a perspective of multi-source spatio-temporal big data. Population and Development, 2022,28(1):140-150.
28	张善余, 高向东. 特大城市人口分布特点及变动趋势研究——以东京为例. 世界地理研究, 2002,11(1):65-71.
	ZHANG S, GAO X. A study on characteristics and trend of population distribution of the megacity:the case of Tokyo. World Regional Studies, 2002,11(1):65-71.
29	李翔, 朱江, 尹向东, 等. 基于珞珈一号夜间灯光数据的广州市建设用地识别. 地球信息科学学报, 2019,21(11):1802-1810.
	LI X, ZHU J, YIN X, et al. Mapping construction land of Guangzhou based on Luojia no.1 nightlight data. Journal of Geo-information Science, 2019,21(11):1802-1810.
30	林红, 李军. 出行空间分布与土地利用混合程度关系研究——以广州中心片区为例. 城市规划, 2008(9):53-56.
	LIN H, LI J. Relationship between spatial distribution of resident trips and mixed degree of land use:A case study of Guangzhou. City Planning Review, 2008(9):53-56.
31	赵鑫, 宋英强, 刘轶伦, 等. 基于卫星遥感和POI数据的人口空间化研究——以广州市为例. 热带地理, 2020,40(01):101-109.
	ZHAO X, SONG Y, LIU Y, et al. Population spatialization based on satellite remote sensing and poi data:Guangzhou as an example. Tropical Geography, 2020,40(01):101-109.
32	张家旗,刘晏男,宋斌玢.基于POI数据的郑州市主城区生活服务业空间分布特征研究.世界地理研究, 2022,31(2):399-409.
	ZHANG J, LIU Y, SONG B. Study on the spatial distribution characteristics of life service industry in the main urban area of Zhengzhou city based on POI data. World Regional Studies, 2022,31(2):399-409.
33	魏伟, 石培基, 脱敏雍, 等. 基于GIS的甘肃省道路网密度分布特征及空间依赖度分析. 地理科学, 2012,32(11):1297-1303.
	WEI W, SHI P, TUO M, et al. The road network density and its spatial dependence in Gansu province based on GIS. Scientia Geographica Sinica, 2012,32(11):1297-1303.
34	谭欣, 黄大全, 赵星烁, 等. 基于百度热力图的职住平衡度量研究. 北京师范大学学报(自然科学版), 2016,52(5):622-627.
	TAN X, HUANG D, ZHAO X, et al. Jobs housing balance based on Baidu thermodynamic diagram. Journal of Beijing Normal University(Natural Science), 2016,52(5):622-627.
35	张辉, 朱勤东, 徐芳, 等. 武汉市人口集聚特征及其空间分异机制分析. 测绘与空间地理信息, 2021,44(11):43-47.
	ZHANG H, ZHU Q, XU F, et al. Analysis on the characteristics of Wuhan population agglomeration and its spatial differentiation mechanism. Geomatics & Spatial Information Technology, 2021,44(11):43-47.
36	肖钊富,李瑞,段霜等.成渝城市群旅游生态安全时空格局演化研究. 世界地理研究, 2023,32(10):122-133.
	XIAO Z, LI R, DUAN S, et al. Study on temporal and spatial pattern evolution of tourism ecological security in Chengdu-Chongqing urban agglomeration. World Regional Studies, 2023,32(10):122-133.
37	袁锦标, 曹永旺, 倪方舟, 等. 中国县域人口集聚空间格局及影响因素的空间异质性研究. 地理与地理信息科学, 2020,36(3):25-33.
	YUAN J, CAO Y, NI F, et al. A study on the spatial pattern of county population agglomeration and spatial heterogeneity of its influencing factors in China. Geography and Geo-Information Science, 2020,36(3):25-33.
38	BATISTA E, FREIRE S, SCHIAVINA M, et al. Uncovering temporal changes in Europes population density patterns using a data fusion approach. Nature communications, 2020,11(1):4631.
39	DANI B, ERIC K. The attraction of urban cores: Densification in Dutch city centres. Urban Studies, 2020,57(9):1920-1939.
40	KROLL F, KABISCH N. The relation of diverging urban growth processes and demographic change along an urban–rural gradient. Population, Space and Place, 2012,18(3):260-276.

数据类型	数据来源	数据处理	主要参数
百度人口热力图数据	MUMU模拟器中百度地图接口	缩放级数为16级，数据类型为栅格数据	人口热力强度
夜光遥感数据（LJ1-01）	对地观测系统湖北数据与应用中心（59.175. 109.173:8888/index.html）	成像时间为2018年10月15日，空间分辨率为160 m，原始投影为WGS-1984	经济强度
土地利用数据	EULUC-China-2018全国土地利用现状数据（data.ess.tsinghua.edu.cn）	提取时间为2018年，土地利用类型涵盖居住、休闲、交通、工业和办公五大类用地	土地利用混合度
POI数据	高德地图API开放接口	采集时间为2021年10月，POI信息包括名称、经纬度坐标和地址等，选择风景名胜这个大类作为景观活力指标	景观活力
POI数据	高德地图API开放接口	选择与商业相关的7个POI大类作为商业活力指标	商业活力
城市道路数据	下载自水经注地图采集器	采集时间为2021年7月，道路信息包括城市一级、二级、三级和四级道路，原始投影坐标为WGS-1984	道路通达度

数据类型	数据来源	数据处理	主要参数
百度人口热力图数据	MUMU模拟器中百度地图接口	缩放级数为16级，数据类型为栅格数据	人口热力强度
夜光遥感数据（LJ1-01）	对地观测系统湖北数据与应用中心（59.175. 109.173:8888/index.html）	成像时间为2018年10月15日，空间分辨率为160 m，原始投影为WGS-1984	经济强度
土地利用数据	EULUC-China-2018全国土地利用现状数据（data.ess.tsinghua.edu.cn）	提取时间为2018年，土地利用类型涵盖居住、休闲、交通、工业和办公五大类用地	土地利用混合度
POI数据	高德地图API开放接口	采集时间为2021年10月，POI信息包括名称、经纬度坐标和地址等，选择风景名胜这个大类作为景观活力指标	景观活力
POI数据	高德地图API开放接口	选择与商业相关的7个POI大类作为商业活力指标	商业活力
城市道路数据	下载自水经注地图采集器	采集时间为2021年7月，道路信息包括城市一级、二级、三级和四级道路，原始投影坐标为WGS-1984	道路通达度

城市	影响因素	经济强度	土地利用混合度	景观活力	商业活力	道路通达度
北京	经济强度	0.19
	土地利用混合度	0.66^*	0.63
	景观活力	0.47^*	0.68^*	0.37
	商业活力	0.64^*	0.73^*	0.65^*	0.59
	道路通达度	0.63^*	0.72^*	0.67^*	0.71^*	0.58
上海	经济强度	0.27
	土地利用混合度	0.78^*	0.72
	景观活力	0.62^*	0.81^*	0.53
	商业活力	0.67^*	0.77^*	0.70^*	0.56
	道路通达度	0.71^*	0.78^*	0.75^*	0.70^*	0.63
广州	经济强度	0.21
	土地利用混合度	0.59^*	0.54
	景观活力	0.59^*	0.72^*	0.51
	商业活力	0.75^*	0.78^*	0.78^*	0.72
	道路通达度	0.65^*	0.68^*	0.74^*	0.80^*	0.60
深圳	经济强度	0.16
	土地利用混合度	0.68^*	0.64
	景观活力	0.42^**	0.69^*	0.26
	商业活力	0.80^*	0.83^*	0.80^*	0.79
	道路通达度	0.61^*	0.73^*	0.63^*	0.83^*	0.55
成都	经济强度	0.18
	土地利用混合度	0.53^*	0.49
	景观活力	0.45^*	0.62^*	0.38
	商业活力	0.61^*	0.65^*	0.61^*	0.54
	道路通达度	0.70^*	0.70^*	0.74^*	0.71^*	0.65
武汉	经济强度	0.15
	土地利用混合度	0.66^*	0.62
	景观活力	0.55^*	0.74^*	0.45
	商业活力	0.72^*	0.78^*	0.77^*	0.67
	道路通达度	0.68^*	0.74^*	0.76^*	0.77^*	0.64

城市	影响因素	经济强度	土地利用混合度	景观活力	商业活力	道路通达度
北京	经济强度	0.19
	土地利用混合度	0.66^*	0.63
	景观活力	0.47^*	0.68^*	0.37
	商业活力	0.64^*	0.73^*	0.65^*	0.59
	道路通达度	0.63^*	0.72^*	0.67^*	0.71^*	0.58
上海	经济强度	0.27
	土地利用混合度	0.78^*	0.72
	景观活力	0.62^*	0.81^*	0.53
	商业活力	0.67^*	0.77^*	0.70^*	0.56
	道路通达度	0.71^*	0.78^*	0.75^*	0.70^*	0.63
广州	经济强度	0.21
	土地利用混合度	0.59^*	0.54
	景观活力	0.59^*	0.72^*	0.51
	商业活力	0.75^*	0.78^*	0.78^*	0.72
	道路通达度	0.65^*	0.68^*	0.74^*	0.80^*	0.60
深圳	经济强度	0.16
	土地利用混合度	0.68^*	0.64
	景观活力	0.42^**	0.69^*	0.26
	商业活力	0.80^*	0.83^*	0.80^*	0.79
	道路通达度	0.61^*	0.73^*	0.63^*	0.83^*	0.55
成都	经济强度	0.18
	土地利用混合度	0.53^*	0.49
	景观活力	0.45^*	0.62^*	0.38
	商业活力	0.61^*	0.65^*	0.61^*	0.54
	道路通达度	0.70^*	0.70^*	0.74^*	0.71^*	0.65
武汉	经济强度	0.15
	土地利用混合度	0.66^*	0.62
	景观活力	0.55^*	0.74^*	0.45
	商业活力	0.72^*	0.78^*	0.77^*	0.67
	道路通达度	0.68^*	0.74^*	0.76^*	0.77^*	0.64

[1]	张家旗, 余成, 申秋实. 坦桑尼亚土地利用变化生态环境效应的空间分异特征研究[J]. 世界地理研究, 2024, 33(7): 59-72.
[2]	王婷, 李禕, 周浩楠. 长三角地区跨界共建园：时空特征、城市偏好与影响机制[J]. 世界地理研究, 2024, 33(6): 102-115.
[3]	刘海朦, 田小波, 曹婷婷. 基于百度指数的乡村旅游需求时空特征及其影响因素研究[J]. 世界地理研究, 2024, 33(5): 177-188.
[4]	鄢继尧, 赵媛, 熊筱燕, 许昕. 中国家政服务业发展的时空演变特征及影响因素[J]. 世界地理研究, 2024, 33(3): 161-174.
[5]	耿满国, 张伟, 唐相龙, 王雪怡. 中国乡村旅游地的空间分布特征及影响因素[J]. 世界地理研究, 2024, 33(2): 151-163.
[6]	殷紫燕, 黄安民. 虚拟旅游网络关注度的时空特征及其影响因素[J]. 世界地理研究, 2024, 33(12): 148-162.
[7]	蔡中祥, 黄哲琨, 公茂玉, 郭勇, 胡盛铭, 王岩. 印度国内政治冲突的空间分异及驱动因子[J]. 世界地理研究, 2024, 33(1): 57-69.
[8]	廖建军, 李欣, 王志远, 张考, 吕靖童. 长株潭都市圈建设用地增长格局及驱动因素研究[J]. 世界地理研究, 2023, 32(9): 133-145.
[9]	牛雪利, 陈瑛, 巴士奇. 中国与加勒比国家贸易格局演变及影响因素分析[J]. 世界地理研究, 2023, 32(9): 28-39.
[10]	刘涵妮, 夏赞才, 殷章馨, 申慧敏, 刘婷, 张慧. 全球旅游贸易时空格局及影响因素研究[J]. 世界地理研究, 2023, 32(4): 14-27.
[11]	银松, 李瑞, 殷红梅. 旅游发展背景下民族村寨居民地方性感知测度及影响因素研究[J]. 世界地理研究, 2023, 32(3): 144-156.
[12]	高璐, 余可忆, 姚申君, 吴健平, 余柏蒗. 基于地理探测的老子思想域外关注度影响因素探究[J]. 世界地理研究, 2023, 32(12): 67-77.
[13]	陈俊华, 苏敏, 李澳, 梁嘉玲, 王美君, 杨晓璐. 中东地缘环境时空演变及驱动机制分析[J]. 世界地理研究, 2023, 32(11): 30-42.
[14]	肖钊富, 李瑞, 吕宛青. 成渝城市群旅游生态安全时空格局演化研究[J]. 世界地理研究, 2023, 32(10): 122-133.
[15]	闫艺涵, 汪侠, 张颖, 沈丽珍. 中国居民休闲参与测度及其制约因素探究[J]. 世界地理研究, 2023, 32(10): 161-172.