修订日期：2014-06-01 DOI：10.11821/dlxb201412007 1 引言 有关城市空间结构的讨论是城市地理学的经典话题。20世纪的研究主流多围绕以芝加哥学派为代表的单中心同心圆模式[1]，及其随后发展的扇形理论[2]和多核心模型[3]，以及阿朗索地租模型等展开。这些研究以工业化城市物质空间为主要对象，发展了一系列城市经典模型的研究。然而，此类研究到20世纪末受到来自后现代城市主义学者的挑战，以洛杉矶学派为代表的研究者们认为，城市需要关注包括全球—本土关联、社会极化、再地域化(reterritorialization)等问题，特别是再地域化和破碎化过程是对芝加哥学派的直接批判[4-5]。有关城市是否仍然是结构化的问题，以及基于结构化的一系列经典模型是否合理也引起争论。因此，对这些传统模型的验证具有重要的理论意义。 与此同时，城市多中心化及多中心网络城市区域现象逐渐受到广泛关注，研究对象涉及多个不同尺度和地区，如对城市尺度的洛杉矶、芝加哥等的研究[6-7]，和对区域尺度的包括来自亚洲、美洲和欧洲等地巨型城市区域的研究[8-10]。前者侧重于探讨多中心城市的识别[11]、多中心城市的形成[12]、郊区中心对大都市区城市结构和对地价的影响[6]、多中心城市产生的效益[13]等。后者集中讨论作为一种新的巨型城市区域现象的多中心网络(Polynet)节点之间的联系(人流、物流和信息流)、节点等级体系的塑造、空间经济及规划反思等[12，14]。然而各国之间由于文化、交通和规划政体的差异，多中心城市与区域在空间表征方面也存在一定的差异[14]，尤其对于经历了体制转型与快速城市化的中国城市，其空间多中心化现象值得关注[15]。 已有对于城市尺度商业中心的研究主要讨论商业中心的界定、功能与问题[16-19]等，而对微观机制探讨不足[20]。其次，相关研究着眼于主要空间变量，如空间区位[21]、空间结构和规模[16]、空间规划设计[22]等，而有关中心功能分化及多中心背景下经济和社会活动本身的交通吸引及其在多中心间引发“流”的空间的关注仍较缺乏。 总之，在全球化、市场化和信息化等作用下，这一系列城市多中心化、破碎化和网络化格局等新现象的出现挑战了传统基于单中心假设的城市模型[23]，也给地理学带来新的议题，空间是否依然存在逻辑？新时代面临“地理学的终结”[18]还是“新地理学的起点”[19]等成为理论界争论的焦点。尽管一些多中心城市的建模试图从理论上解释多中心城市体系形成的内在机理[26]，然而，实证研究的缺乏令一些理论和模型的说服力受到质疑[27]。在多中心格局下，结构化的空间逻辑是否已经消失？传统的地理空间的距离衰减性是否存在？空间的相互作用有哪些关系？受到哪些因素的干扰等为实证研究提出了一系列新的问题。 近年来，数据挖掘技术的突破和海量时空数据的生产，为城市空间结构理论的验证提供了一个新的视角，海量数据已被用于城市空间结构的研究。基于手机定位、浮动车(FCD)和远程交通微波传感器(RTMS)等终端数据的城市空间结构或者交通需求研究和方法得到迅速发展[28-33]，但有关空间结构与交通的关系经典理论问题研究仍有待深入。 改革开放以后，随着中国经济的飞速发展，城市化进程的迅速推进，许多城市都在经历一个快速集聚和饱和，传统商业中心不能满足城市发展的需求。1990年代，在政府的引导下，北京、上海、深圳等城市都开始规划和建设新的商业中心，在国内推起一股城市中心规划建设热潮。然而，这些由政府主导的新商业中心，有成功的经验，也有失败的经验[34-35]。城市中心作为城市各类交流活动最便捷频繁的空间场所，其规划的成功与否除了与物质性空间要素有关外，新商业中心的选址是否满足出行的客观规律也是一个重要的因素。本文试图通过深圳的出租车GPS数据(后文简称浮动车数据)，在识别出深圳市两个主要商业中心基础上，验证商业中心交通吸引以及之间的相互作用关系客观规律的存在性，探讨这些空间规律主要的扰动因素，对回答针对结构主义的质疑和城市多中心化传统模型的适用性方面提供理论补充。 2 数据和方法说明 2.1 数据说明 选取深圳作为案例地，原始数据为浮动车数据。数据每隔5s左右采集一次，由于GPS数据信号接收时会受到高层筑物和桥梁等的遮挡，实际获取的数据每辆出租车间隔的时间并不均匀。记录的基本信息包括出租车在该时间点的经纬度、速度、方位、载客状态和有效性等。以500m×500m单元格为基本单元，分别计算2009年5月1日、14日(周四)、17日(周日)原特区内每个单元格的起讫点(O/D)总数，进行离差标准化之后，再分别计算这三天的变异系数，结果发现5月1日(节假日)的变异系数最大，说明节假日商业中心得到强化，因此，选取5月1日至5月7日(劳动节假期)的浮动车数据，共计约3500万条记录作为研究数据。 2.2 研究方法 主要研究方法和思路如下：①对海量浮动车数据起讫点(O/D)的匹配；②起讫点数据热点分析；③城市商业中心吸引O/D点的核密度空间分析；④构建O/D点对的距离与点密度幂函数引力模型；⑤利用该引力函数模拟城市商业中心O/D吸引量的理论值空间分布情况，并与实际各自的吸引值的空间分布对比，分析理论与实际的差异以及背后的原因。
