CN104933286A - 一种基于大数据的城市空间品质评价方法 - Google Patents

Abstract

本发明公开了一种基于大数据的城市空间品质评价方法，试图采用数据挖掘的方式，获取相关的网络评价数据。发明选取典型公共服务设施进行数据挖掘、地址解析、权重计算，探索大数据降维的空间品质评价应用。实证部分包括三个部分：客观评价方面，通过数据挖掘和地址解析，对公共服务设施的分布密度、人均拥有量进行空间评价；在主观评价方面，通过网络评价的关注度、满意度数据进行采集，对优质公共服务设施进行区位分析；在前述基础上，对公共服务设施的主/客观评价进行权重计算，形成空间品质的综合评定。该方法既从结构层面回答城市空间品质的评价问题，又真实反映社会微观个体的满意度感观，实现城市空间的品质测度。

Description

一种基于大数据的城市空间品质评价方法

技术领域

本发明涉及城市空间品质评价领域，特别涉及一种基于大数据的城市空间品质评价方法。

背景技术

城市自古以来即是人类向往美好生活的地域聚合体，汉代许慎在《说文解字》中即已言明：“城，以盛民也”，在古希腊，城邦是公民充分表达意见的空间场所，也是创造人类历史璀璨文明的空间载体。进入新世纪以来，人口超过500万的特大城市在全球范围内不断涌现，并通过就业机会众多、生活设施便利的相对优势持续发挥着空间集聚效应，甚至形成连绵的巨型城市区域。但城市空间集聚在带来诸多便利的同时，也引发了不少的城市病：公服设施不足、空气质量下降、道路交通拥挤、公园乏善可陈等等，这些问题归结起来都意味着城市空间品质的下降，长期关注中国城市发展的Peter Hall(2011)言道，“中国城市在为其公民维持体面的生活质量方面面临巨大挑战”。

现实中，国内规划领域一直拙于对大都市整体的空间品质测度，多依赖于问卷访谈的方式，这种小样本的研究方式虽然能判别单个建筑或者微观建成环境的优劣，但囿于空间尺度的有限性，无法从整体的角度判别城市空间的品质特征，“见木不见林”的访谈方式也无法真正做到客观中立(Delyser、Sui，2013)。另一方面，城市空间品质不能脱离社会个体的感受与需求，借助于二手统计数据的空间评价虽然可以计算整体的城市发达程度，但这种结构性的测度容易忽略个体的真实情感，甚至与市民的日常生活认知之间形成明显的断裂。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于大数据的城市空间品质评价方法，解决现有技术中无法从整体的角度判别城市空间的品质特征和无法真正做到客观中立等问题。

为了解决现有技术中无法从整体的角度判别城市空间的品质特征和无法真 正做到客观中立等问题，本发明提供了一种基于大数据的城市空间品质评价方法，该方法采用数据挖掘的方式，获取相关的网络数据，既从结构层面回答特大城市空间品质的评价问题，又真实反映居民微观个体的感观，实现基础理论研究与规划实践的结合。

为了达到上述目的，本发明采用以下技术方案：

一种基于大数据的城市空间品质评价方法，包括下述步骤：

S1、数据处理，在完成数据挖掘之后，通过现有数据平台对数据进行地址解析，在此基础上转化为GIS平台数据，并通过栅格化技术处理空间降维，转化为常规软件可以分析的空间数据；

S2、客观评价，对基本设施的分布密度、人均拥有量指标进行测度，即利用评价网络、企事业名录的多维数据进行地址解析，获取各类设施的区位分布，并结合城市建设用地和人口的分布状况，进一步分析各类设施在城市不同区位中的分布密度、人均拥有量等二级客观指标，表征整体结构层面的客观评价；

S3、主观评价，对基本设施的网络评价数据进行采集，在计算平均评价值的基础上，进一步区分正面评价值的空间分布，在对网络评价数据进行地址解析后，依据网络点评数据，分析二级主观指标的关注度和满意度的空间分布特征，表征个体感知维度的主观评价；

S4、综合评价，综合所述主、客观评价数据的空间叠合，对基本设施的主、客观空间品质评价进行加权计算，形成城市空间品质评价的综合评定图，具体计算方面，在每类设施的基本要素中，对各类二级指标值进行空间栅格化处理后，按照均方差的方式确定指标权重，由此得到的设施评价指标值则根据均方差、特菲尔法确定综合权重。

优选的，步骤S1中，通过百度开放平台进行数据挖掘和地址解析，并通过lkmXlkm的栅格处理空间降维；

具体地，通过百度LBS开放平台中“Web服务API”页面下的“Place API”和“Geacoding API”服务功能，获取各类服务设施的数据信息；

具体步骤为：(1)获取API接口密钥；

(2)使用获取的密钥，根据Place区域检索通用接口参数要求，拼写发送http请求的URL；

(3)基于LocoySpider软件平台，编写数据获取字段信息，批量发送和接收http请求返回的数据，由此完成各项服务设施的数据抓取。

优选的，步骤S2中，城市空间品质的客观评价方面是从设施的分布密度和人均拥有量入手，首先对栅格内的各类基本设施数量进行汇总，并计算设施密度D_i，即D_ik＝∑N_i/S_i，其中i∈j，S_i≠0，其中S_i为第i栅格面积，j为栅格集合，再通过核密度分析表示设施密度的空间分布。

优选的，将建设用地中的常住人口与栅格内的设施数量叠加，分析设施人均拥有量的空间分布，具体为：

先计算各镇街建设用地所占的栅格数量C_i，然后计算各栅格常住人口：

$P_i=\frac{T_j}{{\mathrm{\ΣC}}_i}$

其中T_i表示所属镇街的常住人口数量，∑C_i表示栅格建设用地的数量，再计算各栅格人均设施拥有量：

$M_i=\frac{{\mathrm{\ΣN}}_i}{P_i}$

其中∑N_i表示各栅格内的设施总数，在此基础上，通过核密度分析表示人均设施拥有量的空间分布。

优选的，步骤S3中，对于设施关注度，将栅格内各类设施的评价数量进行汇总，得到相应栅格内的设施关注度；对于满意度，根据基本设施对城市空间品质的影响，基于公众对每一个设施的5分制点评数据，利用特菲尔法法和层次分析法得到各类设施的权重值，将评分高于平均值一个标准差的设施归为优评设施，得到基本设施的优评空间分布，最后，将优评分数归一化处理，得到满意度的分布特征。

优选的，各类设施评分的权重计算过程，记ω_k为评价系统中k类设施满意度的权重，该值采用均方差进行计算：

${\mathrm{\ω}}_k=\frac{{\mathrm{\σ}}_k}{{\mathrm{\Σ}}_{k=1}^{10}{\mathrm{\σ}}_k}$

${{\mathrm{\σ}}_k}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(x_{ik}-\stackrel{\‾}{x_k})}^2}{n}$

$\stackrel{\‾}{x_k}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_{ik}}{n}$

其中，表示第k项指标的算术平均值，σ_k ²表示第k项指标的均方差，以此类推，计算各类要素的指标权重。

优选的，步骤S4中，令x_iks表示i个空间栅格单元、第k类设施、s分项指标的评价得分，其中栅格i＝1，2，3，，…，n；设施k＝1，2，…，10；二级分项指标s＝1，2，3，4，

研究面对的综合评价问题基本模型为：

$y_{ik}=\underset{s=1}{\overset{4}{\Σ}}{\mathrm{\ω}}_{ks}{x}_{iks}$

$y_i=\underset{k=1}{\overset{10}{\Σ}}{\mathrm{\β}}_k{y}_{ik}$

综合指标权重计算过程中，首先分别计算各类设施二级指标的算术平均值 然后计算各二级指标的均方差σ_ks ²，再计算各设施二级指标的权重ω_ks，进而得出i栅格下k类设施的得分y_ik，由此得到的10类设施评价值则进一步根据均方差、特菲尔法确定综合权重。

优选的，综合评价的具体步骤为：

首先，根据特菲尔赋权法确定第k类设施的评价权重p_k，再根据均方差法通过先后计算σ_k ²确定各设施间的评价权重qk，其中是y_ik的均值，表示第k类设施的算术平均值，σ_k ²表示第k类设施的均方差；

其次，研究既对各类设施的类别属性进行权重赋值，又对每类设施的主/客观二级评价指标进行权重赋值，因此权重直接涉及到最终的评价结果，在主/客观的综合评价中，对于每一类设施，记ω_ks为评价系统中k类设施、s项指标的权重，该值采用均方差进行计算：

${\mathrm{\ω}}_{ks}=\frac{{\mathrm{\σ}}_{ks}}{{\mathrm{\Σ}}_{s=1}^t{\mathrm{\σ}}_{kl}}$

${{\mathrm{\σ}}_{ks}}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(x_{iks}-\stackrel{\‾}{x_{ks}})}^2}{n}$

$\stackrel{\‾}{x_{ks}}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_{iks}}{n}$

对于各类设施的权重β_k，采用综合集成赋权法，记p_k、q_k分别表示特菲尔赋权、均方差法赋权，且有

β_k＝c₁ ^*p_k+c₂ ^*q_k

其中

${c_1}^{*}=\frac{c_1}{c_1+c_2}$

${c_2}^{*}=\frac{c_2}{c_1+c_2}$

且有c₁＞0，c₂＞0，由此空间栅格单元i空间品质的综合评价值为

$y_i=\underset{k=1}{\overset{10}{\Σ}}{\mathrm{\β}}_k{y}_{ik}=\underset{k=1}{\overset{10}{\Σ}}({c_1}^{*}{p}_k+{c_2}^{*}{q}_k)y_{ik}$

再根据拉格朗日方法分别计算c₁，c₂，最后再分别计算p_k、q_k的标准系数c₁ ^*、c₂ ^*，

$c_1=\frac{{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^{10}{p}_k{y}_{ik}}{\sqrt{{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{p}_k{y}_{ik}\right)}^2+{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{\mathrm{qy}}_{ik}\right)}^2}}$

$c_2=\frac{{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^{10}{q}_k{y}_{ik}}{\sqrt{{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{p}_k{y}_{ik}\right)}^2+{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{\mathrm{qy}}_{ik}\right)}^2}}$

p_k表示层次分析法得出的第k项设施评价权重，可以选用序关系法确定；q_k表示均方差客观赋权法在第k项设施的评价权重，同时是y_ik的均值，采用下述计算公式确定q_k的取值：

$q_k=\frac{{\mathrm{\σ}}_k}{{\mathrm{\Σ}}_{s=1}^t{\mathrm{\σ}}_s}$

式中

${{\mathrm{\σ}}_k}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(y_{ik}-\stackrel{\‾}{y_k})}^2}{n}$

对于各类设施的权重β_k，采用综合集成赋权法，有β_k＝c₁ ^*p_k+c₂ ^*q_k，由此空间栅格单元i空间品质的综合评价值为：

$y_i=\underset{k=1}{\overset{10}{\Σ}}{\mathrm{\β}}_k{y}_{ik}=\underset{k=1}{\overset{10}{\Σ}}({c_1}^{*}{p}_k+{c_2}^{*}{q}_k)y_{ik}.$

本发明与现有技术相比，具有如下优点和有益效果：

本发明采用数据挖掘的方式，获取相关的原子化网络数据，既从结构层面回答特大城市空间品质的评价问题，又真实反映居民微观个体的感观，实现基础理论研究与规划实践的结合，解决了现有技术中无法从整体的角度判别城市空间的品质特征和无法真正做到客观中立等问题。

附图说明

图1是本发明实施例一种基于大数据的城市空间品质评价方法的流程图；

图2是本发明实施例公共服务设施密度空间分布图；

图3是本发明实施例各类公共服务设施的核密度分布图；

图4是本发明实施例公服设施人均拥有量空间分布图；

图5是本发明实施例公服设施关注度空间分布图；

图6是本发明实施例公服设施满意度空间分布图；

图7是本发明实施例广深公路——地铁一号线深圳西站满意度分布图；

图8是本发明实施例地铁一号线深圳西站-深圳站——罗沙路满意度分布图；

图9是本发明实施例地铁三号线双龙站-深圳站满意度分布图；

图10是本发明实施例综合评价得分的空间分布图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

本实施例以深圳市为例，提供了一种基于大数据的城市空间品质评价方法，下面参考附图描述根据本发明实施例的一种基于大数据的城市空间品质评价方法。

图1是本发明实施例的一种基于大数据的城市空间品质评价方法，具体实现过程描述如下：

S1数据处理：完成数据挖掘后，通过百度开放平台对数据进行地址解析，在此基础上转化为GIS平台数据，并通过lkmxlkm的栅格处理空间降维，转化为常规软件可以分析的空间数据；

S2客观评价； 

S3主观评价； 

S4综合评价。 

其中S2步骤的具体实现方式为：主要对基本设施的分布密度、人均拥有量指标进行测度，即利用评价网络、企事业名录等多维数据进行地址解析，获取各类设施的区位分布，并结合城市建设用地和人口的分布状况，进一步分析各类设施在城市不同区位中的分布密度、人均拥有量等二级客观指标，表征整体结构层面的客观评价。

具体到深圳市，深圳市公共服务设施密度的空间分布如图2所示，主要集中在福田-罗湖城市中心靠近香港的区域，粤海街道、龙岗街道以及西乡、西南街道的部分地区设施密度较高，但光明新区、盐田区、坪山新区、大鹏新区以及龙华新区均不高，表明这地段的设施供给水平较低。

在城市空间品质的客观评价方面，研究从设施的分布密度和人均拥有量入手，首先对栅格内的各类基本设施数量进行汇总，并计算设施密度D_i，即D_ik＝ΣN_i/S_i，(i∈j，S_i≠0)，其中s_i为第i栅格面积，j为栅格集合，再通过核密度分析表示设施密度的空间分布。

如图3所示所示，餐饮设施主要集中在福田-罗湖城市中心、粤海街道和龙岗街道；超市等便民购物设施分布较为广泛，宝安区西乡和新安街道的超市密度最高，其次是罗湖区黄贝街道、南山区沙头街道；旅馆等住宿类设施主要集中在罗湖-福田城市中心和龙岗区，密度最高的区域为罗湖区黄贝街道，此外，大鹏街道东部也有较多的住宿类设施；商场类设施密度最高的区域为福田-罗湖城市中心，其余地区密度较为平均；体育类设施与前几类设施相比，空间布局并不均质，主要集中在罗湖区东门街道、福田区莲花街道、南山区粤海街道和 龙岗区龙城街道，其他地区的密度较小；文化类设施数量较少，但布局比较集中，主要集中在福田区莲花、园岭街道和罗湖区黄贝街道，此外，光明新区、龙岗区以及坪山新区等地均有较高的文化设施密度；休闲设施布局则主要集中在罗湖区黄贝、东门街道，其他各区的休闲设施均密度较低；医院等公共卫生类设施在福田-罗湖城市中心的密度较高，龙岗区、南山区以及宝安区南部均有一定的设施密度，其余地区医院密度较低；中小学的布局较为平均，在各个区内均有密度较高的区域，但规模较大的区域仍然集中在罗湖区、福田区以及南山区；养老院呈平均分布，布局较为分散、数量也较少，这也与深圳城市人口的整体年龄结构相对年轻有一定关系。

在此基础上，将建设用地中的常住人口与栅格内的设施数量叠加，分析设施人均拥有量的空间分布，其中建设用地为2014年航拍分析数据，常住人口数据采用第六次人口普查数据。

具体地，先计算各镇街建设用地所占的栅格数量C_i，然后计算各栅格常住人口：

$P_i=\frac{T_j}{{\mathrm{\ΣC}}_i}---\left(1\right)$

其中T_i表示所属镇街的常住人口数量，∑C_i表示栅格建设用地的数量，再计算各栅格人均设施拥有量

$M_i=\frac{{\mathrm{\ΣN}}_i}{P_i}---\left(2\right)$

其中∑N_i表示各栅格内的设施总数。在此基础上，通过核密度分析表示人均设施拥有量的空间分布。

如图4所示，综合各类基本设施，人均设施拥有量最高的地区为龙岗街道，其次为葵涌街道，罗湖区黄贝、东门街道也有较高的人均设施拥有量，其余地区均有待提高，一方面反映了外围人口稀疏地区设施密度基本满足当地需求，另一方面，中心区随着人口数量的上升，势必存在人均拥有量下降、设施超负荷服务的特征。

其中S3步骤的具体实现方式为：在城市空间品质的主观评价方面，主要对基本设施的网络评价数据进行采集，在计算平均评价值的基础上，进一步区分正面评价值的空间分布。在对网络评价数据进行地址解析后，依据网络点评数据，分析二级主观指标的关注度和满意度的空间分布特征，表征个体感知维度 的主观评价。

基本设施的主观评价由设施关注度和满意度评价两部分组成。对于设施关注度，将栅格内各类设施的评价数量进行汇总，得到相应栅格内的设施关注度。对于评价分数，根据上述十类基本设施对城市空间品质的影响，基于点评网网民对每一个设施的5分制点评数据，利用特菲尔法法和层次分析法(AHP)得到各类设施的权重值，将评分高于平均值一个标准差的设施归为优评设施，得到深圳基本设施的优评空间分布。最后，将优评分数归一化处理，并通过截取沿广深公路——地铁一号线、地铁一号线深圳西站-深圳站——罗沙路、地铁三号线双龙站-深圳站等3个交通截面的优评分数，分析主要客流交通截面中基本设施的满意度分布状况。

各类设施评分的权重计算过程，记ω_ks为评价系统中k类设施满意度的权重，该值采用均方差进行计算：

${\mathrm{\ω}}_k=\frac{{\mathrm{\σ}}_k}{{\mathrm{\Σ}}_{k=1}^{10}{\mathrm{\σ}}_k}---\left(3\right)$

${{\mathrm{\σ}}_k}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(x_{ik}-\stackrel{\‾}{x_k})}^2}{n}---\left(4\right)$

$\stackrel{\‾}{x_k}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_{ik}}{n}---\left(5\right)$

如图5所示，设施关注度最高的区域为罗湖区东门、黄贝以及南湖街道，其次为福田区园岭街道、南山区粤海街道，二者吸引力水平相当。此外，光明新区和龙岗区局部地段的设施关注度也较高，其他各区比较接近，再无明显的峰值地段。

从优评分值(满意度)分布来看(图6)，龙岗区龙城街道和龙岗街道的各类设施的满意度较高，但全区的整体满意度水平不高，福田街道、东门街道、公明街道均有满意度较高的峰值地段，整体水平较高的区域为罗湖区和福田区。满意度评价得分的空间分布一定上匹配了深圳的多中心组团结构。

进一步通过设施满意度与主要交通线路叠合发现(图7、8、9)，在三条交通线路下，优评设施的空间集聚性分布与公共交通站点有密切关系，其中，在广深公路至地铁一号线深圳西站截面下，松白立交附近的公服设施满意度水平较高，其次是以深圳西站为中心的各类公服设施整体满意度也比较高，且其辐射范围比较大。在一号线深圳西站以东，主要站点的基本设施满意度较高，其 中国贸站居于首位，会展中心和罗湖站分列二三位，值得注意的是，建于1994年的世界之窗随着时间的推移以及新兴市场的崛起，其设施满意度水平呈下降趋势。地铁三号线在龙城广场站附近的设施满意度较高，其次是罗湖站和深圳东站。总体而言，网络世界中的设施满意度分布呈现若干间或隆起的设施峰值评价地段，直观地体现了深圳城市空间的多中心结构。

其中S4步骤的具体实现方式为：综合所述主、客观评价数据的空间叠合，对基本设施的主、客观空间品质评价进行加权计算，形成城市空间品质评价的综合评定图，具体计算方面，在每类设施的基本要素中，对各类二级指标值进行空间栅格化处理后，按照均方差的方式确定指标权重，由此得到的设施评价指标值则根据均方差、特菲尔法确定综合权重。

在综合评价方面，研究将主观、客观评价数据空间叠合，对各类设施的主/客观空间品质评价的四项指标进行加权计算，形成城市空间品质评价的综合评定图。具体地，在每类设施的基本要素中，对各类二级指标值进行空间栅格化处理后，按照均方差的方式确定每一类设施的主/客观指标权重，由此得到的10类设施评价指标值则根据均方差、特菲尔法确定综合权重。

令x_iks表示i个空间栅格单元、第k类设施、s分项指标的评价得分，其中栅格i＝1，2，3，，…，n；设施k＝1，2，…，10；二级分项指标s＝1，2，3，4。

研究面对的综合评价问题基本模型为：

$y_{ik}=\underset{s=1}{\overset{4}{\Σ}}{\mathrm{\ω}}_{ks}{x}_{iks}---\left(6\right)$

$y_i=\underset{k=1}{\overset{10}{\Σ}}{\mathrm{\β}}_k{y}_{ik}---\left(7\right)$

综合指标权重计算过程中，首先分别计算各类设施二级指标的算术平均值 然后计算各二级指标的均方差σ_ks ²，再计算各设施二级指标的权重ω_ks，进而得出i栅格下k类设施的得分y_ik。由此得到的10类设施评价值则进一步根据均方差、特菲尔法确定综合权重。

首先根据特菲尔赋权法确定第k类设施的评价权重p_k，再根据均方差法通 过先后计算σ_k ²确定各设施间的评价权重q_k，其中是y_ik的均值，表示第k类设施的算术平均值，σ_k ²表示第k类设施的均方差。

接下来，研究既对各类设施的类别属性进行权重赋值，又对每类设施的主/客观二级评价指标进行权重赋值，因此权重直接涉及到最终的评价结果。在主/客观的综合评价中，对于每一类设施，记ω_ks为评价系统中k类设施、s项指标的权重，该值采用均方差进行计算：

${\mathrm{\ω}}_{ks}=\frac{{\mathrm{\σ}}_{ks}}{{\mathrm{\Σ}}_{s=1}^t{\mathrm{\σ}}_{kl}}---\left(8\right)$

${{\mathrm{\σ}}_{ks}}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(x_{iks}-\stackrel{\‾}{x_{ks}})}^2}{n}---\left(9\right)$

$\stackrel{\‾}{x_{ks}}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_{iks}}{n}---\left(10\right)$

对于各类设施的权重β_k，采用综合集成赋权法，记p_k、q_k分别表示特菲尔赋权、均方差法赋权，且有

β_k＝c₁ ^*p_k+c₂ ^*q_k  (11) 

其中

${c_1}^{*}=\frac{c_1}{c_1+c_2}---\left(12\right)$

${c_2}^{*}=\frac{c_2}{c_1+c_2}---\left(13\right)$

且有c₁＞0，c₂＞0，由此空间栅格单元i空间品质的综合评价值为

$y_i=\underset{k=1}{\overset{10}{\Σ}}{\mathrm{\β}}_k{y}_{ik}=\underset{k=1}{\overset{10}{\Σ}}({c_1}^{*}{p}_k+{c_2}^{*}{q}_k)y_{ik}---\left(14\right)$

再根据拉格朗日方法分别计算c₁，c₂，最后再分别计算p_k、q_k的标准系数c₁ ^*、c₂ ^*，

$c_1=\frac{{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^{10}{p}_k{y}_{ik}}{\sqrt{{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{p}_k{y}_{ik}\right)}^2+{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{\mathrm{qy}}_{ik}\right)}^2}}---\left(15\right)$

$c_2=\frac{{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^{10}{q}_k{y}_{ik}}{\sqrt{{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{p}_k{y}_{ik}\right)}^2+{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{\mathrm{qy}}_{ik}\right)}^2}}---\left(16\right)$

p_k表示层次分析法得出的第k项设施评价权重，可以选用序关系法确定；q_k表示均方差客观赋权法在第k项设施的评价权重，同时是y_ik的均值，采用下述计算公式确定q_k的取值：

$q_k=\frac{{\mathrm{\σ}}_k}{{\mathrm{\Σ}}_{s=1}^t{\mathrm{\σ}}_s}---\left(17\right)$

式中

${{\mathrm{\σ}}_k}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(y_{ik}-\stackrel{\‾}{y_k})}^2}{n}---\left(18\right)$

对于各类设施的权重β_k，采用综合集成赋权法，有β_k＝c₁ ^*p_k+c₂ ^*q_k，由此空间栅格单元i空间品质的综合评价值为

$y_i=\underset{k=1}{\overset{10}{\Σ}}{\mathrm{\β}}_k{y}_{ik}=\underset{k=1}{\overset{10}{\Σ}}({c_1}^{*}{p}_k+{c_2}^{*}{q}_k)y_{ik}---\left(19\right)$

按照这一方法，对深圳10大类公服设施的评价进行主/客观的综合评定，最终结果如图10所示，综合评价较高的地段集中在罗湖区和福田区，并以罗湖站为中心沿地铁一号线形成绵延带，同时龙岗区由于人均拥有量的优势因而综合评价整体较高，也形成了一定规模的满意度较高的区域，其余各区均有部分地段满意度较高，但有待提高。南山区、宝安区作为广深公路以及地铁一号线沿线区域，其设施综合服务水平尚有提高潜力。

评价结果对城市空间结构的检验：

根据深圳市总体规划中确定的福田、前海、龙岗等7个城市中心和副中心，结合设施评论密度空间分布，分析设施吸引力的多中心空间分布特征。在已有的研究中，学者们采用了多种方法来找出可能的中心，McDonald(1987)基于单中 心城市的假设，拟合了城市的就业密度函数。Wang和Zhou(1999)运用指数函数线性相加的方法拟合多中心人口密度空间结构。但该方法适用于空间形态受地形条件限制较少的城市，深圳地形起伏明显，对此模型适用性有限。McMillen和McDonald(1997)在建立多中心城市模型时，采用了局部回归的非参数方法，对识别相对分散的特大城市多中心空间结构较为适用。孙铁山(2009)基于区域密度函数运用平方根负指数模型分析人口集聚与扩散的多中心性。综上所述，本文采用平方根负指数模型拟合公共服务设施吸引力多中心分布，采用以下形式：

$D_m\left(x\right)=D_0\exp \left(b_0{x}_{m0}^{0.5}\right)+D_n\exp \left(b_n{x}_{mn}^{0.5}\right)+C---\left(20\right)$

$D_m\left(x\right)=D_n\exp \left(b_n{x}_{mn}^{0.5}\right)+C---\left(21\right)$

通过回归方程的分析，在两个公式中从中选取R²拟合度较高的形式作为回归结果，其中x_m0是空间单元m到城市中心(CBD)的距离，x_mn是空间单元m到次中心的距离，D_m(x)是m空间单元距区域中心x处的关注度密度，D₀，b₀，D_n和b_n是模型参数，C为常量，D₀和D_n的变化反映中心区吸引力的变化趋势，b的变化反映城市中心吸引力分布的变化趋势。b的绝对值越大，说明关注度密度随到中心城市距离增加而衰减得越快，反之则表示关注度衰减较慢。拟合结果如表1所示，表1为公服设施关注度多中心结构的回归结果。

表1

参考McDonald和Prather(1994)局部回归模型方法，选取全市范围数据作为城市中心样本，并以半径5km范围作为副中心的吸聚范围。从拟合结果来看，除福田中心区(城市CBD)外，深圳市另有三个相对显著的公共服务设施吸引中心，分别为龙岗中心、龙华中心以及坪山新区中心，其中最突出的是龙岗和龙华，其决定系数R²均在0.45以上，高于McDonald和Prather发表在《Urban Studies》上分析结果的决定系数(该研究的R²值均在0.2-0.3之间)。值得注意的是，前海作为总体规划中重要的城市主中心，在回归拟合过程中R²值仅达到0.214，并未显现突出的吸聚效果，说明该地仍处于发育阶段。

本发明采用数据挖掘的方式，获取公共服务设施的网络评价数据，通过地址解析、空间降维等数据转换，从结构层面回答了城市空间品质的评价问题，又真实反映了社会微观个体的满意度感观，从而实现了深圳公共服务的空间品质测度。根据标度律(Scaling Law)以及Bettencourt(2007)和Batty(2008)的研究，城市人口规模及空间分布对城市的各项要素产生影响，人口过度集聚分布带来的负面效应也会随规模扩大而愈发明显(Bettencourt，2010)，深圳得益于多中心的开敞结构，较好地避免了一般超大城市过度集聚所导致的负外部性问题。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的城市空间品质评价方法，其特征在于，包括下述步骤：

S1、数据处理，在完成数据挖掘之后，通过现有数据平台对数据进行地址解析，在此基础上转化为GIS平台数据，并通过栅格化技术处理空间降维，转化为常规软件可以分析的空间数据；

S2、客观评价，对基本设施的分布密度、人均拥有量指标进行测度，即利用评价网络、企事业名录的多维数据进行地址解析，获取各类设施的区位分布，并结合城市建设用地和人口的分布状况，进一步分析各类设施在城市不同区位中的分布密度、人均拥有量等二级客观指标，表征整体结构层面的客观评价；

S3、主观评价，对基本设施的网络评价数据进行采集，在计算平均评价值的基础上，进一步区分正面评价值的空间分布，在对网络评价数据进行地址解析后，依据网络点评数据，分析二级主观指标的关注度和满意度的空间分布特征，表征个体感知维度的主观评价；

S4、综合评价，综合所述主、客观评价数据的空间叠合，对基本设施的主、客观空间品质评价进行加权计算，形成城市空间品质评价的综合评定图，具体计算方面，在每类设施的基本要素中，对各类二级指标值进行空间栅格化处理后，按照均方差的方式确定指标权重，由此得到的设施评价指标值则根据均方差、特菲尔法确定综合权重。

2.根据权利要求1所述的基于大数据的城市空间品质评价方法，其特征在于，步骤S1中，通过百度开放平台进行数据挖掘和地址解析，并通过lkmXlkm的栅格处理空间降维；

具体地，通过百度LBS开放平台中“Web服务API”页面下的“Place API”和“Geacoding API”服务功能，获取各类服务设施的数据信息；

具体步骤为：(1)获取API接口密钥；

(2)使用获取的密钥，根据Place区域检索通用接口参数要求，拼写发送http请求的URL；

(3)基于LocoySpider软件平台，编写数据获取字段信息，批量发送和接收http请求返回的数据，由此完成各项服务设施的数据抓取。

3.根据权利要求1所述的基于大数据的城市空间品质评价方法，其特征在于，步骤S2中，城市空间品质的客观评价方面是从设施的分布密度和人均拥有量入手，首先对栅格内的各类基本设施数量进行汇总，并计算设施密度D_i，即D_ik＝ΣN_i/S_i，其中i∈j，S_i≠0，其中s_i为第i栅格面积，j为栅格集合，再通过核密度分析表示设施密度的空间分布。

4.根据权利要求3所述的基于大数据的城市空间品质评价方法，其特征在于，将建设用地中的常住人口与栅格内的设施数量叠加，分析设施人均拥有量的空间分布，具体为：

先计算各镇街建设用地所占的栅格数量C_i，然后计算各栅格常住人口：

$P_i=\frac{T_j}{\mathrm{\Σ}{C}_i}$

其中T_i表示所属镇街的常住人口数量，∑C_i表示栅格建设用地的数量，再计算各栅格人均设施拥有量：

$M_i=\frac{{\mathrm{\ΣN}}_i}{P_i}$

其中ΣN_i表示各栅格内的设施总数，在此基础上，通过核密度分析表示人均设施拥有量的空间分布。

5.根据权利要求1所述的基于大数据的城市空间品质评价方法，其特征在于，步骤S3中，对于设施关注度，将栅格内各类设施的评价数量进行汇总，得到相应栅格内的设施关注度；对于满意度，根据基本设施对城市空间品质的影响，基于公众对每一个设施的5分制点评数据，利用特菲尔法法和层次分析法得到各类设施的权重值，将评分高于平均值一个标准差的设施归为优评设施，得到基本设施的优评空间分布，最后，将优评分数归一化处理，得到满意度的分布特征。

6.根据权利要求5所述的基于大数据的城市空间品质评价方法，其特征在于，各类设施评分的权重计算过程，记ω_k为评价系统中k类设施满意度的权重，该值采用均方差进行计算：

${\mathrm{\ω}}_k=\frac{{\mathrm{\σ}}_k}{{\mathrm{\Σ}}_{k=1}^{10}{\mathrm{\σ}}_k}$

${{\mathrm{\σ}}_k}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(x_{\mathrm{ik}}-\stackrel{\‾}{x_k})}^2}{n}$

$\stackrel{\‾}{x_k}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_{\mathrm{ik}}}{n}$

其中，表示第k项指标的算术平均值，σ_k ²表示第k项指标的均方差，以此类推，计算各类要素的指标权重。

7.根据权利要求1所述的基于大数据的城市空间品质评价方法，其特征在于，步骤S4中，令x_iks表示i个空间栅格单元、第k类设施、s分项指标的评价得分，其中栅格i＝1,2,3,,…,n；设施k＝1,2,…,10；二级分项指标s＝1,2,3,4，

研究面对的综合评价问题基本模型为：

$y_{\mathrm{ik}}=\underset{s=1}{\overset{4}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ks}}{x}_{\mathrm{iks}}$

$y_i=\underset{k=1}{\overset{10}{\mathrm{\Σ}}}{\mathrm{\β}}_k{y}_{\mathrm{ik}}$

综合指标权重计算过程中，首先分别计算各类设施二级指标的算术平均值然后计算各二级指标的均方差σ_ks ²，再计算各设施二级指标的权重ω_ks，进而得出i栅格下k类设施的得分y_ik，由此得到的10类设施评价值则进一步根据均方差、特菲尔法确定综合权重。

8.根据权利要求7所述的基于大数据的城市空间品质评价方法，其特征在于，综合评价的具体步骤为：

首先，根据特菲尔赋权法确定第k类设施的评价权重p_k，再根据均方差法通过先后计算σ_k ²确定各设施间的评价权重q_k，其中是y_ik的均值，表示第k类设施的算术平均值，σ_k ²表示第k类设施的均方差；

其次，研究既对各类设施的类别属性进行权重赋值，又对每类设施的主/客观二级评价指标进行权重赋值，因此权重直接涉及到最终的评价结果，在主/客观的综合评价中，对于每一类设施，记ω_ks为评价系统中k类设施、s项指标的权重，该值采用均方差进行计算：

${\mathrm{\ω}}_{\mathrm{ks}}=\frac{{\mathrm{\σ}}_{\mathrm{ks}}}{{\mathrm{\Σ}}_{s=1}^t{\mathrm{\σ}}_{\mathrm{kl}}}$

${{\mathrm{\σ}}_{\mathrm{ks}}}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(x_{\mathrm{iks}}-\stackrel{\‾}{x_{\mathrm{ks}}})}^2}{n}$

$\stackrel{\‾}{x_{\mathrm{ks}}}=\frac{{\mathrm{\Σ}}_{i=1}^n{x}_{\mathrm{iks}}}{n}$

对于各类设施的权重β_k，采用综合集成赋权法，记p_k、q_k分别表示特菲尔赋权、均方差法赋权，且有

β_k＝c₁ ^*p_k+c₂ ^*q_k

其中

${c_1}^{*}=\frac{c_1}{c_1+c_2}$

${c_2}^{*}=\frac{c_2}{c_1+c_2}$

且有c₁>0，c₂>0，由此空间栅格单元i空间品质的综合评价值为

$y_i=\underset{k=1}{\overset{10}{\mathrm{\Σ}}}{\mathrm{\β}}_k{y}_{\mathrm{ik}}=\underset{k=1}{\overset{10}{\mathrm{\Σ}}}({c_1}^{*}{p}_k+{c_2}^{*}{q}_k)y_{\mathrm{ik}}$

再根据拉格朗日方法分别计算c₁，c₂，最后再分别计算p_k、q_k的标准系数c₁ ^*、c₂ ^*，

$c_1=\frac{{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^{10}{p}_k{y}_{\mathrm{ik}}}{\sqrt{{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{p}_k{y}_{\mathrm{ik}}\right)}^2+{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{\mathrm{qy}}_{\mathrm{ik}}\right)}^2}}$

$c_2=\frac{{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^{10}{p}_k{y}_{\mathrm{ik}}}{\sqrt{{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{p}_k{y}_{\mathrm{ik}}\right)}^2+{\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{k=1}^4{\mathrm{qy}}_{\mathrm{ik}}\right)}^2}}$

p_k表示层次分析法得出的第k项设施评价权重，可以选用序关系法确定；q_k表示均方差客观赋权法在第k项设施的评价权重，同时是y_ik的均值，采用下述计算公式确定q_k的取值：

$q_k=\frac{{\mathrm{\σ}}_k}{{\mathrm{\Σ}}_{s=1}^t{\mathrm{\σ}}_s}$

式中

${{\mathrm{\σ}}_k}^2=\frac{{\mathrm{\Σ}}_{i=1}^n{(y_{\mathrm{ik}}-\stackrel{\‾}{y_k})}^2}{n}$

对于各类设施的权重β_k，采用综合集成赋权法，有β_k＝c₁ ^*p_k+c₂ ^*q_k，由此空间栅格单元i空间品质的综合评价值为：

$y_i=\underset{k=1}{\overset{10}{\mathrm{\Σ}}}{\mathrm{\β}}_k{y}_{\mathrm{ik}}=\underset{k=1}{\overset{10}{\mathrm{\Σ}}}({c_1}^{*}{p}_k+{c_2}^{*}{q}_k)y_{\mathrm{ik}}.$