Ruimtelijke analyse van de impact van de stedelijke ruimtelijke structuur op de stedelijke vitaliteit in Yantai, China, met behulp van multischaal geografisch gewogen regressie

Samenvatting

Dit protocol integreert Baidu-heatmapdata, points of interest, street-viewbeelden en multiscale geografisch gewogen regressie om stedelijke vitaliteit te kwantificeren en te evalueren hoe de stedelijke ruimtelijke structuur de patronen van vitaliteit overdag en 's nachts beïnvloedt in Yantai, China.

Samenvatting

Het begrijpen van hoe de stedelijke ruimtelijke structuur de stedelijke vitaliteit beïnvloedt, is essentieel voor de ontwikkeling van mensgerichte stedelijke planningsstrategieën. De ruimtelijke heterogeniteit van deze relaties en de relatieve bijdragen van verschillende elementen van de stedelijke ruimtelijke structuur aan de vitaliteit overdag en 's nachts zijn echter nog onvoldoende begrepen. Deze studie had tot doel de stedelijke vitaliteit te kwantificeren en te onderzoeken hoe de stedelijke ruimtelijke structuur de spatiotemporele variatie ervan beïnvloedt in het belangrijkste stedelijke gebied van Yantai, China. Multisource ruimtelijke datasets, waaronder Baidu-heatmapgegevens, points of interest, street-viewbeelden, wegennetwerken, gebouwinformatie en landgebruikgegevens, werden geïntegreerd om de stedelijke vitaliteit en de stedelijke ruimtelijke structuur te karakteriseren. Kernel-dichtheidsschatting, ruimtelijke autocorrelatieanalyse en multiscale geografisch gewogen regressie (MGWR) werden ingezet om de ruimtelijke distributie van de stedelijke vitaliteit en de schaalafhankelijke effecten van variabelen van de stedelijke ruimtelijke structuur te evalueren. De resultaten toonden aan dat de stedelijke vitaliteit een uitgesproken ruimtelijke polarisatie vertoont, gekenmerkt door een samengesteld "centrum-periferie" en "één kern met meerdere punten" patroon, samen met een significante positieve ruimtelijke autocorrelatie. De invloed van de stedelijke ruimtelijke structuur varieerde aanzienlijk over de ruimte en tussen dag en nacht. Diversiteit en nabijheid van points of interest waren de dominante drijvers van de vitaliteit overdag, terwijl de residentiële functie en de diversiteit van points of interest de grootste invloed hadden op de vitaliteit 's nachts. Loopbaarheid vertoonde consistent een positieve associatie met de stedelijke vitaliteit tijdens beide perioden, wat het belang van mensgerichte straatomgevingen benadrukt. Deze bevindingen tonen de waarde aan van het integreren van multisource ruimtelijke gegevens met MGWR voor het evalueren van stedelijke vitaliteit en bieden een praktisch kader ter ondersteuning van evidence-based stedelijke planning en ruimtelijke optimalisatie.

Inleiding

Stedelijke vitaliteit is een kernindicator voor het meten van het niveau van duurzame stedelijke ontwikkeling, de levenskwaliteit van bewoners en de effectiviteit van hoogwaardige stedelijke constructie. Het trekt al lange tijd aanzienlijke aandacht van wetenschappers in de stedelijke geografie en stedelijke en regionale planning^1,2. Tijdens de fase van incrementele urbanisatie en snelle ruimtelijke expansie zijn problemen die verband houden met een ongebalanceerde stedelijke ruimtelijke ontwikkeling steeds prominenter geworden. Inefficiënte landgebruikstoewijzing, milieuvervuiling, verkeerscongestie en aanhoudende stedelijke uitdagingen, zoals de scheiding tussen werk en huisvesting, hebben de vitaliteit van buurten voortdurend verzwakt³. Momenteel is China een nieuwe fase van urbanisatie binnengestapt, waarin de focus van stedelijke ontwikkeling verschuift van extensieve "stadsbouw" naar verfijnd "stadsbeheer", waarbij mensgerichte ruimtelijke ontwikkeling een belangrijke prioriteit is geworden. De mensgerichte schaal richt zich op micro-ruimtelijke eenheden die bewoners direct kunnen waarnemen en vertegenwoordigt een uitbreiding en verfijning van traditionele analyses op perceel- en buurtscala. Sinds het 18^e Nationaal Congres van de Communistische Partij van China is mensgerichte ontwikkeling een fundamenteel beginsel geworden van territoriale ruimtelijke governance, en is het verbeteren van de kwaliteit van de leefomgeving een primair doel van stedelijke planning geworden. Tegen deze achtergrond kan het accuraat karakteriseren van de spatiotemporele patronen van stedelijke vitaliteit en het verduidelijken van de heterogene mechanismen waardoor de mensgerichte gebouwde omgeving de vitaliteit beïnvloedt, een wetenschappelijke basis bieden voor verfijnde planningpraktijken, waaronder stedelijke vernieuwing op straatniveau en buurtverbetering. Ondertussen heeft de stad Yantai een reeks initiatieven voor stedelijke vernieuwing gelanceerd onder haar 14^e Vijfjarenplan, werd in 2021 door het Ministerie van Huisvesting en Stedelijke en Plattelandsonwikkeling geselecteerd als een van de eerste nationale pilotsteden voor stedelijke vernieuwing, en ontving in 2026 aanvullende centrale fiscale steun voor stedelijke vernieuwing. Deze beleidsmatige en financiële voordelen bieden gunstige omstandigheden voor het verbeteren van de kwaliteit van bestaande stedelijke ruimtes in Yantai en het verkennen van kenmerkende stedelijke vernieuwingsstrategieën voor kuststeden, waardoor hoogwaardige stedelijke ontwikkeling wordt bevorderd.

Het concept van stedelijke vitaliteit werd voor het eerst voorgesteld door de Amerikaanse wetenschapper Jane Jacobs, die betoogde dat functionele diversiteit, kleine blokken, gebouwen van verschillende leeftijden en een hoge dichtheid de vier essentiële voorwaarden vormen voor levendige steden⁴. Vroege studies stelden theoretische kaders vast die primair gebaseerd waren op veldonderzoeken en vragenlijsten, terwijl subsequent onderzoek geleidelijk verschoof naar de microschaal, met een focus op de ruimtelijke concentratie van menselijke activiteiten⁵. Toenemend bewijs heeft aangetoond dat temporele dynamiek op fijne schaal en ruimtelijke variatie een belangrijke rol spelen bij het begrijpen van stedelijke vitaliteit⁶. De snelle ontwikkeling van geospatiale big data met een hoge resolutie heeft nieuwe mogelijkheden gecreëerd voor grootschalige, dynamische monitoring van stedelijke vitaliteit. Bijgevolg vertrouwen onderzoekers steeds vaker op multisource datasets, waaronder mobiele telefoonsignaleringsgegevens, locatietrajecten, social media check-ins, heatmapdata en points of interest (POI's), om de intensiteit van menselijke activiteit over verschillende ruimtelijke eenheden te kwantificeren en stedelijke vitaliteit op meerdere schalen te onderzoeken^{7,8,9,10,11,12}. Onder deze databronnen kunnen heatmapdata de ruimtelijke distributie en temporele dynamiek van populatieconcentratie nauwkeurig vastleggen en zijn ze breed toegepast om stedelijke vitaliteit te kwantificeren op perceel-, blok- en stadsschaal^13,14,15. Zo gebruikten Wang Chenggang et al.¹⁶ heatmapdata om de vitaliteitspatronen van centraal Guangzhou te identificeren, de niet-lineaire relaties en drempel-effecten van de gebouwde omgeving te kwantificeren en de verschillende invloeden van werkdag-tijdstippen te onderscheiden, waardoor waardevol empirisch bewijs werd geleverd voor onderzoek naar stedelijke vitaliteit.

Stedelijke vitaliteit wordt fundamenteel gevormd en beperkt door de stedelijke ruimtelijke structuur waarin menselijke activiteiten plaatsvinden. Het begrijpen van de mechanismen waarmee de stedelijke ruimtelijke structuur de stedelijke vitaliteit beïnvloedt, biedt belangrijke ondersteuning voor verfijnde stedelijke planning en evidence-based stedelijk bestuur. Bestaande studies hebben multidimensionale evaluatiesystemen ontwikkeld voor de stedelijke ruimtelijke structuur, waarin stedelijke schaal, functionele indeling, ruimtelijke vorm, compactheid en sociaaleconomische kenmerken zijn opgenomen. Deze studies hebben consistent aangetoond dat locatieve omstandigheden, bevolkingsdichtheid, gebouwvorm, gemengd landgebruik, diversiteit aan voorzieningen, economische ontwikkeling, functionele diversiteit, straatconfiguratie, bereikbaarheid en loopbaarheid tot de belangrijkste factoren behoren die de ruimtelijke differentiatie van stedelijke vitaliteit beïnvloeden^{17,18,19,20,21,22}. Desalniettemin hebben de meeste eerdere studies zich gericht op macro-schaalrelaties tussen fysieke, sociale, plaatsgebonden en mobiliteitsruimtes, waarbij relatief beperkte aandacht is besteed aan verfijnde analyses op mensgerichte schaal. Het opkomende onderzoeksparadigma gebaseerd op multisource open geospatiale data en intelligente analyse-algoritmen biedt nieuwe mogelijkheden voor ruimtelijke perceptie en kwantitatieve analyse op deze fijnere schaal²³. Door machine-learningtechnieken te integreren met analyse van street-view beelden, combineert deze benadering een uitgebrekte ruimtelijke dekking met mensgerichte analytische precisie, terwijl de subjectiviteit en beperkte nauwkeurigheid die gepaard gaan met traditionele ruimtelijke evaluatiemethoden worden verminderd. Methodologisch gezien hebben eerdere studies voornamelijk ordinary least squares en geografisch gewogen regressiemodellen gebruikt om relaties tussen de gebouwde omgeving en stedelijke vitaliteit te onderzoeken^24,25. Deze benaderingen richten zich echter over het algemeen op statische ruimtelijke kenmerken en overzien vaak zowel de ruimtelijke heterogeniteit als het dag-nacht temporele onderscheid in de relaties tussen de stedelijke ruimtelijke structuur en de stedelijke vitaliteit.

Samenvattend is het onderzoek naar stedelijke vitaliteit geëvolueerd van traditionele theoretische onderzoeken op macroschaal naar spatiotemporele kwantitatieve analyses ondersteund door geospatiale big data. Desalniettemin blijven er belangrijke beperkingen bestaan. Bestaande studies leggen nog steeds de nadruk op de macro-niveau kwantificering van fysieke ruimtelijke kenmerken, terwijl er relatief weinig aandacht wordt besteed aan de spatiotemporele heterogeniteit van de wijze waarop de stedelijke ruimtelijke structuur de stedelijke vitaliteit beïnvloedt. Bovendien blijven verfijnde metingen die de menselijke perceptiedimensie integreren beperkt, wat het vermogen van bestaande benaderingen beperkt om gedetailleerde planningspraktijken, zoals stedelijke vernieuwing op straatniveau, te ondersteunen. Op basis van deze kennishiaten stelt deze studie de volgende hypothesen voor: (1) de stedelijke ruimtelijke structuur oefent significante, spatiotemporeel gedifferentieerde invloeden uit op de stedelijke vitaliteit; en (2) de effecten van indicatoren van de stedelijke ruimtelijke structuur op de stedelijke vitaliteit vertonen een significante ruimtelijke non-stationariteit.

De belangrijkste innovaties van deze studie zijn drieledig. Ten eerste kwantificeert deze studie, door het integreren van geospatiale datasets uit meerdere bronnen, waaronder Baidu-heatmapgegevens en street-viewbeelden, de stedelijke vitaliteit vanuit het perspectief van de dagelijkse activiteiten van bewoners, wat een verfijnde en objectieve meting op mensgerichte schaal mogelijk maakt. Voortbouwend op het traditionele "5D"-raamwerk, incorporeert de studie een dimensie van menselijke perceptie en ontwikkelt een zesdimensionaal indicatorsysteem voor de stedelijke ruimtelijke structuur, bestaande uit functionaliteit, architecturale vorm, bereikbaarheid, sociaaleconomische kenmerken, ecologische ruimte en menselijke perceptie. Dit raamwerk pakt de beperkingen aan van eerdere studies die primair de nadruk legden op fysieke ruimtelijke en sociaaleconomische variabelen en maakt de integratie mogelijk van ruimtelijke analyse op macroschaal met mensgerichte metingen op microschaal. Ten tweede maakt deze studie gebruik van het multiscale geographically weighted regression (MGWR) model om de aanname van globale stationariteit van conventionele regressiebenaderingen te overkomen. Het model maakt het mogelijk om lokale ruimtelijke effecten en schaalafhankelijke relaties tussen de stedelijke ruimtelijke structuur en de stedelijke vitaliteit overdag en 's nachts te identificeren, waardoor de spatiotemporele niet-stationaire koppeling tussen de stedelijke ruimtelijke structuur en de stedelijke vitaliteit wordt onthuld. Ten derde onderzoekt deze studie, met Yantai als representatieve kuststad, systematisch de gedifferentieerde mechanismen die de stedelijke vitaliteit overdag en 's nachts aandrijven vanuit een mensgericht perspectief binnen de context van ruimtelijke kenmerken van kuststeden. De bevindingen bieden empirisch bewijs en een methodologisch raamwerk voor ruimtelijke optimalisatie, het versterken van de stedelijke vitaliteit en stedelijke vernieuwing in vergelijkbare kuststeden, terwijl ze tevens kwantitatieve bewijslast leveren ter ondersteuning van mensgericht en verfijnd stedelijk ruimtelijk beheer.

Protocol

In deze studie werd gebruikgemaakt van geanonimiseerde en geaggregeerde heatmap-gegevens op het niveau van het ruimtelijke raster. De gegevens bevatten geen persoonlijke identificatiegegevens of informatie op individueel niveau, en er waren geen menselijke proefpersonen direct betrokken. Daarom was een ethische goedkeuring, vrijstelling of institutionele beoordeling niet vereist.

Onderzoeksraamwerk
Om het beïnvloedingsmechanisme van de stedelijke ruimtelijke structuur op menselijke schaal op de spatiotemporele differentiatie van stedelijke vitaliteit te onderzoeken, stelt deze studie een onderzoeksraamwerk voor zoals weergegeven in Figuur 1. Ten eerste wordt, op basis van heatmap-gegevens die de spatiotemporele kenmerken van dagelijkse en nachtelijke stedelijke activiteiten van stadsbewoners meten, de dagelijkse en nachtelijke stedelijke vitaliteit van het hoofdstedelijke gebied van de stad Yantai gemeten; ten tweede wordt een multidimensionaal indexsysteem voor de stedelijke ruimtelijke structuur geconstrueerd, bestaande uit functionaliteit, toegankelijkheid, architecturale vorm, sociale economie, ecologische ruimte en menselijke perceptie; ten slotte wordt het MGWR-model gebruikt om het beïnvloedingsmechanisme van de stedelijke ruimtelijke structuur op de spatiotemporele differentiatie van stedelijke vitaliteit te onthullen. Gedetailleerde workflows voor gegevensverwerving, preprocessing, indicatorberekening, beeldanalyse en modelimplementatie worden beschreven in Supplementary Files 1–4, en de bijbehorende computationele workflows worden verstrekt in Supplementary Codes 1–4. Het doel is om een theoretische basis en referentiekader te bieden voor stedelijke vernieuwing en het creëren van vitale steden binnen de nieuwe urbanisatiestrategie.

Figuur 1. Diagram van het onderzoeksraamwerk. Dit diagram vat de volledige analytische workflow samen, inclusief de acquisitie van ruimtelijke gegevens uit meerdere bronnen, gegevensverwerking, constructie van indicatoren voor de stedelijke ruimtelijke structuur, meting van de stedelijke vitaliteit, multiscale geografisch gewogen regressiemodellering (MGWR) en strategieën voor vitaliteitsoptimalisatie. Klik hier om een grotere versie van deze figuur te bekijken.

Overzicht van het studiegebied
Yantai City ligt in het noordoostelijke deel van het Shandong-schiereiland, grenzend aan de Gele Zee en de Bohaizee. Het is een belangrijke havenstad in de provincie Shandong. Het heeft vijf districten en zes steden op districtsniveau onder zijn beheer, met een totale oppervlakte van 13.930,1 km². In deze studie is het belangrijkste stedelijke gebied van Yantai City (district Zhifu) geselecteerd als onderzoeksgebied. Het district beslaat 179,18 km², heeft een geregistreerde bevolking van 707.700 en bestaat uit 12 subdistricten (Figuur 2).

Figuur 2. Schematisch diagram van het studiegebied. De kaarten tonen de locatie van Yantai City, het belangrijkste stedelijke studiegebied in het district Zhifu, de grenzen van de subdistricten en de terreinhoogte. Donkerdere kleuren geven een grotere hoogte aan. Klik hier om een grotere versie van deze figuur te bekijken.

Aangezien deze studie zich richt op de stedelijke kern, waar het studiegebied relatief klein is en het wegennet dicht, is de traditionele schaal op blokniveau onvoldoende om stedelijke vitaliteit nauwkeurig te karakteriseren. Daarentegen sluit een schaal van 300 m nauw aan bij de ruimtelijke omvang van de "5-minuten leefkring" en kan de basisruimtelijke eenheid van de dagelijkse activiteiten van bewoners beter vertegenwoordigen. De keuze voor de raster-schaal houdt in essentie een afweging in tussen informatiegranulariteit en statistische stabiliteit: een kleinere schaal behoudt meer ruimtelijke details, maar verkleint de steekproefomvang binnen elke eenheid, verhoogt de statistische ruis en kan aaneengesloten wandelactiviteitsruimtes fragmenteren, terwijl een grotere schaal lokale variaties heeft de neiging uit te wissen en ruimtelijke heterogeniteit maskeert. Een raster van 300 m kan fijnmazige ruimtelijke kenmerken behouden terwijl de statistische stabiliteit wordt verbeterd en analytische fouten door schaalselectie worden verminderd. Bovendien sluit deze schaal goed aan bij de ruimtelijke resolutie van multisource-data, waaronder Baidu heatmap-data, points of interest en street-view afbeeldingen, waardoor de analytische nauwkeurigheid en de betrouwbaarheid van de resultaten worden vergroot. Daarom is het onderzoeksgebied in deze studie verdeeld in 2.221 cellen met behulp van een raster van 300 m × 300 m om de ruimtelijk-temporele patronen van stedelijke vitaliteit op een fijne schaal te visualiseren en hun relatie met de stedelijke ruimtelijke structuur te onderzoeken. Het raster is gegenereerd in ArcGIS 10.4 met de tool Create Fishnet onder het CGCS2000 three-degree Gauss coördinatensysteem. Het fishnet werd verankerd aan de minimale XY-coördinaat van het studiegebied en bijgesneden naar de grens van het studiegebied, wat resulteerde in 2.221 analyse-eenheden.

Constructie van het indicatorenstelsel
Het opstellen van een indexstelsel voor de stedelijke ruimtelijke structuur is een essentieel onderdeel van de evaluatie van de stedelijke vitaliteit. Het weerspiegelt de integrale kenmerken van een stad op het gebied van ruimtelijke indeling, functionele menging, bereikbaarheid en aanverwante eigenschappen. Deze studie is gebaseerd op de "5D"-theorie van dichtheid (density), ontwerp (design), diversiteit (diversity), afstand tot openbaar vervoer (distance to transit) en bestemmingstoegankelijkheid (destination accessibility). Op basis van bestaand onderzoek wordt de representatiemethode van elementen van de stedelijke ruimtelijke structuur uitgebreid en onderverdeeld in zes categorieën en 15 factoren: functionaliteit, architectonische vorm, bereikbaarheid, sociaal-economie, ecologische ruimte en menselijke perceptie. Elke factor wordt afzonderlijk geanalyseerd (Tabel 1). De volledige definities, berekeningsformules, parameterinstellingen, voorbehandelingsprocedures en normalisatiemethoden voor alle indicatoren zijn opgenomen in Aanvullend Bestand 2.

Tabel 1: Indicatorenstelsel voor stedelijke ruimtelijke structuur. De tabel vat de zes dimensies en 15 indicatoren samen die worden gebruikt om de stedelijke ruimtelijke structuur te karakteriseren, waaronder functionaliteit, architectonische vorm, bereikbaarheid, sociaaleconomische kenmerken, ecologische ruimte en menselijke perceptie. Definities en berekeningsvergelijkingen zijn voor elke indicator verstrekt. Afkortingen: POI, point of interest; FAR, floor area ratio; NDVI, normalized difference vegetation index. Klik hier om deze tabel te downloaden.

Hiervan is functionaliteit een van de belangrijke indicatoren voor het meten van de stedelijke ruimtelijke vitaliteit, wat de graad van onderlinge verbondenheid en integratie tussen verschillende functionele gebieden weerspiegelt. Een hoge functionele mix betekent dat residentiële, economische en recreatieve functionele gebieden gelijkmatig zijn verdeeld en met elkaar verweven zijn, waardoor menselijke activiteiten worden gestimuleerd en de stedelijke vitaliteit wordt verhoogd²⁶. De evolutie van de architectonische vorm is verbonden met vitaliteit, waarbij bebouwingsdichtheid en de bebouwingsindex belangrijke indicatoren zijn die de stedelijke compactheid weerspiegelen. Toegankelijkheid beïnvloedt direct de connectiviteit en het transportefficiëntie van de stedelijke ruimte. In deze studie zijn nabijheid en permeabiliteit als indicatoren gekozen om toegankelijkheid te vertegenwoordigen. De sociale economie weerspiegelt de concentratie van economische activiteiten en het niveau van de regionale economische ontwikkeling. De afstand tot het stadscentrum en het commerciële centrum wordt gebruikt om socio-economische activiteit te karakteriseren, waarbij kortere afstanden over het algemeen wijzen op actievere economische activiteiten²⁷. Ecologische ruimte is een belangrijke factor die de economische, sociale en culturele vitaliteit van de stad beïnvloedt. Deze studie maakt gebruik van de nabijheid-waterindex en de genormaliseerde verschilvegetatieindex (NDVI) om de milieukwaliteit en ecologische vitaliteit te vertegenwoordigen. Menselijke perceptie richt zich op de stedelijke ruimtelijke vormen en aanverwante milieukenmerken die bewoners in hun dagelijks leven vaak tegenkomen, waaronder openbare stedelijke ruimtes en de externe interfaces van gebouwen (zoals straten, gebouwen, groen en parken) en hun bijbehorende economische, sociale en ecologische impact. In dit onderzoek zijn gebouwcontinuïteit, de sky view factor en loopbaarheid geselecteerd om deze dimensie te vertegenwoordigen. Deze indicatoren vangen de bijdrage van menselijke perceptie aan de stedelijke vitaliteit beter op en vullen conventionele indicatorsystemen aan die primair steunen op objectieve variabelen.

Opmerkelijk is dat de meting van traditionele gebouwde omgevingen fundamenteel verschilt van de mensgerichte beoordeling van de stedelijke ruimtelijke structuur die in dit onderzoek is gehanteerd. Traditionele methoden gebruiken fysieke eenheden op macroschaal, waaronder landpercelen en districten, als analytische eenheden. Door te vertrouwen op statische datasets zoals landgebruikclassificaties, gebouwvoetafdrukken en data van het wegennetwerk, kwantificeren zij de ontwikkelingsintensiteit en de functionele indeling. Deze conventionele evaluaties beoordelen de ruimtelijke fysieke condities vanuit een top-down planningsperspectief. Hoewel dergelijke methoden de materiële kenmerken van de stedelijke ruimte nauwkeurig karakteriseren, slagen ze er niet in om de ter plaatse ervaren percepties en de wandelervaringen op microschaal van bewoners vast te leggen. In tegenstelling hiermee verschuift het mensgerichte kader de focus van het onderzoek van inherente ruimtelijke kenmerken naar mens-omgevingsinteracties. Deze paradigmashift omvat drie belangrijke wijzigingen. Ten eerste, wat betreft de meetinhoud, reikt de studie verder dan conventionele fysieke indicatoren zoals bebouwingsdichtheid en het aandeel landgebruik door ervaringsdimensies op te nemen, waaronder visuele perceptie, beloopbaarheid, veiligheid en comfort. In deze studie zijn drie corresponderende indicatoren geselecteerd: gebouwcontinuïteit, sky view factor en beloopbaarheid. Ten tweede worden, met betrekking tot de databronnen, planningskaarten en remote sensing-data aangevuld met street-view-afbeeldingen en deep-learning semantische segmentatie, die ruimtelijke kenmerken vastleggen vanuit het ooghoogteperspectief van voetgangers. Ten derde is de analytische eenheid verder verfijnd van blokschaal naar straatsegmenten of individuele gezichtsvelden. Er moet worden benadrukt dat de mensgerichte meting de traditionele evaluatie van de gebouwde omgeving niet vervangt, maar juist aanvult door het onderzoeksperspectief en de ruimtelijke schaal te wijzigen. De twee benaderingen verschillen in onderzoeksfocus, indicatorsysteem, analytische schaal en praktische doelstellingen, en bieden samen een uitgebreid analytisch kader voor het evalueren van de stedelijke ruimtelijke structuur.

Gegevensbronnen en verwerking
Baidu Heatmap-gegevens:
De stedelijke thermische hittedata die in dit onderzoek zijn gebruikt, zijn afkomstig van de open locatievoorziening van Baidu Maps, die wordt gegenereerd door het analyseren van massale anonieme gebruikersgedragsgegevens. De dataset legt de real-time bevolkingsverdeling vast door locatiegegevens van gebruikers van mobiele apps te aggregeren en dergelijke geografische coördinaten via real-time locatieverzoeken op ruimtelijke rasters te projecteren.

We hebben heatmap-gegevens van het centrale stedelijke gebied van Yantai opgehaald voor de periode van 13 tot 17 juni 2022 (vijf opeenvolgende werkdagen) door gebruik te maken van de API van het Baidu Map Open Platform (https://lbsyun.baidu.com/). Gegevens werden dagelijks elke 2 h verzameld van 07:00 tot 24:00. De volledige workflow voor gegevensverwerving, preprocessing, ruisonderdrukking, temporele classificatie, ruimtelijke transformatie, kernel-dichtheidsschatting en de berekening van de stedelijke vitaliteit is opgenomen in Supplementary File 1, en het bijbehorende preprocessing-script is opgenomen in Supplementary Code 1. We hebben elke dag verder onderverdeeld in dagperioden (07:00–18:00) en nachtperioden (18:00–24:00) om diurnale variaties in de stedelijke vitaliteit afzonderlijk te kwantificeren. De API-aanvragen bevatten de Baidu Maps-toegangssleutel (AK) en een volgens BD09 gedefinieerde grens van het studiegebied. Het zoomniveau van de kaart was vastgesteld op 16 met een tegelgrootte van 256 × 256 pixels, en de interface leverde de heatmap-gegevens in JSON-formaat. Tijdens de post-processing werden alle BD09-coördinaten omgezet naar het WGS84-coördinatenstelsel om ruimtelijke nauwkeurigheid en consistentie voor vervolganalyses te waarborgen. De resterende preprocessing-workflow is opgenomen in Supplementary File 1 en Supplementary Code 1. Alle ruimtelijke visualisaties zijn uitgevoerd in ArcGIS (v10.4) (RRID: SCR_011081).

Juni staat voor het vroege zomerseizoen in Yantai, met mild weer dat gunstig is voor buitenactiviteiten, en de dagelijkse reispatronen van bewoners in deze maand weerspiegelen reguliere gemiddelde activiteitsniveaus. Alle bemonsteringsdagen waren helder en onbewolkt, waardoor verstoringen van de menselijke mobiliteit door extreem weer werden uitgesloten en populatie-heatmaps geschikt werden voor het identificeren van routinematige patronen van stedelijke vitaliteit.

Om de betrouwbaarheid van de op heatmaps gebaseerde vitaliteitsmetingen te verifiëren, hebben we NPP-VIIRS-nachtlichtgegevens gebruikt voor een kruisvergelijking. De dataset van het nachtlicht werd gepubliceerd door Chen Zuqi et al. in Earth System Science Data, onder de titel Cross-sensor calibrated extended time series of global NPP-VIIRS-like nighttime light data (2000–2018), en is openbaar toegankelijk via de Harvard Dataverse-repository (https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/YGIVCD).

De resultaten van de ruimtelijke vergelijking toonden een hoge mate van consistentie aan tussen de hotspots van stedelijke vitaliteit, geïdentificeerd aan de hand van nachtelijke lichtbeelden, en de zones met een hoge en lage vitaliteit die uit de heatmap-gegevens in dit onderzoek zijn geëxtraheerd. De vergelijking tussen de intensiteit van het nachtelijke licht en de uit de heatmap afgeleide stedelijke vitaliteit wordt gepresenteerd in Aanvullende Figuur 1. Om de betrouwbaarheid van de gegevens te evalueren, werden uitschieters eerst verwijderd en werden de datasets genormaliseerd voordat ze opnieuw werden geprojecteerd op het WGS84-coördinatensysteem. De gegevens van het nachtelijke licht werden vervolgens geresampled naar een raster van 300 m × 300 m met behulp van bilineaire interpolatie om ruimtelijke uitlijning met de heatmap-gegevens te waarborgen. De overeenstemming tussen de twee datasets werd geëvalueerd met de Pearson-correlatiecoëfficiënt (r ≥ 0,6) en de ruimtelijke overlapgraad van LISA-clusters (≥70%) als acceptatiecriteria.

Vanuit het perspectief van gegevensbronnen bieden signaleringsgegevens van mobiele telefoons een uitgebreide populatiedekking en fijnmazige trajectinformatie, maar deze zijn moeilijk te verkrijgen en vereisen een complexe voorbewerking, waardoor ze minder geschikt zijn voor langdurige studies op fijne schaal. Social media check-in- en reviewgegevens vatten daarentegen voornamelijk consumptie- en vrijetijdsgerelateerde activiteiten samen, met een uitgesproken gedragsbias en een relatief geringe temporele stabiliteit. In tegenstelling hiermee zijn de in deze studie gebruikte Baidu heatmap-gegevens gemakkelijk toegankelijk, temporeel continu en beschikbaar met een hogere ruimtelijke resolutie, waardoor ze uitermate geschikt zijn voor monitoring op rasterniveau van dag-nachtvitaliteitsdynamieken in het belangrijkste stedelijke gebied. In combinatie met POI- en street-viewgegevens om de ruimtelijke attribuutrepresentatie te verrijken, kan dit raamwerk de dagelijkse activiteitspatronen van bewoners nauwkeuriger weerspiegelen en sluit het goed aan bij de onderzoeksschaal en de analytische doelstellingen van deze studie.

Elementen van de stedelijke ruimtelijke structuur:
Basisgegevens over de stedelijke ruimte:
Op basis van de interface van de online kaartdienst werden in totaal 37.851 points of interest (POI's) verzameld, verdeeld over 11 functionele categorieën, waaronder accommodatie, winkels, horeca, woonwijken, transportinfrastructuur, voorzieningen voor het dagelijks leven, sport- en recreatielocaties en openbare voorzieningen. Aanvullende voorbehandelingsprocedures en computationele details worden gegeven in Supplementary File 2. POI-gegevens werden in juli 2024 opgehaald met behulp van de Baidu Map API via een zoekstrategie op basis van een raster van 500 m. Tijdens de voorbehandeling werden dubbele records verwijderd en ongeldige records uitgesloten op basis van de administratieve grens van het district Zhifu, ontbrekende attribuutlabels en aanzienlijke coördinaatafwijkingen om de ruimtelijke nauwkeurigheid en integriteit van de dataset te waarborgen.

Stedelijke gebouwcontouren en gegevens over het wegennetwerk zijn verkregen van OpenStreetMap (OSM; RRID: SCR_007854), een open-source geospatiaal platform (https://www.openstreetmap.org). Landgebruiksgegevens zijn verkregen van het National Basic Geographic Information Center (https://www.gscloud.cn/search).

Zoals gepresenteerd in Tabel 1, weerspiegelt de ruimtelijke dichtheid van elk type faciliteit het functionele karakter van individuele ruimtelijke eenheden via clusterpatronen; ondertussen kwantificeren entropiewaarden de mate van functionele diversiteit binnen elke eenheid. De volledige computationele vergelijkingen, preprocessingsprocedures, parameterinstellingen en normalisatiemethoden zijn opgenomen in Aanvullend Bestand 2.

Vectorgegevens van gebouwen werden geanalyseerd vanuit zowel tweedimensionale (2D) als driedimensionale (3D) perspectieven om de intensiteit van de stedelijke bebouwing te beoordelen—specifiek via metrieken voor gebouwendichtheid en de vloeroppervlaktecoëfficiënt (floor area ratio, FAR). Met behulp van de gegevens van het stedelijke wegennetwerk werd de bereikbaarheid voor elke ruimtelijke eenheid berekend met de spatial design network analysis (sDNA) toolkit (RRID: SCR_017646)²⁸, waarbij zowel nabijheids- als tussenliggendheidsindicatoren (betweenness) werden meegenomen.

Door een straal van 300 m te selecteren als analytische schaal voor deze indicator, wordt deze afstand gedefinieerd op basis van straatsegmenten en omvat deze alle topologisch verbonden wegen binnen de straal. Dit maakt een uitgebreide statistische analyse mogelijk van veranderingen in de morfologie van het wegennetwerk—waaronder hoekdichtheid en knooppuntconnectiviteit—binnen het aangewezen ruimtelijke bereik. De aanpak legt bewust de nadruk op lokale ruimtelijke correlatiepatronen tussen straten, waardoor een nauwkeurige identificatie van sterk verbonden straten op blokniveau wordt gefaciliteerd—een methodologische keuze die in lijn is met het theoretische kader van stedelijke ruimtelijke vitaliteit gericht op de schaal van het bouwblok^29,30. Een topologisch wegennetwerk werd geconstrueerd op basis van OSM-vectorweggegevens door bidirectionele straatsegmenten samen te voegen tot één middellijn. De bereikbaarheid werd berekend met de sDNA-plugin in ArcGIS 10.4 op basis van de proximiteits- en tussenliggendheidsindices, waarbij grid-gebaseerde POI-totalen als wegingsfactoren werden toegepast om het ruimtelijke activiteitspotentieel weer te geven. Alle sDNA-parameters werden op hun standaardwaarden gehouden, behalve een door de gebruiker gedefinieerde zoekstraal van 300 m. Bovendien komt deze ruimtelijke schaal nauw overeen met het concept van de "5-minuten leefcirkel" en sluit deze goed aan bij zowel de fysieke afmetingen van historische blokken in het district Zhifu, stad Yantai, als het typische bereik van de dagelijkse wandelactiviteiten van bewoners.

Beeldgegevens van straatbeelden:
Door OSM-wegnetwerkgegevens te combineren met GIS-technologie werden bemonsteringspunten voor straatbeelden uitgezet. Allereerst werden de middenlijnen van de wegen in het studiegebied geëxtraheerd en werden tweerichtingswegen vereenvoudigd tot enkele lijnen. Bemonsteringspunten werden met gelijke tussenpozen van 50 m langs de middenlijnen van de wegen geplaatst. Vervolgens kregen alle bemonsteringspunten hetzelfde projectiecoördinatensysteem toegewezen als dat voor de GIS-analyse werd gebruikt, om een nauwkeurige matching van de ruimtelijke posities te waarborgen.

Met behulp van Python (RRID: SCR_008394) is de Street View Image API (http://api.map.baidu.com/lbsapi/) gebruikt voor het verzamelen van beelden. De volledige acquisitieworkflow is opgenomen in Aanvullend Bestand 3 en Aanvullende Code 3. In totaal zijn er 1.599 bemonsteringspunten gegenereerd. Tijdens de beeldacquisitie werd de perspectiefbreedte van elk beeld ingesteld op 90° en de horizontale kijkhoek op 0°. Beelden werden verzameld in de voor-, achter-, linker- en rechterrichting bij elk bemonsteringspunt. De beeldacquisitie werd uitsluitend uitgevoerd onder heldere weersomstandigheden, zonder regen, sneeuw of dichte mist, om de beeldkwaliteit te waarborgen. Ten slotte is het OpenCV-programma gebruikt om de multidirectionele beelden samen te voegen en de beeldovergangen te optimaliseren, waarmee panoramische beelden werden gegenereerd die een volledig overzicht van de ruimtelijke straatomgeving boden. Het studiegebied omvatte in totaal 3.251 straatsegmenten. De API-aanvraagparameters bevatten de toegangssleutel voor ontwikkelaars (AK), de coördinaten van het punt, het standpunt van het beeld en de opnameoriëntatie. De vastgelegde beelden werden uniform herschaald naar 480 × 360 pixels (RGB) voor verdere analyse. De beeldkwaliteit werd gewaarborgd door weersgebaseerde screening, multidirectionele beeldacquisitie en daaropvolgende semantische segmentatie op basis van SegNet om de bruikbaarheid van de beelden te verifiëren en street-view-indicatoren te extraheren.

We hebben het deep learning SegNet-netwerk (RRID: SCR_017042), een volledig convolutioneel neuraal netwerk, gebruikt om straatbeeldkenmerken te extraheren. Het model classificeert afbeeldingspixels in vijf categorieën: lucht, voetpaden, rijstroken, gebouwen en groenvoorzieningen. De resultaten van de pixelclassificatie werden vervolgens gebruikt om het areaalaandeel van elk ruimtelijk element binnen elke street-view-afbeelding te berekenen. Gedetailleerde modelimplementatie, de workflow voor semantische segmentatie, validatieprocedures en de berekening van de menselijke perceptie-indicatoren worden beschreven in Supplementary File 3, Supplementary Code 2 en Supplementary Code 4. SegNet werd geïmplementeerd in PyTorch (v1.0) met gebruik van publiekelijk beschikbare, vooraf getrainde gewichten die waren getraind op de MIT ADE20K-dataset. Tijdens de inferentie werden afbeeldingen individueel verwerkt om semantische segmentatiekaarten op pixelniveau te genereren, die vervolgens werden gebruikt om het proportionele oppervlak van elk straatbeeldelement te berekenen. De modelprestaties werden geëvalueerd met behulp van vijfvoudige kruisvalidatie.

Onderzoeksmethoden
Kwantitatieve methoden voor het meten van stedelijke vitaliteit:
Kernel-densiteitsanalyse schat de dichtheid van punt- of lijnkenmerken met behulp van een verschuifbaar zoekvenster, waardoor een intuïtieve en nauwkeurige representatie van de ruimtelijke clusteringkenmerken van stedelijke elementen en de concentratie en dispersie van stedelijke vitaliteit mogelijk is. Deze studie maakte gebruik van kernel-densiteitsschatting om continue interpolatie van heatmap-gegevens uit te voeren om de ruimtelijke aggregatie van gebruikers en de spatiotemporele dynamiek van stedelijke vitaliteit te karakteriseren. Gaussiaanse kernel-densiteitsschatting werd toegepast met een primaire zoekstraal (bandbreedte) van 500 m. Om de robuustheid van de resultaten te evalueren, werden ook acht aanvullende bandbreedtes (200, 300, 400, 600, 700, 800, 900 en 1.000 m) getest, en de resulterende gemiddelde RV-waarden voor elke rastercel van 300 m × 300 m vertoonden een hoge consistentie over de verschillende bandbreedtes. Bij de interpolatie werd het Value-veld gebruikt als wegingsvariabele, er werd geen randcorrectie toegepast en alle kernel-densiteitsanalyses werden uitgevoerd in ArcGIS 10.4 (RRID: SCR_011081). De wiskundige uitdrukking hiervan is als volgt gegeven (Vergelijking 1):

(1)

Hier represents n het aantal datapunten; h is de bandbreedte; en (x − x_i) geeft de afstand aan van het schattingspunt x tot sample xⁱ.

Analysemethode voor het stedelijke dynamische ruimtelijke patroon:
Ruimtelijke autocorrelatie wordt gebruikt om de mate van ruimtelijke associatie tussen identieke attribuutwaarden over verschillende ruimtelijke eenheden te karakteriseren. Deze wordt onderverdeeld in globale autocorrelatie en lokale autocorrelatie.

Globale ruimtelijke autocorrelatie:
Globale ruimtelijke autocorrelatie (Global Moran’s I) werd gebruikt om de mate van ruimtelijke associatie over het gehele studiegebied te evalueren. Het meet de gelijkenis of correlatie van variabelen in de ruimte door de relatie te kwantificeren tussen de attribuutwaarde op één locatie en die van naburige locaties, weergegeven door de Global Moran’s I-coëfficiënt. Er werd een ruimtelijke gewichtenmatrix opgesteld met behulp van het 300 m × 300 m analyserooster met Queen-contiguïteit om naburige eenheden te definiëren, en de gewichten werden rij-gestandaardiseerd. Global Moran’s I werd berekend met de Spatial Statistics-tools in ArcGIS 10.4 (RRID: SCR_011081), en de statistische significantie werd beoordeeld met behulp van de normale benadering (z-toets) bij een betrouwbaarheidsniveau van 95%. De wiskundige uitdrukking hiervan is als volgt (Vergelijking 2):

(2)

Hier representeert I de autocorrelatie-index; n is het totaal aantal studie-eenheden; y_i en y_j zijn respectievelijk de classificatie-indicatoren van regio's i en j; y′ is het gemiddelde van de classificatie-indicatoren; en W_ij is de ruimtelijke gewichtsmatrix die de mate van associatie tussen verschillende regio's vertegenwoordigt.

Lokale ruimtelijke autocorrelatie:
Lokale ruimtelijke autocorrelatie (LISA) meet de graad van ruimtelijke associatie van het studieobject op lokaal niveau, waardoor lokale clusters en ruimtelijke uitschieters binnen het studiegebied kunnen worden geïdentificeerd en een gedetailleerder inzicht in de ruimtelijke heterogeniteit wordt verkregen³¹. De meest gebruikte lokale statistiek is de Local Moran’s I. Er is een ruimtelijke gewichtenmatrix opgesteld op basis van Queen-contiguïteit, waarbij naburige rastercellen werden gedefinieerd als cellen die ofwel een gemeenschappelijke grens of een hoekpunt delen. De statistische significantie werd beoordeeld op het 0,05-niveau met behulp van 999 willekeurige permutaties. Er is geen correctie voor meervoudig testen toegepast en alle analyses zijn uitgevoerd met ArcGIS 10.4 (RRID: SCR_011081). De wiskundige expressie is als volgt (Vergelijking 3):

(3)

Hier stellen x_i en x_j respectievelijk de waarden voor de stedelijke vitaliteit van regio's i en j voor; x′ is de gemiddelde stedelijke vitaliteit over alle regio's; S² is de variantie; en W_ij is de ruimtelijke gewichtenmatrix die de mate van ruimtelijke associatie tussen regio's vertegenwoordigt.

Onderzoeksmethoden voor ruimtelijke heterogeniteit van stedelijke vitaliteit:
Multiscale Geographically Weighted Regression (MGWR)
Het MGWR-model maakt gebruik van het Golden Section Search-algoritme om het zoekinterval iteratief te verkleinen en de optimale bandbreedte voor elke regressiecoëfficiënt te bepalen. Deze aanpak minimaliseert ruis tijdens de parameterschatting en verbetert de voorspellende prestaties van het model. Gedetailleerde informatie over de methode voor bandbreedteselectie (adaptief of vast), de kernfunctie, het zoekbereik van de bandbreedte, de convergentiecriteria, de stoptolerantie en de procedures voor standaardisatie van predictoren wordt verstrekt in Aanvullend Bestand 4. De berekeningsformule is als volgt (Vergelijking 4):

(4)

Hier representeert bw_j de bandbreedte die wordt gebruikt voor de regressiecoëfficiënt van de j-de variabele; k duidt het aantal verklarende variabelen aan; x_ij verwijst naar de j-de predictor voor het i-de raster; (u_i, v_i) representeren de centroidcoördinaten van het i-de raster; β_(bwj) is de regressiecoëfficiënt geschat met behulp van de overeenkomstige bandbreedte; en ε_i is de random foutterm.

Een gedetailleerde modelconfiguratie, procedures voor bandbreedte-optimalisatie en de implementatieworkflow worden beschreven in Aanvullend Bestand 4, terwijl de volledige modeluitvoer voor overdag en 's nachts respectievelijk beschikbaar zijn in Aanvullende Bestanden 5 en 6. De diagnostiek van de ordinary least squares regressie is opgenomen in Aanvullend Bestand 7.

Vanuit de perspectieven van stedelijke ontwikkelingstheorie, onderzoeksscope en praktische toepasbaarheid biedt MGWR duidelijke voordelen ten opzichte van zowel gewone kleinsste-kwadratenregressie (OLS) als conventionele geografisch gewogen regressie (GWR). OLS maakt gebruik van een globaal modelleringskader, waarbij wordt aangenomen dat alle verklarende variabelen een uniform effect hebben over het gehele studiegebied. Deze aanname negeert de inherente ruimtelijke heterogeniteit van stedelijke systemen, wat resulteert in gemiddelde parameterschattingen die vaak lokale realiteiten niet vatten en daardoor beperkte steun bieden voor contextgevoelige beleidsformulering. Hoewel traditionele GWR rekening houdt met ruimtelijke niet-stationariteit, legt het een enkele bandbreedte op — dat wil zeggen een uniforme ruimtelijke schaal — voor alle variabelen. Deze beperking is in strijd met empirisch bewijs dat aangeeft dat verschillende stedelijke elementen (bijv. transitinfrastructuur, landgebruiksmix of groenvoorzieningen) invloed uitoefenen over merkbaar verschillende ruimtelijke reikwijdtes. Bijgevolg kan een dergelijke oversimplificatie modelbias introduceren en de analytische validiteit compromitteren. MGWR overwint deze beperking door individuele, variabele-specifieke bandbreedtes te schatten op basis van het empirisch waargenomen ruimtelijke invloedsbereik van elke predictor. Hierdoor worden de schaalafhankelijke mechanismen waardoor de stedelijke ruimtelijke structuur de stedelijke vitaliteit vormgeeft, getrouwer vastgelegd. Deze vooruitgang verrijkt niet alleen het theoretische begrip van mens-milieu interacties in steden, maar vergroot ook het praktische nut door een gedifferentieerde prioritering van ruimtelijke interventies mogelijk te maken en kwantitatieve, op bewijs gebaseerde ondersteuning te bieden voor het verbeteren van de stedelijke vitaliteit. De computationele workflows zijn opgenomen in Aanvullende Codes 1–4.

Resultaten

Analyse van het ruimtelijk patroon van stedelijke vitaliteit
Kenmerken van de ruimtelijke distributie van stedelijke vitaliteit:
Om de spatiotemporele evolutie van de stedelijke vitaliteit in het hoofdstedelijke gebied van Yantai gedurende zowel de dag als de nacht beter te onderzoeken, hebben we een kernel-densiteitsanalyse uitgevoerd op basis van heatmap-gegevens, gecombineerd met de dagelijkse activiteitspatronen van bewoners, en geografische informatiesysteem (GIS)-software gebruikt om de stedelijke vitaliteit over verschillende tijdsperioden te visualiseren. Zoals getoond in Figuur 3, vertoont de stedelijke vitaliteit in het hoofdstedelijke gebied van Yantai een duidelijke spatiotemporele dynamiek die wordt gekenmerkt door een aggregatie-dispersie-aggregatiepatroon van 07:00 tot 23:00 uur. De ruimtelijke distributie van gebieden met een hoge en lage vitaliteit overdag en 's nachts is zeer vergelijkbaar, wat erop wijst dat schommelingen in de stedelijke vitaliteit tussen deze perioden relatief stabiel zijn.

Figuur 3Ruimtelijk-temporele distributie van de stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai. De perifere kaarten tonen de stedelijke vitaliteit op verschillende tijdstippen, en de centrale kaarten vatten de patronen van de vitaliteit overdag en 's nachts samen. Warmere kleuren duiden op een hogere vitaliteit. Klik hier om een grotere versie van deze figuur te bekijken.

Vanuit een ruimtelijk perspectief is de stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai over het algemeen hoger in het noordoosten en lager in het zuidwesten, waarbij een complexe ruimtelijke structuur zichtbaar is die wordt gekenmerkt door zowel een "centrum-periferie"-patroon als een "multicore"-configuratie. Gebieden met een hoge mate van stedelijke vitaliteit zijn hoofdzakelijk geconcentreerd in het noordoostelijke gedeelte, waaronder Tongshen Street, Yuhuangding Street en Xiangyang Street, evenals langs Dahaiyang Road en Airport Road. Daarnaast is de vitaliteit relatief hoog in het oostelijke deel van Zhichu Street en het centrale deel van Fenghuangtai Street. De stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai wordt ook sterk beïnvloed door topografische omstandigheden. Bergachtige gebieden in de centrale regio, zoals Huangjinding, Zhenshan en Jinkuangding, worden geclassificeerd als zones met een lage vitaliteit. Overdag wordt de vitaliteit in deze gebieden enigszins verhoogd door activiteiten zoals wandelen en recreatie, terwijl de vitaliteit in de nacht extreem laag is. Dit patroon wijst op een uitgesproken ruimtelijke ongelijkheid in de verdeling van de stedelijke vitaliteit, die zich heeft geneigd te concentreren in woongebieden met een hoge dichtheid, recreatieve bestemmingen en locaties met een sterke transportbereikbaarheid. Deze samengestelde ruimtelijke structuur bevestigt de koppelingsrelatie tussen stedelijke functionele zonering en populatiemobiliteit. Bovendien ondersteunen de belangrijke rollen van terrein en transport verder de hypothese dat meerdere stedelijke ruimtelijke structuren gezamenlijk de stedelijke vitaliteit vormgeven.

Vanuit een temporeel perspectief wordt de stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai primair gevormd door de werk- en vrijetijdsactiviteiten van de bewoners. De periode van 07:00 tot 18:00 omvat de ochtendspits en de daguren van werk en studie, waarin bewoners doorgaans van hun huis naar hun werkplek pendelen, waardoor het ruimtelijke patroon van de stedelijke vitaliteit verschuift van aggregatie naar dispersie. De periode van 18:00 tot 23:00 omvat de avondspits en de vrijetijdsuren. In het bijzonder na 22:00 wordt de ruimtelijke distributie van de stedelijke vitaliteit meer geconcentreerd, terwijl de algemene vitaliteitsniveaus dalen. Dit weerspiegelt het feit dat bewoners enerzijds na hun werk- en vrijetijdsactiviteiten naar huis terugkeren en anderzijds voorheen actieve stedelijke ruimtes geleidelijk tot rust komen voor de nacht. Over het algemeen wordt de dag-nachtvariatie in stedelijke vitaliteit duidelijk gedreven door de dagelijkse werk-rustroutines van de bewoners. De daguren (07:00–18:00) vertegenwoordigen de piekperiode van stedelijke vitaliteit, gekenmerkt door hogere vitaliteitsniveaus, een bredere ruimtelijke dekking en zeer weinig gebieden met lage vitaliteit. In tegenstelling hiermee worden de nachturen (18:00–23:00) gekenmerkt door een geleidelijke afname van het activiteitsbereik, waarbij de vitaliteit steeds meer geconcentreerd raakt in woonwijken. Deze bevindingen tonen duidelijk de tijdsafhankelijke invloed van werk-rustactiviteiten op de stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai aan, onthullen de kenmerken van de diurnale evolutie, vervullen het hoofddoel om het ruimtelijke en temporele patroon van stedelijke vitaliteit te identificeren en ondersteunen de hypothese dat de dagelijkse activiteitsritmes van bewoners nauw verbonden zijn met de stedelijke vitaliteit.

Ruimtelijke clusteringkenmerken van stedelijke vitaliteit:
De globale Moran's I-index werd gebruikt om de ruimtelijke autocorrelatie van de stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai City te onderzoeken. De resultaten laten zien dat de Moran's I-waarden voor de stedelijke vitaliteit overdag en 's nachts respectievelijk 0,722 en 0,736 zijn. De significantietoets geeft aan dat de stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai City een significante clustering vertoont, zowel overdag als 's nachts, waarbij het clusteringeffect 's nachts sterker is dan overdag.

Zoals weergegeven in Figuur 4, volgt de stedelijke vitaliteit in het belangrijkste stedelijke gebied van Yantai voornamelijk twee clusterpatronen: "hoog-hoog" clustering en "laag-laag" clustering. Hoewel de algemene ruimtelijke verdeling een onregelmatig samengesteld patroon vertoont dat "centrum-periferie" en "één kern met meerdere punten" combineert, zijn het "centrum" en de "periferie" ruimtelijk gescheiden, en bevatten de overgangszones daartussen een groot aantal gebieden zonder significante clustering. De resultaten van de ruimtelijke autocorrelatieanalyse identificeren duidelijk de clusterpatronen en de ruimtelijke differentiatie van de stedelijke vitaliteit, waardoor het onderzoeksdoel van patroonherkenning wordt behaald. Deze bevindingen ondersteunen tevens de relevante onderzoekshypothesen, sluiten nauw aan bij het algemene analytische kader van deze studie en bieden een basis voor verdere analyse van de gedifferentieerde effecten van de ruimtelijke structuur.

Figuur 4. Lokale ruimtelijke aggregatie van stedelijke vitaliteit overdag en 's nachts. Kaarten met lokale indicatoren van ruimtelijke associatie (LISA) tonen high-high, high-low, low-high, low-low en niet-significante ruimtelijke clusters voor vitaliteit overdag en 's nachts. Klik hier om een grotere versie van deze figuur te bekijken.

Ruimtelijke heterogeniteitseffecten van de stedelijke ruimtelijke structuur op de stedelijke vitaliteit op basis van MGWR
Om schattingsbias te voorkomen die wordt veroorzaakt door de wederzijdse beïnvloeding tussen de verschillende factoren van de stedelijke ruimtelijke structuur, werd de variantie-inflatiefactor (VIF) gebruikt om alle verklarende variabelen te testen. Hoe hoger de VIF-waarde, hoe groter de multicollineariteit. Over het algemeen geeft een VIF-waarde groter dan 7,5 aan dat de verklarende variabele redundant is32. De testresultaten worden weergegeven in Tabel 2. Alle VIF-waarden zijn kleiner dan 7,5, wat aangeeft dat de geselecteerde indicatoren geen multicollineariteit vertonen. Indicatoren met p > 0,05 werden vervolgens verwijderd omdat zij werden beschouwd als niet significant beïnvloedend voor de stedelijke vitaliteit. Na de selectie van variabelen werden de uiteindelijke zeven factoren — POI-diversiteit, levensfunctie, woonfunctie, bebouwingsdichtheid, nabijheid, afstand tot het zakencentrum (DBC) en loopbaarheid — geselecteerd als verklarende variabelen om het MGWR-model te construeren (RRID: SCR_017651). Hiermee werd het proces van variabele selectie voltooid, en de behouden kernfactoren zijn consistent met het onderzoeksraamwerk, waardoor de daaropvolgende modelanalyse de onderzoekshypothese effectief kan verifiëren.

Variabele	p-waarde	Variantie-inflatiefactor (VIF)
POI-diversiteit	0	1.946
Economische functie	0.025	3.15
Levensfunctie	0.004	3.834
Residentiële functie	0.001	1.925
Bouwdichtheid	0	3.062
Gebouwindex	0.084	5.723
Nabijheid	0	1.732
Tussenheidskental	0.952	2.022
Afstand tot het stadscentrum	0.458	1.407
Afstand tot het zakencentrum	0.009	1.498
Near-water-index	0.06	1.132
Genormaliseerde Diffentie Vegetatie Index (NDVI)	0.118	1.049
Continuïteitsplanning voor gebouwen	0.364	2.746
Sky view factor	0.22	1.177
Wandelbaarheid	0.004	2.094

Tabel 2: Beoordeling van multicollineariteit van kandidaat verklarende variabelen. De tabel toont de statistische significantie (p-waarde) en de variantie-inflatiefactor (VIF) voor elke kandidaat verklarende variabele die is gebruikt tijdens de variabelenscreening voorafgaand aan de multiscale geografisch gewogen regressieanalyse (MGWR). Variabelen die zijn behouden voor verdere modellering voldeden aan de vooraf gedefinieerde statistische selectiecriteria. Afkorting: VIF, variance inflation factor.

Effect van de modelpassing:
De modelleringsanalyse werd uitgevoerd met drie benaderingen: het globale OLS-model, het traditionele GWR-model en het MGWR-model. De modelconvergentie was gebaseerd op het SOC-f (smoothing f) criterium, waarbij de maximale absolute verandering in alle geschatte regressiecoëfficiënten tussen twee opeenvolgende iteraties werd gebruikt als convergentiecriterium. De convergentiedrempel werd ingesteld op 1.0 × 10⁻⁵ en het maximale aantal iteraties werd vastgesteld op 200. De dag- en nachtmodellen hanteerden dezelfde methodologische instellingen, inclusief de kernfunctie, de bandbreedte-zoekregel, het convergentiecriterium en andere parameterinstellingen, om de vergelijkbaarheid van de resultaten te waarborgen; alleen de afhankelijke variabelen verschilden, waardoor ook de geschatte optimale bandbreedtes en regressiecoëfficiënten verschilden. De resultaten laten zien dat het dagmodel convergeerde na 28 iteraties en het nachtmodel na 34 iteraties. Beide modellen voldeden aan de convergentiedrempel, wat aangeeft dat de schattingsresultaten stabiel en betrouwbaar waren. De indicatoren voor de drie modellen zijn weergegeven in Tabel 3.

Categorie	Variabele	OLS	GWR	MGWR
Modelprestaties	AICc	6703	4417	3463
	Gecorrigeerde R²	0.62	0.56	0.8
Optimale variabele bandbreedte (MGWR)	POI-diversiteit	—	53	239
	Levensfunctie	—	—	724
	Woonfunctie	—	—	256
	Gebouwendichtheid	—	—	237
	Nabijheid	—	—	921
	Afstand tot zakencentrum	—	—	2220
	Wandelbaarheid	—	—	2220

Tabel 3: Vergelijking van de modelprestaties tussen ordinary least squares (OLS), geografisch gewogen regressie (GWR) en multiscale geografisch gewogen regressie (MGWR).De tabel vergelijkt de prestaties van de ordinary least squares (OLS), geografisch gewogen regressie (GWR) en multiscale geografisch gewogen regressie (MGWR) modellen met behulp van het gecorrigeerde Akaike-informatiecriterium (AICc) en de aangepaste determinatiecoëfficiënt (Adjusted R²). De geschatte optimale bandbreedte voor elke verklarende variabele in het MGWR-model wordt ook gerapporteerd, wat de variabele-specifieke ruimtelijke schalen van de regressieanalyse illustreert. Afkortingen: AICc, gecorrigeerd Akaike-informatiecriterium; OLS, ordinary least squares; GWR, geografisch gewogen regressie; MGWR, multiscale geografisch gewogen regressie.

Zoals getoond in Tabel 3het MGWR-model heeft een lagere AICc-waarde en een hogere gecorrigeerde R²² dan de OLS- en GWR-modellen, wat duidt op een superieure modelpassing. Bovendien stelt het MGWR-model, in vergelijking met de OLS- en GWR-modellen, elke verklarende variabele in staat om een eigen optimale bandbreedte te hebben, waarbij de bandbreedtes variëren van 237 tot 2.220. Dit geeft aan dat de effecten van verschillende variabelen op de stedelijke vitaliteit aanzienlijk verschillen over ruimtelijke schalen.

Van de variabelen liggen de bandbreedtes van DBC en loopbaarheid dicht bij de volledige steekproefomvang, wat suggereert dat hun effecten hoofdzakelijk globaal in plaats van lokaal zijn. Dit kan worden verklaard door het feit dat deze factoren in de meeste gebieden een relatief beperkte ruimtelijke variatie vertonen. Als indicatoren die sociaaleconomische omstandigheden en kenmerken van de straatomgeving weergeven die nauw verbonden zijn met de menselijke perceptie, oefenen zij een algemene invloed uit op de stedelijke vitaliteit. Daarentegen hebben de vijf variabelen POI-diversiteit, levensfunctie, woonfunctie, bebouwingsdichtheid en nabijheid relatief kleine bandbreedtes, wat erop wijst dat hun effecten geconcentreerd zijn op de lokale ruimtelijke schaal. Deze factoren weerspiegelen de gedifferentieerde behoeften van bewoners wat betreft functionele complexiteit, leefomgeving en toegankelijkheid en kunnen daarom verschillende soorten activiteiten in lokale ruimtes aantrekken of beperken, waardoor de stedelijke vitaliteit wordt gevormd.

In het bijzonder zijn de bandbreedtes van POI-diversiteit, residentiële functie en gebouwendichtheid respectievelijk 239, 256 en 237, wat overeenkomt met 11%, 12% en 11% van de volledige steekproef. De bandbreedtes van levensfunctie en nabijheid beslaan een groter deel van de steekproef, respectievelijk 33% en 41%, wat suggereert dat hun effecten op een bredere ruimtelijke schaal opereren. Over het algemeen zijn de voordelen van het MGWR-model duidelijk. De variërende effectschalen van de verklarende variabelen ondersteunen verder de hypothese van ruimtelijke heterogeniteit en bevestigen de geschiktheid van het voor deze studie gekozen model.

Betekenis van de impact:
De statistische resultaten van de regressiecoëfficiënten verkregen uit het MGWR-model worden gepresenteerd in Tabel 4. Op basis van de absolute waarden van de gemiddelde regressiecoëfficiënten is de rangorde van de bijdragen van de variabelen van de stedelijke ruimtelijke structuur overdag als volgt: POI-diversiteit > bereikbaarheid > gebouwendichtheid > levensfunctie > woonfunctie > beloopbaarheid > DBC. 's Nachts verschuift de rangorde licht naar: POI-diversiteit > levensfunctie = woonfunctie > gebouwendichtheid > beloopbaarheid > DBC > bereikbaarheid.

Variabele	Gemiddelde overdag	SD overdag	Mediaan overdag	Gemiddelde 's nachts	SD 's nachts	Mediaan 's nachts
POI-diversiteit	0.226	0.126	0.196	0.322	0.096	0.315
Levensfunctie	0.088	0.006	0.088	0.145	0.075	0.153
Woonfunctie	0.019	0.158	0.004	0.145	0.173	0.123
Gebouwendichtheid	0.132	0.029	0.131	0.070	0.126	0.053
Nabijheid	0.165	0.188	0.121	0.030	0.048	0.024
Afstand tot zakencentrum	−0.010	0.004	−0.010	0.032	0.003	0.031
Wandelbaarheid	0.011	0.002	0.011	0.039	0.002	0.039

Tabel 4: Samenvattende statistieken van regressiecoëfficiënten geschat door het multiscale geografisch gewogen regressiemodel (MGWR).De tabel vat de distributie samen van de regressiecoëfficiënten die zijn geschat door het multiscale geografisch gewogen regressiemodel (MGWR) voor stedelijke vitaliteit overdag en 's nachts. Voor elke verklarende variabele worden het gemiddelde, de standaarddeviatie (SD) en de mediaan van de regressiecoëfficiënten gerapporteerd, wat een vergelijking mogelijk maakt van de omvang en variabiliteit van de effecten over de twee tijdsperioden. Afkortingen: MGWR, multiscale geographically weighted regression; SD, standaarddeviatie.

Opvallend is dat POI-diversiteit zowel overdag als 's nachts consequent de grootste positieve bijdrage levert aan de stedelijke vitaliteit. Dit geeft aan dat gebieden die worden gekenmerkt door een divers aanbod aan stedelijke faciliteiten en een hoge mate van functionele menging bijzonder aantrekkelijk zijn voor stadsbewoners, waardoor de stedelijke vitaliteit wordt verhoogd. Overdag zijn de activiteiten van bewoners primair gericht op woon-werkverkeer, kantoorwerk en openbare diensten; daarom spelen nabijheid en bebouwingsdichtheid een belangrijke rol. 's Nachts verschuiven de activiteiten van bewoners naar wonen, recreatie en lokale consumptie, waarbij de bijdragen van levensfuncties en woonfuncties aanzienlijk toenemen, terwijl de bijdrage van nabijheid merkbaar afneemt. Dit dag-nachtverschil in rangschikking weerspiegelt direct de structurele verschuiving in de mechanismen die de stedelijke vitaliteit aansturen naarmate de dagelijkse activiteits patronen van bewoners veranderen, wat een macroscopische basis biedt voor daaropvolgende gedifferentieerde planning per zone en tijdsperiode.

Zoals geïllustreerd in Figuur 5, onthult de analyse van de variaties in regressiecoëfficiënten en verschillen in impactzones na screening van de beïnvloedende factoren dat de effecten van levensfuncties, DBC en loopbaarheid relatief stabiel zijn gedurende de dag. Levensfuncties en loopbaarheid hebben positieve effecten, terwijl de afstand tot het zakencentrum zowel positieve als negatieve effecten vertoont. De impactbereiken van POI-diversiteit, woonfunctie en toegankelijkheid fluctueren aanzienlijk en vertonen eveneens zowel positieve als negatieve effecten. De invloed van de bebouwingsdichtheid varieert binnen een bepaald bereik, maar blijft positief. 's Nachts zijn de effecten van DBC en loopbaarheid stabieler en blijven beide positief. In tegenstelling hiermee vertonen de effecten van POI-diversiteit, woonfunctie en bebouwingsdichtheid aanzienlijke variatie, waarbij POI-diversiteit een positief effect vertoont, terwijl woonfunctie en bebouwingsdichtheid zowel positieve als negatieve relaties met de stedelijke vitaliteit laten zien. De effecten van levensfuncties en toegankelijkheid variëren ook binnen een bepaald bereik.

Figuur 5. Distributie van regressiecoëfficiënten uit het multiscale geografisch gewogen regressiemodel. Violin plots vergelijken de coëfficiëntendistributies overdag en 's nachts voor elke beïnvloedende factor. Bredere regio's duiden op een hogere coëfficiëntendichtheid; positieve waarden duiden op stimulerende effecten en negatieve waarden duiden op remmende effecten. Klik hier om een grotere versie van deze figuur te bekijken.

Ruimtelijke heterogeniteit van de impact
Om de ruimtelijke heterogeniteit van de effecten van de stedelijke ruimtelijke structuur op de stedelijke vitaliteit verder te analyseren, werden monsters met significante invloedsniveaus geselecteerd. De regressiecoëfficiënten overdag en 's nachts van elk element van de stedelijke ruimtelijke structuur werden gevisualiseerd (Figuur 6 en 7). Met behulp van de methode van natuurlijke breukpuntclassificatie werden de regressiecoëfficiënten verdeeld in 10 niveaus om de ruimtelijke omvang, intensiteit en richtingveranderingen van hun effecten te illustreren.

Figuur 6. Dagelijkse ruimtelijke verdeling van multiscale geografisch gewogen regressiecoëfficiënten. De kaarten tonen de ruimtelijke variatie in de regressiecoëfficiënten overdag voor de diversiteit van interessepunten, levensfunctie, residentiële functie, gebouwendichtheid, nabijheid, S en loopbaarheid. Kleurgradiënten geven de omvang van de coëfficiënt aan, zoals weergegeven in de legenda van elk paneel. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 7. Nachtelijke ruimtelijke verdeling van multiscale geografisch gewogen regressiecoëfficiënten. De kaarten tonen de ruimtelijke variatie in nachtelijke regressiecoëfficiënten voor diversiteit van interessepunten, levensfunctie, residentiële functie, bebouwingsdichtheid, nabijheid, afstand tot het zakencentrum en loopbaarheid. Kleurgradiënten geven de grootte van de coëfficiënt aan, zoals weergegeven in de legenda van elk paneel. Klik hier om een grotere versie van deze figuur te bekijken.

POI-diversiteit meet de diversiteit en complexiteit van stedelijke functies binnen elke ruimtelijke eenheid. Het kernmechanisme achter stedelijke vitaliteit ligt in de diversiteit van bestemmingen en de synergetische effecten van activiteiten. Hoe hoger de POI-diversiteit van een gebied, hoe beter het kan voorzien in de uiteenlopende behoeften van bewoners op het gebied van winkelen, dineren, entertainment en dagelijkse diensten binnen dezelfde ruimte. Dit vermindert de noodzaak voor interregionale reizen, verlengt de verblijfsduur van voetgangers en verhoogt de intensiteit van het ruimtelijk gebruik. De resultaten tonen aan dat POI-diversiteit de sterkste invloed heeft op de stedelijke vitaliteit en een significante ruimtelijke variatie vertoont. Specifiek is de distributie relatief geconcentreerd in gebieden met hoge en lage effecten: sterkere invloeden worden hoofdzakelijk waargenomen in het stadscentrum, terwijl zwakkere invloeden voornamelijk in de stedelijke periferie worden gevonden. De algemene regressiecoëfficiënten zijn overwegend positief, wat wijst op een duidelijke positieve relatie, met slechts een klein aantal zwakke negatieve associaties. Dit suggereert dat in de meeste gebieden een hogere POI-diversiteit geassocieerd wordt met een grotere stedelijke vitaliteit. Bovendien is de ruimtelijke differentiatie van de effecten van POI-diversiteit op de stedelijke vitaliteit 's nachts sterker uitgesproken dan overdag, waardoor het 's nachts de meest invloedrijke factor is. Dit dagverschil kan worden toegeschreven aan de structurele differentiatie van de activiteitsbehoeften van bewoners tussen overdag en 's nachts. Overdag faciliteert gemengd landgebruik hoofdzakelijk woon-werkverkeer en kortstondige, gefragmenteerde consumptiebehoeften tijdens pauzes, waardoor de rol in het aantrekken van voetgangersactiviteit relatief beperkt is. 's Nachts verschuiven de activiteiten van mensen echter naar recreatie, sociale interactie en ervaringsconsumptie. In deze context kunnen gebieden met een hoge POI-diversiteit gevarieerde en continue nachtelijke consumptiescenario's bieden, waardoor de buitenshuis verblijfsduur van bewoners effectief wordt verlengd en er een prominenter stimulerend effect op de nachtelijke vitaliteit wordt uitgeoefend.

Leeffuncties omvatten voorzieningen op het gebied van onderwijs, wetenschap, cultuur, gezondheidszorg, transport en openbare diensten die voorzien in de dagelijkse behoeften van bewoners. Hun beïnvloedingsmechanisme ligt in de vorming van een activiteit-bestemmingsnetwerk: deze voorzieningen trekken niet alleen zelf voetgangersstromen aan, maar genereren door synergie met andere functies ook stabiele activiteitsstromen. De regressieresultaten laten zien dat het positieve effect van leeffuncties op de vitaliteit overdag stabiel blijft, met coëfficiënten variërend van 0,078 tot 0,098 en slechts geringe schommelingen in de intensiteit van het effect. Daarentegen breidt het coëfficiëntbereik voor de nacht uit naar 0,005–0,256, wat wijst op een aanzienlijk bredere ruimtelijke invloed. Met Zhichu Street en Xingfu Street als kerngebied neemt de mate van invloed geleidelijk toe van het centrum naar de omliggende gebieden. Hoewel deze regio wordt gekenmerkt door een geconcentreerde populatiedistributie, is de stadsplanning relatief verouderd en wordt deze beperkt door de economische ontwikkeling, wat resulteert in een lagere totale voorziening van entertainmentfaciliteiten en andere voorzieningen voor leeffuncties dan in het oostelijke deel van de stad. Hierdoor is de aantrekkingskracht op bewoners zwakker en is de invloed op de stedelijke vitaliteit minder uitgesproken. Deze temporele variatie weerspiegelt een verschuiving in de doeleinden van de activiteiten van bewoners. Overdag zijn leeffuncties primair gericht op openbare diensten en blijven de voetgangersstromen relatief stabiel. 's Nachts worden ze echter aangevuld door behoeften aan vrije tijd en entertainment, waardoor er een complementaire relatie ontstaat met consumptiegerichte functies zoals horeca en winkels; dit stelt leeffuncties in staat om een sterker drijvend effect uit te oefenen op de stedelijke vitaliteit over een breder ruimtelijk bereik.

Woonfuncties vormen de ruimtelijke basis die het terugkeren en verblijven van bewoners in de nacht faciliteert. Hun relatie met de stedelijke vitaliteit volgt merkbaar verschillende patronen gedurende de dag en de nacht. Overdag dienen woongebieden als het startpunt van de bevolkingsuitstroom; daarom leidt het simpelweg verhogen van de woondichtheid niet noodzakelijkerwijs tot een toename van de stedelijke vitaliteit. Zonder ondersteunende commerciële en dienstverlenende faciliteiten kunnen hoogstedelijke woongebieden in plaats daarvan "slaapsteden" worden met een geringe vitaliteit. 's Nachts keren bewoners echter terug naar huis, waardoor woongebieden de ruimtelijke basis worden voor nachtelijke activiteiten. De resultaten geven aan dat hoewel de variabele woonfunctie een relatief zwak algemeen gemiddeld effect vertoont, er nog steeds sprake is van evidente ruimtelijke heterogeniteit en differentiatie in bepaalde gebieden, waarbij de ruimtelijke distributie van deze invloed overdag en 's nachts grotendeels vergelijkbaar is. In de gebieden rondom de Hongrun Materials Market, Fruit Wholesale Market, Fenghuangtai Primary School en Jinxiu Xincheng zijn woonfuncties dicht geconcentreerd, maar is hun relatie met de stedelijke vitaliteit negatief. Dit suggereert dat het toevoegen van meer woonfuncties in deze gebieden de stedelijke vitaliteit niet verhoogt; in plaats daarvan kan een excessieve concentratie van woningen de sociale en consumptieve activiteiten in de nacht belemmeren vanwege ruimtelijke congestie en een gebrek aan ondersteunende faciliteiten. In tegenstelling hiermee zijn woonfuncties in Shihuiyao Street positief geassocieerd met stedelijke vitaliteit, wat aangeeft dat woonfaciliteiten in dit gebied een sterkere rol spelen bij het ondersteunen van de stedelijke vitaliteit en een grotere aantrekkingskracht uitoefenen op bewoners.

Gebouwendichtheid weerspiegelt de intensiteit van de ontwikkeling binnen een bepaald gebied, en het onderliggende mechanisme ligt in het bieden van de fysieke basis voor populatieaggregatie: een hogere gebouwendichtheid duidt op een grotere draagcapaciteit voor de bevolking, evenals een dichtere concentratie van werkgelegenheid en commerciële voorzieningen. De resultaten van deze studie tonen aan dat gebouwendichtheid over het algemeen een positief effect heeft op de stedelijke vitaliteit overdag, waarbij de invloed geleidelijk afneemt van oost naar west, wat een duidelijke concentrische structuur vormt. In het westelijke deel van de stad is het effect van de gebouwendichtheid op de stedelijke vitaliteit zwakker dan in het oostelijke deel, wat suggereert dat het verhogen van de gebouwendichtheid in westelijke gebieden minder effectief is bij het verbeteren van de stedelijke vitaliteit dan in oostelijke gebieden. 's Nachts vertoont het effect echter een bidirectionaal patroon. De invloed van gebouwendichtheid op de stedelijke vitaliteit is negatief gecorreleerd in het westelijke deel van Xingfu Street nabij de rivier Jiahe en in de clusters met lage waarden van Zhichu Street, met relatief kleine variaties in magnitude. Dit diurnale verschil komt voort uit functionele differentiatie: overdag concentreren bebouwde gebieden met een hoge dichtheid kantoor- en commerciële functies en dienen ze als de primaire zones voor populatieinstroom; 's nachts ervaren sommige zakendistricten met een hoge dichtheid echter een verspreiding van mensen, en verschuift de stedelijke vitaliteit naar buitenwaarts naar de omliggende woongebieden. In die zin fungeren bebouwde gebieden met een hoge dichtheid overdag als centra van vitaliteitsaggregatie, terwijl ze 's nachts bronnen van vitaliteitsdiffusie worden, waarbij ze de omliggende vitaliteit bevorderen door outward spillover.

Nabijheid meet de efficiëntie van de connectiviteit van het wegennetwerk en bepaalt hoe gemakkelijk bewoners verschillende soorten bestemmingen kunnen bereiken. Het kernmechanisme ligt in het verminderen van reistijdskosten en het uitbreiden van het ruimtelijke bereik van activiteiten; een hogere nabijheid verhoogt direct de waarschijnlijkheid en frequentie van bezoeken aan locaties. De resultaten van deze studie tonen aan dat nabijheid de op één na belangrijkste drijvende factor is overdag, waarbij het alleen wordt overtroffen door POI-diversiteit, terwijl de invloed ervan 's nachts aanzienlijk afneemt. Dit opvallende contrast tussen dag en nacht weerspiegelt een fundamentele verschuiving in de activiteitspatronen van bewoners. Overdag stellen activiteiten zoals woon-werkverkeer, boodschappen en zakelijke aangelegenheden relatief hoge eisen aan het transport en zijn ze sterk afhankelijk van de bereikbaarheid. 's Nachts worden de activiteiten van bewoners echter meer op het huis gericht, krimpt de activiteitsstraal en verschuiven de belangrijkste reisdoelen naar recreatie en consumptie, waardoor bewoners aanzienlijk minder gevoelig zijn voor de bereikbaarheid van het wegennetwerk. Daarnaast vertoont nabijheid een bidirectioneel lokaal effect: er is een sterke positieve associatie met de stedelijke vitaliteit langs de rivier Jiahe, evenals in Zhichu Street en Fenghuangtai Street, terwijl er een zwakke negatieve associatie is in dunbevolkte gebieden ten noorden van Xingfu Street. Dit suggereert dat het vitaliteitsbevorderende effect van nabijheid afhankelijk is van de aanwezigheid van voldoende voetgangersvraag.

DBC meet de nabijheid van elke ruimtelijke eenheid tot het commerciële centrum van de stad, wat de locatievoordelen weerspiegelt wat betreft de toegang tot werkgelegenheid, consumptieomgevingen en economische externaliteiten. Het onderliggende mechanisme ligt in agglomeratievoordelen en consumententoegankelijkheid: hoe dichter een gebied bij het commerciële centrum ligt, hoe groter de dichtheid van werkgelegenheid, hoe rijker de consumptiekeuzes en hoe actiever de sociaaleconomische interacties, waardoor er een grotere voetgangersstroom wordt aangetrokken. De resultaten van deze studie tonen aan dat de invloed van DBC op de stedelijke vitaliteit overdag van zuid naar noord afneemt en een negatieve correlatie vertoont. Gebieden in het zuiden liggen verder van het commerciële centrum af en hebben daarom een zwakkere invloed op de stedelijke vitaliteit, terwijl gebieden ten noorden van Kuiyu Road dichter bij het commerciële centrum liggen en dus een sterker effect uitoefenen. 's Nachts wordt de relatie echter positief, waarbij twee ringvormige zones ontstaan aan de noord- en zuidzijde van Hongqi Road, waarbij de invloed geleidelijk toeneemt van het centrum naar de omliggende gebieden. Deze dag-nachtomkering onthult de onderliggende logica van de ruimtelijke structuur: overdag dient het commerciële centrum als de belangrijkste bestemming voor werk en consumptie, wat leidt tot een concentratie van de bevolking naar binnen; 's nachts keren bewoners terug naar woningen die over de stad verspreid zijn, waardoor woonwijken die verder van het commerciële centrum afliggen juist een toename in vitaliteit ervaren door de terugkeer van de bevolking.

Loopbaarheid meet de voetgangersvriendelijkheid van de straatomgeving en dient als een cruciale brug tussen de fysieke ruimte en de menselijke perceptie. Het onderscheidende mechanisme ligt niet in het direct genereren van voetgangersstromen, maar in het verbeteren van de loopervaring, het versterken van het gevoel van veiligheid en comfort, het verlengen van de verblijftijd van voetgangers en het faciliteren van sociale interactie, waardoor bijgedragen wordt aan de stedelijke vitaliteit. In deze studie vertoont loopbaarheid een stabiel positief effect op de stedelijke vitaliteit gedurende zowel de dag als de nacht, wat erop wijst dat de invloed van globale aard is en dat voetgangersvriendelijke straatomgevingen over het algemeen de ruimtelijke vitaliteit verhogen. Overdag vormt de invloed van loopbaarheid op de stedelijke vitaliteit zones met een lage vitaliteit in Zhujia Village en Fenghuangtai Street. Dit komt waarschijnlijk hoofdzakelijk doordat de voetgangersstromen nabij Zhujia Village relatief beperkt zijn en de bewoners daar minder afhankelijk zijn van trottoirs. In Fenghuangtai Street is de bebouwing dicht en de straatindeling verouderd; de trottoirs zijn smal en worden vaak geblokkeerd, wat resulteert in beperkte ondersteuning voor de aggregatie van vitaliteit via niet-gemotoriseerd verkeer. 's Nachts neemt de invloed van loopbaarheid geleidelijk af van het zuidwesten naar het noorden, met een sterker effect in het zuidelijk deel van de stad en een relatief zwakker effect in het noorden. Dit patroon is gerelateerd aan de distributie van voetgangersstromen, transportfaciliteiten en regionale ontwikkelingsverschillen in het belangrijkste stedelijke gebied van Yantai. Bovendien is het effect van loopbaarheid 's nachts relatief sterker, wat de hogere afhankelijkheid van nachtelijke activiteiten van de waargenomen veiligheid en omgevingskwaliteit weerspiegelt. Goede verlichting, doorlopende trottoirs en een goed gedefinieerde straatomsluiting kunnen het gevoel van onveiligheid tijdens nachtelijke verplaatsingen effectief verminderen, waardoor het potentieel van de nachtelijke stedelijke vitaliteit wordt ontsloten.

Representatieve gebieden en raamwerk voor optimalisatie van stedelijke vitaliteit
Om de ruimtelijke heterogeniteit die door de MGWR-analyse is vastgesteld verder te illustreren, zijn representatieve buurten met verschillende stedelijke ruimtelijke kenmerken geselecteerd voor veldonderzoek (Figuren 8 en 9). Deze voorbeelden bieden visueel bewijs van de ruimtelijke omstandigheden die geassocieerd zijn met de analytische resultaten.

Figuur 8. Bestaande condities van oude blokken in Xingfu New Town. Representatieve foto's tonen de condities van straten en de gebouwde omgeving, inclusief de ongelijkmatige distributie van openbare voorzieningen en de beperkte kwaliteit van de straatomgeving. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 9Bestaande condities van oude gemeenschappen in Nangou Street-Jinde en Baishi-Huangshan. Representatieve foto's tonen een hoge woningdichtheid, beperkte openbare open ruimte en de huidige milieuomstandigheden in de buurt. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 8 toont Xingfu New Town, een representatieve oudere buurt die wordt gekenmerkt door een ongelijke verdeling van openbare voorzieningen en een relatief slechte kwaliteit van de straatomgeving. Figuur 9 presenteert representatieve woonwijken in de gebieden Nangou Street–Jinde en Baishi–Huangshan, die worden gekenmerkt door een dichte residentiële bebouwing, beperkte openbare open ruimte en relatief monotone straatgevels. Deze waargenomen ruimtelijke kenmerken zijn consistent met de analyseresultaten die de verschillen beschrijven in de effecten van levensfuncties en woonfuncties op de stedelijke vitaliteit.

Figuur 10 vat de relaties samen tussen de belangrijkste dimensies van de stedelijke ruimtelijke structuur en hun invloeden op de stedelijke vitaliteit. Op basis van de resultaten van de MGWR-analyse integreert het raamwerk de geïdentificeerde sturende factoren en hun interacties om een algemene conceptuele weergave te geven van de mechanismen die de stedelijke vitaliteit overdag en 's nachts beïnvloeden.

Figuur 10. Optimalisatiemechanisme voor stedelijke ruimtelijke structuur en verbetering van de vitaliteit. Het diagram vat strategieën voor de verbetering van de vitaliteit samen op basis van functionele elementen, architecturale vorm, toegankelijkheid, socio-economische factoren, ecologische ruimte en menselijke perceptie, rekening houdend met de verschillen in vitaliteit tussen dag en nacht. Klik hier om een grotere versie van deze figuur te bekijken.

Beschikbaarheid van gegevens:
Alle gegevens die de bevindingen van deze studie ondersteunen, zijn opgenomen in het artikel en de aanvullende materialen. Deze omvatten Aanvullende Figuur 1; Aanvullende Bestanden 1–7, waarin de gegevensverzameling, voorbewerking, analytische workflows, modeluitvoer en regressiediagnostiek worden beschreven; Aanvullende Codes 1–4, die de Python-scripts en Jupyter notebooks bevatten die zijn gebruikt voor de voorbewerking van gegevens en de verwerking van street-view afbeeldingen; en Aanvullende Gegevens 1–3, waarin de oorspronkelijke, gestandaardiseerde en verwerkte datasets van indicatoren voor de stedelijke ruimtelijke structuur worden verstrekt die in de analyses zijn gebruikt.

Aanvullende figuur 1. Validatie van stedelijke vitaliteit afgeleid van heatmaps met behulp van de intensiteit van nachtverlichting. Vergelijking van de ruimtelijke distributie van de intensiteit van nachtverlichting (links) en de nachtelijke stedelijke vitaliteit afgeleid van Baidu-heatmapgegevens (rechts). Representatieve hotspotgebieden zijn gemarkeerd om de ruimtelijke overeenstemming tussen de twee datasets aan te tonen, wat het gebruik van de uit heatmaps afgeleide activiteitsintensiteit ondersteunt als proxy voor stedelijke vitaliteit in het studiegebied. Klik hier om dit bestand te downloaden.

Aanvullend bestand 1. Workflow voor de verzameling en verwerking van Baidu heatmap-gegevens. Dit bestand beschrijft de workflow voor de acquisitie, voorbewerking, ruisonderdrukking, temporele classificatie, ruimtelijke transformatie, kernel-dichtheidsschatting van Baidu heatmap-gegevens en de berekening van de stedelijke vitaliteit overdag en 's nachts op een raster schaal van 300 m × 300 m. Klik hier om dit bestand te downloaden.

Aanvullend bestand 2. Definities en berekeningsprocedures voor indicatoren van de stedelijke ruimtelijke structuur. Dit bestand bevat de definities, rekenkundige vergelijkingen, voorbewerkingsprocedures, parameterinstellingen en normalisatiemethoden voor alle indicatoren van de stedelijke ruimtelijke structuur die in de analyse zijn gebruikt, waaronder functionaliteit, architectonische vorm, toegankelijkheid, socio-economische kenmerken, ecologische ruimte en menselijke perceptie. Klik hier om dit bestand te downloaden.

Aanvullend bestand 3. Workflow voor acquisitie en analyse van street-viewbeelden. Dit bestand beschrijft de bemonsteringsstrategie voor street-viewbeelden, de parameters voor beeldacquisitie, het genereren van panoramabeelden, semantische segmentatie met behulp van het SegNet-model, modelvalidatie en de berekening van de menselijke perceptie-indicatoren afgeleid van street-viewbeelden. Klik hier om dit bestand te downloaden.

Aanvullend bestand 4. Workflow voor multiscale geografisch gewogen regressiemodellering (MGWR). Dit bestand beschrijft de MGWR-modelleringsprocedure, inclusief datapreprocessing, variabele selectie, beoordeling van multicollineariteit, modelconfiguratie, optimalisatie van de bandbreedte, parameterinstellingen, modelimplementatie en vergelijking van de prestaties van ordinary least squares (OLS), geografisch gewogen regressie (GWR) en MGWR-modellen. Klik hier om dit bestand te downloaden.

Aanvullend bestand 5. Output van de geografisch gewogen regressie op meerdere schalen (MGWR) overdag. Volledige output van het MGWR-model voor overdag, inclusief globale regressiestatistieken, bandbreedte-optimalisatie, diagnostische metrieken, parameterschattingen en samenvattende statistieken die zijn gebruikt om de ruimtelijke heterogeniteit van de stedelijke vitaliteit overdag te evalueren. Klik hier om dit bestand te downloaden.

Aanvullend bestand 6. Output van de geografisch gewogen regressie op meerdere schalen (MGWR) voor de nachtperiode. Volledige output van het MGWR-model voor de nachtperiode, inclusief globale regressiestatistieken, bandbreedteoptimalisatie, diagnostische metrieken, parameterschattingen en samenvattende statistieken die zijn gebruikt om de ruimtelijke heterogeniteit van de nachtelijke stedelijke vitaliteit te evalueren. Klik hier om dit bestand te downloaden.

Aanvullend bestand 7. Diagnostiek van ordinary least squares (OLS) regressie en modelevaluatie. Diagnostische resultaten voor het OLS-model, inclusief beoordeling van multicollineariteit, regressiediagnostiek, residuanalyses en ondersteunende plots die zijn gebruikt voor vergelijking met geografisch gewogen regressiemodellen. Klik hier om dit bestand te downloaden.

Aanvullende Code 1. Python-workflow voor de voorbewerking van Baidu heatmap-gegevens. Python-script gebruikt voor de voorbewerking van ruwe heatmap-gegevens, inclusief het verwijderen van duplicaten, het filteren van ontbrekende waarden, tijdstempelconversie, classificatie van dag/nacht, standaardisatie van coördinaten en export van bewerkte datasets voor daaropvolgende ruimtelijke analyses. Klik hier om dit bestand te downloaden.

Aanvullende code 2. Workflow voor het samenvoegen van street-view beelden. Jupyter notebook voor de implementatie van street-view beeldverwerking, inclusief het samenvoegen van beelden en het genereren van panoramabeelden voor een daaropvolgende analyse van het straatbeeld. Klik hier om dit bestand te downloaden.

Aanvullende code 3. Workflow voor de acquisitie van street-view beelden. Jupyter notebook gebruikt om street-view beelden op te halen via de Baidu Street View application programming interface (API), beeldmetadata te organiseren en beelden voor te bereiden voor semantische segmentatie. Klik hier om dit bestand te downloaden.

Aanvullende Code 4. Workflow voor de verwerking van street-view beelden. Jupyter notebook gebruikt voor het verwerken en integreren van street-view beelden voorafgaand aan de extractie van de menselijke perceptie-indicatoren. Klik hier om dit bestand te downloaden.

Aanvullende gegevens 1. Originele dataset van indicatoren voor de stedelijke ruimtelijke structuur. Ruwe indicatorwaarden samengesteld vóór de voorbewerking en standaardisatie voor alle ruimtelijke eenheden die in de studie zijn opgenomen. Klik hier om dit bestand te downloaden.

Aanvullende gegevens 2. Gestandaardiseerde dataset van indicatoren voor de stedelijke ruimtelijke structuur. Gestandaardiseerde predictorvariabelen die zijn gebruikt als input voor de multiscale geografisch gewogen regressieanalyses. Klik hier om dit bestand te downloaden.

Aanvullende gegevens 3. Gefilterde en verwerkte dataset van indicatoren voor de stedelijke ruimtelijke structuur. Kwaliteitsgecontroleerde dataset na voorbewerking en variabeleselectie, gebruikt voor statistische analyses en modelontwikkeling. Klik hier om dit bestand te downloaden.

Discussie

Stedelijke vitaliteit in het hoofdstedelijke gebied van Yantai vertoont diverse clusterpatronen en heterogene ruimtelijke invloeden die variëren naar locatie, ruimtelijk bereik en analytische schaal. De huidige studie toont aan dat stedelijke vitaliteit wordt gevormd door een samengestelde en geneste ruimtelijke structuur waarin meerdere dimensies van de gebouwde omgeving gezamenlijk de dag- en nachtactiviteiten van bewoners beïnvloeden. Met behulp van multisource geospatiale big data en het MGWR-model identificeerde deze studie aanzienlijke ruimtelijke heterogeniteit in de effecten van functionaliteit, gebouwde vorm, toegankelijkheid, sociaaleconomische omstandigheden en menselijke perceptie op de stedelijke vitaliteit. In vergelijking met traditionele globale regressiebenaderingen legde het MGWR-model de ruimtelijke niet-stationariteit van deze relaties effectiever vast, wat leidde tot een verfijnder begrip van de mechanismen die ten grondslag liggen aan stedelijke vitaliteit. Deze bevindingen geven aan dat strategieën voor het stimuleren van stedelijke vitaliteit gebaseerd moeten zijn op de spatiotemporele activiteitsbehoeften van bewoners en gebruik moeten maken van rechtvaardige, contextspecifieke benaderingen die variëren naar persoon, tijd en plaats. Bovendien vereist een effectieve verbetering van de vitaliteit een gecoördineerde optimalisatie van zowel globale als lokale ruimtelijke structuren, terwijl inefficiënties, ineffectieve interventies en negatieve effecten verbonden met resource-allocatie en omgevingsbeperkingen worden verminderd. Collectief bieden deze resultaten een evidence-based kader voor het verbeteren van de effectiviteit en precisie van strategieën ter bevordering van de stedelijke vitaliteit (Figuur 10).

Van de onderzochte functionele elementen werden POI-diversiteit, levensfuncties en residentiële functies geïdentificeerd als de belangrijkste determinanten van stedelijke vitaliteit. POI-diversiteit oefende de sterkste positieve invloed uit op de stedelijke vitaliteit, in overeenstemming met de bevindingen van Ye en Zhuang³³ en Cetin et al.³⁴, die aantoonden dat gemengde stedelijke functies populatieaggregatie bevorderen en de ruimtelijke vitaliteit verhogen. In de huidige studie vertoonde POI-diversiteit een significante positieve relatie met de stedelijke vitaliteit in het grootste deel van het belangrijkste stedelijke district overdag, terwijl in perifere gebieden slechts zwakke negatieve associaties werden waargenomen. Dit patroon kan worden verklaard door de concentratie van diverse residentiële, commerciële, recreatieve en dienstverleningsfuncties die continue ketens van menselijke activiteiten creëren en zowel de temporele als ruimtelijke vitaliteit versterken. In contrast hiermee vertonen perifere districten, gekenmerkt door landgebruik met één functie, gefragmenteerde activiteitsketens en een verminderd temporeel gebruik van de stedelijke ruimte. Deze concentrische differentiatie is ook consistent met eerdere studies van Fang et al.³⁵ en Xu et al.³⁶. Vergelijkbare patronen zijn gerapporteerd in Peking en Wuhan, waar hogere niveaus van functionele integratie geassocieerd zijn met een sterkere voetgangers- en commerciële vitaliteit^37,38. In tegenstelling tot suburban residentiële districten in Peking, die over het algemeen relatief volledige ondersteunende faciliteiten bezitten, ontbreken industriële gebieden zoals Huangwu Street en Wanhua Industrial Park in Yantai voldoende dagelijkse POI's, waardoor de negatieve effecten van functionele monocultuur prominenter zijn. Bijgevolg zou het verhogen van de functionele diversiteit via gemengde residentieel-commerciële ontwikkeling, gemeenschapsdiensten en openbare open ruimtes waarschijnlijk de vitaliteit in deze districten verbeteren, terwijl het uitbreiden van commerciële straten en nachtmarkten de nachtelijke activiteit verder zou kunnen versterken. Levensfuncties vertoonden ook consistent positieve effecten op de stedelijke vitaliteit tijdens zowel de dag als de nacht, met name in het oostelijke deel van de stad. Faciliteiten gerelateerd aan onderwijs, gezondheidszorg, cultuur, recreatie, transport en publieke diensten trekken dagelijkse herhaalbezoeken aan en dienen als belangrijke bestemmingen voor reizen en sociale interactie. De ruimtelijke overlap van deze faciliteiten met commerciële diensten verhoogt verder de verblijfsduur van voetgangers en de activiteitsintensiteit, waardoor de stedelijke vitaliteit behouden blijft. Deze bevindingen zijn consistent met Liu en Ge³⁹, die de nadruk legden op het belang van de publieke dienstverlening bij het verhogen van de gemeenschapsvitaliteit, evenals studies uitgevoerd in Nanjing en Wuhan die aantonen dat gebalanceerde levensondersteunende faciliteiten de activiteitsintensiteit van bewoners gedurende de dag significant verhogen^40,41. Daarom moet uitgebreide stedelijke vernieuwing prioriteit geven aan verbeteringen in zowel de kwantiteit als de kwaliteit van levensfunctie-faciliteiten. Zoals geïllustreerd in Figuur 8, blijven oudere wijken zoals Xingfu Xincheng en omliggende stedelijke dorpen kampen met onvoldoende publieke diensten en een relatief slechte ruimtelijke kwaliteit. Het verbeteren van de toegang tot onderwijs, gezondheidszorg, ouderenzorg, openbare groene ruimtes en noodinfrastructuur, samen met de adaptieve herbestemming van voormalige industriële locaties zoals Zhichu Park tot parken en openbare pleinen, zou bijdragen aan een sterkere en duurzamere stedelijke vitaliteit. Residentiële functies vertoonden soortgelijke ruimtelijke patronen overdag en 's nachts, waarbij ze over het algemeen zwakke negatieve relaties lieten zien in gebieden met hoge concentraties residentiële POI's. Deze gebieden worden vaak gekenmerkt door dominant residentieel landgebruik, beperkte openbare open ruimte, onvoldoende commerciële activiteiten en relatief weinig mogelijkheden voor sociale interactie, wat resulteert in omgevingen met sterke residentiële kenmerken maar een relatief zwakke activiteitsintensiteit. Chen et al.⁴² toonden op soortgelijke wijze aan dat stedelijke infrastructuur de vitaliteit alleen verhoogt wanneer een passende dichtheid gepaard gaat met continue upgrades en vernieuwing. Onderzoek uitgevoerd in hoogstedelijke districten van Guangzhou geeft ook aan dat het enkel verhogen van de residentiële ontwikkeling niet noodzakelijkerwijs de vitaliteit verbetert, tenzij dit wordt ondersteund door publieke diensten, commerciële faciliteiten, voetgangersinfrastructuur en hoogwaardige openbare ruimtes. Zoals getoond in Figuur 9, blijven veel residentieel geconcentreerde wijken kampen met een tekort aan openbare ruimtes en inactieve straatfronten. Daarom zouden residentieel dichte districten profiteren van gerichte verbeteringen in publieke servicefaciliteiten, optimalisatie van residentiële functies, adoptie van groene gebouwtechnologieën, versterkte gemeenschapsgovernance en zorgvuldige planning van toekomstige residentiële ontwikkeling om zowel de woonkwaliteit als de stedelijke vitaliteit te verbeteren.

Naast functionele elementen toont de huidige studie aan dat bebouwingsvorm, bereikbaarheid, sociaaleconomische omstandigheden en menselijke perceptie allemaal bijdragen aan de ruimtelijke heterogeniteit van stedelijke vitaliteit. Bebouwingsdichtheid bleek een belangrijke determinant voor de vitaliteit van de buurt. In overeenstemming met de bevindingen van Yang et al.⁴³ in Chongqing bevordert een hogere bebouwingsdichtheid over het algemeen de aggregatie van de bevolking en economische activiteiten, waardoor de vitaliteit van de buurt wordt vergroot. Evenzo toonde de huidige studie aan dat de invloed van bebouwingsdichtheid geleidelijk toenam van west naar oost, wat de concentratie van ontwikkeling en commerciële activiteiten in de noordoostelijke kern van het belangrijkste stedelijke district van Yantai weerspiegelt. Eerdere studies in Guangzhou toonden verder aan dat hoewel een toenemende bebouwingsdichtheid aanvankelijk de stedelijke vitaliteit bevordert, deze relatie uiteindelijk een optimale drempel bereikt waarna extra dichtheid leidt tot afnemende meeropbrengsten¹⁶. Evenzo gaven studies uitgevoerd in Qingdao aan dat gebieden rond ecologische ruimtes ongeschikt zijn voor excessief intensieve ontwikkeling44 en dat kustlijnen of vrijvormige ruimtelijke lay-outs vaak aantrekkelijkere omgevingen bieden dan zeer compacte stedelijke vormen. Deze bevindingen suggereren dat de bebouwingsdichtheid moet worden geoptimaliseerd in plaats van gemaximaliseerd. Bijgevolg moet de lokale bebouwingsdichtheid in sterk ontwikkelde commerciële en residentiële districten, waaronder gebieden rond het station van Yantai en Haishang World, op passende wijze worden verminderd, terwijl openbare groene ruimtes en recreatiegebieden moeten worden uitgebreid. Historische districten zoals Chaoyang Street en Suochengli moeten prioriteit geven aan het behoud van historische gebouwen en excessieve herontwikkeling vermijden, terwijl de ontwikkelingsintensiteit langs de kusttoerismegordel en rond Central Mountain Park zorgvuldig gecontroleerd moet blijven om ecologische en landschappelijke hulpbronnen te behouden terwijl de stedelijke vitaliteit gewaarborgd blijft. Bereikbaarheid vertoonde ook een uitgesproken spatiotemporele heterogeniteit. In overeenstemming met eerdere studies^45,46 vertoonde de nabijheid overdag een significant positieve relatie met de stedelijke vitaliteit, terwijl de invloed hiervan tijdens de nachtelijke uren van zuid naar noord afnam. Omdat nabijheid de connectiviteit van het wegennetwerk en de reiskosten van bewoners weerspiegelt, faciliteert een hogere bereikbaarheid frequente en multifunctionele activiteiten door de reistijd te verkorten. Eerdere studies hebben evenzo aangetoond dat nachtelijke vitaliteit sterk geassocieerd is met bevolkingsdichtheid en transportconnectiviteit, met name in dichtbebouwde stedelijke gebieden⁴⁷. Wei Wei et al.⁴⁸ toonden verder aan in Wuhan dat sterk verbonden wegennetwerken en goed ontwikkelde systemen voor langzaam verkeer de vitaliteit van de buurt aanzienlijk verhogen, vooral 's nachts. Deze bevindingen suggereren dat toekomstige planning van het wegennetwerk een strategie van "kleine blokken en een dicht straatennetwerk" moet hanteren. In oudere buurten nabij bergachtig terrein, waaronder Nangou Street–Jinde en Baishi–Hushan, zou een verbeterde connectiviteit door het elimineren van doodlopende wegen en de uitbreiding van infrastructuur voor voetgangers, fietsers en wegverkeer de bereikbaarheid en de algehele vitaliteit versterken. Evenzo zouden transportverbeteringen in de noordelijke gebieden van Xingfu Street de nachtelijke vitaliteit verder verhogen. De sociaaleconomische omstandigheden, vertegenwoordigd door de DBC, vertoonden ook een duidelijke dag-nachtheterogeniteit. Overdag waren lagere DBC-waarden geassocieerd met een sterkere populatieaggregatie en een hogere stedelijke vitaliteit, terwijl de nachtelijke vitaliteit het tegenovergestelde patroon vertoonde, in overeenstemming met de bevindingen gerapporteerd door Wang et al.⁴⁹ Dit verschil weerspiegelt de contrasterende ruimtelijke organisatie van dagelijkse woon-werkverkeers- en winkelsactiviteiten vergeleken met nachtelijke recreatie- en woonactiviteiten. Overdag functioneert de commerciële kern van de stad als de belangrijkste bestemming voor werkgelegenheid en consumptie, wat leidt tot een sterke concentratie van vitaliteit. 's Nachts worden recreatieactiviteiten echter meer verspreid, terwijl perifere woongebieden een toename in vitaliteit ervaren wanneer bewoners thuiskomen. Dit patroon weerspiegelt ook de onbalans tussen banen en huisvesting onder de overwegend monocentrische commerciële structuur van Yantai. In overeenstemming met de theorie van Bianchini over de nachteconomie⁵⁰ vormt het vestigen van gediversifieerde nachtelijke commerciële activiteiten een effectieve strategie voor het versterken van de vitaliteit in buitenwijken. Bijgevolg zouden buitenwijken zoals de wijk Huangwu profiteren van de ontwikkeling van secundaire commerciële centra, gediversifieerde mogelijkheden voor nachtelijke consumptie en verbeterde transportverbindingen tussen residentiële buitenwijken en het stadscentrum, waardoor een meer gebalanceerde vitaliteit in het hele stedelijke gebied wordt bevorderd. Ten slotte oefende de menselijke perceptie, vertegenwoordigd door de beloopbaarheid, consistent een positieve invloed uit op de stedelijke vitaliteit, zowel overdag als 's nachts. Geurs et al.⁵¹ toonden aan dat een hogere beloopbare bereikbaarheid de bereidheid van bewoners om spontane wandelingen te maken vergroot, waardoor de vitaliteit van de buurt wordt bevorderd. Mahmood et al.⁵² benadrukten verder dat nachtelijke stedelijke activiteiten sterk afhankelijk zijn van transportbereikbaarheid, voetgangerscomfort en waargenomen veiligheid, waardoor hoogwaardige wandelomgevingen essentieel zijn voor het behoud van nachtelijke vitaliteit. De huidige bevindingen geven op soortige wijze aan dat wandelactiviteit overdag primair wordt beïnvloed door de bereikbaarheid van voorzieningen, terwijl nachtelijke vitaliteit sterker afhankelijk is van omgevingscomfort, de continuïteit van voetgangersroutes en waargenomen veiligheid. Si Rui et al.⁵³ rapporteerden evenzo dat veiligere voetgangersomgevingen de nachtelijke vitaliteit bevorderen, terwijl diverse straatinterfaces de vitaliteit overdag verhogen. In Yantai blijven gefragmenteerde voetgangersvoorzieningen en ernstige conflicten tussen voetgangers en voertuigen gebruikelijk in oudere buurten, wat de ontplooiing van de dag- en nachtvitaliteit beperkt. Daarom moet toekomstige planning prioriteit geven aan doorlopende trottoirs, drempelvrije voetgangersvoorzieningen, veiligere oversteekplaatsen, rijkere straatinterfaces, verbeterde verlichting en een hogere omgevingskwaliteit in de nacht om de buitenactiviteiten van bewoners te verlengen, sociale interactie en commerciële activiteit te bevorderen en zowel de dag- als nachtelijke stedelijke vitaliteit te versterken. Figuur 10 vat de voorgestelde optimalisatiestrategieën samen die uit deze bevindingen zijn afgeleid.

Over het algemeen draagt de huidige studie bij aan het begrip van stedelijke vitaliteit door multisource geospatial big data te integreren met het MGWR-model om te kwantificeren hoe meerdere dimensies van de stedelijke ruimtelijke structuur de vitaliteit beïnvloeden over verschillende ruimtelijke schalen en tijdsperioden. In tegenstelling tot conventionele globale regressiemodellen maakt de MGWR-benadering het mogelijk dat elke verklarende variabele op zijn eigen ruimtelijke schaal opereert, waardoor aanzienlijke ruimtelijke non-stationariteit wordt onthuld in de relaties tussen functionaliteit, bebouwing, toegankelijkheid, socio-economische omstandigheden, menselijke perceptie en stedelijke vitaliteit. Dit analytische kader verbetert niet alleen de interpretatie van de mechanismen die ten grondslag liggen aan stedelijke vitaliteit, maar biedt ook praktische richtlijnen voor evidence-based stedelijke planning en governance. In plaats van uniforme planningsinterventies in de hele stad toe te passen, ondersteunen de resultaten gedifferentieerde optimalisatiestrategieën die zijn afgestemd op lokale functionele kenmerken, ontwikkelingsintensiteit, transporttoegankelijkheid, socio-economische context en voetgangersomgevingen. Bijgevolg heeft het voorgestelde kader potentiële toepassingen in stedelijke vernieuwing, buurtregeneratie, optimalisatie van openbare ruimtes, transportplanning en de ontwikkeling van duurzame dag- en nachteconomieën. Door te identificeren waar en hoe verschillende ruimtelijke elementen de vitaliteit beïnvloeden, biedt de studie een wetenschappelijke basis voor het implementeren van precieze, mensgerichte planningsstrategieën die de stedelijke ruimtelijke kwaliteit verbeteren en tegelijkertijd een gebalanceerde en duurzame stedelijke ontwikkeling bevorderen.

Hoewel de huidige studie een analytisch kader vaststelt voor het onderzoeken van stedelijke vitaliteit met behulp van multisource geospatiale data en het MGWR-model, moeten enkele beperkingen worden erkend. Ten eerste was de temporele dekking van de analyse beperkt tot Heat Map-data verzameld over vijf opeenvolgende werkdagen, wat variaties in het gedragspatroon van bewoners tijdens weekenden, feestdagen of verschillende seizoenen niet vastlegt en daarom de volledigheid van de temporele analyse beperkt. Ten tweede, hoewel Heat Map-data een uitgebreide ruimtelijke dekking bieden door een grote gebruikersgroep, bevatten ze onvermijdelijk steekproefbias en kunnen ze de gehele stedelijke bevolking niet volledig representeren, wat leidt tot beperkingen in de representativiteit van de steekproef. Ten derde richtte de studie zich uitsluitend op het belangrijkste stedelijke gebied van het district Zhifu in Yantai; bijgevolg zijn de bevindingen nauw verbonden met de kenmerken van de lokale gebouwde omgeving, en de toepasbaarheid ervan op andere stedelijke contexten, waaronder bergsteden, buitenwijken, kuststeden en megasteden, vereist verdere verificatie via vergelijkende studies. Ten vierde onderzocht de huidige analyse alleen de invloed van de stedelijke ruimtelijke structuur op de stedelijke vitaliteit, terwijl de potentiële bidirectionele interacties tussen stedelijke vitaliteit en ruimtelijke structuur niet werden onderzocht. Ten slotte, hoewel het MGWR-model ruimtelijke niet-stationariteit effectief vastlegt, blijft het fundamenteel gebaseerd op lineaire aannames en kan het daarom de complexe niet-lineaire relaties en interactie-effecten tussen stedelijke vitaliteit, menselijke activiteiten en ruimtelijke elementen mogelijk niet volledig karakteriseren. Deze beperkingen bieden belangrijke richtingen voor verdere methodologische verfijning en een bredere toepassing van het voorgestelde analytische kader.

Toekomstig onderzoek kan het huidige werk in verschillende richtingen uitbreiden. Het integreren van Heat Map-gegevens die zijn verzameld tijdens weekenden, feestdagen en verschillende seizoenen zou langetermijn dynamische monitoring van stedelijke vitaliteit mogelijk maken en een uitgebreider begrip bieden van de spatiotemporele evolutie ervan. Vergelijkende analyses tussen verschillende stedelijke typen — waaronder bergsteden, vlaktesteden, kuststeden, buitenwijken en megasteden — zouden helpen om universele mechanismen te onderscheiden van regio-specifieke kenmerken en de generaliseerbaarheid van de bevindingen verbeteren. Daarnaast zou de integratie van sociaaleconomische informatie, waaronder populatiestructuur, industriële distributie, kenmerken van werkgelegenheid en het inkomen van bewoners, een completere interpretatie faciliteren van de mechanismen die ten grondslag liggen aan de vorming van stedelijke vitaliteit. Toekomstige studies kunnen mogelijk meerdere gegevensbronnen combineren, zoals mobiele telefoonsignaleringsgegevens en hoogfrequente consumptieregistraties, met machine learning en andere niet-lineaire analytische benaderingen om de complexe interacties tussen stedelijke ruimtelijke structuur, menselijk gedrag en stedelijke vitaliteit beter in kaart te brengen. Bovendien heeft het analytische kader dat in deze studie is ontwikkeld aanzienlijke praktische waarde voor stedelijke vernieuwing, regeneratie van buurten, optimalisatie van de openbare ruimte en verfijnd stedelijk bestuur, in het bijzonder in vergrijzende gemeenschappen, buitenwijken en gebieden met een relatief zwakke commerciële vitaliteit. Door kwantitatief bewijs te leveren voor gedifferentieerde planningsstrategieën op basis van lokale ruimtelijke kenmerken, kan dit kader een preciezere, mensgerichte en duurzame stedelijke ontwikkeling ondersteunen. Over het algemeen toont deze studie aan dat de integratie van multisource geospatiale big data met het MGWR-model een effectieve aanpak biedt voor het onthullen van de ruimtelijke heterogeniteit van stedelijke vitaliteit en waardevolle wetenschappelijke ondersteuning biedt voor het optimaliseren van de stedelijke ruimtelijke structuur en het vergroten van de stedelijke vitaliteit door middel van bewijsgestuurde planning en bestuur.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
ArcGIS	Esri	Versie 10.4 (RRID: SCR_011081)	Geografische informatiesysteemsoftware gebruikt voor ruimtelijke analyse en kaartvisualisatie
Baidu Maps API	Baidu, Inc.	Versie 3.0	Gebruikt voor het verkrijgen van heatmap-gegevens, interessepunten (POI) en street-view-afbeeldingen
MGWR	Arizona State University	Versie 2.2	Software gebruikt voor multiscale geografisch gewogen regressieanalyse
Landgebruikdataset van het National Basic Geographic Information Center	Nationaal Centrum voor Basisgeografische Informatie	https://www.gscloud.cn/search	Bron van landgebruikgegevens
NPP-VIIRS dataset van nachtverlichting	Harvard Dataverse	DOI: 10.7910/DVN/YGIVCD	Gebruikt om op heatmaps gebaseerde patronen van stedelijke vitaliteit te valideren
OpenCV	OpenCV	Versie 4.5.5	Gebruikt voor panoramische beeldstitching en beeldverwerking
OpenStreetMap	OpenStreetMap Foundation	https://www.openstreetmap.org	Bron van gegevens over gebouwvoetafdrukken en wegennetwerken
Python	Python Software Foundation	Versie 3.8 (RRID: SCR_008394)	Gebruikt voor data-acquisitie, preprocessing en analyse
SegNet	University of Cambridge	PyTorch-implementatie (Versie 1.0) (RRID: SCR_017042)	Deep-learning semantic segmentatienetwerk gebruikt voor de extractie van straatbeeldkenmerken
Ruimtelijke Ontwerpanalyse van Netwerken (sDNA)	Cardiff University	Versie 4.0	Wordt gebruikt voor het berekenen van metrieken voor de toegankelijkheid van het wegennetwerk