基于人口位置大数据的高校土地集约利用评价研究.pdf

83王云邓宛净基于人口位置大数据的高校土地集约利用评价研究|郝佳琦王亚华张竞文章编号：10 0 9-6 0 0 0(2 0 2 4)0 1-0 0 8 3-0 7中图分类号：F293文献标识码：Bdoi:10.3969/j.issn.1009-6000.2024.01.013基金项目：国家自然科学基金项目（42 0 0 119 6，42 2 7 12 6 4）；教育部人文社科基金项目(20YJCZH069)作者简介：郝佳琦，南京师范大学地理科学学院，硕士，主要研究方向为城乡发展与土地利用；王亚华，通信作者，南京师范大学地理科学学院，江苏省地理信息资源开发与利用协同创新中心，博士，正高级实验师，硕士生导师，主要从事城乡发展与国土空间规划研究；张竞一，南京师范大学地理科学学院，邯郸冀南新区自然资源和规划局；王云，南京师范大学地理科学学院，南通众擎信息科技有限公司；邓宛净，南京师范大学地理科学学院，西安交通大学苏州附属中学。基于人口位置大数据的高校土地集约利用评价研究Research on the Evaluation of Land Intensive Utilization inUniversities Based on Population Location Big Data郝佳琦王亚华张竞一王云邓宛净HAO Jiaqi WANG Yahua ZHANG Jingyi WANG Yun DENG Wanjing摘要：文章将人口位置大数据应用到校区尺度的土地集约利用评价中，为合理评价高校教育用地集约利用程度提供参考依据。研究发现：（1）各校区工作日与节假日、同一天不同时点人口在不同功能区的聚集情况存在差异。（2）老校区建成区面积占比较大，建筑密集，但容积率较低，人员较少、分布分散，总体利用效率较低；新校区面积较大，建筑密度较低，但容积率较高，人数众多、人口分布集中，整体利用效率更高。结果表明，人口位置大数据在高校土地集约利用评价中具有重要作用，合理评价高校教育用地集约利用程度，需将评价尺度具体到校区级，根据实际情况揭示不同校区土地集约利用水平，并在此基础上因校区施策，促进土地集约高效利用。关键词：土地集约利用评价；人口位置大数据；校区；南京师范大学Abstract:The purpose of this paper is to apply big data of population location into the evaluation of landuse intensity of campus scale,and provide a scientific basis for the rational evaluation of the degree ofintensive use of educational land in universities.The study found that:I)There are obvious differences inthe population gathering situation of each campus on working days and holidays.At different time points,the population gathering situation in different functional areas has difference.2)Although the old campushas a large built-up area and dense buildings,it has a low floor area ratio,fewer people,a more scattereddistribution,and low overall utilization eficiency;The new campus has a large area and low building density,but a high floor area ratio,with a large number of people and a concentrated population distribution,theoverall utilization eficiency is higher.In conclusion,the study demonstrates that population location big dataplays an important role in the evaluation of intensive use of land in universities.To correctly evaluate thedegree of intensive use of educational land in universities,it is necessary to specify the evaluation scale tothe campus level and reveal the intensive use of land in different campuses according to the actual situationof diferent campuses.On this basis,universities should implement corresponding policies based on campusconditions to promote the intensive and effective use of land.Key words:the land evaluation of intensive utilization;population location big data;campus;NanjingNormalUniversity0引言自二十一世纪以来，土地集约利用被各部门高度重视，国家实施集约用地战略，并组织开展城市集约利84规划与建设PLANNINGANDCONSTRUCTION现代城市研究2024.01用评价。高校教育用地是城市建设用地的重要组成部分，对城市土地集约利用有着重大影响，在科教兴国背景下，高等教育快速发展，但也产生了系列问题，部分校园土地利用效率低下、铺张浪费，甚至存在违法违规利用土地的现象2-3，这与城市发展对土地集约利用的要求形成矛盾。因此，基于我国当前的基本国情及社会经济可持续发展需要，从规范管理和土地利用等角度，对我国不同类型高校的适宜规模、合理布局以及高校教育用地的集约利用进行探究具有重大意义。为了规范校园土地使用，发掘高校建设用地的开发潜力，2 0 11年以来，我国开展了高校教育用地集约利用评价试点工作，并出台了高校教育用地集约利用评价规程（试行）（以下简称规程），高校土地集约利用逐渐受到了关注。当前关于高校用地的研究主要聚焦于高校土地利用问题探究3、土地集约利用评价14-7、解决方法18 1以及空间分异特征12.9 1等方向，涵盖了理论与实证等视角，以及省域、市域等尺度F2.4.7,9研究成果较为丰硕。现有研究多以高校为最小单位，也便于从统计资料获取全校数据。而随着2 0 世纪末以来的大学城建设浪潮，多数高校均建设了新校区，各高校新校区在建设时序、发展战略、利用方式上各不相同，新、老校区承载的人口、教学活动及土地集约利用程度也因校区而异。因此，仅以全校统计数据研究高校土地利用，无论是研究尺度的精确性，还是研究结果的准确性都难以满足新时期高校发展的需要。也因单一校区动态人口数据源难以获取等原因，目前进一步基于校区而非全校尺度的研究较为少见。另一方面，现有研究数据多以静态统计数据为主，随着高校日益开放，人员结构逐渐复杂，仅包括师生的静态统计数据难以有效地反映校区内部多元化的人员实时使用情况。由此可见，高校土地集约利用水平急需借助能够分别反映不同校区内部人口聚集活动实时变化的新型数据进行评价，进而对比新老校区的土地利用特征，为更好地完善各校区的职能、促进校区因地制宜地集约利用土地提供科学依据随着互联网不断发展，人口位置大数据为土地利用研究提供了极大便利，为城市研究提供人地关系的时空关联，可以通过收集信令数据，研究土地利用效率、交通设施利用率以及人口的空间分布特征等热点问题页10-17 也可以优化以往集约利用评价中动态性不足的问题。目前单独针对大数据在高校教育用地中的应用较少，因此本文在高校土地集约利用评价中引人人口位置大数据，以期完善规程中的数据来源与评价方法综上所述，将人口位置大数据引人校区微观尺度的土地集约利用评价中，其研究意义在于相比传统静态统计数据，人口位置数据有数据量大、精准度高、处理方便、主观性小等优点，借助人口位置大数据，可以实时分析地块内部人口规模及其流动情况，为从校区微观尺度评价土地集约利用水平提供了新思路，分析了解不同校区的使用情况，对比各校区的使用特征，为比较新老校区不同土地利用情况、更好地完善各校区的职能提供参考依据。1研究区域及研究数据南京师范大学是典型的拥有新老校区的高校之一（图1），截至2 0 19年3月共有在职教职工312 0 人，在校普通本科生17 37 9 人，在校研究生共11245人，总建筑面积446 0 5m。随园校区位于南京市鼓楼区，校区总占地面积347 7 6 8.16 m，校区内包含17栋历史建筑，现主要用作教学科研场所。仙林校区位于南京市栖霞区，总面积2 6 2 9 2 19 m，校区始建于19 9 9 年，其内部水系、山体与建筑相融合，该校区重点用于培养本科生，重点发展对实验设施条件要求高的理工科。1.2数据来源与处理对2 0 19 年1月1日一1月7 日连续一周内南京师范大学两个校区范围内的腾讯位置大数据（）进行跟踪（因数据获取原因，本研究中仙林校区范围不含南区），数据精度为10 m10m，截取时间为0 点至23点，总计提取位置信息数据336 份，其中2 一5号为工作日，1、6、7 号是休息日。通过工作日与休息日不同时刻的人口位置大数据，用曲线图反映7天2 4小时校区人口规模的规律性变化，分析不同校区不同时刻人数变化规律及原因。选取人口位置大数据各日峰值的均值作为校区使用人数，用此数据计算各校区土地集约利用水平。研究区南京师范大学随园老校区与仙林新校区的土地利用现状数据采用南京师范大学教育用地集约利用评价基础成果数据，在该数据基础上通过实地考察，对地类进行判读和核实，获得各校区土地利用类型图（图2），通过GIS统计各图斑、地类的面积（图3）。从图中可以看出仙林校区内山体广布，水面、山体等不可建设用地占比远远高于随园校区。2研究方法2.1核密度分析法核密度分析用于计算点、线要素测量值在指定邻域范围内的单位密度，可以直观反映离散测量值在连续区域1.1研究区域N六合区栖俊区波楼险南京师范大学仙林校区南京师范大学随园校区玄武浦区建娜区泰淮区雨花奇江宁区澡水区图例校区位置市界区界商潭区010km图1南京师范大学各校区位置85王云邓宛净基于人口位置大数据的高校土地集约利用评价研究|郝佳琦王亚华张竞内的分布情况。使用ArcGIS将人口位置大数据与各校区用地类型图层进行配准，再对位置大数据进行修正、裁剪，根据各点权重通过数据库计算校区内人数后，使用核密度分析法，绘制热力图，以反映不同时点校区内部人员聚集变化情况1f(u)=Z1kC-xiy-yi)(1）nh2hh式中：k(,函数为核函数；h为带宽；n为与u距离小于或等于带宽的样本点数量 18 2.2基于人口位置大数据的高校土地集约利用评价方法2.2.1指标体系构建及标准值确定基于已有规程，选取8 个正负项指标构建基于人口位置大数据的校区土地利用集约评价指标体系，从而反应高校教育用地集约利用情况，其中各指标权重咨询专家予以确定。同时，集约利用评价结果的合理性和科学性与指标的标准值确定关系密切，本文参考城市用地分类与规划建设用地标准城市绿化规划建设指标的规定高等学校建设用地指标普通高校建筑规划面积指标普通高等学校基本办学条件指标合格标准普通高等学校体育场馆设施、器材配备目录中的相关规定及吴菊等学者对高校教育用地集约利用评价相关研究 4中所确定的标准值作为各项指标的标准化依据（表1）。2.2.2基于人口位置大数据的不同尺度校区集约利用水平计算依据规程中所规定高校教育用地利用分类情况与高校各校区的土地分类使用情况，分类统计各类用地面积，并依据人口位置大数据确定校区使用人数。结合构建的基于人口位置大数据的校区土地利用集约评价指标体系对标准化后的各指标数据加权计算，得出不同校区集约度值，从而对高校校区的用地集约程度进行评价。各指标数据标准化的方法为N100%（正向指标）S(2)100%（负向指标）(3)式中：S，表示标准化后的评价指标，N，表示指标的现状值，T，表示指标的标准值，土地集约利用评价指标体系中涉及的人均指标，为了体现各校区的最大利用程度，选取人口位置大数据各日峰值的均值为校区使用人数，计算方法为：maxlaP=(4)d式中：P表示确定的合理人口数量，d表示所涉及的天数，maxl.表示某日人口峰值时刻的人口数。3结果分析3.1基于人口位置大数据的各校区人口聚集情况分析3.1.1各校区人口空间聚集变化情况对人口位置大数据进行空间纠正，与用地类型图配准，并使用校区用地随园校区用地类型图仙林校区用地类型图670140280420500图例教学实验行政管理用地集中檬化用地图书馆用地停车场用地食堂用地专门实习用地图例风南摄场用地附端建筑用地会用地教学实验行政管理用地其他已建城土地学生容合用地翻书馆用地未建土城道路广场用地食堂用地其他校含建筑用地山体风洲授场用地停车场用地宣外体有设施用地其他不可建设士地学生宿舍用地专门卖习用地道路广场用地附属建筑用地其地校舍建筑用地其他已建戒土地童外体育设施用地水面集中绿化用地山体图2随园校区（左）、仙林校区（右）用地类型图资料来源：南京师范大学区域发展与规划研究中心，南京师范大学教育用地集约利用评价，2 0 12 年。各校区一级类土地面积各校区二级类土地面积各校区三级类土地面积140001400001000001200000120000035000100000100000030000025000080000800000随园校区200006000006000001.50000400000400000仙林校区1000002000002000005000000已盘成土地未建成土地R不可建设主地C室外体育设施用地2世车场用带其他己建校合建效用地集中绿化用地专门属建筑田在未水山其他教学实验行政管理用地心食量用地风南操场用地学生宿合用地道出书错用地型络广场田其他校含建筑用地建建体类别名称主工CTC2C3地地进城土地子地用BiB2A13A15B地地地A12地地Ai入3A5A5A14A16A17A7A18A1图3各校区各级各类用地面积表1基于人口位置大数据的校区土地集约利用评价指标体系权重、标准值及确定依据标权重指标指标含义属性权重参考依据标准值已建成土地、在建土地利校区被完全开发利用才能达土地利用率土地面积之和/已建用程度0.12正向1.00到土地利用的理想值，所以100%(B1)成土地、未建成土(A1)理论上校区利用率应为10 0%地面积之和根据普通高等学校基本办校舍建筑用地校舍建筑用地/已建学条件指标合格标准与正向0.7865%土地利率（B2）成土地面积城市用地分类与规划建设用结构0.36用地标准中的相关规定(A2)根据城市绿化规划建设指集中绿化用地集中绿化用地面积/负向0.22标的规定与高等学校建20%率（B3）已建成土地面积设用地指标中的相关规定根据高等学校建设用地指校舍综合容积校舍总建筑面积/校正向0.28标中对普通高校容积率的1.4率（B4）舍建筑用地面积相关规定校舍建筑密度校舍建筑基底面积/根据普通高校建筑规划面正向0.2225%(B5)校舍建筑用地面积积指标中的相关规定土地利人均用地校区已建成土地总根据普通高等学校建筑面用强度0.52负向0.1835m人(B6)面积/校区使用人数积指标中的相关规定(A3)人均校舍建筑校舍建筑用地面积/根据普通高等学校建筑面负向0.1720m人用地（B7）校区使用人数积指标中的相关规定人均室外体根据普通高等学校体育场室外体育建设用地育设施用地负向0.15馆设施、器材配备目录中5.6m人面积/校区使用人数(B8)所规定的指标值86规划与建设PLANNINGAND CONSTRUCTION现代城市研究2024.01边界对腾讯位置大数据进行裁剪，得到7 日内每小时人口位置数据。对位置数据进行核密度分析，以各校区12时为基准采用自然间断点分类法进行聚集程度划分，从而观察人员在校区内的空间分布情况。以工作日1月2日每4h人口空间分布热力图为例进行分析。从空间分布来看，随园校区人员分散于整个校园，在宿舍、教学楼图书馆处有明显聚集。因随园校区学生宿舍较少，住校生也较少，师生主要聚集于教学区（图4）。仙林校区人员主要聚集于各宿舍、敬文图书馆及各教学楼区域，学生宿舍聚集情况远高于其他区域。由于学校对校区内山体有保护措施，校区内山体部分几乎没有人员活动（图5）。对比两个校区人口随时间变化的热力图可以看出，从8 时起随着时间的变化，人口在校园内逐渐聚集。同时两个校区的热力图均反映出宿舍区域在一天内聚集度都较高。此外，相较于仙林校区，随园校区人口分布较为分散，这与随园低矮的建筑特征有关。因此，通过分析可知，位置大数据所反映的校园使用情况与校区内部实际使用情况相吻合。3.1.2各校区人口数量随时间变化情况通过统计校区内各小时采集的人数，制作人口变化曲线图（图6）。在采集数据的一周中，2、3、4、5日为工作日，1、6、7 日为休息日，此处选择1、2、3、6 日为例，对一周中校区内人口变化的情况进行说明。1月2日作为新年度办公第一天，人数最多，而1月1日作为节日假期，校区内部人数最少。特别值得注意的是，1月7日虽然为休息日，却是南京师范大学2018一2 0 19学年第一学期考试周开始的第一天，由于学生留校考试、复习，教职工对考试事宜安排等，本日校区内人数情况与普通工作日基本持平。从时间变化规律的角度来看，随园校区工作日人数远多于休息日，每日12 时左右校区人数通常较多（图7、图8）。由于随园校区位于市中心，校园内环境优美，有多种体育设施，吸引附近居民等使用校园内部设施，内部人员构成情况较为复杂，因此休息日日间没有明显的聚集情况变化。仙林校区除了1月1日元旦法定节假日，部分老师和学生离校，相比平时人数减少，其余时间校区内部工作日聚集的人数普遍多于休息日，与随园校区有相同的特征（图9、图10）。从小时尺度来看，人员聚集情况随时间变化波动明显。随园校区在8时随工作时间开始，人员急剧上升，在10 时左右就达到平稳。日间人数情况变化较小，工作时段过后，人数开始下降。仙林校区人口曲线在零点后下降，因进入睡眠时间，人口流动和对手机使用的减少，被采集的人数减少。而在6 时，随着一天的开始，人数开始逐渐上升，在13时左右平稳，直到第二天夜间下降。3.2校区微观尺度教育用地集约利用评价通过位置数据，获取两校区人口数量。其中随园校区9116 人，仙林校区40 0 13人，共计4912 9人，远大于统计数据中的在校师生人数，表明了位置大数据更能够具体反映新、老校区实时人口规模，一定程度上揭示了各校区以师生为主体、校外人员为辅的多元化功能承载机制，这对高校教育用地集约利用水平评价具有重要意义。根据统计和计算所得的校区内部人数（表2）与校区各类用地面积，结合评价体系中各指标的计算方法，得到两校区的用地评价指标值，进0时4时8时12时16时20时图例边界不明显聚集低聚集明显聚集中度聚集高度聚集图4随园校区工作日2 4h人员聚集变化情况0时4时8时12时16时20时图例边界不明显聚集低聚集明显聚集中度聚集高度聚集图5仙林校区工作日2 4h人员聚集变化情况87王云邓宛净基于人口位置大数据的高校土地集约利用评价研究|郝佳琦王亚华张竞人数/人仙林校区七日人口变化曲线人数人随园校区七日人口变化曲线600001800016000500001400040000120001日1日一2 日100002日300003日3日4日80004日5日5日6日6日2000060007日7日40001000020000181920212223时5681415678910167181920212223时图6校区不同时间人口变化曲线图人数人人数/人1400016000120001400012000100001000080008000600060004000400020002000000681011121314151617181920212223时045678991011121314151617181920212223时随园校区1月2 日人口变化曲线随园校区1月3日人口变化曲线图7随园校区工作日人口变化曲线图人数人人数人14000140001200012000100001000080008000600060004000400020002000000123 4567891011121314151617181920212223时0581011121314151617181920212223时随园校区1月1日人口变化曲线随园校区1月6 日人口变化曲线图8随园校区休息日人口变化曲线图人数/人人数/人50000500004000040000300003000020000200001000010000000234567891011121314151617181920212223时02 34567891011121314151617181920212223时仙林校区1月2 日人口变化曲线仙林校区1月3日人口变化曲线图9仙林校区工作日人口变化曲线图88PLANNINGANDCONSTRUCTION规划与建设现代城市研究2024.01一步标准化得到两校区各项指标得分，加权计算出两校区集约度得分（表3）。总体上来看，随园校区集约度相比仙林校区低。结合核密度分析得出的人口空间分布热力图，可以看出白天教学区的用地集约情况非常明显，且在宿舍区、教学区都有聚集。而深夜由于手机使用者减少，且主要集中在宿舍区域，在教学区几乎没有聚集。并且两校区在工作日聚集程度都高于节假日，白天校区内人数渐渐增多，夜晚下降。通过对比各项指标可以发现两校区集约水平存在着一定差异，随园校区已建成土地占比高于仙林，但由于随园校区内部历史建筑低矮，容积率低，且内部学院较少，人员数量少、分布较为分散，所以总体校区利用率低；仙林校区面积大，容积率较高，人数众多，人员分布集中，总体利用效率更高。作为第一个人驻仙林大学城的高校校园，仙林校区经历了2 0 年的发展与建设，已承担起其主校区的职能，达到了集约发展的水平，进人了发展的成熟期。随园校区作为南师大最老的校区，其教育科研职能逐渐向仙林校区转移。两校区使用差异形成的原因在于，随园校区学生以研究生为主，人数较少，活动时间与空间限制较小，且由于随园校区位于南京市中心，周围有很多居民区，人员构成复杂，因此在校园内大部分场所均有活动。仙林校区作为南京师范大学主校区，是大部分学生的所在地，由于课程安排和宿舍管理限制，活动场所比较固定，且校区地址位于较为偏远的栖霞区，周围以高校、商业区为主，校外人员往来与随园校区相比较少，所以人员分布在教学区、宿舍区等地的聚集非常明显。4结论人口位置大数据可为土地集约利用评价研究提供更为动态、精确的时空尺度。本研究将高校土地集约利用评价尺度由全校细化至校区，通过人口位置大数据这一新型数据，构建新的校区土地集约利用评价体系，实时分析南京师范大学的新老校区不同时间点的人口规模及分布情况，并对新老校区土地集约利用情况进行对比分析，得到如下研究结论：（1）高校教育用地集约利用评价有必要从全校尺度细化到校区尺度。高校新、老校区在建设时序、职能定位、发展战略、利用方式上各不相同，新、老校区承载的人口、教学活动也因校区而异，其土地集约利用程度也呈现多样化特征。这就需要将评价尺度具体到校区层级，根据不同校区承担的职能、人口分布特征等信息展开具体评价，从而揭示不同校区的土地集约利用水平，并在此基础上因校施策，有效盘活存量建设用地，促进土地集约高效利用。相关文献对于山东高校的研究结论显示，存在高校部分新校区集约利用水平低于老校区的情况 4，而本研究评价结果则显示，南京师范大学新校区集约利用水平高于老校区。因此，不宜仅凭校区新老简单判断其土地集约利用水平的高低，将评价尺度细化到校区更具有现实意义。（2）人口位置大数据可为高校教育用地集约利用评价提供校区尺度的人数人人数人50000500004000040000300003000020000200001000010000000256891011121314151617181920212223时0467891011121314151617181920212223时3435仙林校区1月1日人口变化曲线仙林校区1月6 日人口变化曲线图10仙林校区休息日人口变化曲线图表2不同日期校区使用人数校区随园人仙林人1日5666284772日10758526013日15948422744日9264428895日6368389356日6507345797日929840339均值911640013表3两校区各指标得分与集约度得分随园校区仙林校区指标现状值指标标准化得分现状值指标标准化得分土地利用率100.00%10012.0096.90%96.9011.63校舍建筑用地率58.72%90.3325.3662.11%95.5526.83集中绿化用地率20.71%96.577.6521.49%93.077.37校舍容积率0.77558.011.0172.1410.50校舍建筑密度20.40%81.69.3431.40%10011.44人均用地/（m/人）36.1096.959.0730.811009.36人均校舍建筑用地/（m/人）21.2094.338.3419.131008.84人均室外体育设施用地/（m/人）4.631007.803.191007.80集约度87.5793.7789王云邓宛净基于人口位置大数据的高校土地集约利用评价研究郝佳琦王亚华张竞实时动态的人员聚集信息。高校校区人员结构较为复杂，校外人员及高校非在编人员实际上也在使用校区内的各项设施。因此根据统计和折算得出的师生静态统计数据与实际在校区范围内使用学校各项设施的人数差距明显，难以满足新时期高校集约用地集约利用评价的需要。研究揭示了人口位置大数据可实时动态观测不同校区的人员的聚集情况，对于校区尺度的土地集约利用研究具有重要应用价值。人口位置大数据为土地集约利用评价提供了新思路，但也存在着数据精度及可获取性等方面的缺陷，本文因此也存在一些不足之处。研究时间范围仅覆盖2 0 19年1月1日至7 日，尽管已经能够反映校区日常使用情况，因未能获取长时间段数据，研究未能进一步反映寒暑假期与教学期的区别，研究结果可能存在一定精度误差。下一步将针对该问题，对长时间段内校区土地集约利用情况开展进一步研究。参考文献：王向东，龚健.土地集约化利用评价及其实证研究 J.经济地理,2 0 16,36(5):17-2 5.2王泽东，张小林，袁源，等.高等教育用地集约利用的分异特征及其影响因素：基于山东省12 4个高校校区调研数据 J.经济地理,2 0 2 0,40(10):16 4-17 0.3谭术魁，周蔓.武汉地区高校对土地集约利用政策的响应 J.资源科学2 0 12,34(1):143-149.4吴菊，袁源，王亚华，等.多尺度视角下高校教育用地集约利用评价研究：以山东省为例 J.中国土地科学,2 0 18(10):6 7-7 4.5孙煌，华宝龙，杨轻秒，等.基于嫡权法的“双一流”高校土地集约利用评价与对策 J地域研究与开发,2 0 2 0,39(6):149-153.6张亚丽，翟晓艺，蒙吉军，等.高等学校老校区土地资源集约利用评价研究 J.地域研究与开发,2 0 15,34(3):10 7-111.7石忆邵，谢萌秋.基于熵值法的大学城土地利用综合评价：以广州大学城为例 J.现代城市研究,2 0 13,2 8(1):98-10 2.8覃莉，陶晓龙，周旭，等.中国高等学校建设用地标准研究 J.中国土地科学,2 0 10(10):6 7-7 4.9陈思，李淑杰，范晓锋，等.长春市高校教育用地集约利用评价及空间差异分析 J.东北师大学报（自然科学版）2 0 16,48(1):133-140.10王德，顾家焕，晏龙旭.上海都市区边界划分：基于手机信令数据的探索 J.地理学报,2 0 18,7 3(10):18 96-190 9.11孙鸿，甄峰，罗桑扎西.基于网络大数据的城市内部便利性供需空间特征研究：以南京市中心城区为例 J.人文地理,2 0 18,33(6):6 2-6 8.12 ZHOU X X,DING Y,WU C B,et al.Measuring the spatial allocation rationality ofservice facilities of residential areas based oninternet map and location-based service dataJ.Sustainability,2019,11(5):1337.13YUAN Y,LI H B,ZHANG X L,et al.Emerging location:based service data onperceiving and measuring multifunctionalityof rural space:a study of Suzhou,ChinaJ.Sustainability,2019,11(20):5862.14尹凌，姜仁荣，赵志远，等.利用手机通话位置数据估计城市2 4h人口分布误差.地球信息科学,2 0 17(6):7 6 3-7 7 1.15 WANG Y X,DONG L,LIU Y,et al.Migration patterns in China extracted from mobilepositioning dataJ.Habitat international,2019,86:71-80.16许珺，徐阳，胡蕾，等.基于位置大数据的青藏高原人类活动时空模式 J.地理学报,2 0 2 0,7 5(7):140 6-1417.17袁源，毛磊，李洪庆，等.基于位置大数据的城市居住用地效率指标构建及评价研究.地球信息科学学报,2 0 2 2,2 4(2):2 35-2 48.18马洪石，王行风，薛磊，等.应用时空核密度估计的室内疏散过程分析方法 J.测绘科学,2 0 2 1,46(11):147-152.