A dataset of multi-level street-block divisions of 985 cities worldwide

比较两座城市之前，能不能先用相近的办法切分街区？

论文名片｜Jintong Tang、Liyan Xu、Hongbin Yu 等，A dataset of multi-level street-block divisions of 985 cities worldwide，Scientific Data，2025，12：456，2025 年 3 月 19 日发表。论文原文 · 数据与代码。本文介绍全球多层级街区划分数据集 MSDCW。

假设你要比较纽约和悉尼的街区面积。两地都有官方统计边界，直接下载、计算平均值，看起来已经足够。但如果一套边界主要沿道路切分，另一套还考虑人口、用地或统计保密要求，差异就未必全部来自真实城市形态。

MSDCW 的目标，是用同一套道路分层和空间处理逻辑，为 985 个城市区域生成五级街区。它提供了一种更一致的比较起点，同时也暴露出一个限制：统一算法可以统一切分规则，却不能自动补齐各地道路数据的缺口。

先说结论

• 数据覆盖 142 个国家或地区的 985 个城市区域，来自 Demographia 2021 年估计人口超过 50 万的城市清单；这些区域合计约 22.7 亿人，不是全球所有城市。
• L1 最粗、L5 最细，逐级加入更低等级道路。数据使用 2022 年 5 月 27–28 日取得的 OSM 路网，发表年份不等于路网现状年份。
• 与官方数据形成的 140 组比较中，108 组边界一致性指标超过 0.7；但该指标也奖励大街区包含小街区，不能解释成 77% 的街区边界完全正确。
• 道路遗漏会使真实密集地区被划成大街区。同样的 L5 不保证不同城市具有相同面积、相同人口或相同数据质量。

为什么不能直接把官方街区摆在一起？

图 1｜比较城市之前，边界规则有多重要？

（a）纽约部分区域的官方 Census Blocks。

（b）悉尼部分区域的官方 Mesh Blocks，与（a）使用相同尺度。形状和颗粒度不同，既包含城市形态差异，也可能反映划分制度差异。

（c）MSDCW 中 985 个城市区域的位置，点表示覆盖城市，不代表各区域人口相等或已有同等质量的官方边界。来源：原论文 Fig. 1。

官方统计单元为各自的制度目标服务，并不一定以跨国形态比较为首要目的。MSDCW 因此选择以 OpenStreetMap（OSM）的道路等级为基础，让不同地区尽量沿同一条操作路径生成街区。数据保留五级结果，避免把所有研究都锁定在一种颗粒度。

城市范围本身也需要处理。作者以 GADM 3.6 行政区为基础，匹配城市清单，并参考建成区影像调整过大的乡村范围或相邻城市的连片区域。东京–横滨、广州–佛山等相连区域沿用清单中的组合。因此，这里的城市区域不能不加检查地等同于行政市、纯建成区或功能都市圈。

一条道路，怎样把地图切成街区？

图 2｜从道路中心线到可用多边形，要处理什么？

图中没有字母子图。上层准备 OSM 道路和 GADM 范围，中层对道路建立并合并缓冲区、叠加生成初步划分，下层移除细碎多边形，并通过填孔和缓冲操作整理结果。循环箭头表示沿道路层级继续细分，而不是对每一层使用互不相关的随机网格。来源：原论文 Fig. 2。

道路原始数据是线。直接用线分割时，交叉口不相接、双线道路和匝道等细节容易留下问题。作者先给不同道路设置缓冲参数，将线扩成带状区域并合并，再用叠加分析得到街区多边形。缓冲能接合部分本应相连却没有完全接上的道路，也会影响划分形状。

原论文表 1 的参数如下。这些是制图和几何处理参数，不是每条道路经过测量的真实宽度。

层级	新加入的道路类型	道路缓冲参数	细碎面删除阈值
L1	motorway、trunk 及相应连接线	24 米	10,000 平方米
L2	primary 及连接线	20 米	10,000 平方米
L3	secondary 及连接线	16 米	1,000 平方米
L4	tertiary 及连接线	12 米	100 平方米
L5	residential	8 米	100 平方米

低层级使用的道路包含此前高层级道路，所以 L5 的规则不是只拿住宅道路单独切图。道路名称相同也未必意味着各国现实功能完全一致，OSM 分类与各国官方等级之间仍存在对应问题。

图 3｜细小的缝隙和碎片，会怎样进入最终街区？

（a）不同层级的道路线，颜色区分道路类别。

（b）按相应参数生成的道路缓冲带。

（c）L5 的初步划分，红色为得到的街区面。

（d）删除细碎多边形之后的结果，减少匝道、环路等造成的异常小面。

（e）进一步填孔、扩张和侵蚀后的结果，边缘和内部缝隙得到整理。所有面板保持原顺序，展示的是处理过程，并非五种不同城市。来源：原论文 Fig. 3。

后处理先移除达到规则的细碎面，再填补多边形内孔；还先用正缓冲扩张街区填隙，再用相反方向缓冲恢复尺度并整理边缘。阈值设置需要折中：删得太多，会把真正的小街区也删除；删得太少，异常碎片仍会留在统计中。

像官方数据，究竟是怎样算出来的？

论文从多个地区选择有官方数据的城市，比较平均面积、面积变异系数、形状指数与边界一致性。表 2–4 分别列出前三类指标，表 5 汇总边界比较。

平均面积回答有多大；面积变异系数（coefficient of variation，CV）回答大小是否分散；形状指数（shape index，SI）以正方形为参照，用周长和面积刻画形状复杂程度。CV 小、形状规则不必然意味着更符合真实城市：海岸线、山地和历史街巷本来就可能不规则，不能为了几何整齐而忽略这些结构。

边界一致性（boundary consistency，BC）取值为 0–1。对两套街区相交产生的每个面，分别计算它占两边原街区的比例，取较大者，再对相交面平均。这允许一个大官方街区包含许多小 MSDCW 街区时也得到高分。因此，高 BC 同时可能表示边界相近，或表示两套划分存在较好的包含关系。

140 组比较中，108 组 BC>0.7，87 组>0.8，56 组>0.9。分母是不同城市、官方层级与 MSDCW 层级形成的比较组合，不是 985 个城市，也不是全部街区数量。表 5 还显示伦敦的城市平均 BC 约为 0.632，低于许多其他案例，提示官方人口和社会属性要求可能与纯道路划分不同。

图 4｜哪里接近，哪里不同，差异又意味着什么？

（a）约翰内斯堡–比勒陀利亚官方 Small Areas 与 L5，显示道路划分逻辑的相近之处。

（b）悉尼 SA1、SA2 与 L3，L3 提供一种介于官方两层之间的颗粒度。

（c）伦敦 MSOA 与 L2，呈现明显不一致；官方统计边界还考虑人口规模和社会同质性，不能只用道路解释。

（d）纽约 Census Blocks 与 L5 的滨水案例，MSDCW 保留的海岸线形态与官方简化边界不同。

（e）悉尼 Mesh Blocks 与 L5，部分细道路是否作为边界，会改变结果的规则程度。

（f）约翰内斯堡–比勒陀利亚 Small Areas 与 L1，郊区弯曲道路使粗级街区形状更不规则。

（g）纽约另一个 Census Blocks 与 L5 案例，道路边界高度接近。

（h）西安规划地块与 L5，对比两种道路相关的划分结果。

（i）悉尼 SA4 与 L5，粗级官方区域包住许多小街区，解释了包含关系为什么也能提高 BC。不同面板使用自己的比例尺，不能直接根据图面大小比较面积。来源：原论文 Fig. 4。

对照还存在时间和几何误差。官方补表 S1 显示，不同参考数据来自不同年份，例如约翰内斯堡–比勒陀利亚为 2011 年，纽约为 2022 年，部分新加坡资料标为 2024 年。南京、西安资料还涉及手动空间校正。因而，数据差异不应全部归因于算法；反过来，也不能把与较旧参考一致当作最新边界正确的证明。

全球统一规则，为什么仍会产生不均匀质量？

图 5｜看起来更大的街区，是真实形态，还是缺了道路？

（a）东京–横滨，展示密集小街区。

（b）奥克兰，展示地形相关的不规则道路形态。

（c）雅加达，展示另一种密集城市道路与街区组合。

（d）巴黎、（e）布拉格，分别展示较整齐道路与保留历史街巷的差异。

（f）蒙得维的亚、（j）印第安纳波利斯，展示规则街区结构。

（g）里约热内卢、（l）拉各斯、（m）内罗毕，部分非正规住区内部道路不足，可能在结果中留下过粗街区。

（h）马拉喀什、（i）多哈，展示传统与较新建成区域的形态差异。

（k）孟买，历史中心内部细路缺失同样会使划分变粗。

（n）约翰内斯堡–比勒陀利亚，展示城市内部不同街区形态。全部面板以蓝色街区边界叠加 OSM 底图，并使用图中共同的距离标尺；底图对照是定性检查，不能代替独立测绘真值。来源：原论文 Fig. 5。

这些案例对应原论文表 6 的展示城市。图里既有真实的地形、历史和规划差异，也有 OSM 记录完整程度的差异。在细路未录入的地区，一个大多边形可能是数据缺失造成的，而不是城市本来就由大街区组成。

这也是“相同算法”与“相同质量”之间的距离。发达与发展中地区、城市核心与边缘的记录程度可能不同。若把结果直接用于比较街区面积与经济水平，就要防止道路绘制程度同时影响两个变量的解释。

拿到数据以后，最先核对什么？

数据按国家或地区打包，每个城市提供五层 shapefile，坐标为 WGS 84。字段 index 是该城市、该层内从零开始的编号，不是全球唯一标识，也不是上下层街区之间现成的父子关系。合并数据应同时带上城市和层级；需要跨层对应时，应另做空间关系检查。

面积和周长不能直接拿经纬度数值计算。论文验证时把数据转到当地 UTM 分带后计算米制几何量；使用者也要选择适合研究范围的投影或测地计算。对跨区、滨水和外围街区，还应核对边界与空洞处理是否适合自己的问题。

最重要的时间条件是 2022 年路网。它不覆盖 50 万人口以下的城市，也没有因为论文在 2025 年发表就自动包含随后新建的道路。若研究一座快速变化城市的当前状况，应补做道路与边界更新核查；若自行重新生成，参数、道路版本和城市范围都应记录下来。

一句话总结

MSDCW 为跨城市街区研究提供了统一、可复用的划分起点，但同层级并不等于同尺度，统一规则也不能消除基础道路数据的不平等。

核心来源

• Tang, J., Xu, L., Yu, H., et al. (2025). A dataset of multi-level street-block divisions of 985 cities worldwide. Scientific Data, 12, 456. DOI: 10.1038/s41597-025-04704-7。全部原图来自该论文，官方数据年份与处理说明另核对了其补表 S1。
• Tang, J., et al. MSDCW Dataset and Code. Figshare 数据与代码。

作者介绍

• Jintong Tang：共同第一作者，署名北京大学地球与空间科学学院遥感与地理信息系统研究所，参与数据、代码、验证和写作。
• Liyan Xu：共同第一作者及通讯作者，署名北京大学建筑与景观设计学院、伦敦大学学院 CASA，参与研究指导、方法与写作。
• Hongbin Yu：共同第一作者，署名北京大学建筑与景观设计学院，参与方法设计、数据组织与代码实现。
• Hezhishi Jiang：署名北京大学前沿交叉学科研究院，参与技术验证。
• Dejie He：署名北京大学城市与环境学院，参与不同地区城市结果生成。
• Tianshu Li：署名北京大学建筑与景观设计学院，参与不同地区城市结果生成。
• Wanchen Xiao：署名北京大学城市与环境学院，参与不同地区城市结果生成。
• Xinying Zheng：署名中国科学院地理科学与资源研究所，参与不同地区城市结果生成。
• Keyi Liu：署名北京大学建筑与景观设计学院，参与不同地区城市结果生成。
• Yiqin Li：署名宾夕法尼亚大学设计学院，参与城市普查资料收集。
• Shijie Li：署名北京大学建筑与景观设计学院，参与技术验证。
• Qian Huang：署名华为北京全球技术服务部门，参与早期方法与数据处理完善。
• Jun Zhang：署名华为上海全球技术服务部门，参与早期方法与数据处理完善。
• Yinsheng Zhou：署名华为北京全球技术服务部门，参与早期方法与数据处理完善。
• Lun Wu：署名北京大学地球与空间科学学院遥感与地理信息系统研究所，参与研究指导。
• Yu Liu：署名北京大学地球与空间科学学院遥感与地理信息系统研究所，参与研究指导。

延伸思考

以下是 AI 基于论文结果所作的延伸，不属于原论文结论。

统一空间单元常被当作跨国比较的最后一步，但这里更像是比较的第一步。假如两座城市的 L5 平均面积不同，至少有三种解释：真实道路结构不同，OSM 分类习惯不同，或者细路的记录程度不同。只有第一种能直接支持城市形态结论。

一个可检验的设计，是在每座城市抽取相近建成强度的区域，用独立影像核对细路，再比较多个层级和多个缓冲参数下的结论。如果某个城市排名只在单一层级成立，或补录少量细路后就明显变化，研究就应把这一敏感性当成结果的一部分，而不是仅给出一个看似精确的全球排序。