恒隆研究| 龙瀛研究团队：城市大数据研究的概况与理论进展：对57种代表性期刊的系统性回顾（2013-2023）

恒 隆 研 究

【作者】

涂唐奇、张恩嘉、龙瀛

清华大学恒隆房地产研究中心

【通讯作者邮箱】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.

【论文链接】

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

内容导读

龙瀛教授团队的研究论文“Profile and theoretical advances in urban big data studies: A systematic review of 57 representative journals (2013–2023)”（《城市大数据研究的概况与理论进展：对57种代表性期刊的系统性回顾（2013-2023）》），在SSCI期刊Environment and Planning B: Urban Analytics and City Science在线发表。Environment and Planning B: Urban Analytics and City Science目前为JCR Q1期刊。

随着大数据在城市研究中变得日益重要，其应用的发展概况，包括数据、方法论和对城市理论贡献的趋势，仍然不甚明晰。本研究系统性地回顾了过去十年（2013-2023年）间，城市研究、地理学和环境研究领域（JCR Q1分区）的57种代表性期刊中的文献，重点关注涉及城市空间大数据的定量研究。通过自动化关键词筛选和人工筛选，共识别出1425篇文章，其中因其理论贡献而选取了82篇进行深入分析。研究结果揭示了包括城市交通、空间品质、活力和结构在内的关键主题领域，且研究主要集中在发达国家和大城市。从2013年到2023年，大数据和新方法在城市研究中的应用有所增加，时空分辨率也越来越高。然而，将大数据与城市理论相结合的研究仍然有限，大多数定量研究集中于应用或提出新方法，或揭示新现象。理论贡献主要探讨了城市环境形成的机制及其对人类活动和行为的影响。本研究为理解大数据在城市空间研究中的应用和理论进展提供了全面的视角，并为未来的研究指出了关键方向。

图1：研究框架示意图

研究方法

1.文献筛选与数据来源：在期刊选择上，选取城市研究、地理学和环境研究领域的57本JCR Q1期刊，时间范围为 2013-2023 年。在关键词过滤上，使用包括基本概念、在线地图、轨迹等9类与城市空间大数据相关的关键词（如 “Big data”、“POI”、“GPS data” 等），通过Web of Science数据库和期刊官网检索，结合人工筛选，最终筛选出1,425篇符合条件的城市空间大数据定量研究论文。

2.文献标记与统计方法：在总体特点标记上，对 1,425 篇文献的类型（提出方法、揭示现象、探索机制）、研究领域（交通出行、城市活力、空间品质等9类）、研究地点、时空分辨率、数据来源和方法（如机器学习模型等）进行人工标注，并借助 AI 工具辅助提取关键信息。在理论进展分析上，从 1,425 篇文献中进一步筛选出82 篇涉及理论贡献的文章，按理论贡献类型（补充、验证、修改现有理论或提出新理论）、理论类别（城市建成环境或人类活动）及主要发现进行标注和总结。

研究发现

1.描述性分析：从时间趋势来看，2013-2023年城市空间大数据定量研究文献数量稳步增长，从 2013 年的19篇增至2023年的270篇，但理论相关文献仅占5.75%（82 篇）。在期刊分布上，《Journal of Transport Geography》《Computers Environment and Urban Systems》等期刊发表的相关文献数量较多，但多数期刊中理论相关文献占比低于 10%。在研究区域上，覆盖70个国家和347个城市，主要集中在发达国家和大城市，中国是研究最多的国家（占 45.82%），发展中国家及中小城市研究较少。从总体特点来看，研究主题与类型主要集中在城市交通（516 篇）、空间质量（186 篇）、活力（156 篇）和形态（117 篇）；多数文献聚焦提出方法（485 篇）或揭示现象（542 篇），探索机制的文献较少（398 篇）。在时空分辨率上，空间分析单元以网格（17.54%）、街道道路（10.53%）和移动路线（10.23%）为主；时间分辨率中，87.09% 的文献使用少于4年的数据，高频数据（如小时级）应用逐渐增加但占比仍低。在数据与方法上，在线地图数据（43.51%）和交通轨迹数据（18.95%）使用最广泛；非空间统计分析（46.32%）仍是主要方法，机器学习模型（24.28%）应用增长迅速（如图像深度学习年均增长 46%）。

2.理论进展：在研究领域与贡献上，理论相关文献主要集中在城市交通（34.15%）、空间质量与健康（21.95%）、社会安全（10.96%）和活力（12.20%）；多数研究旨在补充（53.66%）或验证（36.59%）现有理论，提出新理论的文献极少（1.22%）。结合城市空间大数据，可以深入探索建成环境与人类行为的因果关系，将对城市空间要素作用机制的认识从单一的线性认识向考虑时空差异的非线性理论发展，丰富了城市空间的知识体系。

3.现状不足与未来方向：从现有不足来看，研究区域分布不均（发达国家主导），时空分辨率有待提高，理论探索不足，对数字时代新生活方式和技术的影响研究较少。在未来方向上，应推进精细化分析（如建筑尺度的空间分析），加强机制探索和多维度理论框架构建，关注智能技术对城市空间的重塑，推动从 “感知智能” 到 “认知智能” 的转变。

图2：主要研究类型和研究领域的文献数量

图3：理论贡献类型和相关领域

声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。