城市中心识别地理情境的不确定性问题解决方案

即使克服了MAUP问题，所划分区域内地理情境变量的变化，也会带来不确定问题。仍以城市中心识别为例，中心区的范围除了受到分析单元的划分和尺度的影响，还会受到分析单元内人群活动和社会经济等因子变化的影响。Kwan将此问题定义为UGCoP[9]，即地理环境不确定性和情景的不确定性问题。

笔者认为，表述为地理情境的不确定性问题也许更为恰当。因为“context”是指地理分析单元内的与人类移动和行为相关的变量，既反映了地理单元的地理和物理环境，也包含了人类活动相关的因素。计算机领域将“context-aware computing”翻译为“情境（情景）感知计算”，因为“情境（context）是由人在何处，在何时，做（doing）了什么，所组成的”[10]。

由于受到时间、空间以及行为等因素的影响，这些人类活动相关的变量具有显著的时空可变性，使得研究单元的情境和内容也具有了不确定性。以城市中心的识别为例，区域内的多数人群不是处于静止状态的，人群的移动直接影响到区域的活动强度。一些区域是全天活跃状态，一些是白天活跃，另一些可能只是晚上。如图9所示为工作时间段（10：00-11：00）和晚上睡觉时间段（4：00-5：00）的手机定位数据聚集到手机基站用核密度估计的居民分布密度图，可见分析区域内地理情境（群体活动强度）的昼夜变化。在晚上睡觉时间，居民分布较分散，到上班时间聚集到城市中心，所以城市活动中心的界线也是随时间变化的。

选择典型主中心（华强北）和次中心（科技园）比较在不同时间段的群体活动强度，其空间位置如图10所示。分别计算并比较华强北和科技园在不同时间段的活动强度分布，如图11所示。

由图11可见，华强北的活动密度分布比科技园高很多，而且会随时间变化。华强北的群体活动密度分布呈“M”状，上午工作时间段活动强度迅速增加，中午下降后下午又达到很高的活动强度，峰值接近104人/km2。这是因为华强北商业、办公和居住的混合度、开发强度很高。在工作时间，大量的工作人员聚集从事就业活动，下班后仍然有很多人进行购物、休闲等活动。科技园的群体活动密度分布在工作时间变化较平缓，比华强北的活动密度小很多，昼夜变化没有华强北显著，因为科技园以写字楼为主。所以，如果研究城市中心的范围划分是以全天活动强度的平均值来衡量的，则华强北的主中心地位和科技园的次中心地位区别将大为缩小。(www.xing528.com)

图9　不同时间段群体活动密度分布
Fig.9　Activity density distributions at different periods

图10　典型主中心和次中心（华强北和科技园）
Fig.10　Typical center and sub-centers （Huaqiangbei and Science Park）

图11　活动强度随时间变化
Fig.11　Activity density varies with time

这个地理情境的不确定性问题在城市中心区的识别上较为简单，但是涉及其他对地理情境更为敏感的空间分析领域，地理情境变量的选择和动态变化所带来的不确定性是不容忽视的[11]。