摘要：大数据时代下，大数据的挖掘及应用，在城市规划及建筑设计领域都有着重要作用。在我国持续推动信息化进程中，建筑信息化以建筑信息模型(BIM)为载体，不断深化，发展。而丰富建筑信息内涵，拓展信息渠道，完善信息结构，对于建筑信息化进程有着重要理论及现实意义。本文以武汉市为例，详细展示了百度热力图这一新型人口数据的采集、处理方法。并提供了一个基本的研究思路，对于相关研究具有参考价值。研究结果表明，百度热力数据，具有典型的时空特征；其在推动城市及建筑信息动态化方面具有一定潜力。

关键词：信息化 人口大数据 百度热力图 时空分析

一、引言

19世纪50至60年代，一些关于城市人口活动的研究通常是基于截面数据实现的，并认为城市人口活动的空间布局是难以在短时间内改变的。尽管存在着一些早期的观点，但是城市活动的空间布局显然是动态变化的过程。由于长期以来对于人口活动的实证研究滞后于理论[1]，因此进行人口活动的研究工作将有助于缓解这一矛盾，同时这些研究成果在应对灾害，消除疾病及城市规划方面都有着重要作用。就国外研究而言，有的研究者通过构建活动概率模型，去模拟人口活动分布的规律[2]；而最新成果显示竞争效应和记忆效应对于人口活动的分布有着重要影响，并获得了较高的拟合效果[3]。对于个体活动的空间形态，即对个体的潜在路径（PPA）和活动空间（AS）的分析也是国外人口活动研究的热点之一[4]。还有一些针对于城市要素关联性的研究，在这些研究中城市要素被认为是影响城市人口活动分布的重要因素，包括了城市POI，土地利用结构，基础设施密度等[5-6]；同时有的研究基于OD数据，通过行为路径进一步分析了一些城市要素的影响力[7]。相对于国外研究，国内研究者们利用手机活动数据，在活动特征分析[8]，人口密度预测[9]，城市功能区识别[10]，城市中心识别[11]，郊区化方面[12]也进行了大量的工作，这些实证研究对于推动手机活动数据的应用有着重要的意义。就百度热力数据而言，百度热力数据作为一种新型的图像数据因其具有较强获取性，近年来在人口活动研究中逐渐得到应用[13-14]。就目前的研究来看，基于百度热力数据的研究并不多，而在已有的研究中定性分析居多；同时对于人口活动在天与天之间时点变化差异的分析较少，更多的研究在于刻画大时间时间下天与天的差异性，或一天内时点之间的差异性。

武汉市位于中国的中部地区，地处E113°41’~ E115°05,
N29°58’~ N31°22之间，湖北省省会，中部唯一的副省级准一线城市，国家级重要工业基地，科教基地，交通枢纽及经济中心。2012年，武汉市专项编制了《武汉市智慧城市建设总体规划与设计》，并以武汉市智慧城市研究院为实体单位，旨在建立覆盖各领域的大数据服务平台。随着各种新型数据的逐步开放，其不但促进了数据服务行业的发展，对城市规划的制定，优化城市产业布局，起到了重要作用。因此本文基于百度热力数据，以武汉市主城区为研究范围，依托GIS平台，使用圈层分析和方向分布函数综合刻画周末及工作日时点之间的差异性特征。

二、研究方法和数据

（一）研究方法

（1）梯度分析法

梯度分析法包括断面法和圈层法[15]。断面法侧重分析几个设定方向的景观格局变化，圈层法适用于研究城市要素分布形态的描绘。为探究城市人口活动的分布，本文在构建圈层结构的基础上，计算各圈层的人口活动密度。各圈层的人口活动密度计算公式如下：

（2）方向分布函数

方向分布函数作为测量点集或区域中心趋势的重要方法，也称为标准椭圆[16]；其一般由旋转角，沿主轴（长轴）标准差和沿辅轴标准差3要素组成。旋转角即为笛卡尔坐标系下x轴和y轴按照点集分布的地理方向沿一定角度旋转后，正北方向与顺时针旋转主轴之间的夹角。其公式如下:

（二）研究数据

本文使用百度热力图数据作为研究数据。百度热力图数据作为百度公司于2011年推出的全球首款免费智能数据产品，基于1亿用户对于百度产品的使用，百度公司经过二次加工以帮助用户优化出行决策而推出的图像数据产品。其通过基础数据计算热指数，并以不同色斑呈现，并以15min一副的速度不断更新，呈现出时空人口分布状况。因此百度热力图作为一种新型数据源，本身具有低成本，动态，高效的特点。本文通过百度官方提供的API端口(http://lbsyun.baidu.com/)，采集了2017年2月16日至2月22日（春节后的一个普通工作周），每天17个时点，共七天，共114副热力图数据。

（1）数据的预处理

百度热力图是通过色彩差异来反映热力值变化的一种连续型栅格数据，百度官方通过加工最终形成了多个类别分级显示在其商业产品中推出。官方图例解释了高级别的5个色彩类别所代表的人口密度分布状况，但是更低级别信息展示是缺失的。同时从官方获得的百度热力图是一种未经加工的多波段栅格数据数据（1*1m），因此无法显示其类别，但其可以通过亮度差异来识别人口密度的强弱变化。为了使亮度更好的数值化，本研究通过GIS平台所提供的影响分析功能，对4个波段进行融合得到了单波段的栅格数据。其栅格值代表多个波段的亮度值的叠加。单波段栅格能较为完整的反映商业产品中的分类级别及色彩变（如图1）。

由于无法获得百度公司后台对于人口活动密度及热力图亮度之间的转化函数，因此本文假设人口密度与亮度之间存在着一个转化系数，如公式（5）。

三、周末及工作日人口活动总体分布特征

（一）圈层的构造

对于城市中心的识别，传统的方式主要是人口密度及就业数据，并利用峰值，阀值等识别城市中心。随着社交及手机数据的获得性增强，基于移动数据的城市中心识别也越来越多。本文首先采用对所有时刻的百度热力图数据进行叠加，并采用自然分段法将热力图划分为10个级别，并将7-10级作为候选区域，同时结合武汉市经济发展中“一主七副”格局，与十大商圈的实际情况，确定了以江汉路商圈为主中心，武广商圈、汉正街商圈、王家墩商圈、王家湾商圈、钟家村商圈、光谷商圈、徐东商圈、中南商圈、汉街商圈，街道口商圈为10个城市次中心。

随后对识别出的中心点进行梯度分析。首先以主中心为对象逐渐向外做1km缓冲区，当缓冲区覆盖到次中心时，做一个次中心的1km缓冲区，并与所覆盖圈层融合；进一步以融合后的圈层集为对象，依次向外做1km缓冲区分析，并与新的次中心缓冲区融合，最后将所有次中心纳入，形成具有“一主多副”23个环面（如图2）。

（二）周末及工作日人口活动总体差异性分析

本文依据公式4，首先根据时间段对每个时间段内的栅格数据进行叠加求均值，然后基于ARCGIS所提供的分区统计工具，分别计算23个圈层周末及工作日5个时段的标准圈层值（如图3）。研究结果表明周末及工作日的人口活动的分布始终遵循地理学衰减定律，即人口活动量随着到中心地距离的增加而减少，同时减少速率降低，呈现幂函数下降的趋势。其中速率明显变化的区域都在3km，7km及15km处出现。这与焦利民(2017)对于武汉市城市要素空间分布特征的研究结果相似。这不但表明，城市人口活动密度与城市要素具有着明显的地理衰减特征，而且结果进一步表明这种总体的衰减特征受星期的影响较小，但处于同一个星期的不同时点之间的变化模式仍具有相当差异性。

为进一步比较周末及工作日内时点之间人口活动量差异性大小，本文计算了周末及工作日各圈层的时段间标准差，（如图4）。结果表明尽管工作日及周末在人口的总体分布上并不具有较大差异，但不同时点之间人口活动量的占比仍存在显著差异性。从总体上来看这种差异性具有一定的空间特征，即对于一个特点的空间，随着距离城市中心距离的增加，其所有承载人口活动量比例的波动性在逐渐降低。值得注意的是，和总体分布特征不同，这种人口比例的波动性受到星期的影响，同时这样的影响具有一定的空间差异性。具体而言，对于武汉市中心地带0-3km处，周末的到来会增加这一区域人口活动比例的波动性。但从3km-13km处周末的影响则刚好相反。13km-24km处的变化则表现的相对复杂，平均每3km周末对波动性的影响发生一次方向性的改变。这表明了周末及工作日人口活动的差异性，可能主要表现在时点之间的变化模式，而不仅仅是总体上的差异性[17]；但更多的研究结果表明这种时点模式差异具有着一定的空间性。因此接下来我们将重点讨论这种时点差异的空间性特征。

四、周末及工作日人口活动时点差异的空间特征

为了进一步分析不同时点差异性的空间特征，本文对工作日及休息日同一个时点的栅格数据进行叠加，并进行重分类处理，并基于GIS平台对高值区7-10等级的热力计算值标准椭圆，进一步求出不同时刻标准椭圆的重心及重心的标准椭圆（如图5）。

从研究结果来看，热值的重心集中分布在武汉的楚河汉街附近；其中重心标准椭圆的结果表明，重心迁移具有整体的方向性，主要方向为西北或东南；这种现象在周末会更加明显。这样的结果似乎与工作的约束有关；在周一至周五，由于工作原因，人们不得不前往城市的各个区域工作，因此人口活动在空间上的增加形式更加复杂，人口活动量变化在各方向间差异更弱；但在周末伴随大部分的工作约束的消失，休闲娱乐活动比例的提高，人们更有可能选择一些传统的经济区域活动，人口活动变化的空间差异性将会更强。同时与之前的圈层分析的结果相比，实验结果表明在一天中东南方向和西北方向人口的变动远多于西南方向和东北方向，这表明了城市人口活动的不对称变化。城市的不对称性发展可能成为解释人口活动不对称性变化的重要因素，并进一步成为解释13km-24km出人口波段性变化复杂原因。

就周末及工作日时点变化的特征而言;周末及工作日活动重心显著性转移都出现在7点-8点之间，这是典型的上班模式；主要表现为重心由北向南，由西向东的转移，这种转移在工作日持续至上午8点，而在休息日将一直持续到上午10点。这表明在上班时间内，武汉东部人口活动的增加速率会明显快于西部，且在周末持续的时间会更长。10点-21点之间人口的重心迁移呈现出了极为复杂形式，即在不同时点，城市的各方向上人口活动变化速度不断改变。但在21-23点，重心则都表现出由西北向东南转移。这表明夜间伴随城市人口活动量的减少，东部人口活动减少的速度明显低于西部。

五、讨论与结论

本文基于百度热力图，基于梯度分析及标准椭圆研究了武汉市人口活动分布的动态特征。研究发现，周末及工作日的人口活动分布差异性，在同时点之间的差异并不明显，但时点变化模式的差异性是周末及工作日人口活动分布差异的重要特征。进一步的研究表明各时点人口分布的差异性也具有空间特征，其主要表现为城市不同方向上人口活动量的不对称增加与减少。具体表现为武汉市东部地区在人口活动量增加时段的过快增加，减少时段的过慢减少。这可能表明武汉东部的城市发展要比西部更快。

在研究中，本文首先提出了一种处理百度影像热力图数据的思路，弥补了百度热力图数据在定量研究方面的缺陷，为今后运用百度热力数据研究城市人口活动提供了借鉴。同时本文进一步阐述了人口活动在周末及工作日差异性，其主要表现为天与天内时点之间变化的差异性，具体表现为时点之间的波段性差异及空间差异，为不同时点人口活动的研究提供了参考。

从本文可以看出，相比于传统的人口普查、调研数据而言；百度人口活动数据，具有典型的动态性，广域性，时空性及便捷性。长时间以来，人口活动数据都是较为难以获取及分析的大数据。虽然目前在AI技术的支持下，智能建筑及产业园区都可实现有限范围的人口活动数据的收集。但其在覆盖区域及投入产出方面仍具有一定的限制。因此百度热力数据作为较为可信的便捷人口活动数据来源，其在城市及建筑信息动态化方面具有相当的潜力。同时这种新型数据未来在城市规划、道路规划、交通管理、职住平衡，共享单车管理等方面也有着巨大的参考价值。