本文使用互联网某LBS（Location-BasedService）平台人口分时活动密度数据，叠加百度POI（PlaceofInterest），通过非监督分类和非负矩阵分解的方法，分别对北京市六环内的地块尺度、500m网格尺度和25m点阵尺度进行用地功能的识别与分类。通过多维度分类结果的叠加，对研究区域的用地功能、人口时空活动特征进行深入刻画，探讨通过大数据进一步辅助存量规划的用地功能研究方法。

　　1研究方法

　　1.1研究对象及研究数据

　　本次研究范围为北京六环内区域。采用的主数据源为互联网某LBS产品的分时人口活动热度数据，是该互联网产品的桌面端和移动端APP用户使用过程中产生的过程数据。原始的数据包含3个字段，分别为数据采集点的坐标、日期和该小时的人口密度。数据采集点的网格密度为25m，呈均匀点阵分布。目前笔者通过网络爬虫，采集了2015年7月30日至8月2日北京六环以内的数据，数据量在每小时230万个点左右。

原始数据点范围

　　另外，为了对用地功能进行深入解读，笔者使用百度POI作为辅助数据源。通过百度地图提供的API（ApplicationProgrammingInterface，应用程序编程接口），笔者采集了2015年初北京市域范围内约20万个POI，涵盖居住、商业、娱乐、公共服务设施、交通、绿地等内容。每个POI点包括唯一编号、POI名称、坐标、一级分类、二级分类、用户评价等字段。

　　1.23层研究空间尺度匹配体系

　　在不同空间尺度中，分时人口数据所反映出的用地特征也有不同的侧重。

　　笔者将整个研究单元分为3层空间尺度：原始地块尺度、500×500m网格尺度、25×25m原始数据点阵尺度，分别进行数据匹配。其中，原始地块尺度对于多数空间单元能够做到较好的描述，但是对于极大的郊区地块和极小的内城地块，其描述结果并不能体现该空间所在的本身特征。因此，使用均分额500m网格对地块尺度的描述进行补充说明。点阵尺度研究结果则会更多地用于建筑尺度的对比，包括建筑内部的时空特征，以及建筑与地块的时空关联等。

　　通过3层空间尺度体系的分门别类与描述，笔者对同一研究对象进行基于地块、网格和内部点的多维立体描述，为存量规划所需的深度精细刻画提供理论支持。

　　空间匹配流程与结果