西安市中心城区城市就业中心识别与分析
发布时间：2021-07-08 21:55
城市就业中心对于城市发展的空间结构起着至关重要的作用,其就业岗位的空间分布特征反映了城市发展的产业空间结构,而其所承载的就业人口正是一个城市、片区发展活力的重要考量指标。城市就业中心影响着城市基础设施、公共服务设施、道路交通等众多系统的配置,研究其在空间上的集聚特点和布局特征能协助我们更深入地了解城市发展地规律,从而进一步指导城市空间结构地合理布局。本文研究对象西安市正处于高速发展的阶段,城市骨架扩张迅猛,合理的城市就业中心空间布局对于西安市综合发展水平的提升尤为重要。因此,有效识别西安市中心城区现有的就业中心分布特征,识别就业中心的城市功能之间的匹配关系,对于西安市整体发展的人地关系有着重要意义。在现有研究文献中,对于城市就业中心的识别多是根据历年发展规划所确定的城市就业中心进行验证性识别定位,并且由于城市发展实际情况与规划存在一定偏差,得出的结论存在时效性和准确性不足的问题。这与发展迅猛的西安市的重要地位并不匹配,在定性研究的基础之上能对于中心城区就业中心进行定量判断以及功能混合度研究对于西安市中心城区的就业中心的进一步完善和构建起着至关重要的作用。因此,本文依托城市算法模型对于城...
【文章来源】：西安建筑科技大学陕西省
【文章页数】：118 页
【学位级别】：硕士
【部分图文】：
研究框架图
西安建筑科技大学硕士学位论文167）噪声。若研究点即不属于核心点也不属于边界点，则被标记为噪声[54]。3.算法流程本文研究选取DBSCAN算法的应用流程概述如下：首先，将数据进行清洗后得到可供模型计算的数据集D；其次，输入研究所要定义的目标点邻域半径Eps以及目标点密度的阈值MinPts；然后，选取数据集D中的任意一点，根据邻域半径Eps和阈值MinPts判断其是否为核心点，若该点是核心点则寻找到其与其密度可达的所有点形成一个簇，即为识别出的一个聚类；接着，将数据集D中所有数据属性进行算法套算，找到所有核心点密度可达的簇从而找到所有的聚类类别；最后，数据集D中未被归于任何簇的点都标记为噪声。4.算法适配性第一，DBSCAN算法能够处理任意空间形态的空间点数据集，因此其不受制于因聚类空间形态而造成的识别误差；第二，该算法计算速度快；第三，该算法能够有效的辨别噪声，排除噪声点对于研究结论的影响；第四，该算法对于数据库中图2-1DBSCAN算法示意图（图片来源：网络）
西安建筑科技大学硕士学位论文193.西安市中心城区基本概况与就业人口统计3.1西安市中心城区概况西安市中心城区是市域范围内的政治、经济、文化中心，是中国重要的教育、科研、装备制造业、高新技术产业、现代服务业基地和交通枢纽，国际旅游城市和区域性信息、商贸、金融中心。本文研究范围选定西安市中心城区，根据《西安市城市总体规划（2008-2020）》，指以唐长安城为中心，以绕城高速为基本轮廓，东至灞河，西到绕城高速路，南至长安（潏河），北到渭河。其包括未央区（部分）、莲湖区、新城区、碑林区、雁塔区、长安区（部分）以及具有独立行政权限的草滩生态产业区、经济技术开发区、大明宫文化产业区、纺织城综合发展区、浐灞生态区、土门地区综合改造区、高新科技产业区、曲江文化产业区和航天技术产业区。规划到到2020年市域城镇人口控制在850万以内，城镇建设用地规模控制在865平方千米以内。中心城区2020年总人口控制在528.4万人以内，城市建设用地规模控制在490平方千米以内，人均建设用地控制在92.73平方米以内。考虑到城市发展集中连片的特征，本文研究所指的中心城区是指规划研究范围所确定的区域，面积为522平方千米，其中建设用地的面积大概为500平方千米左右。3.2相关规划分析3.2.1城市总体布局依据《西安市城市总体规划（2008-2020）》，并结合西安市发展现状，西安市城市总体布局分别在市域和中心城区的两个层面上形成了“大九宫格布局”和图3-1西安市中心城区用地规划图（图片来源：《西安市城市总体规划（2008-2020）》）
【参考文献】：
期刊论文
[1]适用于夜晚环境下多个车牌的定位算法[J]. 王东岳,苗乃树,王忠举,卢绪振,屈慧星,张波,马天行. 农业装备与车辆工程. 2018(05)
[2]基于多源数据时空熵的城市功能混合度识别评价[J]. 李苗裔,马妍,孙小明,王静远,党安荣. 城市规划. 2018(02)
[3]多中心城市就业—居住的非完全结构匹配模型[J]. 赵渺希. 地理研究. 2017(08)
[4]基于地铁刷卡数据的城市通勤与就业中心吸引范围研究[J]. 许园园,塔娜,李响. 人文地理. 2017(03)
[5]上海市人口分布与空间活动的动态特征研究——基于手机信令数据的探索[J]. 钟炜菁,王德,谢栋灿,晏龙旭. 地理研究. 2017(05)
[6]城市开发边界的“划”与“用”——我国14个大城市开发边界划定试点进展分析与思考[J]. 林坚,乔治洋,叶子君. 城市规划学刊. 2017(02)
[7]单中心还是多中心:北京城市就业次中心研究[J]. 于涛方,吴唯佳. 城市规划学刊. 2016(03)
[8]基于百度地图热力图的城市空间结构研究——以上海中心城区为例[J]. 吴志强,叶锺楠. 城市规划. 2016(04)
[9]基于POI数据的城市功能区定量识别及其可视化[J]. 池娇,焦利民,董婷,谷岩岩,马雅兰. 测绘地理信息. 2016(02)
[10]上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 丁亮,钮心毅,宋小冬. 地理学报. 2016(03)
硕士论文
[1]手机信令数据在轨道站点客流与土地利用关联性研究中的应用[D]. 方勇.深圳大学 2017
本文编号：3272404
【文章来源】：西安建筑科技大学陕西省
【文章页数】：118 页
【学位级别】：硕士
【部分图文】：
研究框架图
西安建筑科技大学硕士学位论文167）噪声。若研究点即不属于核心点也不属于边界点，则被标记为噪声[54]。3.算法流程本文研究选取DBSCAN算法的应用流程概述如下：首先，将数据进行清洗后得到可供模型计算的数据集D；其次，输入研究所要定义的目标点邻域半径Eps以及目标点密度的阈值MinPts；然后，选取数据集D中的任意一点，根据邻域半径Eps和阈值MinPts判断其是否为核心点，若该点是核心点则寻找到其与其密度可达的所有点形成一个簇，即为识别出的一个聚类；接着，将数据集D中所有数据属性进行算法套算，找到所有核心点密度可达的簇从而找到所有的聚类类别；最后，数据集D中未被归于任何簇的点都标记为噪声。4.算法适配性第一，DBSCAN算法能够处理任意空间形态的空间点数据集，因此其不受制于因聚类空间形态而造成的识别误差；第二，该算法计算速度快；第三，该算法能够有效的辨别噪声，排除噪声点对于研究结论的影响；第四，该算法对于数据库中图2-1DBSCAN算法示意图（图片来源：网络）
西安建筑科技大学硕士学位论文193.西安市中心城区基本概况与就业人口统计3.1西安市中心城区概况西安市中心城区是市域范围内的政治、经济、文化中心，是中国重要的教育、科研、装备制造业、高新技术产业、现代服务业基地和交通枢纽，国际旅游城市和区域性信息、商贸、金融中心。本文研究范围选定西安市中心城区，根据《西安市城市总体规划（2008-2020）》，指以唐长安城为中心，以绕城高速为基本轮廓，东至灞河，西到绕城高速路，南至长安（潏河），北到渭河。其包括未央区（部分）、莲湖区、新城区、碑林区、雁塔区、长安区（部分）以及具有独立行政权限的草滩生态产业区、经济技术开发区、大明宫文化产业区、纺织城综合发展区、浐灞生态区、土门地区综合改造区、高新科技产业区、曲江文化产业区和航天技术产业区。规划到到2020年市域城镇人口控制在850万以内，城镇建设用地规模控制在865平方千米以内。中心城区2020年总人口控制在528.4万人以内，城市建设用地规模控制在490平方千米以内，人均建设用地控制在92.73平方米以内。考虑到城市发展集中连片的特征，本文研究所指的中心城区是指规划研究范围所确定的区域，面积为522平方千米，其中建设用地的面积大概为500平方千米左右。3.2相关规划分析3.2.1城市总体布局依据《西安市城市总体规划（2008-2020）》，并结合西安市发展现状，西安市城市总体布局分别在市域和中心城区的两个层面上形成了“大九宫格布局”和图3-1西安市中心城区用地规划图（图片来源：《西安市城市总体规划（2008-2020）》）
【参考文献】：
期刊论文
[1]适用于夜晚环境下多个车牌的定位算法[J]. 王东岳,苗乃树,王忠举,卢绪振,屈慧星,张波,马天行. 农业装备与车辆工程. 2018(05)
[2]基于多源数据时空熵的城市功能混合度识别评价[J]. 李苗裔,马妍,孙小明,王静远,党安荣. 城市规划. 2018(02)
[3]多中心城市就业—居住的非完全结构匹配模型[J]. 赵渺希. 地理研究. 2017(08)
[4]基于地铁刷卡数据的城市通勤与就业中心吸引范围研究[J]. 许园园,塔娜,李响. 人文地理. 2017(03)
[5]上海市人口分布与空间活动的动态特征研究——基于手机信令数据的探索[J]. 钟炜菁,王德,谢栋灿,晏龙旭. 地理研究. 2017(05)
[6]城市开发边界的“划”与“用”——我国14个大城市开发边界划定试点进展分析与思考[J]. 林坚,乔治洋,叶子君. 城市规划学刊. 2017(02)
[7]单中心还是多中心:北京城市就业次中心研究[J]. 于涛方,吴唯佳. 城市规划学刊. 2016(03)
[8]基于百度地图热力图的城市空间结构研究——以上海中心城区为例[J]. 吴志强,叶锺楠. 城市规划. 2016(04)
[9]基于POI数据的城市功能区定量识别及其可视化[J]. 池娇,焦利民,董婷,谷岩岩,马雅兰. 测绘地理信息. 2016(02)
[10]上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 丁亮,钮心毅,宋小冬. 地理学报. 2016(03)
硕士论文
[1]手机信令数据在轨道站点客流与土地利用关联性研究中的应用[D]. 方勇.深圳大学 2017
本文编号：3272404
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3272404.html
