恒 隆 研 究

【作者】

涂唐奇、張恩嘉、龍瀛

清華大學恒隆房地產研究中心

【通訊作者郵箱】ylong@tsinghua.edu.cn

【原文信息】

Tu, T., Zhang, E., & Long, Y. (2025). Profile and theoretical advances in urban big data studies: A systematic review of 57 representative journals (2013–2023). Environment and Planning B: Urban Analytics and City Science.

【論文鏈接】

https://journals.sagepub.com/doi/10.1177/23998083251346582

內容導讀

龍瀛教授團隊的研究論文“Profile and theoretical advances in urban big data studies: A systematic review of 57 representative journals (2013–2023)”（《城市大數據研究的概況與理論進展：對57種代表性期刊的系統性回顧（2013-2023）》），在SSCI期刊Environment and Planning B: Urban Analytics and City Science在線發表。Environment and Planning B: Urban Analytics and City Science目前為JCR Q1期刊。

隨著大數據在城市研究中變得日益重要，其應用的發展概況，包括數據、方法論和對城市理論貢獻的趨勢，仍然不甚明晰。本研究系統性地回顧了過去十年（2013-2023年）間，城市研究、地理學和環境研究領域（JCR Q1分區）的57種代表性期刊中的文獻，重點關注涉及城市空間大數據的定量研究。通過自動化關鍵詞篩選和人工篩選，共識別出1425篇文章，其中因其理論貢獻而選取了82篇進行深入分析。研究結果揭示了包括城市交通、空間品質、活力和結構在內的關鍵主題領域，且研究主要集中在發達國家和大城市。從2013年到2023年，大數據和新方法在城市研究中的應用有所增加，時空分辨率也越來越高。然而，將大數據與城市理論相結合的研究仍然有限，大多數定量研究集中于應用或提出新方法，或揭示新現象。理論貢獻主要探討了城市環境形成的機制及其對人類活動和行為的影響。本研究為理解大數據在城市空間研究中的應用和理論進展提供了全面的視角，并為未來的研究指出了關鍵方向。

圖1：研究框架示意圖

研究方法

1.文獻篩選與數據來源：在期刊選擇上，選取城市研究、地理學和環境研究領域的57本JCR Q1期刊，時間范圍為 2013-2023 年。在關鍵詞過濾上，使用包括基本概念、在線地圖、軌跡等9類與城市空間大數據相關的關鍵詞（如 “Big data”、“POI”、“GPS data” 等），通過Web of Science數據庫和期刊官網檢索，結合人工篩選，最終篩選出1,425篇符合條件的城市空間大數據定量研究論文。

2.文獻標記與統計方法：在總體特點標記上，對 1,425 篇文獻的類型（提出方法、揭示現象、探索機制）、研究領域（交通出行、城市活力、空間品質等9類）、研究地點、時空分辨率、數據來源和方法（如機器學習模型等）進行人工標注，并借助 AI 工具輔助提取關鍵信息。在理論進展分析上，從 1,425 篇文獻中進一步篩選出82 篇涉及理論貢獻的文章，按理論貢獻類型（補充、驗證、修改現有理論或提出新理論）、理論類別（城市建成環境或人類活動）及主要發現進行標注和總結。

研究發現

1.描述性分析：從時間趨勢來看，2013-2023年城市空間大數據定量研究文獻數量穩步增長，從 2013 年的19篇增至2023年的270篇，但理論相關文獻僅占5.75%（82 篇）。在期刊分布上，《Journal of Transport Geography》《Computers Environment and Urban Systems》等期刊發表的相關文獻數量較多，但多數期刊中理論相關文獻占比低于 10%。在研究區域上，覆蓋70個國家和347個城市，主要集中在發達國家和大城市，中國是研究最多的國家（占 45.82%），發展中國家及中小城市研究較少。從總體特點來看，研究主題與類型主要集中在城市交通（516 篇）、空間質量（186 篇）、活力（156 篇）和形態（117 篇）；多數文獻聚焦提出方法（485 篇）或揭示現象（542 篇），探索機制的文獻較少（398 篇）。在時空分辨率上，空間分析單元以網格（17.54%）、街道道路（10.53%）和移動路線（10.23%）為主；時間分辨率中，87.09% 的文獻使用少于4年的數據，高頻數據（如小時級）應用逐漸增加但占比仍低。在數據與方法上，在線地圖數據（43.51%）和交通軌跡數據（18.95%）使用最廣泛；非空間統計分析（46.32%）仍是主要方法，機器學習模型（24.28%）應用增長迅速（如圖像深度學習年均增長 46%）。

2.理論進展：在研究領域與貢獻上，理論相關文獻主要集中在城市交通（34.15%）、空間質量與健康（21.95%）、社會安全（10.96%）和活力（12.20%）；多數研究旨在補充（53.66%）或驗證（36.59%）現有理論，提出新理論的文獻極少（1.22%）。結合城市空間大數據，可以深入探索建成環境與人類行為的因果關系，將對城市空間要素作用機制的認識從單一的線性認識向考慮時空差異的非線性理論發展，豐富了城市空間的知識體系。

3.現狀不足與未來方向：從現有不足來看，研究區域分布不均（發達國家主導），時空分辨率有待提高，理論探索不足，對數字時代新生活方式和技術的影響研究較少。在未來方向上，應推進精細化分析（如建筑尺度的空間分析），加強機制探索和多維度理論框架構建，關注智能技術對城市空間的重塑，推動從 “感知智能” 到 “認知智能” 的轉變。

圖2：主要研究類型和研究領域的文獻數量

圖3：理論貢獻類型和相關領域

聲明：本文系轉載自互聯網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。