出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

雷锋网按:流动是一个城市的本质,它既包含人和交通的流动,更是信息和数据的流动。这种流动性是反映城市活跃程度和繁荣程度最直接表象。滴滴借助出行大数据绘制的“城市星云图”解释了任何交通的流动。此外,这种数据轨迹还能摸索城市“脉络”,探究出 5 种城市结构分类。本文转载自滴滴媒体研究院。

相信很多人对NASA(美国国家航空航天局)发布的全球夜间灯光地图记忆犹新,它真正实现了从“上帝视角”观察各地的人类活动和经济动态。而对于一座中国城市来说,除了观察城市的灯光,还有别的方法正确观察城市的发展和动态吗?

答案自然是流动。流动是一个城市的本质,它既包含人和交通的流动,更是信息和数据的流动。这种流动性是反映城市活跃程度和繁荣程度最直接表象。

如同星云一般,每一座城市在流动中都形成了自己独特的轮廓和结构。滴滴出行大数据记录下城市的流动数据,并尝试为每一座城市描绘出客观而严谨的轮廓结构。

接下来,让我们以一种全新的姿势,欣赏滴滴出行绘就的“城市星云”。

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构 

图1 滴滴出行数据绘制的百城“星云图”

根据滴滴出行大数据,我们对出行量和人口数量较多的一百座城市进行分析,测算出这些城市的出行半径。

城市半径意味着,以市中心为原点,绝大多数(超过90%)的出行起点或终点都分布在以此为半径的圆圈之内。历经多年“摊大饼”式的扩张型发展后,北京这所超大城市的出行半径已经增长至31.7公里,几乎覆盖整个六环城区。

排名最末的沧州城市半径仅为6.0公里。要知道,沧州市内二区的面积相加为227平方公里,而出行活跃面积却只有城区的一半,半径也与北京相差了4.3倍之多。

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构表1 城市半径排行榜

毫无疑问,城市版图的扩张是经济发展和人口集聚的结果。

进一步分析,我们发现城市半径和其经济发展水平具有高度正相关联系(r=0.73)。在表1和图2中也不难发现,经济较发达、人口净流入地区的城市半径往往也更大。

城市半径榜单排名前50的城市里,有21座城市位于珠三角和长三角地区;从省际分布来看,广东、江苏和浙江分别在榜单中占据8、7、6个席位。

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构图2 城市半径与城市GDP总量、常住人口数量的关系

正如1978年签署的《马丘比丘宣言》中提出的,“交通被看做是城市的基本功能之一“,而道路网络可以说是城市交通的主要经脉。依托于路网的流动性如此之高,以至于滴滴出行平台上的交通工具每天甚至可以将北京所有道路覆盖300多遍。

接下来,我们继续使用滴滴出行的轨迹数据,摸索城市“脉络”,依次探究5种城市结构的分类

第一种是方格网式结构。这种结构来自于路网发展与传统文化的融合,较多出现在历史悠久、地势平坦且面积广泛的城市。

考虑到历史因素,方格网式结构统筹兼顾了传统文化保护与交通路网规划,不仅有利于建筑物合理布局,而且有利于公共交通系统的灵活组织。如下图所示,西安的路网结构如棋盘一般纵横交错,是方格网式城市结构的代表。

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构 图3 西安城市路网结构

第二种是环形放射式结构。这是一种从城市中心逐步向外放射的路网结构,它的非直线系数较小,有利于中心老城区与外围新城区的密切联系,一定程度上也避免了过境交通给城市发展带来的阻碍因素。

随着城市发展,环形放射式结构也在不断改良。正如图4中所示,作为环形放射式城市的典范,成都的路网整体布局是“井”字与环状放射形道路相结而合形成。 

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构图4 成都城市路网结构

第三种是狭长式结构。这种路网结构受特殊地势所限,各条道路依托城市所在的地形发展,弯延曲折,无法构成特定的某种几何图形,从而“被迫”出现南北向或东西向的狭长城市结构。

狭长式结构在山区城市比较常见,其中最典型的是重庆市。

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构 图5 重庆城市路网结构

第四种是滨海式结构。沿海城市的道路系统受陆域范围所限,而其中心区却往往离海边不远,因此容易形成自由式的不规则城市结构。

在中国,拥有滨海式结构的城市众多,其中翘楚当属深圳。

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构 图6 深圳城市路网结构

第五种是“蜘蛛网”式结构。这种城市结构往往共同出现在区域联系紧密的城市群中,尤其是珠三角地区的广、佛二市。图7中可见,佛山位于广州西南方向,两座城市的市区相隔很近,其道路网络也不乏有相连和重叠部分。

在珠三角这个高度区域一体化的地方,交通打破了行政区划边界,城市内的流动溢出成为城市间的、区域性的流动。 

出行大数据绘制的“城市星云图”是怎样的?我们还总结出了5种城市结构图7  出行大数据描绘的广佛一体化

每个人都有属于自己的城市印象。在一千个人眼中,某座城市或许有一千个不同的轮廓和结构,由此产生的城市记忆也因人而异。

通过呈现这些城市“星云图”和城市“脉络”,滴滴出行或许能够帮助我们对城市有更加宏观的了解,让我们重新思考脚下的这片土地。无论未来的技术如何发展,城市流动的本质不会改变:它归根结底是立足于人,立足于人与人之间强韧的纽带。


本文作者:新智驾

本文转自雷锋网禁止二次转载,原文链接


相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
SQL Oracle 关系型数据库
助力工业物联网,工业大数据之ODS层构建:代码结构及修改【九】
助力工业物联网,工业大数据之ODS层构建:代码结构及修改【九】
194 0
|
存储 数据采集 运维
助力工业物联网,工业大数据之业务系统结构【三】
助力工业物联网,工业大数据之业务系统结构【三】
187 0
|
2月前
|
存储 数据采集 数据可视化
Java 大视界 -- 基于 Java 的大数据可视化在城市交通拥堵溯源与治理策略展示中的应用(191)
本项目探索了基于Java的大数据可视化技术在城市交通拥堵溯源与治理策略中的应用。通过整合多源交通数据,利用Java生态中的大数据处理与可视化工具,构建了交通拥堵分析模型,并实现了拥堵成因的直观展示与治理效果的可视化评估。该方案为城市交通管理提供了科学、高效的决策支持,助力智慧城市建设。
|
3月前
|
存储 数据采集 数据可视化
Java 大视界 -- 基于 Java 的大数据可视化在城市地下管网管理与风险预警中的应用(275)
本文系统阐述 Java 与大数据可视化技术在城市地下管网管理中的应用,涵盖数据采集、三维建模、风险预警及性能优化,结合真实案例提供可落地的技术方案。
|
5月前
|
机器学习/深度学习 传感器 大数据
大数据如何化解城市交通拥堵的难题?
大数据如何化解城市交通拥堵的难题?
181 5
|
分布式计算 数据可视化 大数据
于SpringBoot+大数据城市景观画像可视化设计和实现
于SpringBoot+大数据城市景观画像可视化设计和实现
|
11月前
|
机器学习/深度学习 搜索推荐 大数据
深度解析:如何通过精妙的特征工程与创新模型结构大幅提升推荐系统中的召回率,带你一步步攻克大数据检索难题
【10月更文挑战第2天】在处理大规模数据集的推荐系统项目时,提高检索模型的召回率成为关键挑战。本文分享了通过改进特征工程(如加入用户活跃时段和物品相似度)和优化模型结构(引入注意力机制)来提升召回率的具体策略与实现代码。严格的A/B测试验证了新模型的有效性,为改善用户体验奠定了基础。这次实践加深了对特征工程与模型优化的理解,并为未来的技术探索提供了方向。
480 2
深度解析:如何通过精妙的特征工程与创新模型结构大幅提升推荐系统中的召回率,带你一步步攻克大数据检索难题
|
10月前
|
安全 搜索推荐 大数据
大数据与智慧城市:数据驱动的城市管理
【10月更文挑战第31天】在信息技术飞速发展的今天,大数据成为推动智慧城市转型的核心驱动力。本文探讨了大数据在智慧交通、环保、安防、医疗和政务等领域的应用,揭示了数据驱动的城市管理带来的深刻变革,同时分析了面临的数据安全、隐私保护和数据孤岛等挑战,并展望了大数据在智慧城市建设中的未来前景。
|
11月前
|
存储 算法 NoSQL
大数据-138 - ClickHouse 集群 表引擎详解3 - MergeTree 存储结构 数据标记 分区 索引 标记 压缩协同
大数据-138 - ClickHouse 集群 表引擎详解3 - MergeTree 存储结构 数据标记 分区 索引 标记 压缩协同
213 0
|
11月前
|
存储 消息中间件 分布式计算
大数据-137 - ClickHouse 集群 表引擎详解2 - MergeTree 存储结构 一级索引 跳数索引
大数据-137 - ClickHouse 集群 表引擎详解2 - MergeTree 存储结构 一级索引 跳数索引
153 0

热门文章

最新文章