挖掘城市绩效：与规模无关的城市分类

具体而言，签名是用残差的z分数定义的，这有助于ed将不同的残差纳入通用量表，并在不考虑原始量表趋势可变性的情况下对其进行量化。通过对聚类数的实验，我们观察到两个和三个分类之间存在一致的层次结构[Figure 3]。在卢兹和福亚斯的两个案例中，两分法首先揭示了绿色集群与该国其他地区之间的主要区别。此外，两个类别中的聚类对于两个城市定义都是完全一致的，这可以作为揭示模式强度的额外证据。将其分为三个星团，绿色星团保持不变（只有格拉纳达的FUAs例外），而另一个星团则分为黄色和橙色星团。特别是在福亚斯的情况下，这种分裂给边境城市和国内带来了有意义的分离。较高数量的集群没有引入任何新的重要模式，也没有改善集群性能的标准度量，如轮廓。因此，对于进一步的分析，我们坚持将最优性和最有意义的聚类分为三类。聚类的平均特征及其内部偏差可从表1中读取。解释与之前描述的城市规划一致。在Luz和FUAs这两个地方，绿色集群群体在所有三个指标上都表现出色，这意味着其居民的活动比预期的要多，在一个城市执行的交易更多，以及对游客的吸引力更高，只有少数小的例外。橙色集群包括平均表现低于规模趋势所示预期的城市。

在LUZ水平上，所有thr ee指标的特征值均为负值，而对于FUA，除了明显的负性情况外，一些城市在RAFA和FA参数范围内得分适中。第三类——黄色的一类是混合型。平均而言，这表明RA和FA表现不佳，CDE表现略高[表1]，然而，特定城市的价值表明更大的多样性[图3]。可以从空间组织或整体吸引力的角度进一步解释接收到的集群。表现良好的城市组成的绿色集群是受欢迎的旅游目的地，无论是在自然环境和休闲潜力方面（沿北部海岸和岛屿以及巴塞罗那的城市），还是在其文化遗产方面（例如位于托莱多、圣地亚哥-德孔波斯特拉的联合国教科文组织遗址），都具有吸引力。托莱多的情况尤其有趣，因为它是我们东部最小的城市，在所有三个参数中都表现出色，在FUA方面排名第二，在LUZ总体表现方面排名第三[见图2]。

在这些高绩效的城市中缺少首都是令人惊讶的，但也可以。2.5.4 5.6 5.8 6.2 6.4 6.6 6.8 777.27.47.67.888.28.48.68.89以10为底对数的城市人口以10为底对数的活动-0.1-0.05 0.05 0.1 0.15010%20%30%40%剩余直方图指标：1.065.25.45.6 5.8 6.2 6.4 6.6 6 6.6 6 6.84.555.566.57以10为底对数的城市人口的活动-0.1-0.05 0.05 0.1 0.15010%20%30%40%剩余直方图指标：1.0455.2 5.4 5.6 5.8 6.2 6.4 6.6 6 6.8 766.577.588.5基数为10的对数城市人口的国内交易-0.8-0.6-0.4-0.2 0 0.2 0.4 0.6015%30%45%60%剩余直方图指标：1.1435 5.2 5.4 5.6 5.8 6.2 6.4 6.6 6 6.866.577.58以10为底的对数城市人口以10为底的对数-0.6-0.4-0.2 0.2 0.4019%20%30%40%50%剩余指标直方图：1.075.2 5.4 5.6 5.8 6 6.2 6.6 6 6.8 755.566.577.58以10为基数的城市人口以10为基数的对外交易-1.-0.50 0.5 1010%20%30%40%50%60%70%剩余直方图指标：1.4765 5.25.45.6 5.8 6.2 6.4 6.6 6 6.844.555.566.577.5以10为基数的人口以10为基数的对数-1.-0.50 0.5 1 1.5010%20%30%40%50%剩余直方图指标：1.432图1：主要城市参数与城市规模的超线性比例-住宅活动、国内收入和外国吸引力自上而下。左侧为大型城市区，右侧为功能性城市区。

子图显示了响应标度趋势的对数残差分布。表1：城市绩效三个集群的标准偏差的平均特征。4.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 8 8 8±0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 8 8 8 8 8 8 8 8±0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0马洛克拉斯帕尔马斯巴塞罗纳城堡酒店。克鲁兹·德特内里费马·拉加莱达斯。奥卡塔赫纳科帕潘普洛纳坎坎卡迪扎尔巴塞特马德桑塔利亚利坎提亚Coru~nMurciaAlmeríahuelvaladladolidvigozaragozajaénOurenseOviedo-0.10.00.1RA-0.4-0.20.00.2CDE-0.50.00.51.0FAFUALas PalmasPalma de Mallorcoledobalas。克鲁兹·德特内里费马拉加斯。图2：城市绩效指标量化为RA、CDE和FA参数的对数残差，这些参数来自城市规模的缩放趋势。

颜色表示根据残差聚类得到的三类城市（关于聚类的空间分布，请参见图3）。城市是根据其总体表现排序的，由所有三个参数中的标准化r ANK之和定义。MadridBarcelonaValenciaSevillaZaragozaMalagaMurciaLas Palmas Valladolidpalma de MallorcaSantiago de CompostelaVitoria/GasteizOviedoPamplona/Irunasantanandertoledobadajozlogronobilbao Cordobaalicante/Alacantvigogijon Santa Cruz de TenerifeLUZ Over-表演混合表演-性能驱动的巴塞罗纳价值观：马达加斯加维耶多利坎特/西班牙棕榈油公司/西班牙棕榈油公司-表演混合表演-绩效图3：基于规模无关的城市绩效指标聚类得到的不同类别的城市，intok=2,3个聚类。k=2的划分可以通过将黄色和橙色集群（混合和表现不佳）视为一个来实现，唯一的例外是FUA级别的Gr anda，在k=2的情况下分配给绿色集群（表现不佳）。表2：本文提出的吕兹和富饶市不同变化之间的相似性度量（只保留与任何吕兹市相对应的富饶市）。ClustersR（Rr）Nf lipsTransac基于交通的城市绩效集群（k=2）0.913（0.503）1基于交通的城市绩效集群（k=3）0.704（0.538）6基于交通的社会经济集群（k=2）1.000（0.501）0基于交通的社会经济集群（k=3）0.771（0.537）3’Rr给出兰德标准R的基线。

R越接近1，LUZ和FUA星团之间的重叠越好。基线值是在FUA集群分布的10000个随机数上计算出来的。Nf lipsis是从一个集群到另一个集群的FUA的最小数量，以获得完美匹配。最可能的原因是首都的复杂性、高度不均匀性和多重功能，以及影响预期绩效得分的显著规模。随着UAS级别城市数量的增加，表现不佳的橙色城市群尤其有意义。它覆盖了年斯帕岛北部和南部海岸线沿线的地区，不包括与绿色集群相连的人口最多的地区。在一定程度上，这可能与特定地区的可达性降低有关，这反过来可能会导致游客数量减少（如FA分数较低），以及居民出行受阻，从而减少他们消费多样化的机会。我们可以假设，位于偏远地区的城市，如加利西亚、圣地亚哥-德孔波斯特拉、维戈和拉科鲁纳、巴斯克郡等地的城市，但西班牙南部（穆尔西亚、卡塔赫纳或卡迪兹）的城市，其通行能力降低，这些城市未连接到高速铁路网络。相反，所有主要首都马德里、塞维利亚、萨拉戈萨、瓦拉多利德、巴塞罗那、巴伦西亚和阿拉加在2011年都与第一系列高容量运输基础设施相连。它们都属于绿色或黄色星团。为了量化LUZ和FUA聚类之间的匹配（仅保留对应于LUZ的FUA），我们应用了经典的兰德标准R[35]。给定一组对象的两个分区，兰德标准测量两个分区中相同簇中或两个分区中不同簇中的对象对分数。

我们还提出了一种简单直观的方法来量化LUZ和FUA之间的匹配，即从一个集群到另一个集群的FUA数量，以获得完美匹配。图3所示的LUZ和Fua集群非常相似，兰德指数R=0.704，而ba seline指数Rr=0.5 38[表2]。人们仍然需要将6个FUA转移到另一个集群才能获得完美匹配。同时，对于k=2，这场比赛近乎完美。5.被检测集群的社会经济多样性在下一步中，我们探索了城市绩效的接收集群是否以及如何与标准社会经济统计数据相关联。作为主要经济指标，我们考虑了国内生产总值（GDP），而社会层面则以失业率为代表。这两个参数都被证明与城市规模呈超线性关系[19]。因此，为了保持一致性，我们以类似的方式构建了社会经济指标和绩效指标，即基于与标度估计值的对数偏差。图4显示了集群内社会经济指标的分布情况。无法观察到明显的Trend或相关性。相反，我们看到每个集群，包括卢兹和福亚斯的博思，包括在社会经济指标方面非常多样化的城市。唯一可以区别的模式是，绿色集群内的城市失业率普遍较高。因此，我们可能会认为，如前一节所述，这些城市的过度表现也带来了社会问题的代价。虽然是聚集的，但社会经济统计数据与我们的城市绩效指标相比，显示出不同的空间格局。在这种情况下，我们观察到西班牙的南北分区[图5]，这两个城市级别完全一致[见表2]。

这种模式被称为国家的主要社会多元化，不仅来自收入或就业，还来自大量其他参数，如西班牙国家统计研究所测量的死亡率或教育指标[30]。这两种方法之间缺乏一致性表明，通过银行卡交易检测到的聚类特征主要不同于标准社会经济统计数据捕获到的聚类特征。取而代之的是，新的数据集提供了对城市绩效的补充性见解，来自对个体经济行为的直接观察。6消费模式作为社会描述除了之前分析的三个主要城市指标（RA、CDE和FA残差）外，我们还从其他两个角度对交易数据进行了分析，以便通过人群内的消费行为更好地描述检测到的集群。首先，我们调查了人们消费的时间变化。为此，我们以每个城市的年度模式为特征，定义为该城市全年交易的平均值——标准化、每周累计数量——标准化使我们能够比较城市之间活动的相对变化。图6显示了在LUZ和FUA量表上，三组不同个体的每个集群内城市的平均年模式。这三个集群的模式大致相似。RA和CDE模式在一年中影响不大——每周支出占其平均值的80%到120%——复活节、7月初（可能与销售额相对应）和12月底（圣诞节和新年假期）活动的局部峰值。

FA模式显示出更高的波动性，活动率从冬季的50%逐渐上升到夏季的200%左右，此时大多数旅游者正在西班牙旅游。当我们通过平均所有城市的模式来计算模式与自然基准的偏差时，可以很容易地感受到每个集群的奇异性[图6]。RA偏差模式为我们提供了关于个人消费行为的见解：在LUZ和FUAscales，它们都接近于零，这意味着个人在一年中某个时期的平均交易数量并不取决于他们的出生地。另一方面，CDE和FA模式揭示了城市内的经济活动如何从一个集群差异到另一个集群。它们在FUA尺度上特别有趣，它们展示了夏季如何以不同方式影响三个集群。橙色集群（沿地中海和大西洋海岸）的城市与平均城市（CDE约为5%，FA约为20%）存在正偏差，这表明这些城市在旅游业方面具有很强的专业性。这种过度专业化反映了大部分非全日制就业的存在，特别是被认为是地中海沿岸的一个主要问题[36]，这可以从我们的残差分析中解释他们表现不佳的原因。

相反，来自黄色集群的城市——如马德里——与平均城市呈负偏差（CDE约为5%，FA约为20%），揭示了相对较低的旅游业关注度，这可以解释他们的中等失业率-0.3-0.2-0.1 0.0 0.1 0.2 0.3（对数残差）-0.2-0.10.00.10.2国内生产总值（对数残差）Coru a~nAlgecirasbilbaomurciaourenseoviedponlonasan Sebastiánsantendervogabadajozburgosjaénmadridsalamancasevillaladolidvitoria GasteizZaragozaCastellón de la planasm lagaPalmaMallorcatarraganafua-0.3-0.2-0.1 0.0.1 0.2 0.3失业率（对数残差）-0.2-0.10.00.10.2总体国内产品（对数残差）Badajozcordobagijonvigoalicante Bilbaologronomadridmurcina pamplonasantervalladolidvitoria gasteizabarcelonals palmalagas。德康波斯特拉斯。Cruz de TenerifetoledolusFigure 4：三类城市绩效中的社会经济城市统计分布（颜色与图3中的聚类一致）。