本文使用互聯網某LBS（Location-BasedService）平臺人口分時活動密度數據，疊加百度POI（PlaceofInterest），通過非監督分類和非負矩陣分解的方法，分別對北京市六環內的地塊尺度、500m網格尺度和25m點陣尺度進行用地功能的識別與分類。通過多維度分類結果的疊加，對研究區域的用地功能、人口時空活動特征進行深入刻畫，探討通過大數據進一步輔助存量規劃的用地功能研究方法。

　　1研究方法

　　1.1研究對象及研究數據

　　本次研究范圍為北京六環內區域。采用的主數據源為互聯網某LBS產品的分時人口活動熱度數據，是該互聯網產品的桌面端和移動端APP用戶使用過程中產生的過程數據。原始的數據包含3個字段，分別為數據采集點的坐標、日期和該小時的人口密度。數據采集點的網格密度為25m，呈均勻點陣分布。目前筆者通過網絡爬蟲，采集了2015年7月30日至8月2日北京六環以內的數據，數據量在每小時230萬個點左右。

原始數據點范圍

　　另外，為了對用地功能進行深入解讀，筆者使用百度POI作為輔助數據源。通過百度地圖提供的API（ApplicationProgrammingInterface，應用程序編程接口），筆者采集了2015年初北京市域范圍內約20萬個POI，涵蓋居住、商業、娛樂、公共服務設施、交通、綠地等內容。每個POI點包括唯一編號、POI名稱、坐標、一級分類、二級分類、用戶評價等字段。

　　1.23層研究空間尺度匹配體系

　　在不同空間尺度中，分時人口數據所反映出的用地特征也有不同的側重。

　　筆者將整個研究單元分為3層空間尺度：原始地塊尺度、500×500m網格尺度、25×25m原始數據點陣尺度，分別進行數據匹配。其中，原始地塊尺度對于多數空間單元能夠做到較好的描述，但是對于極大的郊區地塊和極小的內城地塊，其描述結果并不能體現該空間所在的本身特征。因此，使用均分額500m網格對地塊尺度的描述進行補充說明。點陣尺度研究結果則會更多地用于建筑尺度的對比，包括建筑內部的時空特征，以及建筑與地塊的時空關聯等。

　　通過3層空間尺度體系的分門別類與描述，筆者對同一研究對象進行基于地塊、網格和內部點的多維立體描述，為存量規劃所需的深度精細刻畫提供理論支持。

　　空間匹配流程與結果