2.3點陣尺度研究結果

　　點陣尺度的研究目的是為了通過將原始點陣數據的48小時分時曲線數據進行聚類分析，對地塊內部的人口活動熱點及特征進行精細區分與刻畫，對地塊內部的地塊性質主導因素進行識別，發現地塊熱點。

　　在Silhouette檢驗后，k-means分類中的k取值確定為15。不同于地塊尺度與網格尺度，點陣尺度的分類結果所主要表達的是根據曲線的特征及規模反映出地塊中建筑的外輪廓和建筑中的不同功能。以西二旗為例，點陣尺度的分類結果很好地體現了西二旗地鐵站及百度大廈區域的高人口活動熱度。與此同時，也可以通過對比分類結果，對不同建筑的人口規模及活動特征進行區分。

　　點陣分類結果局部

　　另一方面，通過對分時人口數進行疊加，在點陣尺度對以人口密度為基礎的三維空間進行進一步刻畫與可視化表達，可以清晰地判斷出百度大廈是該地區人口活動的絕對熱點，同時百度大廈北側的聯想研究院則是該地塊另一人口活動熱度較高的區域。

　　點陣分類三維刻畫

　　3總結

　　分時人口密度數據解決了在規模、規律和功能3個方面的認知過程中產生的問題。

　　首先，在規模識別上，可以對分時人口規模進行深度刻畫，達到對同種功能不同級別的識別，解決傳統分析方法中對不同規模的居住區、商業區分類過程中遇到的困難。

　　第二，在活動規律識別上，打破了傳統分析方法中單一結果、缺乏時間維度的構造，對同一地塊不同時間段的特征進行了有效的反映，對地塊人口活動規律的單日內變化、工作日與周末的差異進行了突出表達。

　　第三，在城市功能認知上，結合POI的約束，可以發現傳統用地分類中無法刻畫的隱藏屬性。

　　詳情請關注《上海城市規劃》2016年第3期《見物見人——時空大數據支持下的存量規劃方法論》，作者：段冰若、王鵬、郝新華、蔡玉蘅、石淼，北京清華同衡規劃設計研究院有限公司技術創新中心。