论文部分内容阅读
在城市的快速生长期,其空间演化以外向拓展为主。而到了城市化中后期,存量建设用地占城市总用地的比重越来越高,城市空间的发展也变为以建成区内部更新为主。这种城市空间发展模式的剧变使得居民的空间活动体验及情绪反馈越发显示出重要性。而移动信息技术的普及和开放网络平台时空大数据的出现,为获取并分析人与城市空间、场所及环境直接关联的各种信息提供了支撑。论文就以南京市为例,尝试基于新浪微博社区POI签到大数据,提取实时的居民活动情绪与空间、场所对应信息。在此基础上,对南京市域、主城和外围宏观城市空间,交通、居住、公共服务等7类建成要素系统进行情绪分布与建成环境的关系探索。归纳出6类典型的城市居民活动-流动模式,分别就每类活动模式的居民个案进行情绪-空间-场所的关联性分析,进一步印证总体层面的分析结果。最后,分别选择新街口地区、南京站周边地区和南京高新区,对CBD、综合交通枢纽地区和产业园区进行情绪分析的规划应用初探。主要结论如下:(1)市域总体层面的情绪值分布分析和不同类型情绪的空间集聚分析,能够从不同侧面呈现出城市居民情绪的空间分布特征。通过比较市域总体层面各类建成要素系统的居民情绪值结构,能够识别不同要素系统的现状建成情况。通过对市域各类建成要素系统居民情绪的分布和结构分析,发现不同类型建成场所居民情绪值的空间分异特征各异,其中一些特征甚至颠覆了基于经验的简单判断。这表明居民群体的情绪表达与建成环境之间的关系具有复杂性,只有建立系统的分析框架,才能获得可靠的、能够为规划所用的分析结果。(2)本文使用的微博签到大数据在对群体共性特征的捕捉方面体现出巨大的优势。从大量的居民情绪信息中,能够识别并总结出一些对活动群体具有共性的建成要素影响下的情绪表达特点。通过对居民情绪的定量空间分析,就能够将这种基于建成环境差异表现出的共性情绪差异直观地呈现在城市物质空间中,外化呈现为城市居民情绪值的空间分异特征。通过判读这些空间、场所分异特征,就能够总结出具有普适性的居民情绪空间分异特征所表征的建成环境差异。(3)基于情绪分析的建成空间优化方向及策略提出思路如下:首先,通过规划区内的居民情绪值结构分析,大致评估规划区建成空间以及各建成要素系统的整体品质。其次,通过规划区内同类功能场所的居民情绪和建成现状比较,并从规划区与其周边区域各建成要素的空间关系方面寻找积极或消极空间的形成原因,识别出规划区内不同类型场所空间的优化方向,或提出相应的规划反思。此外,依据区内不同类型场所空间、不同建成要素系统的居民情绪值分布特征,可以进一步识别需在功能组织、环境品质等方面进行整体优化的场所类型或建成要素系统。(4)本文研究的重要性就在于首次利用大数据对城市居民情绪及其与建成环境的关系进行了实证研究,并初步建立了情绪分析及其规划应用的框架。