雖然在典型功能及精細地塊尺度上都能有較好的分類(lèi)結果，但仍存在部分不能識別的比例，說(shuō)明單從人類(lèi)活動(dòng)的特征推測用地功能在功能更加混合的用地上區分度不夠，且小地塊的人類(lèi)活動(dòng)數量會(huì )對異常事件有敏感的反應，導致分類(lèi)結果的誤差，后續還得結合POI數據和人類(lèi)活動(dòng)的數據共同判斷地塊的用地功能。

　　2.2網(wǎng)格尺度研究結果

　　為了彌補郊區大地塊中分類(lèi)精度的不足，網(wǎng)格尺度分別對POI數據、歸一化后的48個(gè)小時(shí)分時(shí)人口曲線(xiàn)數據和原始曲線(xiàn)數據進(jìn)行空間匹配，以對單一網(wǎng)格進(jìn)行更為立體的解讀。在使用k-means進(jìn)行分類(lèi)前，通過(guò)Silhouette檢驗，分組組數為5組。

　　在POI分組中，分組依據主要為不同種類(lèi)POI的比重。5類(lèi)分組結果分別為商業(yè)商務(wù)綜合地塊、交通服務(wù)富集地塊、商業(yè)混合地塊、市級活動(dòng)中心，及居住企業(yè)學(xué)校地塊。從分組結果可以得知，POI的分組結果更偏重對商業(yè)的描述，而對居住及公共服務(wù)功能的描述則略有不足，而這也是由POI自身為商業(yè)導航的性質(zhì)所決定的。因此，使用分時(shí)人口數據分類(lèi)結果進(jìn)行疊加顯得更有必要。

　　POI分類(lèi)結果分析

　　在未歸一化的原始曲線(xiàn)分類(lèi)結果中，分類(lèi)依據主要是人口活動(dòng)規模，由低到高共分為5類(lèi)。結果主要體現了地塊的職住特性與工作日和休息日的特征差異，職住性質(zhì)分別從純工作場(chǎng)所類(lèi)到職住平衡類(lèi)再到居住娛樂(lè )類(lèi)共分5類(lèi)。而在此分類(lèi)方法中無(wú)法完好區分的居住和娛樂(lè )則可由POI的分類(lèi)結果進(jìn)行很好的彌補。

　　分時(shí)人口密度分類(lèi)結果

　　將3種分類(lèi)結果進(jìn)行疊加，排除不存在及特征重復的組合，共得到11類(lèi)用地功能分類(lèi)。與已知特征的地塊進(jìn)行比對，可以發(fā)現該用地功能分類(lèi)的結果能夠較好地對研究范圍內的500m網(wǎng)格進(jìn)行功能區分，并且區分結果可以進(jìn)行較好的解釋。

　　以筆者較為熟悉的五道口地區為例。該區域內用地功能混合度較高、類(lèi)型較為多樣。分類(lèi)結果上，筆者發(fā)現該尺度分類(lèi)方法對學(xué)校的識別效果較好，華清嘉園等小區則被識別為商務(wù)中心類(lèi)型，與其小區內數量眾多的小公司及周邊繁華的餐飲零售業(yè)的現狀相契合。各研究院所及清華科技園所在地塊在該分類(lèi)方法中也可以被較好地識別出來(lái)，呈現出與學(xué)校和零售商業(yè)不同的分類(lèi)結果。

　　疊加結果分析