邱蘭清， 余萍， 馬慧鑫

(天津農(nóng)學院水利工程學院， 天津 300392)

城市活力是對于城市人口活動強度的概括和描述，是動態(tài)的、以人和活動為關注對象的主觀概念。量化的城市活力是評價城市空間品質的重要指標，同時提升城市活力也是城市物質空間環(huán)境營造的目標之一。城市活力反映在空間上就是城市中的活力區(qū)域，活力較高的區(qū)域往往是各種社會性活動發(fā)生最為頻繁、強度最大的空間，同時活力區(qū)域不僅自身需要具有較高的活力，而且對于周邊區(qū)域應有帶動和輻射作用，體現(xiàn)在空間上就是活力的高值集聚區(qū)。對城市活力區(qū)域的識別評估及其驅動因素的評估，無論是對于城市規(guī)劃實踐、政策制定還是城市空間問題研究都有著重要意義[1]。

對于城市活力的研究早在20世紀60年代就引起了學者的關注，如簡·雅各布斯將“活力”作為評價城市空間形態(tài)質量的首要指標[2]。同時，許多研究提出了城市活力的衡量要素，主要分為兩類：一類是針對客觀物質空間特性提出的，如簡·雅各布斯提出的街道長短、人流密度、功能混合，特蘭西克提出的界面連續(xù)性等；另一類是從人的活動出發(fā)等主觀判斷提出的，例如，人們在空間中是否感到友好、安全等[3-6]。由于時代背景限制，研究方法和技術有限，這個時期的研究存在著一些局限性。第一類研究沒有直接關注人的活動，而是從物質空間、設施供給的角度側面、間接反映活力，其潛臺詞默認良好的物質空間環(huán)境品質和實際活力具有高度相關性，但事實是物質空間的供給和實際的活力往往存在失位，不一定能反映實際的活力；第二類研究從人的實際空間感受出發(fā)，不直接與空間特性相聯(lián)系，同時對于較大尺度的城市活力和定量研究關注不足。

近年來也有一些學者開始做一些定量的研究，從較為傳統(tǒng)的實地調(diào)研、問卷調(diào)查、專家評分，到比較先進的通過POIs(point of interests)、模糊物元模型、GPS(global positioning system)、空間句法等技術手段對空間活力進行測度，對其影響因素的相關性進行探究，逐漸將傳統(tǒng)的調(diào)研方法和先進的技術手段結合起來[7-9]。

但是，已有研究雖然應用了大量技術方法，研究方法上卻主要在進行了空間數(shù)據(jù)可視化后就通過肉眼判斷主觀解釋因果，缺乏了應用統(tǒng)計方法來做更進一步分析的步驟，或是應用常規(guī)數(shù)理統(tǒng)計方法忽視了城市活力的空間特性，缺乏空間統(tǒng)計方法的應用；在研究基本空間單元的選擇上，對于研究區(qū)域的選擇多采用網(wǎng)格化，對政策的引導價值和意義有所欠缺。

因此，以上海為例，對城市活力的時空分布做初步識別與分析；進一步進行全局、局部空間自相關分析以探測活動熱力的空間依賴性和活力高值集聚區(qū)[10-11]。其次測度功能混合度，綜合POIs與宜出行熱力兩種異構數(shù)據(jù)，使用信息熵模型，構建用于定量化評價城市功能混合度的空間熵與時空熵；并分別進行全局空間自相關，測度空間依賴性和局部空間自相關，探測混合度高值集聚區(qū)；再通過相關性分析與回歸分析驗證兩種熵結合使用進行功能混合度評價的合理性[12]。然后將人口活動熱力與其他各驅動因素進行相關性分析，探究驅動因素和人口活動熱力的相關關系[13]。最后將各驅動因素作為解釋變量進行地理加權回歸，以期深層剖析人口熱力與選取驅動因素之間的量化關系，并試探知其因果關系，為未來規(guī)劃、政策提出建議。

1 方法與數(shù)據(jù)

1.1 研究數(shù)據(jù)

本文中使用的數(shù)據(jù)包括POIs數(shù)據(jù)、宜出行熱力數(shù)據(jù)、公交和地鐵線路數(shù)據(jù)、人口數(shù)據(jù)、道路網(wǎng)數(shù)據(jù)和交通態(tài)勢數(shù)據(jù)。POIs數(shù)據(jù)通過使用百度地圖平臺提供的API(application programming interface)接口獲取截至2020年11月24日的上海市POIs開源大數(shù)據(jù)，共551 250個，可以反映設施的靜態(tài)供給空間分布情況。宜出行數(shù)據(jù)來源于騰訊位置大數(shù)據(jù)服務窗口，空間分辨率為25 m，獲取時間為2020年11月24日。公交和地鐵數(shù)據(jù)通過網(wǎng)頁抓取技術獲取公交、地鐵站點及線路數(shù)據(jù)。人口數(shù)據(jù)為街道/鄉(xiāng)鎮(zhèn)級別的常住人口數(shù)據(jù)。道路網(wǎng)數(shù)據(jù)為通過在線電子地圖下載軟件獲取到的2020年上海市各級道路網(wǎng)數(shù)據(jù)。交通態(tài)勢數(shù)據(jù)通過使用高德地圖平臺提供的API獲取的2020年11月24日的各時段交通態(tài)勢數(shù)據(jù)。

1.2 計算方法

1.2.1 基于宜出行熱力數(shù)據(jù)的人口活動熱力計算方法

熱力數(shù)據(jù)為以25 m為間距的采樣點，統(tǒng)計各時間段各采樣點的熱力值取平均值，再加總各基本空間單元中的各采樣點熱力值，作為該基本空間單元的活動強度。

1.2.2 基于POIs數(shù)據(jù)的空間信息熵計算方法

信息熵原是一個物理學的概念，用來測度系統(tǒng)的復雜性和均衡性。城市同樣可以看作為一個系統(tǒng)整體，其中城市功能是這個系統(tǒng)在空間上的映射。

根據(jù)信息熵模型的基本原理，構建基于精細化不同種類POIs數(shù)據(jù)的信息熵模型：假定POIs數(shù)據(jù)總個數(shù)為A，根據(jù)這些POIs數(shù)據(jù)的具體名稱，將其分為不同類型，如商業(yè)、公共服務、行政機構、停車場、旅游景點、工業(yè)、餐飲、娛樂、中小學、文化設施、商務辦公、高速服務設施等N個類型(N=14)，若各類型的個數(shù)分別為A1,A2, …,An, 則A=A1+A2+…+An=∑Ai(i=1,2,…,N)，定義概率為

(1)

顯然有∑Pi=1，于是得城市功能的信息熵公式為

(2)

式(2)中:H為信息熵。可以看出，H≥0。信息熵的高低可以反映城市功能的混合程度，熵值越高，表明功能類型越多，各功能類型的數(shù)量相差越小。

1.2.3 基于宜出行熱力數(shù)據(jù)的時空信息熵計算方法

用人口熱力的時空熵來刻畫不同區(qū)域功能混合度的基本原理為：以人口熱力的時間分布均勻性來評價這個區(qū)域功能的混合情況。原因是一般認為一個區(qū)域功能越多越混合，其一天中每個時段都會有相應需求的人群在此地活動，因此無論是住宅區(qū)還是辦公、商業(yè)區(qū)只要其功能單一化，其人口熱力的時空熵都會較低。

根據(jù)前文空間信息熵的計算模型，構建時空熵的計算模型：假定基本空間單元人口熱力活動強度總個數(shù)為A，以3 h為一個時間段，將其分為8個時間分段，進而根據(jù)計算公式可以得出每個基本空間單元內(nèi)一天內(nèi)不同時間段人口。由此可以得到基于人口熱力大數(shù)據(jù)的時空熵模型，其時空分布在一定程度上可以表征人們不同的行為特征及規(guī)律，由此認為某個區(qū)域人口熱力強度越高且在不同時間段分布越均勻，其功能類型越復雜，混合度越高，這也是對基于POIs數(shù)據(jù)計算的空間熵的一個很好的補充。

1.2.4 基于交通態(tài)勢數(shù)據(jù)的汽車交通可達性計算方法

可達性是一種反映交通出行方便程度的指標。比較典型的可達性測度模型有5類：空間阻隔模型、累計機會模型、空間相互作用模型、效用模型和時空樹模型。此次以基于空間阻隔模型提出的“最小阻抗可達性分析方法”作為可達性分析的方法。

首先，以交通態(tài)勢數(shù)據(jù)的道路車速數(shù)據(jù)求得每條道路網(wǎng)絡的時間成本作為阻抗。

其次，在交通路網(wǎng)中，求解每個節(jié)點的交通可達性Hi：假如網(wǎng)絡中共有n個節(jié)點，節(jié)點交通可達性等于該節(jié)點到其他每一個節(jié)點的最短路徑之和n-1，即

(3)

最后，求解整個路網(wǎng)的交通可達性H，為每個節(jié)點交通可達性的平均值，路網(wǎng)交通可達性等于每個節(jié)點交通可達性之和n，即

(4)

式中：n代表網(wǎng)絡中節(jié)點數(shù)；dij代表節(jié)點i和節(jié)點j之間的最短路徑距離。

2 研究結果

2.1 空間權重矩陣

在空間權重矩陣設定上，由于選取的基本空間單元街道/鄉(xiāng)鎮(zhèn)為行政區(qū)，其本身就具有明確意義，因此選取基于鄰接關系構建空間權重矩陣，以Queen相鄰(只要存在頂點相接,就認為兩地區(qū)為相鄰關系)定義鄰接關系，階數(shù)為1。同時考慮到人口活動特性，在相關計算上對空間權重矩陣進行標準化。此外為了避免空間權重矩陣定義對結果的影響，還嘗試了以Rook(兩個相鄰區(qū)域有共同的邊)相鄰定義鄰接關系、基于距離關系構建空間權重矩陣(距離閾值4 000 m，距離衰減為反距離1次方)等，結果表明影響不大[14]。

2.2 上海市人口活動熱力分析

2.2.1 人口活動熱力可視化

為更好地進行下一步的統(tǒng)計分析，將熱力數(shù)值以街道/鄉(xiāng)鎮(zhèn)邊界為基本空間單元進行聚合(圖1)。

圖1 人口熱力圖

2.2.2 人口活動熱力全局空間自相關

通過對人口活動熱力的空間依賴性進行測度，結果表明活力值整體呈空間正相關關系，Moran’s I高達0.860，z得分為20.13，p=0，在a=0.01水平下，結果具有顯著性，分布上聚類分布的可能性超過99%(圖2)。

圖2 人口熱力全局自相關圖

分析結果表明上海市城市活力呈集聚的空間分布模式，具有高度的空間依賴性，另一方面也說明了后續(xù)的雙變量相關性等分析中常規(guī)的數(shù)理統(tǒng)計方法的結果將很大程度上不準確，因此應當應用空間統(tǒng)計方法。

2.2.3 人口活動熱力局部空間自相關

進一步對活力值的局部自相關進行分析，以探測活力分布的空間異質性，在局部上發(fā)現(xiàn)高活力地區(qū)集聚區(qū)和低活力地區(qū)集聚區(qū)[15]。

結果表明，上海城市活力的空間分布在局部上基本全部呈正相關關系，但中心城為高值集聚，而在外圍鄉(xiāng)鎮(zhèn)/街道則是低值的集聚，中間地區(qū)則為局部隨機分布。雖然外圍嘉定新城、松江新城、寶山新城以及核心區(qū)邊緣已有若干小具規(guī)模的活力區(qū)域，但這種聚集還并不顯著，帶動力和影響力不足，相鄰區(qū)域的活力并不高，不能稱之為真正意義上的高活力城市地區(qū)，有待于制定進一步的行動計劃，提高外圍地區(qū)的活力和影響力(如圖3～圖5)。

圖4 人口熱力LISA聚類底圖

圖5 人口熱力空間自相關散點圖

2.3 上海市功能混合度分析

2.3.1 空間信息熵空間分布特征

根據(jù)前述方法，計算上海市各街道/鄉(xiāng)鎮(zhèn)的空間信息熵。從可視化結果來看(自然間斷點)上海市空間信息熵的空間分布具有較明顯的類似同心圓擴散的特征，功能混合度由市中心內(nèi)而外逐漸降低，在外圍廣袤的低熵值區(qū)域內(nèi)有局部較高熵值的集聚點，如外圍嘉定新城、松江新城、寶山新城等功能混合度較高。

對上海市空間信息熵可視化結果進行全局自相關統(tǒng)計，結果表明上海市空間信息熵的空間分布呈現(xiàn)聚類的分布模式，Moran’s I高達0.826，空間信息熵具有高度的空間依賴性；z得分為19.25，p=0，在a=0.01水平下，結果具有顯著性，聚類分布的可能性超過99%(圖6、圖7、表1)。

表1 各影響因素空間統(tǒng)計分析結果表

圖6 空間信息熵可視化圖

圖7 空間信息熵LISA聚類圖

進一步使用局部Moran’s I對其進行局部自相關統(tǒng)計，以測度空間聚類。結果表明，上?？臻g信息熵高值區(qū)聚類主要分布在中心城附近，外圍大部分地區(qū)則為局部隨機分布和低值區(qū)聚類。值得注意的是可視化結果中外圍突出的高值點的空間聚類測度結果并不顯著，集聚尚未形成一定規(guī)模；此外惠南鎮(zhèn)的空間信息熵空間聚類結果為局部負相關，其自身具有較高的空間信息熵，而周邊則是低值的集聚區(qū)。原因可能是惠南鎮(zhèn)是原南匯區(qū)區(qū)府所在地，歷來就是浦東南部(原南匯區(qū))的中心，有較好的基礎設施建設積淀。目前商業(yè)配套成熟，有人氣旺盛的老城區(qū)，也有新興的東城區(qū)，值得一提的是惠南鎮(zhèn)的教育資源在整個浦東新區(qū)名列前茅，具有相對外圍地區(qū)較好的基礎設施條件。

2.3.2 時空信息熵空間分布特征

運用和空間信息熵計算相同的方法，計算上海市各街道/鄉(xiāng)鎮(zhèn)的時空信息熵。上海市空間信息熵的空間分布呈現(xiàn)出于空間信息熵相似的分布趨勢(自然間斷點)，功能混合度由市中心內(nèi)而外逐漸降低，但是中間值的數(shù)量相對空間信息熵來說更少(圖8)。

圖8 時空信息熵可視化結果圖

對上海市空間信息熵可視化結果進行全局自相關統(tǒng)計，結果表明上海市空間信息熵的空間分布呈現(xiàn)聚類的分布模式，Moran’s I為0.771，時空信息熵具有高度的空間依賴性；z得分為17.99，p=0，在a=0.01水平下，結果具有顯著性，聚類分布的可能性超過99%。

進一步使用局部Moran’s I對其進行局部自相關統(tǒng)計，以測度空間聚類。結果表明，上海時空信息熵高值區(qū)聚類主要分布在中心城附近，與空間信息熵的分析結果大致相同，但高值集聚區(qū)域數(shù)量更少，低值集聚區(qū)域數(shù)量更多(圖9、表1)。

圖9 時空信息熵LISA聚類圖

2.3.3 POIs空間熵和人口熱力時空熵相關分析

為了證明了兩種熵結合使用進行功能混合度評價的合理性、檢驗空間信息熵和時空信息熵描述功能混合度的準確度，對POIs空間信息熵和人口熱力時空信息熵的分析結果進行雙變量局部自相關統(tǒng)計，結果顯示Moran’s I為0.772，具有高度相關性，同時對其進行顯著性檢驗，z得分為19.450，p=0，a=0.01水平下，結果具有顯著性(如圖10～圖12)。

圖10 空間熵和時空熵雙變量LISA聚類圖

圖11 雙變量相關性分析散點圖

在整體正相關下，也有局部地區(qū)存在著HL局部負相關的地區(qū)，分別是惠南鎮(zhèn)、周浦鎮(zhèn)、顓橋鎮(zhèn)、盈浦街道。這些區(qū)域具有較高的POIs空間信息熵，但人口熱力時空信息熵較低。即這些區(qū)域具有相對其他的城市外圍地區(qū)較完善的設施供給，但現(xiàn)狀實際的利用情況卻不相匹配。周浦鎮(zhèn)鎮(zhèn)區(qū)對外交通十分便利，已通車的軌道交通16號線，設有周浦東站，同時還有較發(fā)達的內(nèi)河水運，現(xiàn)有上海市周浦都市工業(yè)園、萬達廣場等產(chǎn)業(yè)。盈浦街道地處青浦中心城區(qū)，轄區(qū)以原青浦鎮(zhèn)老城區(qū)為主，是青浦新城的核心組成部分。另一方面還存在一個局部負相關的地區(qū)，漕河涇新興技術開發(fā)區(qū)，由于其開發(fā)區(qū)的特點，設施多樣性有所不足，同時靠近中心城區(qū)，周邊具有較高的人口活動強度，導致了其與周邊地區(qū)的負相關。

2.4 其他各驅動因素分析

2.4.1 常住人口因素

對上海市各街道/鄉(xiāng)鎮(zhèn)常住人口進行分析，對其進行全局空間自相關分析，結果顯示其Moran’s I為0.516，具有高度的空間依賴性，同時對其進行顯著性檢驗，z得分為12.57，p=0，在a=0.01水平下，結果具有顯著性。進一步對其進行局部空間自相關分析，得出上海市人口分布的高值集聚區(qū)和低值集聚區(qū)(圖13、表1)。

2.4.2 汽車交通因素

根據(jù)前文所述方法對汽車交通可達性進行分析，得出各街道/鄉(xiāng)鎮(zhèn)的汽車交通可達性，并對其進行全局空間自相關統(tǒng)計，結果顯示其Moran’s I為0.818，具有高度的空間依賴性，同時對其進行顯著性檢驗，z得分為19.26，p=0，在a=0.01水平下，結果具有顯著性(表1)。

2.4.3 公交服務水平因素

根據(jù)公交站點和線路條數(shù)的數(shù)據(jù)計算公交服務水平，并對公交服務水平分析結果其進行全局空間自相關統(tǒng)計，結果顯示其Moran’s I為0.887，具有高度的空間依賴性，同時對其進行顯著性檢驗，z得分為20.67，p=0，在a=0.01水平下，結果具有顯著性。

進一步進行局部空間自相關統(tǒng)計，結果顯示外圍青浦新城、嘉定新城、松江新城的集聚還不夠顯著，而公交服務水平的高值集聚區(qū)主要分布在中心城(圖13、表1)。

2.4.4 地鐵服務水平因素

根據(jù)地鐵站點和線路條數(shù)的數(shù)據(jù)計算地鐵服務水平，對地鐵服務水平分析結果其進行全局空間自相關統(tǒng)計，結果顯示其Moran’s I為0.897，具有高度的空間依賴性，同時對其進行顯著性檢驗，z得分為21.01，p=0，在a=0.01水平下，結果具有顯著性。

地鐵服務水平的局部空間自相關結果表明，地鐵服務水平高值主要集聚在中心城周圍，但這種集聚相對于公交服務水平來說更小(圖13、表1)。

2.5 活力與驅動因素相關性分析

2.5.1 活力與功能混合度因素相關性分析

對活力與功能混合度進行雙變量局部空間自相關進行分析，統(tǒng)計結果顯示Moran’s I為0.775，活力與功能混合度具有高度的相關性。并進行9 999次隨機化顯著性檢驗，z得分為19.34，p=0，在a=0.01水平下，結果具有顯著性(如圖14、表2)。

表2 各影響因素與活力相關性統(tǒng)計分析結果表

2.5.2 活力與常住人口因素相關性分析

對活力與常住人口進行雙變量局部空間自相關進行分析，結果顯示Moran’s I為0.632，活力與常住人口分布具有高度的相關性。并進行顯著性檢驗，z得分為16.34，p=0，在a=0.01水平下，結果具有顯著性(圖14、表2)。

2.5.3 活力與交通可達性因素相關性分析

對活力與交通可達性進行雙變量局部空間自相關進行分析，結果顯示Moran’s I為0.794，活力與交通可達性具有高度的相關性。并進行顯著性檢驗，z得分為16.34，p=0，在a=0.01水平下，結果具有顯著性(圖14、表2)。

2.5.4 活力與公交服務水平因素相關性分析

對活力與公交服務水平進行雙變量局部空間自相關進行分析，結果顯示Moran’s I為0.850，活力與公交服務水平具有高度相關性。并進行顯著性檢驗，z得分為20.48，p=0，在a=0.01水平下具有顯著性(圖14、表2)。

2.5.5 活力與地鐵服務水平因素相關性分析

對活力與地鐵服務水平進行雙變量局部空間自相關進行分析，結果顯示Moran’s I為0.838，活力與地鐵服務水平具有高度相關性。并進行顯著性檢驗，z得分為20.33，p=0，在a=0.01水平下，結果具有顯著性(圖14、表2)。

圖14 活力與驅動因素相關性分析圖

2.6 地理加權回歸分析

地理加權回歸(geographically weighted regression，GWR)模型在線性回歸模型基礎上進行擴展，使回歸方程適應局部空間要素，其回歸系數(shù)β不再是全局性的統(tǒng)一值，而具有空間差異性，可以更好地反映自變量對因變量的影響隨空間位置而變化[16]，計算公式為

(5)

式(5)中：yi為第i點的因變量；xik為第k個自變量在第i點上的值；εi為殘差；(ui,vi) 為第i個樣本點的空間坐標；βi(ui,vi)為連續(xù)函數(shù)βi(u,v)在i點的值。

2.6.1 計算結果

研究假定活力與功能混合度、常住人口分布、汽車交通可達性、公交服務水平、地鐵服務水平、POI密度有關。將活力作為因變量，將其他驅動因素作為解釋變量進行地理加權回歸。

對GWR模型輸出的標準殘差進行全局空間自相關統(tǒng)計，結果顯示，殘差Moran’s I為0.066，z得分為1.14，殘差在空間分布上為隨機分布(圖15)。因此GWR模型整體上是合理的。

圖15 殘差全局空間自相關圖

GWR模型輸出的R2=0.945，表明模型和觀測數(shù)據(jù)具有較高的擬合度。最大條件數(shù)為24.619，不大于30，這提高了結果的可靠性。

2.6.2 結果解讀

結果顯示有5個標準殘差中大于2.5倍標準差的空間單元，分別為南京東路街道、天目西路街道、大寧路街道、北新涇街道、漕河涇新興技術開發(fā)區(qū)；有4個標準殘差中小于-2.5倍標準差的空間單元，分別為豫園街道、江寧路街道、湖南路街道、天平路街道(圖16)。說明以上所列因素還不足以解釋這些空間單元的活力?？梢园l(fā)現(xiàn)首先這些區(qū)域都分布在非常中心的位置，因此區(qū)位因素可能是需要考慮的因素之一；其次如南京東路、豫園街道，是著名的商業(yè)步行街、旅游景點，因此及景點數(shù)量和熱度、步行適宜性、商業(yè)多樣性等因素可以也是需要考慮的因素之一；最后是漕河涇新興技術開發(fā)區(qū)，作為產(chǎn)業(yè)園區(qū)，其活力與產(chǎn)業(yè)或有密不可分的關系，因此產(chǎn)業(yè)相關因素應該也是城市活力需要考慮的因素之一。

圖16 標準殘差分布圖

3 結論與討論

3.1 影響因素分析結論

城市活力是一個受到各方面復雜因素影響的評價指標，因為城市活力本身就是城市建設和人類活動互相作用的共同體現(xiàn)，而城市巨系統(tǒng)和人類行為的復雜性遠遠超出了一般數(shù)理統(tǒng)計、定量分析所能完全概括的范圍，但通過一定方法，還是能發(fā)現(xiàn)其與各項城市物質環(huán)境品質指標之間的大致相關關系，從而推斷因果，為城市政策、規(guī)劃提供指導性意見。通過前文的分析，認為功能混合度、常住人口分布、汽車交通可達性、公交服務水平、地鐵服務水平、POI密度對城市活力有著重要影響，同時區(qū)位條件、步行適宜性、景點數(shù)量及熱度、商業(yè)多樣性與活力、產(chǎn)業(yè)相關因素也是影響城市活力的有力驅動因素，因此為了提升城市活力，在城市政策制定、規(guī)劃方案編制中應當重點注意以上因素的要素布局和資源分配。

3.2 提升上海市郊區(qū)城市活力的粗淺建議

在前文的分析和空間統(tǒng)計過程中，不僅對城市活力區(qū)域進行了識別，還發(fā)現(xiàn)了若干城市物質空間環(huán)境品質提升的薄弱環(huán)節(jié)。中心區(qū)的城市建設完善程度已經(jīng)非常高，而外圍的新城自身雖然現(xiàn)狀已有一定水平的活力和品質，但對周邊輻射不足。為了落實國家區(qū)域協(xié)同發(fā)展戰(zhàn)略，將發(fā)展成果惠及更廣大區(qū)域范圍內(nèi)的人民，推動長三角一體化建設，新城在廣袤的相對低發(fā)展水平的郊區(qū)中應起到帶頭作用，充當提升城市空間環(huán)境品質提升的增長極，將自身優(yōu)勢擴散到相鄰區(qū)域，形成高值的集聚區(qū)。

(1)注重功能的多樣復合。避免形成“臥城”“睡城”，提升新城留住人的能力，同時還能減少長距離通勤。

(2)提升外圍新城的公交服務水平。通過增設公交班次、智能調(diào)度系統(tǒng)優(yōu)化排班、提升智能電子站牌、優(yōu)化公交線網(wǎng)等方法提升公交服務水平。

(3)提升外圍新城的地鐵服務水平。加大新城軌道交通投資建設，提升外圍新城居民使用地鐵的便利性。

(4)加大各類設施建設力度。提高外圍新城生活服務品質。

(5)營造人性尺度的街區(qū)。從人性化的尺度、以人為本的尺度出發(fā)設計街區(qū)，尺度宜小、節(jié)奏宜慢、雜而不亂、喧而不鬧、動靜相宜，營造場所感

(6)提升旅游IP建設。營造“網(wǎng)紅”景點，吸引游客提升片區(qū)活力。