随着城市化步伐的加速，城市区域规模与空间结构发生了深刻变化。城市是人类社会活动聚集的区域，作为物质、能量与信息交流的中心，城市的发展对人类活动和自然环境产生了较大的影响。因此，深入开展城市空间结构研究对人们的生产生活至关重要。早期对城市空间结构的研究主要依赖于城市居民人数以及土地类型来展开，而缺乏一定的时效性和深度。大数据时代的快速发展，为城市空间结构研究提供了新的思路和方法。本文以呼和浩特市中心城区为研究对象，首先基于Points of Interest（POI）数据、NPP-VIIRS夜间灯光数据和OpenStreetMap（OSM）路网等数据，通过城市功能区识别、空间集聚分布特征和路网形态结构等方面对中心城区的空间结构特征进行探究。其次，采用皮尔逊（Pearson）相关性分析，探讨城市空间句法变量与各类功能区分布相互的联系性。最后，基于空间结构特征，分析呼和浩特城市空间结构存在的问题，提出相应的优化目标与策略。主要研究结论如下：

（1）空间结构分布方面，呼和浩特市中心城区整体及各类POI功能区空间集聚特征明显，分布呈西南-东北走向。各类功能区标准差椭圆所覆盖的地理范围相差较小，其分布重心均位于呼和浩特市二环线以内的区域，形成了“多集聚、多中心、条状延伸”的空间分布格局。城区核心区域呈中心聚集的分布模式，分布密度由中心位置向边缘逐渐递减。中心城区夜间灯光亮度与POI功能区空间耦合性整体较好，耦合一致性比例为70.79%，集中分布在石羊桥路、中山西路、新华大街和新华东街附近。

（2）空间相关性方面，呼和浩特市中心城区各类POI功能区在空间分布上均存在显著的空间正相关关系。其中，居住功能区在六类功能区中空间相关程度最高，莫兰指数的值为0.8348，而绿地与广场功能区莫兰指数的值最小，为0.4083。中心城区冷点集聚区主要分布在新城区、回民区、玉泉区和赛罕区四区的边缘地带。相对而言，热点集聚区则集中在地铁一、二号线交汇的新华广场周边，这里POI功能区设施完备，成为城市居民日常活动的重要枢纽。

（3）路网形态特征方面，呼和浩特市中心城区的路网发展较为成熟，从1000m到5000m的多尺度半径区域内道路空间之间的连接性较好。路网可达性等级高的道路均集中分布在中心城区范围内，与POI数据所识别的功能空间相吻合。在全局尺度下，由新华东街至机场高速路、新华大街至新华西街连接东西方向城区的长轴线选择度较高，成为疏导中心城区东西连接的主要轴线。此外，各类功能区设施在功能上的相似性、互补性和差异性也影响了其与路网结构在空间上的布局。

With the acceleration of urbanization, profound changes have taken place in the size and spatial structure of urban areas. Cities are areas where human social activities converge. As centers for the exchange of materials, energy, and information, urban development has a significant impact on human activities and the natural environment. Therefore, conducting in-depth research on urban spatial structure is crucial to people's production and life. Early research on urban spatial structure mainly relied on the number of urban residents and land types, lacking certain timeliness and depth. The rapid development of the big data era provides new ideas and methods for the study of urban spatial structure. This paper takes the downtown area of Hohhot as the research object. Firstly, based on Points of Interest (POI) data, NPP-VIIRS nighttime light data, OpenStreetMap (OSM) road network and other data, the spatial structure characteristics of the downtown area are explored through the identification of urban functional areas, spatial agglomeration and distribution characteristics, and road network morphological structure. Secondly, Pearson correlation analysis is used to explore the correlation between urban spatial syntactic variables and the distribution of various functional areas. Finally, based on the characteristics of spatial structure, the paper analyzes the problems existing in the spatial structure of Hohhot and proposes corresponding optimization goals and strategies. The main research conclusions are as follows:

(1) In terms of spatial structure distribution, the spatial agglomeration characteristics of Hohhot's downtown area and various POI functional areas are obvious, with a distribution trend from southwest to northeast. The geographical scope covered by the standard deviation ellipses of various functional areas has a relatively small difference, and their centers of distribution are all located within the Second Ring Road of Hohhot, forming a spatial distribution pattern of "multiple aggregations, multiple centers, and stripe extensions". The central area of the city takes on a centralized distribution pattern with its distribution density gradually decreasing from the center to the edge. The spatial coupling between the brightness of night lights in the central urban area and POI functional areas is generally good, with a coupling consistency ratio of 70.79%. They are concentrated near Shiyangqiao Road, Zhongshan West Road, Xinhua Street, and Xinhua East Street.

(2) In terms of spatial correlation, there is a significant spatial positive correlation between the spatial distribution of various POI functional areas in the central urban area of Hohhot. Among them, the residential functional area has the highest spatial correlation degree among the six types of functional areas, with the Moran's I of 0.8348, while the green space and square functional area has the smallest Moran's I, which is 0.4083. The cold spot clusters in the central urban area are mainly distributed on the fringes of the four districts of Xincheng, Huimin, Yuquan, and Saihan. In contrast, hot spot clusters are concentrated around Xinhua Square, where Metro Lines 1 and 2 intersect. With complete POI functional facilities, this area has become an important hub for urban residents' daily activities.

(3) In terms of road network morphological characteristics, the road network development in the central city of Hohhot is relatively mature, and the connectivity between road spaces within multi-scale radius areas ranging from 1000m to 5000m is good. Roads with high road network accessibility are concentrated in the central city area, which coincides with the functional space identified by POI data. At the global scale, the long axis connecting the east-west direction of the city from Xinhua East Street to the Airport Expressway, and Xinhua Main Street to Xinhua West Street, has a high selectivity, becoming the main axis for guiding the east-west connection of the central city. In addition, the functional similarity, complementarity, and differences of various functional facilities also affect their spatial layout with the road network structure.

[1] 方创琳. 新发展格局下的中国城市群与都市圈建设[J]. 经济地理, 2021, 41(4): 1-7.

[2] 朱政, 朱翔, 李霜霜. 长江中游城市群空间结构演变历程与特征[J]. 地理学报, 2021, 76(4): 799-817.

[3] 曹劲舟. 大数据驱动的个体出行模式与城市空间结构交互研究[J]. 测绘学报, 2021, 50(6): 849.

[4] 封志明, 游世情, 游珍. 基于交通大数据网络的中国城市群空间识别和结构特征研究[J]. 地理研究, 2023, 42(7): 1729-1742.

[5] 彭诗尧, 陈绍宽, 许奇, 等. 基于POI的土地利用与轨道交通客流的空间特征[J]. 地理学报, 2021, 76(2): 459-470.

[6] 薛冰, 赵冰玉, 李京忠. 地理学视角下城市复杂性研究综述——基于近20年文献回顾[J]. 地理科学进展, 2022, 41(1): 157-172.

[7] 古荭欢, 孙斌冻. 城市社会空间结构及其演变——从芝加哥、洛杉矶到上海[J]. 地理科学, 2023, 43(2): 185-196.

[8] 孙文萍. 近现代工业布局影响下的苏北城市空间结构演变研究[D]. 北京: 中国矿业大学, 2022.

[9] Anas A, Arnott R J, Small K A. Urban Spatial Structure[J]. Journal of Economic Literature, 1998, 36(3): 1426-1464.

[10] Castells M. The Informational City: Information Technology, Economic Restructuring and the Urban-Regional Process [M]. Oxford: Blackwell, 1989.

[11] Aksana Y, Piotr P. Smart Energy for a Smart City: A Review of Polish Urban Development Plans[J]. Energies, 2022, 15(22): 8676-8676.

[12] 周春山, 叶昌东. 中国城市空间结构研究评述[J]. 地理科学进展, 2013, 32(7): 1030-1038.

[13] 徐旳, 朱喜钢, 李唯. 西方城市社会空间结构研究回顾及进展[J]. 地理科学进展, 2009, 28(1): 93-102.

[14] 曾鹏, 黄图毅, 阙菲菲. 中国十大城市群空间结构特征比较研究[J]. 经济地理, 2011, 31(4): 603-608.

[15] 朱政, 朱翔, 李霜霜. 长江中游城市群空间结构演变历程与特征[J]. 地理学报, 2021, 76(4): 799-817.

[16] 肖骁, 谢晓萍, 李京忠, 等. 新时代城市空间结构变革与转型[J]. 中国科学院院刊, 2023, 38(8): 1118-1129.

[17] 姜莉莉, 袁家冬, 邸玉双, 等. 吉林省城市空间结构及地方中心城市腹地范围界定[J]. 地理科学, 2020, 40(8): 1319-1327.

[18] 周杭, 樊红. 基于众源地理数据的城市功能区及其热点的识别研究[J]. 武汉大学学报(工学版), 2022, 55(4): 417-426.

[19] Luo J, Ye J Y, Wang J F, et al. Urban Functional Zone Classification Based on POI Data and Machine Learning[J]. Sustainability, 2023, 15(5): 4631-4631.

[20] Xue B, Xiao X, Li J Z, et al. Multi-source Data-driven Identification of Urban Functional Areas: A Case of Shenyang, China[J]. Chinese Geographical Science, 2022, 33(1): 21-35.

[21] Qin Q, Xu S H, Du M Y, et al. Identifying urban functional zones by capturing multi-spatial distribution patterns of points of interest[J]. International Journal of Digital Earth, 2022, 15(1): 2468-2494.

[22] 吴佳楠, 储君, 孙裔煜, 等. SOFM网络下的深圳市城市用地功能识别分析[J]. 北京大学学报(自然科学版), 2022, 58(4): 664-672.

[23] 杨振山, 苏锦华, 杨航, 等. 基于多源数据的城市功能区精细化研究——以北京为例[J]. 地理研究, 2021, 40(2): 477-494.

[24] 高子为, 孙伟伟, 程朋根, 等. 融合高分辨率遥感影像和POI数据的多特征潜在语义信息用于识别城市功能区[J]. 遥感技术与应用, 2021, 36(3): 618-626.

[25] 贺宏斌, 丁鸿浩, 孙然好, 等. 基于社会感知的城市功能区人居环境愉悦度时空分析[J]. 生态学报, 2023, 43(6): 2298-2309.

[26] 王开家, 徐伟铭, 李楚瑜, 等. 空间治理视角下的城市建成区土地混合利用功能与结构[J]. 自然资源学报, 2023, 38(6): 1496-1516.

[27] Dong X Y, Xu Y, Huang L P, et al. Exploring Impact of Spatial Unit on Urban Land Use Mapping with Multisource Data[J]. Remote Sensing, 2020, 12(21): 3597-3597.

[28] Cai L, Zang L Q Y, Liang Y, et al. Discovery of urban functional regions based on Node2vec[J]. Applied Intelligence, 2022, 52(14): 16886-16899.

[29] Aleta M, Li S N, Xu S S. Exploring spatiotemporal patterns of geosocial media data for urban functional zone identification[J]. International Journal of Digital Earth, 2022, 15(1): 1305-1325.

[30] 彭正洪, 孙志豪, 程青, 等. 利用时序手机通话数据识别城市用地功能[J]. 武汉大学学报(信息科学版), 2018, 43(9): 1399-1407+1437.

[31] 姚伟, 赵志远, 吴升. 厦门市公共出租汽车服务公平性[J]. 地球信息科学学报, 2023, 25(8): 1637-1654.

[32] 丁彦文, 许捍卫, 汪成昊. 融合OSM路网与POI数据的城市功能区识别研究[J]. 地理与地理信息科学, 2020, 36(4): 57-63.

[33] 宋辞, 裴韬. 北京市多尺度中心特征识别与群聚模式发现[J]. 地球信息科学学报, 2019, 21(3): 384-397.

[34] Song Z L, Wang H, Qin S H, et al. Building-Level Urban Functional Area Identification Based on Multi-Attribute Aggregated Data from Cell Phones——A Method Combining Multidimensional Time Series with a SOM Neural Network[J]. ISPRS International Journal of Geo-Information, 2022, 11(2): 72-72.

[35] Cory M, Krause, Zhang L. Short-term travel behavior prediction with GPS, land use, and point of interest data[J]. Transportation Research Part B, 2019, 12(3): 349-361.

[36] 段亚明, 刘勇, 刘秀华, 等. 基于POI大数据的重庆主城区多中心识别[J]. 自然资源学报, 2018, 33(5): 788-800.

[37] 郭亚峰, 蓝贵文, 范冬林, 等. 基于POI数据的城市功能区识别[J]. 桂林理工大学学报, 2022, 42(3): 655-662.

[38] 王润泽, 周鹏, 潘悦, 等. 基于大数据的城市功能区人口时空聚散模式研究[J]. 地理与地理信息科学, 2022, 38(1): 45-50.

[39] 尹静, 董藴豪, 彭芳乐. 基于POI数据的西安地下停车空间驱动要素识别[J]. 地下空间与工程学报, 2022, 18(2): 554-559.

[40] 窦旺胜, 王成新, 薛明月, 等. 基于POI数据的城市用地功能识别与评价研究——以济南市内五区为例[J]. 世界地理研究, 2020, 29(4): 804-813.

[41] 陈英杰, 吴金华. 基于POI数据的西安市旅游要素空间格局与影响因素研究[J]. 测绘地理信息, 2023, 48(4): 96-100.

[42] 冼炜轩, 尚国琲, 刘玉, 等. 基于POI数据的乡村休闲旅游地空间格局及其影响因素——以北京市密云区为例[J]. 江苏农业科学, 2021, 49(8): 15-22.

[43] 李欣. 基于POI要素空间聚集特征的城市多中心结构识别——以郑州市为例[J]. 北京大学学报(自然科学版), 2020, 56(4): 692-702.

[44] 段利鹏, 张建波, 李诚固, 等. 基于POI数据的哈尔滨市中心五区商业网点空间格局及影响因素研究[J]. 地域研究与开发, 2022, 41(6): 75-80.

[45] 冯君明, 李翅, 孙悦昕, 等. 城市公共服务设施供需空间匹配研究——以北京市回天地区为例[J]. 城市规划, 2023, 47(5): 75-85.

[46] 薛冰, 肖骁, 李京忠, 等. 基于兴趣点(POI)大数据的东北城市空间结构分析[J]. 地理科学, 2020, 40(5): 691-700.

[47] 冉钊, 周国华, 吴佳敏, 等. 基于POI数据的长沙市生活性服务业空间格局研究[J]. 世界地理研究, 2019, 28(3): 163-172.

[48] Kong Y, Wu J, Xu M, et al. Charging pile siting recommendations via the fusion of points of interest and vehicle trajectories[J]. China Communications, 2017, 14(11): 29-38.

[49] Williams S, Xu W F, Tan B S, et al. Ghost cities of China: Identifying urban vacancy through social media data[J]. Cities, 2019, 94: 275-285.

[50] Liu J P, Deng Y, Wang Y, et al. Urban Nighttime Leisure Space Mapping with Nighttime Light Images and POI Data[J]. Remote Sensing, 2020, 12(3): 541-541.

[51] 闫夏, 马安青, 王云霞, 等. 基于多源大数据和人口分布视角的青岛市中心城区空间结构研究[J]. 地域研究与开发, 2023, 42(2): 67-72+79.

[52] 刘炜, 杨杰, 龚岳. 基于大数据的中国城市工作人口的就业空间分异——以武汉市为例[J]. 经济地理, 2022, 42(9): 78-86.

[53] 兰峰, 林振宇, 黄歆. 基于POI数据的西安市多中心空间结构演变特征与驱动因素研究[J]. 干旱区资源与环境, 2023, 37(11): 57-66.

[54] 刘秉镰, 高子茗. 城市群空间结构视角下中国式城镇化的内涵、机制与路径[J]. 西安交通大学学报(社会科学版), 2023, 43(4): 11-22.

[55] 李坤洋, 鲁琳. 基于POI数据的城市绿地服务空间分布研究——以河南省郑州市为例[J]. 地域研究与开发, 2021, 40(6): 75-80.

[56] 周翼, 陈英, 刘洋, 等. NPP-VIIRS年度夜间灯光数据的合成方法与验证[J]. 遥感信息, 2019, 34(2): 62-68.

[57] 王新越, 司武兴. 中国最美休闲乡村空间结构及影响因素研究[J]. 干旱区资源与环境, 2017, 31(4): 195-200.

[58] 浩飞龙, 王士君, 冯章献, 等. 基于POI数据的长春市商业空间格局及行业分布[J]. 地理研究, 2018, 37(2): 366-378.

[59] 张健. 基于POI大数据的城市零售商业空间布局与人口耦合关系研究——以上海市为例[J]. 复旦学报(自然科学版), 2019, 58(2): 151-161.

[60] 刘冬, 张堂基, 李志民, 等. 基于POI数据的西安市中心城区小学布点特征研究[J]. 西安建筑科技大学学报(自然科学版), 2022, 54(5): 693-700.

[61] 丁彦文, 许捍卫, 汪成昊. 融合OSM路网与POI数据的城市功能区识别研究[J]. 地理与地理信息科学, 2020, 36(4): 57-63.

[62] 韩宗伟, 林子艺, 冉俊容, 等. 湘鄂豫三省城市建成区医疗服务潜能的分布特征及其影响因素[J]. 经济地理, 2023, 43(10): 87-98.

[63] 高岩, 邢汉发, 张焕雪. 夜光遥感与POI数据耦合关系中的城市空间结构分析——以深圳市为例[J]. 桂林理工大学学报, 2022, 42(1): 122-130.

[64] 陈洪星, 杨德刚, 李江月, 等. 大数据视角下的商业中心和热点区分布特征及其影响因素分析——以乌鲁木齐主城区为例[J]. 地理科学进展, 2020, 39(5): 738-750.

[65] Hillier B, Leaman A, Stansall P, et al. Space Syntax[J]. Environment and Planning B: Planning and Design. 1976, 3(2): 147-185.

[66] Hillier B, Hanson J. The Social Logic of Space[M]. Cambridge: Cambridge University Press, 1984.

[67] 张佶. 空间句法在规划实施空间评价中的运用初探——以杭州钱江新城核心区为例[J]. 城市规划, 2015, 39(1): 64-74.

[68] 陶伟, 林可枫, 古恒宇, 等. 句法视角下广州市沙湾古镇空间形态的时空演化[J]. 热带地理, 2020, 40(6): 970-980．

[69] 武凯华, 李朝奎, 刘俊杰, 等. 基于空间句法理论的城市群核心区发展边界识别[J]. 地理研究, 2020, 39(6): 1418-1426.

[70] 潘福全, 夏家琪, 宋夫才, 等. 基于出租车时序数据聚类的城市功能区识别与分析[J]. 山东科技大学学报(自然科学版), 2023, 42(5): 117-130.

[71] 徐姗, 员鑫淼, 邓羽. 北京城市功能空间演进的结构模式与聚合规律[J]. 地理学报, 2023, 78(8): 2092-2104.

[72] 李娜, 吴凯萍. 基于POI数据的城市功能区识别与分布特征研究[J]. 遥感技术与应用, 2022, 37(6): 1482-1491.

[73] 郑敏睿, 郑新奇, 李天乐, 等. 京津冀城市群城市功能互动格局与治理策略[J]. 地理学报, 2022, 77(6): 1374-1390.

[74] 孙志刚. 城市功能论[M]. 北京: 经济管理出版社, 1998.

[75] 凌鹏, 诸彤宇, 周轶, 等. 基于人群出行行为轨迹的城市功能区识别[J]. 计算机工程, 2022, 48(7): 36-41.

[76] 鄢士程, 王井利, 李成名, 等. 顾及POI与土地利用数据的城市功能区划分[J]. 测绘科学技术学报, 2021, 38(2): 181-186.

[77] 杨俊静. 融合高分辨率夜间灯光和日间光学影像的城市功能区分类研究[D]. 武汉: 武汉大学, 2021.

[78] Miao R, Wang Y, Li S. Analyzing Urban Spatial Patterns and Functional Zones Using Sina Weibo POI Data: A Case Study of Beijing[J]. Sustainability, 2021, 13(2): 647-652.

[79] 郑洪晗. 基于多源数据的城市功能区分类和热点探测[D]. 武汉: 武汉大学, 2020.

[80] 郑国强, 乔宇昊, 孙思民. 基于POI数据的城市功能区识别研究[J]. 地理空间信息, 2023, 21(10): 58-61.

[81] 宋丽洁, 吴政, 戴昭鑫. 基于多源数据的城市功能区的识别与分析[J]. 测绘工程, 2023, 32(2): 63-68+80.

[82] 禹文豪, 艾廷华, 刘鹏程, 等. 设施POI分布热点分析的网络核密度估计方法[J]. 测绘学报, 2015, 44(12): 1378-1383+1400.

[83] 高岩琰, 张晓瑞, 张奇智, 等. 基于POI大数据和可达性双重约束的城市空间结构研究[J]. 地理与地理信息科学, 2021, 37(3): 59-64.