基于POI数据的尺度校正平台可见性偏差感知空间筛查框架——以开封鼓楼历史城区为例

《ISPRS International Journal of Geo-Information》：Scale-Adjusted Platform Visibility in a Historic Urban District: A Bias-Aware Spatial Screening Framework Using POI Data

　　

历史城区的地图平台可见性（map-platform visibility）并不必然随设施供给（facility supply）成比例增加。本研究构建了一个尺度校正（scale-adjusted）的空间筛查框架，用于识别平台可见性高于或低于由兴趣点（points of interest, POIs）数量所预期水平的位置。研究以中国开封鼓楼地区为案例，使用1461个兴趣点（POIs）以及由应用程序编程接口（application programming interface, API）获得的评分字段（rating fields）和图像字段（image fields）进行检验。将13个POI类别归并为4种功能类型，并在约200 m分辨率下为141个含POI网格构建熵权平台可见性指数（entropy-weighted platform visibility index）。采用交叉验证（cross-validation）线性基准（linear benchmark）估计平台可见性的尺度期望，同时利用随机森林（random forest）考察功能特征之间的非线性关联。消费—停留型设施占全部POIs的58.38%，而公共支持型设施的平台场域覆盖（platform-field coverage）显著较低。经尺度校正后，识别出20个高供给—低于预期（high-supply–below-expected）网格和21个低供给—高于预期（low-supply–above-expected）网格，作为实地核验（field verification）的候选位置。重复交叉验证显示出类别特异性稳定性，其中高供给—低于预期层的持续性较强于低供给—高于预期层；阈值检验和网格原点（grid-origin）检验则表明精确空间边界存在不确定性。因此，该框架将平台记录视为选择性观测层（selective observation layer），并利用尺度校正偏差为未来实地核验构建空间假设。其对实地审计（field auditing）的实际效用仍有待独立验证。

研究背景与问题：历史城区更新需平衡遗产连续性、当代使用、公共生活与日常服务。紧凑旧城中遗产景点、零售、宗教、居住与公共服务并存，增加目的地数量未必解决步行路径碎片化、文化锚点与日常服务连接弱、公共认知不均等问题。地图与本地服务平台日益中介目的地发现和服务获取，但平台生成或志愿地理信息具有选择性，平台界面、用户构成、商业激励、数据采集规则和应用程序编程接口（application programming interface, API）约束均影响数字可见性。历史城区中视觉显著、消费导向目的地更易积累评分和图像，公共服务、社区设施和日常文化实践可能较弱。既有研究指出数字地理信息存在代表性、选择偏差和过度解释问题；城市活力理论则强调混合使用、社会交往、时间多样性和公共空间体验。近期活力与遗产区研究多用大数据、多源传感和机器学习解释活力高低，但计数型平台指数的基本问题未充分处理：设施数量增加也增加评分、图像积累机会，高平台可见性可能部分反映设施规模。传统高—低分类不能区分设施丰富但平台可见性低于规模预期与设施较少但可见性高于规模预期的网格。研究缺口包括：功能类别平台字段可得性差异少在构建复合指数前检验；观察—期望或残差方法本身成熟，但需用于计数型平台指标；残差空间模式对模型设定、指标构成、分类阈值、网格分辨率和网格原点敏感。因此，该研究分离尺度期望与相对平台记录偏差，并在指导实地调查前评估空间信号稳定性。“bias-aware”在本研究中限于分析意义，指显式考虑尺度依赖、平台字段差异表征和空间聚合敏感性；因设施供给与可见性同源于平台API，该框架不能发现平台完全缺失的设施，也不校正相对于真实设施总体的平台覆盖偏差。平台可见性被窄定义为地图平台API返回评分和图像记录的强度与覆盖。研究问题包括：RQ1考察四功能组平台评分与图像字段覆盖差异；RQ2识别残差标准化后高于或低于设施规模预期的网格，并考察功能特征对可见性预测的贡献；RQ3评估候选层对模型拟合、指标构成、分类阈值、网格大小和网格原点的敏感性。研究人员以交叉验证线性模型估计平台可见性的尺度期望，以随机森林独立考察功能构成、设施供给与观察可见性之间的非线性预测关联，并将空间分层用于形成后续实地审计问题，而非直接规定干预。

关键技术方法（不超过250字）：研究以中国开封鼓楼历史城区为样本，数据来自高德地图Web Service API于2026年6月9日获取的1461个POI及评分、图像字段；13类归并为4类功能，在约200 m网格（0.002°×0.002°）形成141个含POI网格，84个零POI网格仅作空间背景。方法包括归一化Shannon熵构建平台可见性指数、10次重复五折交叉验证线性基准估计尺度期望、按log(1+N_i)标准化残差、九预测变量随机森林及置换重要性、嵌套交叉验证与四块空间验证、2000次Bootstrap、Moran’s I、三分位分层，以及指标删除、等权、四分位阈值、100/200/300 m网格和网格原点±0.001°敏感性检验。

研究结果：
3.1 功能供给与平台场域表征的描述性差异：API快照显示消费—停留型设施853个（58.38%），居住服务型255个（17.45%），文化旅游型197个（13.48%），公共支持型156个（10.68%）。平台场域表征并未随组规模均匀增加：文化旅游型评分可见率89.85%、图像可见率80.20%；消费—停留型图像可见率91.32%，平均每个POI有2.36条API可见照片记录；居住服务型图像可见率90.98%但评分可见率47.84%；公共支持型最低，平均0.79条可见照片记录、评分可见率7.05%、图像可见率41.67%。结论是不同功能组在平台记录中代表性不同，但组内仍有变异，四组应作为描述性分析类别。

3.2 尺度依赖与基准选择：平台可见性指数与设施数量强相关。线性基准重复五折交叉验证R²=0.9707±0.0016、MAE=0.0200±0.0005；二次模型性能近乎相同（R²=0.9706、MAE=0.0198）；单预测变量随机森林R²=0.9356，对数模型R²=0.7373。线性模型因透明简约被保留。折外残差存在尺度相关异方差（Breusch–Pagan LM=43.05，p<0.001），标准化后不再显著（LM=0.153，p=0.695）；10个网格超过Cook’s distance阈值，剔除后与基线分类一致95.04%（134/141）。标准化残差仍有正全局空间自相关（Moran’s I=0.224，p=0.001）。结论为尺度校正去除主要计数依赖，但未消除空间结构化的未解释变异。

3.3 非线性功能关联与样本外验证：九预测变量随机森林重复五折交叉验证R²=0.8523±0.0105、MAE=0.0321±0.0013；嵌套评估R²=0.8562、MAE=0.0310；空间块验证R²=0.7809、MAE=0.0391，折外预测误差Moran’s I=-0.0058（p=0.886）。置换重要性由设施计数主导：消费—停留型POI计数0.8427、居住服务型0.1311、文化旅游型0.0765，功能份额和多样性贡献较小。残差响应随机森林R²仅0.0442，表明功能变量对尺度校正后残差解释有限。结论是随机森林仅作辅助诊断，线性基准仍是尺度期望主模型。

3.4 候选审计分层与残差稳定性：总POI数量与折外残差关联可忽略（Spearman’s ρ=0.018）；标准化残差分类与原始残差分类一致87.94%。三分位规则下，高供给—高于预期15个、高供给—低于预期20个、低供给—高于预期21个、低供给—低于预期12个、过渡73个。Bootstrap显示全部15个高供给—高于预期和全部20个高供给—低于预期网格残差方向稳定；低供给—高于预期21个中13个符号稳定，低供给—低于预期12个中11个稳定，过渡73个中44个稳定。结论是稳定残差模式与采样敏感案例可区分。

3.5 候选审计分层的空间分布：符号稳定的高供给—低于预期网格集中于Wuyi Road与155 Hospital area、西南居住服务区及山西—陕西—甘肃会馆附近，表现为设施较集中但平台可见性低于尺度预期；平台数据不能判定其原因，应作为实地检验候选点。符号稳定的低供给—高于预期网格主要在Qianxinhua Street、中山路南段和鼓楼广场东南侧，表现为设施有限但平台可见性高于尺度预期，作为对照候选点。书店街—鼓楼广场—大相国寺—马道街序列仅作文化参照，虚线不代表测度步行网络、可达性模型或干预路线。

3.6 稳健性与空间敏感性：删除照片强度、评分覆盖、图像覆盖后与基线分类一致率分别为86.52%（κ=0.799）、82.27%（κ=0.734）、95.04%（κ=0.926）；等权与熵权指数几乎完全相关（ρ=0.99998），残差ρ=0.99973，五类分类一致140/141（99.29%，κ=0.989），两个焦点层41个中保留40个（97.56%）。100/200/300 m网格分别有350/141/76个非空网格，线性基准R²为0.9412/0.9707/0.9805；残差与POI数量无显著关联，但候选层比例和边界随网格变化。100次重复五折中，20个高供给—低于预期网格均以基线类为众数类，21个低供给—高于预期中12个保持；空间块验证R²=0.9703、MAE=0.0210。四分位阈值使分类一致率降至78.72%；网格原点±0.001°时，POI位置类别中位一致率55.68%（51.33–62.49%），焦点层组合保留率中位53.49%（47.87–61.05%）。结论是尺度校正降低平台可见性与设施数量关联，但精确候选位置与边界对阈值和空间划分敏感，尤其网格原点；应重视连续残差幅度和Bootstrap符号稳定性，不宜将单个网格当作固定审计单元。

讨论部分总结：讨论强调平台可见性是选择性数字表征，功能组差异属平台条件下的描述性模式，不能区分游客与居民、平台界面、商户维护、类别构成或设施特征，也不能推出公共支持型设施遗产或社会意义较低。设施规模与尺度校正可见性应作为不同维度；线性基准表现强不意味着POI数量代表城市活力，而说明计数型指标含强尺度驱动成分。标准化残差应解释为模型相对的筛查统计量，而非效率、吸引力或因果转化。随机森林仅作辅助诊断，残差响应模型解释力低，残差应视为未解释筛查信号。五类分层是采样情境，不是干预优先级或规划诊断；因无实地观察、专家评估或外部验证，候选层须作后续核验。网格原点敏感性表明不能将单个网格指定为固定审计或规划单元；应考察更广范围残差模式是否跨空间设定重现。局限包括API每POI最多3条照片、指数三分量强相关、仅141个非空网格且84个零POI网格仅作背景、供给与可见性同源API、单地区单平台单采集期、预测变量相关限制置换重要性解释、残差标准化未去除遗漏空间与平台过程因素且标准化残差仍有空间自相关、空间块验证评估尺度基准而非候选类在块内重拟合稳定性。未来应以预设实地审计结果验证候选层，并比较随机、空间均衡、POI计数和绝对可见性抽样，结合街景、步行观察、访谈、网络分析、遗产清单、营业时间记录和平台维护审计，开展跨历史城区、平台、空间单元、网格配置和采集期的复制与纵向研究。

研究结论部分翻译：本研究构建了连接功能供给测度、尺度校正、机器学习诊断和候选审计分层的证据链。在Gulou地区，消费—停留型设施在POI清单中占主导，而公共支持型设施在分析的API快照中评分和图像场域表征较低。设施数量解释了计数相关平台可见性指数的大部分变异，表明存在强尺度驱动成分。残差标准化改善了不同设施水平下尺度校正偏差的可比性，并识别出20个高供给—低于预期网格和21个低供给—高于预期网格。Bootstrap分析显示全部20个高供给—低于预期网格和21个低供给—高于预期网格中的13个具有稳定残差方向。交叉验证线性模型提供平台可见性尺度期望的主要估计，随机森林仅作为功能关联的辅助诊断。残差响应模型对尺度校正后剩余变异解释很少（R²=0.0442），因此残差被解释为未解释的筛查信号，而非特定功能机制的证据。指标删除、阈值选择和替代空间设定改变了一些分类结果。网格原点移动对单个候选单元格保留影响尤其强。因此精确网格边界和类别标签不应被解释为固定规划区。连续残差值、Bootstrap符号稳定性及跨替代空间设定的比较可刻画候选信号及其不确定性，并可能为未来实地调查设计提供信息。更广泛地，结果表明当选择性表征、尺度依赖、残差变异性、指标敏感性和面积单元效应被明确考察时，平台数据更具可解释性。该框架由此将尺度校正后的平台记录偏差转化为有证据边界的空间假设，供后续实地核验。