CN107292484A - 基于城市空间大数据的城市再开发土地识别方法及系统 - Google Patents

Abstract

本发明提供了一种基于城市空间大数据的城市再开发土地识别方法和系统，该方法包括：A，确定需要进行城市再开发土地识别的预选城市区域，对所述预选城市区域进行网格化划分，以获得多个土地单元，并生成由所述多个土地单元组成的候选再开发土地单元集合；B，根据预设的禁止性识别指标对所述候选再开发土地单元集合进行遴选，以获得可行再开发土地单元，并生成可行再开发土地单元集合；C，根据预设的引导性识别指标建立多目标城市再开发土地迫切度评估模型；D，根据所述多目标城市再开发土地迫切度评估模型对所述可行再开发土地单元集合内的可行再开发土地单元进行评估，以形成城市再开发土地单元。本发明能对土地提供微观尺度的客观识别。

Description

基于城市空间大数据的城市再开发土地识别方法及系统

技术领域

本发明涉及地理信息系统领域，特别是涉及一种基于城市空间大数据的城市再开发土地识别方法及系统。

背景技术

当城市发展到一定阶段会出现“物质老旧、功能退化、效益低下”等衰退现象，此时需要对城市进行再开发，此时需要确定特定区域的土地是否需要进行再开发。

但是由于目前没有客观精准的城市再开发识别技术，城市再开发土地的确定方法具有盲目性，现有技术往往仅能在城市街道及以上尺度做出相对主观的再开发识别，这种识别方法不够准确。

针对现有技术中无法客观准确判断城市土地是否需要再开发的问题，目前业界没有理想的解决方式。

发明内容

本发明目的在于提供一种基于城市空间大数据的城市再开发土地识别方法及系统，旨在解决现有技术中无法客观精准判断城市土地是否需要再开发的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

第一方面，本发明提供了一种基于城市空间大数据的城市再开发土地识别方法，该方法包括：

步骤A，确定需要进行城市再开发土地识别的预选城市区域，对预选城市区域进行网格化划分，以获得多个土地单元，并生成由多个土地单元组成的候选再开发土地单元集合；

步骤B，根据预设的禁止性识别指标对候选再开发土地单元集合进行遴选，以获得可行再开发土地单元，并生成可行再开发土地单元集合；

步骤C，根据预设的引导性识别指标建立多目标城市再开发土地迫切度评估模型；

步骤D，根据多目标城市再开发土地迫切度评估模型对可行再开发土地单元集合内的可行再开发土地单元进行评估，以形成城市再开发土地单元。

第二方面，本发明提供了一种基于城市空间大数据的城市再开发土地识别系统，该系统包括：

生成模块，用于确定需要进行城市再开发土地识别的预选城市区域，对预选城市区域进行网格化划分，以获得多个土地单元，并生成由多个土地单元组成的候选再开发土地单元集合；

遴选模块，用于根据预设的禁止性识别指标对候选再开发土地单元集合进行遴选，以获得可行再开发土地单元，并生成可行再开发土地单元集合；

建立模块，用于根据预设的引导性识别指标建立多目标城市再开发土地迫切度评估模型；

形成模块，用于根据多目标城市再开发土地迫切度评估模型对可行再开发土地单元集合内的可行再开发土地单元进行评估，以形成城市再开发土地单元。

本发明实施例通过明确的数据和算法，基于网格化的土地单元进行多目标城市再开发土地迫切度评估，以判断城市土地单元是否需要再开发，相比于目前仅能在宏中观尺度(即城市街道及以上)做出相对主观的再开发识别，本发明提供更微观尺度的客观识别。

附图说明

图1是本发明实施例提供的基于城市空间大数据的城市再开发土地识别的流程图；

图2是本发明实施例提供的再开发土地的确定方法的流程图；

图3是本发明实施例提供的基于城市空间大数据的城市再开发土地识别的结构框图。

具体实施方式

为了使本发明要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于城市空间大数据的城市再开发土地识别方法。图1是本发明实施例提供的基于城市空间大数据的城市再开发土地识别的流程图。如图1所示，该方法包括步骤A至步骤D。

步骤A，确定需要进行城市再开发土地识别的预选城市区域，对预选城市区域进行网格化划分，以获得多个土地单元，并生成由多个土地单元组成的候选再开发土地单元集合。

步骤A可以具体包括：

步骤A1，确定需要进行城市再开发土地识别的城市区域。

步骤A2，采用基于网格的空间表征方法对城市区域进行网格化以生成候选再开发土地单元集合。本发明实施例中，预选城市区域可以为城市建成区或半建成区，具体针对的是生产空间和生活空间。预选城市区域中的所有土地单元构成候选再开发土地单元集合，优选地，可以采用全市统一空间基础网格，生成候选再开发土地单元集合。

步骤B，根据预设的禁止性识别指标对候选再开发土地单元集合进行遴选，以获得可行再开发土地单元，并生成可行再开发土地单元集合。

识别指标为衡量土地利用质量、判断城市土地是否需要再开发的参考或依据，识别指标可以包括禁止性识别指标和引导性识别指标。

禁止性识别指标包括对城市再开发具有一票否决权限的识别指标。在禁止性指标影响范围内的土地单元不纳入再开发过程。本实施例中禁止性识别指标包括禁止建设区、一级水源保护区和重大危险设施管控区三项。从上述候选再开发土地单元集合剔除禁止性指标范围内的土地单元之后，可以获得可行再开发土地单元集合。

步骤C，根据预设的引导性识别指标建立多目标城市再开发土地迫切度评估模型。

引导性识别指标是以城市土地利用中普遍存在的问题为基础，表征土地资源条件、经济社会发展状况、开发现状等方面的参考或依据。

多目标城市再开发土地迫切度评估模型是基于城市空间大数据，从统筹协调、集约高效、生态文明、安全宜居、传承共享等方面对土地单元的资源条件、经济社会发展状况、开发现状等方面进行综合、客观的定量评估，获得土地单元再开发迫切度,迫切度越高说明土地单元再开发需求越高。模型形式为：

P(L_i)＝aA(L_i)+bB(L_i)+cC(L_i)+dD(L_i)+eE(L_i)

其中，P(L_i)为土地单元的迫切度评估结果，A(L_i)为统筹协调目标，表征宏观布局结构是否科学合理，微观物质空间是否有效供给；B(L_i)为集约高效目标，表征资源投入是否节约集约，经济产出是否高质高效；C(L_i)为生态文明目标，表征生产生活是否低碳环保；D(L_i)为安全宜居目标，表征生产生活安全是否得到有力保障，生活环境是否优美舒适；E(L_i)为传承共享目标，表征城市建筑物的传承与更新和城市服务的均等共享程度；L_i为可行再开发土地单元集合内的土地单元，a、b、c、d、e为权重系数且a+b+c+d+e＝1，0<a,b,c,d,e<1。

表1通过对多个层面的定义，构建出了城市再开发土地识别指标体系，本实施例详细说明了如何获得指标层中的各项识别指标。

表1

本实施例中，统筹协调目标可以包括基础支撑准则层，所以，统筹协调目标可以表示为：

A(L_i)＝a₁A₁(L_i)

其中，A₁(L_i)为基础支撑准则层评估结果，a₁为权重系数且a₁＝1。

基础支撑准则层评估结果可以由人均道路面积、交通可达性、管道燃气使用程度、给水管网密度、雨水管网密度和污水管网密度进行加权运算获得。因此，基础支撑准则可以表示为：

A₁(L_i)＝a₁₁A₁₁(L_i)+a₁₂A₁₂(L_i)+a₁₃A₁₃(L_i)+a₁₄A₁₄(L_i)+a₁₅A₁₅(L_i)a₁₆A₁₆(L_i)

其中，a₁₁、a₁₂、a₁₃、a₁₄、a₁₅、a₁₆权重系数且a₁₁+a₁₂+a₁₃+a₁₄+a₁₅+a₁₆＝1，0≤a₁₁,a₁₂,a₁₃,a₁₄,a₁₅,a₁₆≤1。

人均道路面积用于评估道路设施配置是否合理，其计算公式可以为：

其中，A₁₁(L_i)为人均道路面积，b为识别单元，l为道路长度，w为道路宽度，e为识别单元总人口。

交通可达性采用空间句法理论、以整体集成度(Global Integration Value)表征交通可达性，考察一个空间单元与空间系统中其它所有空间单元的关系，其计算公式可以为：

其中，A₁₂(L_i)为交通可达性，MD_i为相对深度值，表示某一节点距其他所有节点的平均最短步长，即n为所有节点的个数，D_n为标准化参数，

管道燃气使用程度指建筑物附近含有燃气接入点可视为使用管道燃气。本发明实施例以建筑物质心为圆心做半径20米缓冲区，如果缓冲区内含有燃气接入点，则A₁₃(L_i)赋值为1；反之，则A₁₃(L_i)为0。对土地单元内所有建筑物的赋值取平均数，作为该土地单元的管道燃气使用程度得分。

给水管网密度用于统计土地单元内给排水管道分布密度识别给排水设施在全市范围内的支撑能力空间差异，其计算公式为：

A₁₄(L_i)＝l/s

其中，A₁₄(L_i)为给水管网密度，l为建筑物一定范围内给水管道长度，s为范围面积。

雨水管网密度A₁₅(L_i)的计算公式为：

A₁₅(L_i)＝l/s

其中，A₁₅(L_i)为雨水管网密度，l为建筑物一定范围内雨水管道长度，s为范围识别单元面积。

污水管网密度A₁₆(L_i)计算公式为：

A₁₆(L_i)＝l/s

其中，A₁₆(L_i)为污水管网密度，l为建筑物一定范围内污水管道长度，s为范围识别单元面积。

集约高效目标层B(L_i)可以包括节约集约准则层B₁(L_i)和产出高效准则层B₂(L_i)。所以，集约高效目标可以表示为：

B(L_i)＝b₁B₁(L_i)+b₂B₂(L_i)

其中，b₁和b₂为权重系数，且b₁+b₂＝1，0≤b₁,b₂≤1。

进一步地，节约集约准则层B₁(L_i)可以进一步表示为：

B₁(L_i)＝b₁₁B₁₁(L_i)+b₁₂B₁₂(L_i)

其中，b₁₁和b₁₂为权重系数，且b₁₁+b₁₂＝1，0≤b₁₁,b₁₂≤1。

容积率B₁₁(L_i)用于反映土地立体开发强度，容积率较低的地区土地空间开发强度较低，具备较大的再开发潜力，其计算公式为：

B₁₁(L_i)＝s₁/s₂

其中，B₁₁(L_i)为容积率，s₁为建筑总面积，s₂为地块面积。

建筑物密度B₁₂(L_i)用于反映建筑物密集程度，建筑密度越小，对土地开发强度越低，越不能体现土地的节约集约利用。建筑密度计算公式为：

B₁₂(L_i)＝s₁/s₂

其中，B₁₂(L_i)为建筑密度，s₁为建筑物占地面积，s₂为地块面积。

产出高效准则层B₂(L_i)可以进一步表示为：

B₂(L_i)＝b₂₁B₂₁(L_i)+b₂₂B₂₂(L_i)

其中，b₂₁和b₂₂为权重系数，且b₂₁+b₂₂＝1，0≤b₂₁,b₂₂≤1。

地均税收B₂₁(L_i)用于反映单位土地上的经济效益，结果值越高说明土地利用效益越高，经济效益越好，反之则体现土地的低效利用，有必要通过再开发提升土地利用效益，其计算公式为：

B₂₁(L_i)＝b/s

其中，B₂₁(L_i)为地均税收，b为土地所在工业区税收收入，s为工业区面积。

人口密度B₂₂(L_i)用于体现单位土地上承载的人口量，相同用地功能下人口密度越小说明土地利用方式较为粗放，土地再开发必要性更高，其计算公式为：

B₂₂(L_i)＝b/s

其中，B₂₂(L_i)为人口密度，b为土地总人口，s为土地总面积。

生态文明目标层C(L_i)可以包括资源节约准则层C₁(L_i)和环境友好准则层C₂(L_i)。所以，集约高效目标可以表示为：

C(L_i)＝c₁C₁(L_i)+c₂C₂(L_i)

其中，c₁和c₂为权重系数，且c₁+c₂＝1，0≤c₁,c₂≤1。

进一步地，资源节约准则层C₁(L_i)可以进一步表示为：

C₁(L_i)＝c₁₁C₁₁(L_i)+c₁₂C₁₂(L_i)

其中，c₁₁和c₁₂为权重系数，且c₁₁+c₁₂＝1，0≤c₁₁,c₁₂≤1。

万元税收能耗C₁₁(L_i)用于选取工业一定时间内单位税收能源和水资源消耗量反映城市工业资源利用效率空间差异，其计算公式为：

C₁₁(L_i)＝b/c

其中，C₁₁(L_i)为万元税收能耗，土地所在工业区能耗，工业区纳税额。

万元税收水耗C₁₂(L_i)的计算公式为：

C₁₂(L_i)＝b/c

其中，C₁₂(L_i)为万元税收水耗，b为土地所在工业区用水量，c为工业区纳税额。

进一步地，环境友好准则层C₂(L_i)可以进一步表示为：

C₂(L_i)＝c₂₁C₂₁(L_i)+c₂₂C₂₂(L_i)+c₂₃C₂₃(L_i)+c₂₄C₂₄(L_i)

其中，c₂₁、c₂₂、c₂₃和c₂₄为权重系数，且c₂₁+c₂₂+c₂₃+c₂₄＝1，0≤c₂₁,c₂₂,c₂₃,c₂₄≤1。

万元税收工业废水排放量C₂₁(L_i)用于反映工业环境友好程度，单位经济产出下污染物排放量越大，工业对环境污染越严重，需要通过再开发进行产业升级或置换，从而提高地区生态效益，其计算公式为：

C₂₁(L_i)＝b/c

其中，C₂₁(L_i)为万元税收工业废水排放量，b为土地所在工业区废水排放量，c为工业区纳税额。

万元税收工业废气排放量C₂₂(L_i)的计算公式为：

C₂₂(L_i)＝b/c

其中，C₂₂(L_i)为万元税收工业废气排放量，b为土地所在工业区废气排放量，c为工业区纳税额。

垃圾回收站服务覆盖度C₂₃(L_i)用于针对生活垃圾排放，位于垃圾回收站服务范围内可认为没有生活垃圾排放。具体方法为以全市垃圾回收站为圆心、服务距离(如2km)为半径确定垃圾回收站服务范围，如果在服务范围内，则C₂₃(L_i)赋值为1；如果在服务范围外，则C₂₃(L_i)赋值为0。统计土地单元内垃圾回收站服务范围覆盖面积占识别单元面积的比重，作为垃圾回收站服务覆盖度得分。

绿地覆盖度C₂₄(L_i)用于体现城市生态环境的空间差异，绿地覆盖较少的区域，生态环境相对较差，可通过再开发进行改善，其计算公式为：

C₂₄(L_i)＝s1/s2

其中，C₂₄(L_i)为绿地覆盖度，s1为土地一定范围内各类绿地面积，s2为范围面积。

安全宜居目标层D(L_i)可以包括公共安全准则层D₁(L_i)和生活宜居准则层D₂(L_i)。所以，安全宜居目标可以表示为：

D(L_i)＝d₁D₁(L_i)+d₂D₂(L_i)

其中，d₁和d₂为权重系数，且d₁+d₂＝1，0≤d₁,d₂≤1。

进一步地，公共安全准则层D₁(L_i)可以进一步表示为：

D₁(L_i)＝d₁₁D₁₁(L_i)+d₁₂D₁₂(L_i)

其中，d₁₁、d₁₂为权重系数，且d₁₁+d₁₂＝1，0≤d₁₁,d₁₂≤1。

避难场所可达性D₁₁(L_i)用于评估建筑到避难场所的便利程度，可达性较差的区域说明避难场所存在不均衡及不合理布局，需要通过再开发进行功能完善，减少安全隐患。本发明实施例采用潜能模型计算避难可达性，潜能模型是以物理学重力模型为借鉴的空间相互作用模型，最早由Hansen引入应用到可达性度量中，其计算公式为：

其中，A_i即j系统所有点对i点的潜能，M_j为j点的规模，d为空间阻抗，如距离或时间，β为距离衰减系数。在避难场所可达性计算中，考察避难场所服务范围内土地单元到避难场所的便利情况，计算公式为：

式中，d0为避难场所服务半径1.5km，假设避难场所规模为1，距离衰减系数β为1。

消防站服务覆盖度D₁₂(L_i)用于评估识别单元内消防站服务覆盖情况。以全市消防站为圆心、服务距离(1.8km)为半径确定消防站服务范围，如果在服务范围内，D₁₂(L_i)赋值为1；如果在服务范围外，D₁₁(L_i)赋值为0。统计土地单元内消防站服务范围覆盖面积占识别单元面积的比重，作为消防站服务覆盖度得分。

进一步地，生活宜居准则层D₂(L_i)可以进一步表示为：

d₂D₂(L_i)＝d₂₁D₂₁(L_i)+d₂₂D₂₂(L_i)+d₂₃D₂₃(L_i)+d₂₄D₂₄(L_i)+d₂₅D₂₅(L_i)+d₂₆D₂₆(L_i)

其中，d₂₁、d₂₂、d₂₃、d₂₄、d₂₅和d₂₆为权重系数，且d₂₁+d₂₂+d₂₃+d₂₄+d₂₅+d₂₆＝1，0≤d₂₁,d₂₂,d₂₃,d₂₄,d₂₅,d₂₆≤1。

公交出行便捷指数D₂₁(L_i)用于反映居民采用公交出行的方便程度。研究表明居民可接受的从居住地到公交站的最远距离一般为0.5km，因此该指标具体方法为计算居住型建筑0.5km范围内拥有的公交线路总数，即：

D₂₁(L_i)＝∑_d＜0.5kmb×c

其中，D₂₁(L_i)为公交出行便捷指数，b为公交站点数，c为公交站点含有的公交线路数。

地铁出行便捷指数D₂₂(L_i)用于反映居民采用地铁出行的方便程度。研究表明居民可接受的从居住地到地铁站的最远距离一般为1.5km，因此具体方法为计算居住型建筑1.5km范围内地铁站距离倒数与换乘数乘积之和，即：

其中，D₂₂(L_i)为地铁出行便捷指数，b为地铁站换乘线路数，c为建筑到地铁站距离。

停车场密度D₂₃(L_i)用于反映拥有私家车的居民在停车方面的便利程度，停车场密度越大，对该部分居民生活宜居性越高，其计算公式为：

D₂₃(L_i)＝s1/s2

其中，D₂₃(L_i)a为停车场密度，s1为土地一定范围(如0.5km)内停车场面积，s2为范围面积。

生活服务设施丰富度D₂₄(L_i)用于评估居住区附近生活服务设施配置对居民日常生活需求的满足程度，与居住区附近生活服务设施的多样性及设施总数成正比，其计算公式为：

D₂₄(L_i)＝-M×∑_d0(P_i×log₂P_i)

其中，D₂₄(L_i)为生活服务设施丰富度，-∑_d0(P_i×log₂P_i)为生活服务设施信息熵，反映生活服务设施种类丰富度，Pi为i类设施出现频率，do为0.5km，M为服务设施总数。

人均绿地面积D₂₅(L_i)用于从生态角度反映居民生活环境的宜居程度，其计算公式为：

D₂₅(L_i)＝s/c

其中，D₂₅(L_i)为人均绿地面积，s为土地一定范围(如0.5km)内绿地面积，c为土地总人口。

人均居住面积D₂₆(L_i)的计算公式为：

D₂₆(L_i)＝s/c

其中，D₂₆(L_i)为人均居住面积，s为居住型建筑总面积，c为建筑总人口。

传承共享目标层E(L_i)可以包括传承更新准则层E₁(L_i)和共享发展准则层E₂(L_i)。所以，传承共享目标可以表示为：

E(L_i)＝e₁E₁(L_i)+e₂E₂(L_i)

其中，e₁和e₂为权重系数，且e₁+e₂＝1，0≤e₁,e₂≤1。

进一步地，传承更新准则层E₁(L_i)可以进一步表示为：

E₁(L_i)＝e₁₁E₁₁(L_i)

其中，e₁₁为权重系数且e₁₁＝1。

建筑物年龄E₁₁(L_i)用于进行物质老旧的识别，并将建筑物楼龄作为该指标结果。通常建筑物平均使用年限为70年，楼龄超过70年的建筑可认为有再开发必要。如果楼龄超过70年，E₁₁(L_i)赋值为1；如果楼龄没有超过70年，E₁₁(L_i)赋值为0。

进一步地，共享发展准则层E₂(L_i)可以进一步表示为：

e₂E₂(L_i)＝e₂₁E₂₁(L_i)+e_22E22(L_i)+e₂₃E₂₃(L_i)+e₂₄E₂₄(L_i)+e₂₅E₂₅(L_i)+e₂₆E₂₆(L_i)++e₂₇E₂₇(L_i)

其中，e₂₁、e₂₂、e₂₃、e₂₄、e₂₅、e₂₆和e₂₇为权重系数，且e₂₁+e₂₂+e₂₃+e₂₄+e₂₅+e₂₆+e₂₇＝1，0≤e₂₁,e₂₂,e₂₃,e₂₄,e₂₅,e₂₆,e₂₇≤1。

文化娱乐服务均等化指数E₂₁(L_i)与避难场所可达性相似，本发明实施例以潜能模型为基础，通过服务范围内设施到识别单元的距离及设施数量反映文化娱乐服务资源可达性，其计算公式为：

其中，E₂₁(L_i),即土地单元i的文化娱乐服务均等化指数，d0为服务半径1.5km，M为服务范围内文化娱乐设施数量。

体育设施服务均等化指数E₂₁(L_i)涉及范围一般为1500米，该指标计算方法与文化娱乐服务均等化指数相同，即：

式中，E₂₂(L_i)，即土地单元i的体育设施服务均等化指数，d0为服务半径1.5km，M为服务范围内体育设施数量。

小学教育服务均等化指数E₂₃(L_i)计算方法是：首先以学校点图层绘制泰森多边形确定学校服务范围，计算服务范围内学校学位数与适龄人口的比值。泰森多边形是对空间平面的一种剖分，其特点是多边形内的任何位置离该多边形的样点的距离最近，即泰森多边形内任意建筑到其他学校的距离都大于到多边形内的学校的距离，从而模拟就近入学原则。其次，对每个泰森多边形，其计算方法是：

a＝b/c

其中，a为小学供需比，b为小学提供学位数，c为适龄人口总数。

将结果赋给多边形内的居住型建筑，对土地单元内的居住型建筑求取小学供需比平均值即为建筑所对应的小学教育服务均等化指数E₂₃(L_i)。

初中教育服务均等化指数E₂₄(L_i)的计算方法同小学教育服务均等化指数计算方法。

医院服务均等化指数E₂₅(L_i)用于对医院服务可达性进行评估，其计算方法为：

其中，E₂₅(L_i)，即土地单元i的医院服务均等化指数，M_j为医院j的服务规模，本技术采用医院实有床位数，d为土地i到医院j的空间距离，距离衰减系数为1.5。

社康中心服务均等化指数E₂₆(L_i)用以表示土地单元获得社康中心服务的便利程度，本发明实施例采用两步移动搜索法计算获得。两步移动搜索法广泛应用于公共卫生领域可达性研究中，其基本思想是：首先，对每个供给点j，搜索所有在j搜索半径(d₀)范围内的需求点(k)，计算供需比Rj；其次，对每个需求点i，搜索所有在i搜索半径(d₀)范围内的供给点(j)，将所有的供需比R_j加总得到i点的可达性，即：

其中，i表示需求点，即土地单元；j表示供给点，即社康中心；E₂₆(L_i)为根据两步移动搜索法计算得到的土地单元i的社康中心均等化指数；d是土地i和社康中心j间的距离；R_j是j的设施规模与服务半径(d₀)内所服务的人口的比例；S_j表示社康中心j的供给规模；D_k表示土地k的需求规模，即土地的人口数。根据城市规划标准与准则本实施例中d₀为1000米，

公园绿地服务均等化指数E₂₇(L_i)是展示城市整体环境水平和居民生活质量的一项重要指标。本发明实施例采用两步移动搜索法对公园绿地服务均等化进行评估，需求点为识别单元点图层，以面积作为公园绿地供给规模。一般而言步行者出行的最大心理承受时限不超过30分钟，那么以5km/h的平均水平，半个小时可到达的距离约为2.5km，因此服务半径d₀取2.5km。

本发明实施例仅以上述方面作为示例，在其他场景下，也可以将别的参数纳入本模型中。

本发明实施例中的引导性识别指标可以通过城市空间大数据进行分析应用。

城市空间大数据是指城市运行和管理相关的多源、真实、全样本的空间数据集合。本实施例从城市空间大数据中选取建筑物楼龄、居住人口等属性，以及公交、地铁、生活服务设施等大规模、全范围的空间数据，以支撑引导性识别指标获取。城市空间大数据的来源可以是地图数据提供商或开放式空间基础信息平台等。

引导性识别指标是在不同的空间尺度和数值维度里进行计算的，优选地，可以对各引导性识别指标进行标准化，得到其处于同一空间尺度和数值维度的归一化识别指标。并基于归一化识别指标计算再开发迫切度。

由于各项指标计算基于不同的数据单位及空间尺度，为了消除量纲影响和变量自身变异大小和数值大小的影响，在引导性识别指标计算之后需要进行结果的标准化，例如数值的标准化及空间尺度的标准化。数值标准化将指标结果变换到[0,1]之间，从0到1再开发必要性逐渐增强。根据指标特征，标准化可以分为以下几类：

直接标准化：

包含指标：管道燃气使用程度，垃圾回收站服务覆盖度，消防站服务覆盖度，绿地覆盖度，建筑物年龄。

建筑物年龄指标旨在识别老旧建筑作为再开发对象，因此为避免资源浪费，楼龄较小的建筑不应作为再开发对象。因此，对于建筑物年龄指标，对楼龄小于20的工业建筑和楼龄小于30的居住型建筑，标准化结果为0；楼龄大于70年的建筑已超过使用年限，标准化结果为1，其余进行标准化处理。考虑到建筑物年龄对再开发迫切度影响方向为正向，标准化公式为：

其中，x_s为标准化结果，x为引导性识别指标，x_max为结果最大值，x_min为结果最小值。

对于管道燃气使用程度，垃圾回收站服务覆盖度，消防站服务覆盖度，绿地覆盖度，这些指标计算结果在[0,1]之间，但考虑到影响方向为反向，标准化公式为：

x_s＝1-x

其中，x_s为标准化结果，x为引导性识别指标。

剔除异常值之后进行标准化：

包含指标：其余定量计算指标。

同一项指标结果中存在部分结果与其余结果差异较大的数据，在标准化过程中会压缩其他结果之间的差异，因此有必要对相对不一致的结果进行剔除。本发明实施例采用箱线图识别异常值，箱线图是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。箱线图判断异常值的方法是基于数据上、下四分位数(Q3，Q1)和四分位距(IQR)，在Q3+1.5IQR和Q1－1.5IQR处画两条线段，为异常值截断点，线段之内为正常值，之外为异常值。

对剔除异常值之后的指标结果进行标准化。其中，万元税收工业能耗、水耗，万元税收工业废气、废水排放量对再开发迫切度影响方向为正向，标准化公式为：

其余指标对再开发迫切度影响方向为反向，标准化公式为：

进一步的，各指标根据数据条件在不同的尺度下进行计算，因而需要进行尺度统一，对于不是以预设尺度计算的指标，需要进行尺度转换，方法如下表2所示。

表2

例如交通可达性指标，该指标是以分辨率为200米栅格为单元进行计算。栅格是按地理坐标建立的，由相同大小的正方形网格排列的阵列，类似将底图分成一个个的方格，计算结果中每个网格赋予一个属性值，表征一个特定的属性，如交通可达性。一块土地可能覆盖或部分覆盖了多个栅格，可以将落入该土地的栅格中的最大值赋给该土地，即，如果土地涉及4个栅格，东北角的栅格的值为0.9，东南角栅格的值为0.8，西南角栅格的值为0.7，东南角栅格的值为0.6，那么该土地的交通可达性为0.9。缓冲区是地理空间目标的一种影响范围或服务范围，本实施例中是表征公共设施(垃圾回收站或消防站等)的服务范围，是以公共设施为圆心、设施服务距离为半径建立的圆面；因此需要在缓冲区基础上计算土地被覆盖情况，作为指标结果。例如，如果一块土地100平方米，其中有80平方米在垃圾回收站的服务范围中，那么垃圾回收站服务覆盖度为80％。

经过上述处理，即可得到各项引导性识别指标对应的归一化识别指标，从而可以根据归一化识别指标计算再开发迫切度。

多目标城市再开发土地迫切度评估模型的权重系数可以通过层次分析法结合专家打分法确定。

本实施例中的预选区域为城市建成区或半建成区，具体针对的是生产空间和生活空间，因此首先在预选区域内进行生产和生活空间划分，其次针对不同的功能空间，分别获取各项指标的权重值。本步骤中获取的权重值，可以是根据特定算法得出的结果，也可以是结合人工打分。

在一个优选实施例中，权重值可以由层次分析法结合专家打分法完成。

层次分析法确定权重值首先需要构造判断矩阵。判断矩阵反映了针对上一层中某个要素，本层中各个相关指标之间的相对重要性，从而量化指标之间的关系。通常采用9分位比率排定各评估指标的相对重要性顺序，即指标A与B比较时，重要性相等取值为1，取值(2,3,…,9)时表示A比B重要且程度随取值递增，取值为(1/2,1/3,…,1/9)时表示A不如B重要且程度随数值递减。之后需要计算准则层要素相对于目标层的权重值，以及针对准则层某要素，指标层与之相关各要素的权重值，并获得指标层要素对决策目标的权重值。具体计算表现为求出判断矩阵B的最大特征根及相应特征向量，即计算满足BW＝λ_max W的特征根及特征向量，λ_max为判断矩阵B的最大特征根，W为λ_max对应的正规化特征向量，W的分向量Wi即为本层中针对上一层某要素的所有相关要素权重值。为了保证整体判断的合理性，需要对权重值进行一致性检验，具体表现为判断矩阵B需满足：

b_ij＝b_ik/b_jk(i,j,k＝1,2,…,n)

根据矩阵理论，当矩阵完全一致时，λ_max＝n，其余特征根全为零。因此实际情况中当判断矩阵具有满意一致性时，其最大特征根稍大于矩阵阶数n，其余根接近于零。一致性检验指标为CI，其计算公式为：

CI＝(λ_max-n)/(n-1)

当CI＝0时，判断矩阵完全一致；CI越大，判断矩阵一致性越差。通常将CI结合平均随机一致性指标RI进行检验，当判断矩阵阶数大于2时，即有随机一致性比例CR(CR＝CI/RI)，当CR<0.10时，认为判断矩阵通过一致性检验，否则需要对判断矩阵进行调整，直至满足该约束。

在该优选实施例中，针对生产或生活空间可以制定不同的指标体系，判断矩阵可以咨询多位相关领域专家，提供判断矩阵参考值。

通过上述步骤，可以建立多目标城市再开发土地迫切度评估模型并获取再开发迫切度。

步骤D，根据多目标城市再开发土地迫切度评估模型对可行再开发土地单元集合内的可行再开发土地单元进行评估，以形成城市再开发土地单元。

具体地，图2是本发明实施例提供的再开发土地的确定方法的流程图，如图2所示，步骤D可以包括步骤D1至步骤D3。

步骤D1，对可行再开发土地单元集合内各土地单元基于多目标城市再开发土地迫切度评估模型获得的评估结果进行分等定级。

本实施例中，可以采用自然断裂法对评估结果进行分等定级。自然断裂法的核心思想是基于数据内部的内在联系进行自然分组，使最终分组结果的组间方差最大而组内方差最小，即让各级之间的差异最大化，分级边界选在数据值出现相对最大变化处。

步骤D2，对分等定级的结果设置阈值。

阈值是判断土地单元是否需要进行再开发的临界值。

在本实施例中，根据评估结果的分级情况，选取再开发迫切度最高一级的临界值作为城市再开发土地单元划定的阈值。

步骤D3，根据阈值形成城市再开发土地单元。

在本实施例中，选取再开发迫切度大于阈值的土地单位，确定为城市再开发土地单元。

如果步骤D中设置阈值为0.6，步骤C中计算出的再开发迫切度为0.8，大于本发明实施例中计算得出的阈值，则确定对应的土地单元为再开发土地单元；如果计算出的再开发迫切度为0.3，小于本发明实施例中的阈值0.6，则确定对应的土地单元不是再开发土地单元。

本发明实施例通过明确的数据和算法，基于网格化的土地单元进行多目标城市再开发土地迫切度评估，以判断城市土地单元是否需要再开发，相比于目前仅能在城市街道及以上尺度上做出的相对主观的再开发识别，本发明实施例提供了更微观尺度的客观识别。

本发明实施例还提供了一种基于城市空间大数据的城市再开发土地识别系统，用以执行上述再开发土地的识别方法。图3是本发明实施例提供的基于城市空间大数据的城市再开发土地识别系统的结构框图。如图3所示，该系统包括生成模块310、遴选模块320、建立模块330和形成模块340。

生成模块310用于确定需要进行城市再开发土地识别的预选城市区域，对预选城市区域进行网格化划分，以获得多个土地单元，并生成由多个土地单元组成的候选再开发土地单元集合。

遴选模块320用于根据预设的禁止性识别指标对候选再开发土地单元集合进行遴选，以获得可行再开发土地单元，并生成可行再开发土地单元集合。

建立模块330用于根据预设的引导性识别指标建立多目标城市再开发土地迫切度评估模型。

形成模块340用于根据多目标城市再开发土地迫切度评估模型对可行再开发土地单元集合内的可行再开发土地单元进行评估，以形成城市再开发土地单元。

优选地，生成模块310包括：确定子模块，用于确定需要进行城市再开发土地识别的城市区域；生成子模块，用于采用基于网格的空间表征方法对城市区域进行网格化以生成候选再开发土地单元集合。

优选地，禁止性指标包括：对城市再开发具有一票否决权限的识别指标。

优选地，多目标城市再开发土地迫切度评估模型的模型为：

P(L_i)＝aA(L_i)+bB(L_i)+cC(L_i)+dD(L_i)+eE(L_i)

其中，P(L_i)为土地单元的迫切度评估结果，A(L_i)为统筹协调目标，B(L_i)为集约高效目标，C(L_i)为生态文明目标，D(L_i)为安全宜居目标，E(L_i)为传承共享目标，L_i为可行再开发土地单元集合内的土地单元，a、b、c、d、e为权重系数且a+b+c+d+e＝1，0<a,b,c,d,e<1。

优选地，形成模块340包括：定级子模块，用于对可行再开发土地单元集合内各土地单元基于多目标城市再开发土地迫切度评估模型获得的评估结果进行分等定级；设置子模块，用于对分等定级的结果设置阈值；形成子模块，用于根据阈值确定城市再开发土地单元。

本发明实施例通过明确的数据和算法，基于网格化的土地单元进行多目标城市再开发土地迫切度评估，以判断城市土地单元是否需要再开发，相比于目前仅能在城市街道及以上尺度上做出的相对主观的再开发识别，本发明实施例提供了更微观尺度的客观识别。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元的具体工作过程，可以参考前述装置实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同装置来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例装置的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于城市空间大数据的城市再开发土地识别方法，其特征在于，包括：

步骤A，确定需要进行城市再开发土地识别的预选城市区域，对所述预选城市区域进行网格化划分，以获得多个土地单元，并生成由所述多个土地单元组成的候选再开发土地单元集合；

步骤B，根据预设的禁止性识别指标对所述候选再开发土地单元集合进行遴选，以获得可行再开发土地单元，并生成可行再开发土地单元集合；

步骤C，根据预设的引导性识别指标建立多目标城市再开发土地迫切度评估模型；

步骤D，根据所述多目标城市再开发土地迫切度评估模型对所述可行再开发土地单元集合内的可行再开发土地单元进行评估，以形成城市再开发土地单元。

2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：

步骤A1，确定需要进行城市再开发土地识别的城市区域；

步骤A2，采用基于网格的空间表征方法对所述城市区域进行网格化以生成候选再开发土地单元集合。

3.根据权利要求1所述的方法，其特征在于，在所述步骤B中，所述禁止性指标包括：

对城市再开发具有一票否决权限的识别指标。

4.根据权利要求1所述的方法，其特征在于，在所述步骤C中，所述多目标城市再开发土地迫切度评估模型的模型为：

P(L_i)＝aA(L_i)+bB(L_i)+cC(L_i)+dD(L_i)+eE(L_i)

其中，P(L_i)为土地单元的迫切度评估结果，A(L_i)为统筹协调目标，B(L_i)为集约高效目标，C(L_i)为生态文明目标，D(L_i)为安全宜居目标，E(L_i)为传承共享目标，L_i为可行再开发土地单元集合内的土地单元，a、b、c、d、e为权重系数且a+b+c+d+e＝1，0<a,b,c,d,e<1。

5.根据权利要求1所述的方法，其特征在于，所述步骤D包括：

步骤D1，对可行再开发土地单元集合内各土地单元基于多目标城市再开发土地迫切度评估模型获得的评估结果进行分等定级；

步骤D2，对所述分等定级的结果设置阈值；

步骤D3，根据所述阈值形成城市再开发土地单元。

6.一种基于城市空间大数据的城市再开发土地识别系统，其特征在于，包括：

生成模块，用于确定需要进行城市再开发土地识别的预选城市区域，对所述预选城市区域进行网格化划分，以获得多个土地单元，并生成由所述多个土地单元组成的候选再开发土地单元集合；

遴选模块，用于根据预设的禁止性识别指标对所述候选再开发土地单元集合进行遴选，以获得可行再开发土地单元，并生成可行再开发土地单元集合；

建立模块，用于根据预设的引导性识别指标建立多目标城市再开发土地迫切度评估模型；

形成模块，用于根据所述多目标城市再开发土地迫切度评估模型对所述可行再开发土地单元集合内的可行再开发土地单元进行评估，以形成城市再开发土地单元。

7.根据权利要求6所述的系统，其特征在于，所述生成模块包括：

确定子模块，用于确定需要进行城市再开发土地识别的城市区域；

生成子模块，用于采用基于网格的空间表征方法对所述城市区域进行网格化以生成候选再开发土地单元集合。

8.根据权利要求7所述的系统，其特征在于，所述禁止性指标包括：

对城市再开发具有一票否决权限的识别指标。

9.根据权利要求6所述的系统，其特征在于，所述多目标城市再开发土地迫切度评估模型的模型为：

P(L_i)＝aA(L_i)+bB(L_i)+cC(L_i)+dD(L_i)+eE(L_i)

其中，P(L_i)为土地单元的迫切度评估结果，A(L_i)为统筹协调目标，B(L_i)为集约高效目标，C(L_i)为生态文明目标，D(L_i)为安全宜居目标，E(L_i)为传承共享目标，L_i为可行再开发土地单元集合内的土地单元，a、b、c、d、e为权重系数且a+b+c+d+e＝1，0<a,b,c,d,e<1。

10.根据权利要求6所述的系统，其特征在于，所述形成模块包括：

定级子模块，用于对可行再开发土地单元集合内各土地单元基于多目标城市再开发土地迫切度评估模型获得的评估结果进行分等定级；

设置子模块，用于对所述分等定级的结果设置阈值；

形成子模块，用于根据所述阈值形成城市再开发土地单元。