CN107506433A - 城市发展空间格局情景模拟系统 - Google Patents
城市发展空间格局情景模拟系统 Download PDFInfo
- Publication number
- CN107506433A CN107506433A CN201710727576.1A CN201710727576A CN107506433A CN 107506433 A CN107506433 A CN 107506433A CN 201710727576 A CN201710727576 A CN 201710727576A CN 107506433 A CN107506433 A CN 107506433A
- Authority
- CN
- China
- Prior art keywords
- city
- level
- space
- population
- competitiveness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种城市发展空间格局情景模拟系统。该系统通过评价指标维护模块对竞争力评价指标因子进行维护,通过指标权重生成模块自动生成指标权重,通过竞争力模拟模块计算竞争力评价结果,通过经济空间格局模拟模块计算经济空间格局模拟结果,通过人口空间格局模拟模块计算人口空间格局模拟结果。相对于相关技术中采用人工计算方式而言,城市发展空间格局情景模拟系统实现了自动计算,并且系统可以复用于不同城市群或者不同年度的空间格局模拟,解决了人工计算方式进行城市发展空间格局模拟效率低的问题,提高了城市发展空间格局模拟的效率。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种城市发展空间格局情景模拟系统。
背景技术
对未来社会经济发展前景的预测,对全国范围的城市发展经济格局、人口规模格局和空间组织格局进行情景分析和模拟,能够为构建城市发展空间格局优化方案提供科学依据。
目前采用的城市发展空间格局情景模拟方法主要采用人工计算的方式;尤其是,如果要对多种情景下的城市发展空间格局进行模拟,需要针对不同情景逐一进行计算。相关技术中采用的人工计算方式效率低,难以适应多种情景的城市发展空间格局模拟。
发明内容
本发明提供了一种城市发展空间格局情景模拟系统和存储介质,以至少解决相关技术中采用的人工计算方式进行城市发展空间格局模拟效率低的问题。
根据本发明的一个方面,提供了一种城市发展空间格局情景模拟系统,包括依次连接的:评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块。
根据本发明的另一个方面,还提供了一种存储介质,位于设备中,所述存储介质中存储有用于控制所述设备的程序代码,所述程序代码包括:上述的评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块;或者用于实现上述的评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块的功能。
通过本发明,采用城市发展空间格局情景模拟系统,通过评价指标维护模块对竞争力评价指标因子进行维护,通过指标权重生成模块自动生成指标权重,通过竞争力模拟模块计算竞争力评价结果,通过经济空间格局模拟模块计算经济空间格局模拟结果,通过人口空间格局模拟模块计算人口空间格局模拟结果。相对于相关技术中采用人工计算方式而言,城市发展空间格局情景模拟系统实现了自动计算,并且系统可以复用于不同城市群或者不同年度的空间格局模拟,解决了人工计算方式进行城市发展空间格局模拟效率低的问题,提高了城市发展空间格局模拟的效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的城市发展空间格局情景模拟系统的结构框 图;
图2是根据本发明优选实施例的城市发展空间格局情景模拟系统的结构示意图;
图3是根据本发明优选实施例的地区到中心城市的最短通行时间x的统计结果的示意图;
图4是根据本发明优选实施例的中心城市的经济、人口在其所在省的所有地级市市辖区的经济、人口中所占的比重pzhi的统计结果的示意图;
图5是根据本发明优选实施例的中心城市的对外交通重要程度在其所在省的所有地级市市辖区的交通重要程度中所占的比重T的统计结果的示意图;
图6是根据本发明优选实施例的中心城市的区域影响度G的统计结果的示意图;
图7是根据本发明优选实施例的县区内道路连通程度的统计结果的示意图;
图8是根据本发明优选实施例的区域通达因子的统计结果的示意图;
图9是根据本发明优选实施例的机场成本距离的统计结果的示意图;
图10是根据本发明优选实施例的县域综合交通可达性D的统计结果的示意图;
图11是根据本发明优选实施例的有序加权回归设定权重情景的样例示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本实施例提供了一种城市发展空间格局情景模拟系统。图1是根据本发明实施例的城市发展空间格局情景模拟系统的结构框图,如图1所示,该系统包括依次连接的:评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块。
可选地,评价指标维护模块包括:评价指标获取单元,用于分别获取省级、市级、县级的竞争力评价指标因子;评价指标标准化模型单元,用于存储竞争力评价指标的标准化模型;评价指标标准化单元,用于从评价指标标准化模型单元选定标准化模型,采用选定的标准化模型对省级、市级、县级的竞争力评价指标因子进行标准化。
可选地,指标权重生成模块包括:层次分析法权重生成单元,用于采用层次分析法生成竞争力评价指标因子的指标基本权重;有序加权法权重生成单元,用于根据指标基本权重,采用有序加权法生成省级、市级、县级的不同情景对应的情景指标权重,不同情景至少包括:城镇扩张情景、现状维持情景、风险控制情景。
可选地,竞争力模拟模块包括:竞争力评价模型单元,用于存储竞争力评价模型;竞争力模拟单元,用于从竞争力评价模型单元选定竞争力评价模型,并根据省级、市级、县级的不同情景对应的情景指标权重和省级、市级、县级的标准化后的竞争力评价指标因子,采用选定的竞争力评价模型生成省级、市级、县级的不同情景对应的竞争力评价结果。
可选地,经济空间格局模拟模块包括:经济空间分配模型单元,用于存储经济空间分配模型;经济空间格局模拟单元,用于从经济空间分配模型单元选定经济空间分配模型,根据省级、市级、县级的不同情景对应的竞争力评价结果和不同情景对应的目标年份全国GDP预测值,采用选定的经济空间分配模型生成省级、市级、县级的不同情景对应的经济空间格局模拟结果。
可选地,人口空间格局模拟模块包括:人口空间分配模型单元,用于存储人口空间分配模型;人口空间格局模拟单元,用于从人口空间分配模型单元选定人口空间分配模型,根据省级、市级、县级的不同情景对应的经济空间格局模拟结果,采用选定的人口空间分配模型生成省级、市级、县级的不同情景对应的人口空间格局模拟结果。
本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
本实施例还提供了一种存储介质,位于设备中,存储介质中存储有用于控制设备的程序代码,程序代码包括:上述的评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块;或者用于实现上述的评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块的功能。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
下面将通过优选实施例对各模块的功能进行描述和说明。
本优选实施例的主要研究内容是基于全国主体功能区规划、各城市国民经济社会发展规划和社会经济统计、交通网络、地形等资料数据,立足中国城市发展空间格局演化的历史脉络和动力机制,面向21世纪上半叶中国城市发展的国内外环境和未来趋势,采用GIS技术支持下的城市发展竞争力分析方法和模型,以提升城市空间质量和运行效率为目标,以水土资源环境承载力为发展基础,以全国主体功能区划分等国土空间优化格局为空间约束,以区域产业转移、结构调整和重大产业布局为发展动力,以港口、机场、高铁等重大交通基础设施为发展导向,从产业发展、交通建设、生态保护等角度预测未来社会经济发展情景,对全国范围的城市发展经济格局、人口规模格局和空间组织格局进行情景分析和模拟,为构建中国城市发展空间格局优化方案提供科学依据。
据此,对中国城市发展空间格局情景分析与模拟系统进行设计,以从技术角度和实际操作层面对研究成果进行推广与应用。本优选实施例将从系统目标与总体需求、系统技术流程、模块算法分析三个方面对该系统进行讲解说明。其中,系统目标与总体需求是对系统的总体目标和主要功能进行概括说明。系统技术流程对系统运算的步骤与流程进行分模块讲解,并对每个模块的运行流程和数据要求进行详细说明。模块算法分析是对系统技术流程中所涉及的模型算法进行详细说明。
一、本系统目标与总体需求
本系统确定的总体目标是:建立全国地形地势、经济社会、技术设施、生态环境等要素数据库,开发相关模型对全国分省、分市、分县各个尺度的经济和人口空间格局进行预测,并且能够从行政区划、设置情景和时间等多个角度表达中国城市发展空间格局的演化过程,揭示演化规律。
按照系统总体目标,系统应用需求包括:
(1)完成全国经济社会、地形地势、基础设施和生态环境等专题要素的收集,进行数据的数据库设计、数据整理和数据库建库,并设计专题地图;
(2)完成中国城市发展空间格局情景分析与模拟系统软件开发,满足业务人员的地图制图、数据导入、数据查询、数据统计、数据更新维护、交通要素分析、地域竞争力评价、经济人口空间格局预测等需求。
(3)能在中国城市发展空间格局情景分析与模拟系统中,根据信息展示的需要,直观快捷的展示数据、导出图表、制作专题地图等。
二、本系统的结构
图2是根据本发明优选实施例的城市发展空间格局情景模拟系统的结构示意图,如图2所示,该系统包括:评价指标维护模块1、指标权重生成模块2、竞争力模拟模块3、经济空间格局模拟模块4和人口空间格局模拟模块5。
各模块的功能如下所示:
(1)评价指标维护模块1
对经济人口空间格局研究所需的所有动力指标和约束指标进行收集整理,并进行数据标准化。
(2)指标权重生成模块2
运用层次分析法(AHP)和有序加权回归法对省、市、县的动力指标和约束指标进行城市扩张、现状维持和风险确定三种情景下的因子权重确定。在本优选实施例中,三种情景的关键参数a分别赋值为0.8、1.0和1.5。
(3)竞争力模拟模块3
运用竞争力评价模型,分别对全国省、市和县进行经济要素的竞争力得分计算。
(4)经济空间格局模拟模块4
根据竞争力评价结果,将全国GDP预测值进行空间分配,从上到下,依次得到全国分省、分市和分县的经济空间格局。
(5)人口空间格局模拟模块5
根据分县的经济空间格局,运用就业导向预测模型,得出全国分县的人口空间格局,再自下而上,依次得出全国分市和分省的人口空间格局。
下面对上述五个模块进行说明。
2.1评价指标维护模块
2.1.1评价指标获取单元
在该模块,所需输入数据为全国分省、分市、分县三种尺度的动力指标和约束指标,其中,动力指标内容、计算方法和收集来源见表1、表2 和表3。省级、市级的约束指标内容、计算方法和收集来源见表4,而县级约束指标为表4中除去水资源约束指标的其余6项指标。
表1 中国省级单元发展格局情景分析模拟的动力指标
表2 中国地市级单元发展格局情景分析模的动力指标
表3 中国县级单元空间格局情景分析模拟的动力指标
约束指标全部选择相对指标或平均指标,仅仅体现分析单元受生态敏感、耕地保护、交通条件、水资源供给、地形条件等限制作用大小,不具有不同规模单元的可比意义。省级和地级行政单元的数据容易获得,包括 7个动力指标,分别为:1个交通条件约束指标(交通可达性或交通优势度)、1个政策约束指标、1个水资源约束指数、1个粮食安全指数和1个地形复杂度指数。县级行政单元的数据去掉水资源约束指数,包括其余4 个指标。
表4 中国城市发展格局情景分析模拟的约束指标
2.1.2评价指标标准化模型单元
评价指标标准化模型单元,存储竞争力评价指标的标准化模型。
2.1.3评价指标标准化单元
利用标准化模型对上述各项指标进行标准化,以excel、dbf等格式的表格存储,省级、市级和县级数据分别用不同的表格存储。其中,行数据为行政单元的地区名称,列数据为指标名称及数据。如表5:
表5 数据表字段(以县域表为例,市域和省域对“县名称”做相应修改)
县名称 | 指标1 | 指标2 | …… | 指标n |
2.2指标权重生成模块
2.2.1层次分析法权重生成单元
利用层次分析法(AHP),以区域竞争力评价为目标,分别对上述省级、市级和县级的全部指标进行重要性评价,对每个指标进行权重赋值。
2.2.2有序加权法权重生成单元
利用有序加权回归方法,分别对城市扩张、现状维持和风险控制三种情景的动力指标和约束指标的比重进行设定,再作用于上述层次分析法计算出的指标权重,最终确定出不同情景下省级、市级和县级的指标权重值。
数据成果以excel、dbf等格式的表格存储,省级、市级和县级指标权重数据分别用不同的表格存储。其中,行数据为指标名称,列数据为不同情景及相应的指标权重值。如表6:
表6 数据表字段(以县域表为例,市域和省域对“县名称”做相应修改)
2.3竞争力模拟模块
2.3.1竞争力评价模型单元
竞争力评价模型单元,存储竞争力评价模型。
2.3.2竞争力模拟单元
将2.1.2的指标数据和2.2的分情景指标权重值输入竞争力评价模型,分别计算出不同情景下省级、市级和县级每个行政单元的竞争力得分。输出结果作为新增列保存在2.1.2的表格中。如表7。
表7 新增数据表字段(以县域表为例,市域和省域对“县名称”做相应修改)
2.4经济空间格局模拟模块
利用从上到下的方法依次模拟出未来省级、市级和县级的经济空间格局。
2.4.1经济空间分配模型单元
经济空间分配模型单元,存储经济空间分配模型。
2.4.2经济空间格局模拟单元
首先将不同情景下的全国GDP预测值和2.3得出的相应情景下的省级竞争力得分输入到GDP空间分配模型中,得出不同情景下省级经济空间格局。再将分省GDP和市级竞争力得分输入到GDP空间分配模型中,得出不同情景下市级经济空间格局。再将分市GDP和县级竞争力得分输入到GDP空间分配模型中,得出不同情景下县级经济空间格局。
得到不同情景下的省级、市级和县级经济空间格局数据之后,分别作为新增列添加到2.3对应行政级别的表格中。数据字段如表8所示。
表8 新增数据表字段(以县域表为例,市域和省域对“县名称”做相应修改)
2.5人口空间格局模拟模块
利用自下而上的方法依次模拟出未来县级、市级和省级的人口空间格局。
2.5.1人口空间分配模型单元
人口空间分配模型单元,存储人口空间分配模型。
2.5.2人口空间格局模拟单元
具体来说,首先将2.4模拟出的县级经济空间格局结合预测的基准年就业规模、基准年到预测目标年GDP年均增长率、目标年就业弹性系数 (从业人数增长率与GDP增长率的比值)和预测目标年末就业劳动力占总人口的比例,输入到就业导向预测模型,模拟出未来全国县级人口空间格局。然后,将每个市下面的所有县人口空间数据加和,就得到未来全国市级人口空间格局。再将每个省下面的所有市人口空间数据加和,就得到未来全国省级人口空间格局。
得到不同情景下的县级、市级和省级经济空间格局数据之后,分别作为新增列添加到2.4对应行政级别的表格中。数据字段如表10所示
表10:新增数据表字段(以县域表为例,市域和省域对“县名称”做相应修改)
三、模块中采用的功能算法
3.1交通可达性算法
在2.1的约束指标中,需要对全国所有县级行政单元的交通可达性进行计算。交通可达性的测算方法的多样化正是可达性研究的显著特点之一。 Karst等在综述中将可达性计算方法分为四类,即基于交通基础设施方法、基于区域位置方法、基于个人行为方法和基于收益效用方法。刘贤腾重点归纳评论了分别基于空间阻隔、空间积累和空间相互作用的三种基本方法。可达性测算指标主要有最短旅行时间、加权平均旅行时间、经济潜能、日常可达性和交通优势度等。表达形式主要为出行时距图和小时交流圈等。本优选实施例的分析单元为县级行政区,为区域交通可达性。区域交通可达性是至区外的通达性和区域内连通性的综合。
一般认为,临近中心城市的规模大小及距离远近直接影响县域区位,进而影响可达性;同时,县域内道路的连通程度往往决定着人流物流的集疏便捷程度,也会对县域可达性产生重要影响;而对外通达性则直接决定了县域对外交往的便捷性。因此,影响县域综合交通可达性的主要因素可以概括为:与中心城市的区位关系、县域内道路连通程度和对外通达性等三个方面。本优选实施例采用综合了区位、对外交通枢纽和最短旅行时间的算法来计算区域交通可达性。基于此,本优选实施例定义县域综合交通可达性测度公式为:
式中,D代表某地区的交通可达性指数,f1,f2,f3分别代表该地区的中心城市区位关系指数、县区内道路连通程度和对外通达性;a1,a2,a3分别是三个参数的权重值,在这里,三个值均为1。
3.1.1与中心城市的区位关系指数
3.1.1.1中心城市的确定
本优选实施例中所用数据是2010年版的全国县级行政区划图(共 2407个县级行政单元)和全国地级市行政区划图(共343个地级行政单元)。地区A的中心城市B的确定方法如下:
如果A是县级行政单元,则B是其所在的地级市市区(从地形行政区划图中核对)。比如杞县的中心城市是开封市市区。
如果A是地级行政单元(非省会城市),则B是其所在省的省会城市 (从地形行政区划图中核对)。比如开封市市区的中心城市是郑州市。
对于省会城市,中心城市就是其本身。
对于四个直辖市,市内各区县的中心城市定为其市政府所在区。及北京、上海、天津和重庆的各区县的中心城市分别是西城区、黄浦区、河西区和渝中区。
3.1.1.2与中心城市的区位关系指数
一个地区与其中心城市的区位关系指数受中心城市的规模和距离远近的影响。因此,f1的计算方法可定义为:
和G分别是地区与中心城市的交通运输距离指数和中心城市的区域影响度。B()函数为标准化函数,将G标准化到1-2区间。
与中心城市的交通运输距离指数的计算公式如下:
式中,x为地区到中心城市的最短通行时间。
(1)最短交通时间算法(求解x)
由地区A到其中心城市B的通行方式有:高铁、普铁、高速和无出入口道路(国道、省道、县道、其他等级道路和城市主干道)四种,所以 X的计算公式如下:
式中,TimeGaotie,TimePutie,TimeGaosu,TimeNoStation分别是从A内高铁站点到B内高铁站点的最短高铁通行时间、从A内普铁站点到B内普铁站点的最短普铁通行时间、从A内高速出入口到B内高速出入口的最短高速通行时间和从A的行政版图中心点到B的行政版图中心点的最短无出入口通行时间。X取四个值中的最小值最为结果。
——成本栅格图
成本栅格图是计算两地间最短通行时间的依据。是计算 TimeGaotie,TimePutie,TimeGaosu,TimeNoStation的基础。
成本栅格图是以道路速度为赋值依据,对交通路网进行栅格化。栅格赋值如下表:
表11 7种类型道路时间成本赋值表
TimeGaote,TimePutie,TimeGaosu,TimeNoStation的计算分别需要最终生成对应的四幅成本栅格图(栅格值为500*500米):
高铁成本栅格图CostDisGaotie:对高铁路网的栅格化,以此求解 TimeGaotie。
普铁成本栅格图CostDisPutie:对普铁路网的栅格化,以此求解 TimePute。
高速成本栅格图CostDisGaosu:对高速路网的栅格化,以此求解 TimeGaosu。
无出入口成本栅格图CostDisNoStation:对国道、省道、县道、城市主干道、其他道路路网合并之后栅格化,以此求解TimeNoStation。
——求解TimeGaotie
找到县市A内的高铁站点a,找到县市B内的高铁站点b,以 CostDisGaotie为成本面,运用arcgis的成本距离工具计算a到b的最短通行时间。
——求解Timeputie
找到县市A内的普铁站点a,找到县市B内的普铁站点b,以 CostDisPutie为成本面,运用arcgis的成本距离工具计算a到b的最短通行时间。
——求解TimeGaosu
找到县市A内的高速入口a,找到县市B内的高速出口b,以 CostDisGaosu为成本面,运用arcgis的成本距离工具计算a到b的最短通行时间。
——求解TimeNoStation
这种情况下,因为A,B两地只能通过无出入口道路(国道、省道、县道、其他等级道路和城市主干道)通行,即两地都没有交通站点,所以分别以县市A的行政版图中心点a和县市B的行政版图中心点b,以 CostDisGaotie为成本面,运用arcgis的成本距离工具计算a到b的最短通行时间。
(2)结果分析
图3是地区到中心城市的最短通行时间x的计算结果。
需要说明的是,交通可达性计算最理想的方式是构建网络数据集,这种方法能够考虑到单双向行驶、道路是否连通等一切路网特殊情况,但该方法费时费力。相比之下,使用成本距离分析法快捷可行。但该方法难以区分两条交叉道路是否拓扑连通,比如现实生活中,一条道路和立交桥在空间上是交叉的,但在拓扑上是不连通的,如果使用成本距离分析法,可能会生成从桥上拐下陆地的错误方案。另外,在处理有站点和出入口的路网时,也有一定的困难(同样是因为无法分辨拓扑连通,比如一条普通道路和一条铁路空间交叉拓扑不连通,但如果使用成本距离分析法,可能会生成在铁路上从交叉点拐下普通道路的错误方案。)
3.1.1.3与中心城市的区域影响度
本优选实施例中假设中心城市的区域影响度与其经济、人口和对外交通联系重要度有关,因此,中心城市的区域影响度G计算公式如下:
G=w1×B(pzhi)+w2×B(T)
式中,B()函数为标准化函数,w1和w2分别取值为0.6和0.4。
(1)求解pzhi
pzhi为中心城市的经济、人口在其所在省的所有地级市市辖区的经济、人口中所占的比重。其计算公式如下:
式中,e,p分别为中心城市市辖区的GDP和人口数量,e0,p0分别为中心城市所在省的全省地级市市辖区GDP平均值和人口数量平均值。如果中心城市是直辖市,则e0,p0分别为直辖市所有区的GDP平均值和人口数量平均值。
研究所用GDP和人口数据有刘倩倩提供的全国2010年县区经济人口统计数据。
(2)pzhi结果分析
图4是中心城市的经济、人口在其所在省的所有地级市市辖区的经济、人口中所占的比重pzhi值统计结果图。
(3)求解T
T为中心城市的对外交通重要程度在其所在省的所有地级市市辖区的交通重要程度中所占的比重。其计算公式如下:
式中,gaotieNum,putieNum,gaosuNum分别是中心城市内的高铁站点数量、普铁站点数量和高速出入口站点数量。gaotieNum0,putieNum0, putieNum0分别是中心城市所在省的全省地级市市辖区高铁数量平均值、普铁数量平均值和高速出入口数量平均值。t1,t2,t3分别是三种交通节点的权重。
根据刘倩倩提供的交通点数据,全国有338个高铁站点、426个普铁站点、21873个高速出入口,因此根据上述数量,将t1,t2,t3分别定为 0.55,0.44,0.01
(4)T结果
图5是中心城市的对外交通重要程度在其所在省的所有地级市市辖区的交通重要程度中所占的比重T统计结果图。
(5)G值结果
图6是中心城市的区域影响度G统计结果图。
3.1.2县区内道路连通程度
由于县域内的交通运输方式主要依赖公路,因此县域内的连通程度可通过公路密度加以反映。根据计算结果,采用分级赋值的方法,公式如下:
式中,x为公路网密度单位是km/km2,公路总里程包括国道、省道、县道、其他等级道路和城市主干道。
图7是县区内道路连通程度计算结果统计图。
3.1.3县区对外通达性
通过区域对外交通便捷程度反映,此外,对于地级市地区,不仅在区域上,在全国范围的同样存在通达性的比较,因此,计算公式如下:
式中,f是区域通达因子,为国际机场通达因子。
3.1.3.1区域通达因子
交通干线影响度依据交通设施情况,采用分类赋值的方法进行评价。第一,首先确定某区域是否拥有重要或大型交通设施及数量,所谓拥有交通干线指重要或大型交通设施分布在或途径该地区;第二,如果某区域不拥有交通干线,则测算该区域的行政中心与交通干线的交通距离;第三,根据各距离段,分别计算各区域的交通干线影响值。设某区域i的交通干线技术的保障水平为函数f,则其计算公式为:
式中,M=3,Cm分别为普铁得分、高速得分和国道得分,Cm的赋值方法见表12:
表12 Cm的赋值方法
图8是区域通达因子统计结果图。
3.1.3.2国际机场通达因子
首都国际机场、上海虹桥机场、广州白云机场和川渝的双流与江北机场为我国的国际机场,到达这些机场的交通可达性可以很好地反映地级市的交通重要程度,从而对地级市之间的交通可达性进行比较。因此,计算公式如下:
式中,DisShoudu,DisHongqiao,DisBaiyun,DisChuanyu四个参数分别代表某地级市到首都机场的成本距离、到虹桥机场的成本距离、到白云机场的成本距离、到川渝国际机场的成本距离(为方便计算,将双流机场与江北机场的位置统一定在重庆市渝中区)
到机场的成本距离是以县域i的行政区划版图中心为起点,计算其到四个机场的四个成本距离值,然后取最小值,乘以相应的μ值得到。所用成本面为包含所有交通方式在内的综合成本面。
为了使地级市和县从结果上区分开,将值标准化到10-20,这样,最终可达性得分小于10的是县级市,大于10的是地级市及以上城市
图9是机场成本距离统计结果图。
3.1.4可达性计算成果
对上述f1,f2,f3计算完之后,三者相加就是最终的可达性结果D,如图10所示。
3.1.5存在问题
1)县级行政单元所属的地级市名称的匹配工作是通过GIS软件对县、市两个行政区划数据的数据表自动匹配,但没有对两千多个县级市进行人工一一核对,工作量太大。
2)加格达奇区、香格里拉县、神农架林区、五家渠市、阿拉尔市、滨海新区、香港、澳门没有GDP和人口数据,因此这六处的pzhi值没有计算。
3)四个直辖市的中心城市,即四个区版图太小,路网不太详细,所以统计f2值时偏小,致使最终D值结果也低于部分地级市。
4)铁路站点数据有问题,比如武汉市,数据显示有6个高铁站,没有普铁站;另外,数据显示很多地级市没有普铁站,经检查,目前铁路数据只有县域站点,所以很多地级市没有普铁站,这会影响统计值和T值。
5)没有机场和港口数据,一定程度上影响可行性统计结果的准确性。
3.2地形约束指数
在2.1的约束指标中,需要对全国所有行政单元的地形起伏指数进行计算。地形约束指数与该县市的地形起伏度和高程等级相关,计算公式如下:
Pk=W1×T+W2×D
式中,T为县市的地形起伏度,D为县市的高程等级,W1、W2分别是T和D的系数。
3.2.1地形起伏度T
T=S/A
式中S是该县市的地形表面积,由DEM数据得出;A为该县市的行政区划面积,及平面面积,T值越大,标明该地区地形起伏程度越大。
3.2.2高程等级D
将全国县市高程分为三个等级,即0-500m;500m-1000m;大于1000m,分别对D赋值为1,2,3。
3.3层次分析法
在2.2的权重确定中,首先需要用层次分析法对因子权重进行初确定。层次分析法的原理及算法如下:
3.3.1因子间权重比较
因子间的权重通过构造两两比较判断矩阵来实现。构造两两比较判断矩阵:这一个步骤是层次分析法的一个关键步骤。判断矩阵表示针对上一层次中的某元素而言,评定该层次中各有关元素相对重要性的状况。设有 n个指标,{A1,A2,…An},aij表示Ai相对于Aj的重要程度判断值。aij一般取1,3,5,7,9等5个等级标度,其意义为:1表示Ai相对于Aj同等重要;3表示Ai较Aj重要一点;5表示Ai较Aj重要得多;7表示Ai较Aj更重要;9表示Ai较Aj极端重要。而2,4,6,8表示相邻判断的中值,当5个等级不够用时,可以使用这几个数值。
3.3.2因子权重值的确定
通过前述因子权重比较,得知两两因子的相对重要程度,接下来,需要以此为基础,确定个因子的权重值
1)层内权重的确定
计算各个层次相对权重的单排序:层次单排序是要确定一个层中各元素的权重值,各元素与上层某元素之间有关系,权重值是它们的重要次序的表示。特征向量W是判断矩阵A与最大特征值λmax的特征向量,进行归一化处理后是与上层某元素有关联的各种元素的权重值。对于判断矩阵A,计算满足AW=λmaxW的特征根和特征向量。为检验判断矩阵是否具有一致性,计算该判断矩阵的一致性指标:
当CI=0,则断定该矩阵具有完全一致性;反之,CI越大,矩阵的一致性就越差。
虽然CI能够反映出判断矩阵是否具有一致性,但是当判断矩阵具有非一致性时,无法进一步指明该非一致性是否可以接受。所以在具体分析时,还需要引入一个度量的标准,即所谓随机一致性指标RI,通过计算随机一致性比率CR,当CR<0.1时,基本认为该判断矩阵符合一致性要求,当 CR>0.1时,认为该判断矩阵不符合一致性要求,需要进行修正和调整。
2)层间权重的确定
计算各个层次指标因素对于系统总目标的合成权重,并进行权重的总排序。
层次总排序是计算某一层次全部元素的权重,这个权重是针对上一层的重要性权重值,它要利用的是这一层中所有层次单排序的结果。假设上一层次共有m个元素,用A1,A2,…,Am表示,层次总排序的权重用a1,a2,…,am表示。下一层有n个元素,用B1,B2,…,Bn表示,权重值用b1j,b2j,…,bnj表示,总目标的权重值是B层各个元素的层次总排序权重:
根据上一步骤中计算出的目标层A和准则层B的单层次权重系数,计算出指标层C对于目标层A的权重矩阵W,wij表示Cij对A的权重。
3.4有序加权回归法
指标权重是刻画影响因素重要性的数量,通过对指标集中一系列指标不同角度的重要性判定,或者叫权重设定,即可确定城市发展的不同情景。有序加权回归和层次分析法都能进行不同角度的权重设定,因而都是情景设定的重要方法。本优选实施例采用有序加权回归算法设定情景。在2.2 节中,利用层次分析法进行因子权重确定之后,就要利用有序加权法对权重值进行分情景修改。有序加权法是在3.3层次分析法得到的各因子的权重基础之上,将其分为动力指标和约束指标两类,再根据不同情景的要求,对动力指标和约束指标进行重要度确定,再以此作用于每一个指标,以得到不同情景下的因子权重值。
层次分析法得到的因子权重值是有序加权的特殊情况,当动力指标和约束指标的重要度都定为1时,结果就是层次分析法的权重结果。
有序加权回归算法最早是由美国著名学者Yagre于1988年提出来的,它是一种界于“and”和“or”运算之间的求解不确定系统条件下“or-and”多元决策问题的一种信息集结算法,即有序加权回归算法(Ordered Weighted Averaging Operator,OWA)。有序加权回归算法的本质是:将之前给定的参考值或者属性决策值按照从大到小的顺序进行重新排列,然后按照主观赋权法或客观赋权法给这些数值赋予一定的权重并重新集结,排除一些不合理的影响因素,然后再进行加权平均。其核心在于对指标按照属性重新排序,对不同的排序位次赋予不同的次序权重。传统的图层叠加法实际上是OWA算法中默认次序权重相等的特殊情况。图11是有序加权回归设定权重情景的样例示意图,采用有序加权回归计算属性权重进行情景设定的流程详见图11。表13是当参数个数为7的情况下,采用有序加权回归计算产生的不同偏好次序权重参数。
层次分析法(AHP)是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后得用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。基于情景模拟城市空间格局发展,实质是权重的重新分配过程。本优选实施例中默认a=1是在发展动力和限制约束等视角权衡下的正常赋权结果,是现有城镇化、耕地保护、生态保护等政策要求的权衡值,命名为现状维持视角。则a=1.5可以作为一种较为忽视风险而重视城镇扩张的政策倾向,命名为城镇建设导向视角;a=0.8可以作为一种较为重视风险而严格限制城镇扩张的政策倾向,命名为风险控制导向视角。
表13 有序加权回归设定权重情景的样例
3.5竞争力评价模型
在2.3节中,使用竞争力评价模型对省、市和县进行经济要素的竞争力评价。竞争力评价使用线性加权模型。线性加权模型公式为:
式中,P为某分析单元发展的综合概率或潜力价值,Pi代表第i个因素影响下的城市发展的单因子概率;Wi表示第i个因素的权重,反映该因素对城市发展的重要性。
3.6经济空间分配模型
在2.4节中,使用该模型对未来经济总量进行空间分配,模型公式为:
Pi=Psum×Ci/Csum
式中,Pi代表行政单元i的GDP值,Psum代表全国GDP总量,Ci代表行政单元i的竞争力得分,Csum代表所有行政单元的分值总和。
3.7就业导向预测模型
2.5节中,需要用此模型对全国县级人口空间格局进行预测。就业导向的人口预测模型通过建立经济与所需劳动力之间的定量关系来预测各分析单元的人口规模,具体的计算公式如下:
式中:Pt——预测目标年人口规模。
J0——预测基准年就业规模。
Rt——预测基准年到预测目标年GDP年均增长率。
Et——预测目标年就业弹性系数(从业人数增长率与GDP 增长率的比值)。
xt——预测目标年末就业劳动力占总人口的比例(%)。
n——预测年限(n=t-t0,t为预测目标年份,t0为预测基准年份)。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种城市发展空间格局情景模拟系统,其特征在于包括依次连接的:评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块。
2.根据权利要求1所述的系统,其特征在于,所述评价指标维护模块包括:
评价指标获取单元,用于分别获取省级、市级、县级的竞争力评价指标因子;
评价指标标准化模型单元,用于存储竞争力评价指标的标准化模型;
评价指标标准化单元,用于从所述评价指标标准化模型单元选定标准化模型,采用选定的标准化模型对省级、市级、县级的所述竞争力评价指标因子进行标准化。
3.根据权利要求2所述的系统,其特征在于,所述指标权重生成模块包括:
层次分析法权重生成单元,用于采用层次分析法生成所述竞争力评价指标因子的指标基本权重;
有序加权法权重生成单元,用于根据所述指标基本权重,采用有序加权法生成省级、市级、县级的不同情景对应的情景指标权重,所述不同情景至少包括:城镇扩张情景、现状维持情景、风险控制情景。
4.根据权利要求3所述的系统,其特征在于,所述竞争力模拟模块包括:
竞争力评价模型单元,用于存储竞争力评价模型;
竞争力模拟单元,用于从所述竞争力评价模型单元选定竞争力评价模型,并根据省级、市级、县级的不同情景对应的情景指标权重和省级、市级、县级的标准化后的竞争力评价指标因子,采用选定的竞争力评价模型生成省级、市级、县级的不同情景对应的竞争力评价结果。
5.根据权利要求4所述的系统,其特征在于,所述经济空间格局模拟模块包括:
经济空间分配模型单元,用于存储经济空间分配模型;
经济空间格局模拟单元,用于从所述经济空间分配模型单元选定经济空间分配模型,根据省级、市级、县级的不同情景对应的竞争力评价结果和不同情景对应的目标年份全国GDP预测值,采用选定的经济空间分配模型生成省级、市级、县级的不同情景对应的经济空间格局模拟结果。
6.根据权利要求5所述的系统,其特征在于,所述人口空间格局模拟模块包括:
人口空间分配模型单元,用于存储人口空间分配模型;
人口空间格局模拟单元,用于从所述人口空间分配模型单元选定人口空间分配模型,根据省级、市级、县级的不同情景对应的经济空间格局模拟结果,采用选定的人口空间分配模型生成省级、市级、县级的不同情景对应的人口空间格局模拟结果。
7.一种存储介质,位于设备中,其特征在于,所述存储介质中存储有用于控制所述设备的程序代码,所述程序代码包括如权利要求1至6中任一项所述的:评价指标维护模块、指标权重生成模块、竞争力模拟模块、经济空间格局模拟模块和人口空间格局模拟模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710727576.1A CN107506433A (zh) | 2017-08-23 | 2017-08-23 | 城市发展空间格局情景模拟系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710727576.1A CN107506433A (zh) | 2017-08-23 | 2017-08-23 | 城市发展空间格局情景模拟系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107506433A true CN107506433A (zh) | 2017-12-22 |
Family
ID=60692339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710727576.1A Pending CN107506433A (zh) | 2017-08-23 | 2017-08-23 | 城市发展空间格局情景模拟系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107506433A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166307A (zh) * | 2018-06-15 | 2019-01-08 | 中国地质大学(武汉) | 一种交通路网时空可达性的可视化隐喻表达方法及系统 |
CN109657963A (zh) * | 2018-12-13 | 2019-04-19 | 广州市交通规划研究院 | 一种基于全球城市三维坐标的交通综合竞争力分析方法及系统 |
CN110428126A (zh) * | 2019-06-18 | 2019-11-08 | 华南农业大学 | 一种基于多源开放数据的城市人口空间化处理方法及系统 |
CN111324684A (zh) * | 2020-02-20 | 2020-06-23 | 江苏星月测绘科技股份有限公司 | 一种基于gis的国土空间规划分析方法 |
CN111784149A (zh) * | 2020-06-28 | 2020-10-16 | 盐城工学院 | 基于变权重的土壤重金属污染综合评价方法 |
CN112085340A (zh) * | 2020-08-14 | 2020-12-15 | 广州思创科技股份有限公司 | 一种公交调度方法、系统、装置及存储介质 |
CN112199456A (zh) * | 2020-09-17 | 2021-01-08 | 西南科技大学 | 一种基于供给型水文生态系统服务的流域水资源管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217368A (zh) * | 2014-09-26 | 2014-12-17 | 武汉大学 | 一种地理区位特征表征方法 |
CN104318116A (zh) * | 2014-10-30 | 2015-01-28 | 同济大学 | 乡村-城市变迁指数的评价方法 |
CN104537597A (zh) * | 2014-11-25 | 2015-04-22 | 中国科学院地理科学与资源研究所 | 一种城市空间格局合理性诊断的技术方法 |
CN104765943A (zh) * | 2014-03-26 | 2015-07-08 | 中国科学院地理科学与资源研究所 | 一种城市化发展质量的综合测度技术方法 |
-
2017
- 2017-08-23 CN CN201710727576.1A patent/CN107506433A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765943A (zh) * | 2014-03-26 | 2015-07-08 | 中国科学院地理科学与资源研究所 | 一种城市化发展质量的综合测度技术方法 |
CN104217368A (zh) * | 2014-09-26 | 2014-12-17 | 武汉大学 | 一种地理区位特征表征方法 |
CN104318116A (zh) * | 2014-10-30 | 2015-01-28 | 同济大学 | 乡村-城市变迁指数的评价方法 |
CN104537597A (zh) * | 2014-11-25 | 2015-04-22 | 中国科学院地理科学与资源研究所 | 一种城市空间格局合理性诊断的技术方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166307A (zh) * | 2018-06-15 | 2019-01-08 | 中国地质大学(武汉) | 一种交通路网时空可达性的可视化隐喻表达方法及系统 |
CN109657963A (zh) * | 2018-12-13 | 2019-04-19 | 广州市交通规划研究院 | 一种基于全球城市三维坐标的交通综合竞争力分析方法及系统 |
CN110428126A (zh) * | 2019-06-18 | 2019-11-08 | 华南农业大学 | 一种基于多源开放数据的城市人口空间化处理方法及系统 |
CN111324684A (zh) * | 2020-02-20 | 2020-06-23 | 江苏星月测绘科技股份有限公司 | 一种基于gis的国土空间规划分析方法 |
CN111324684B (zh) * | 2020-02-20 | 2020-11-27 | 江苏星月测绘科技股份有限公司 | 一种基于gis的国土空间规划分析方法 |
CN111784149A (zh) * | 2020-06-28 | 2020-10-16 | 盐城工学院 | 基于变权重的土壤重金属污染综合评价方法 |
CN112085340A (zh) * | 2020-08-14 | 2020-12-15 | 广州思创科技股份有限公司 | 一种公交调度方法、系统、装置及存储介质 |
CN112085340B (zh) * | 2020-08-14 | 2024-04-02 | 广州思创科技股份有限公司 | 一种公交调度方法、系统、装置及存储介质 |
CN112199456A (zh) * | 2020-09-17 | 2021-01-08 | 西南科技大学 | 一种基于供给型水文生态系统服务的流域水资源管理方法 |
CN112199456B (zh) * | 2020-09-17 | 2022-03-25 | 西南科技大学 | 一种基于供给型水文生态系统服务的流域水资源管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | Designing a spatial pattern to rebalance the orientation of development and protection in Wuhan | |
CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
Yang et al. | Airport location in multiple airport regions (MARs): The role of land and airside accessibility | |
Aliani et al. | Land evaluation for ecotourism development—an integrated approach based on FUZZY, WLC, and ANP methods | |
CN109978224B (zh) | 一种分析获取不同性质建筑的交通出行率的方法 | |
CN110298553A (zh) | 一种基于gis的国土空间规划方法、系统和设备 | |
Guan et al. | The concept of urban intensity and China's townization policy: Cases from Zhejiang Province | |
Li et al. | Explore the recreational service of large urban parks and its influential factors in city clusters–Experiments from 11 cities in the Beijing-Tianjin-Hebei region | |
Shang et al. | Estimating building-scale population using multi-source spatial data | |
CN110781267A (zh) | 一种基于地理国情的多尺度空间分析评价方法及系统 | |
Guyot et al. | The urban form of Brussels from the street perspective: The role of vegetation in the definition of the urban fabric | |
Kumar et al. | Mixed integer linear programming approaches for land use planning that limit urban sprawl | |
Yao et al. | Allocation method for transit lines considering the user equilibrium for operators | |
Díaz-Pacheco et al. | The importance of scale in land use models: Experiments in data conversion, data resampling, resolution and neighborhood extent | |
CN110413855B (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
CN114548811B (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
Li et al. | Land suitability assessment for supporting transport planning based on carrying capacity and construction demand | |
Guo et al. | Monitoring and simulation of dynamic spatiotemporal land use/cover changes | |
CN114881550B (zh) | 基于空间信息的资源均衡化调配方法及系统 | |
Bamrungkhul et al. | The assessment of land suitability for urban development in the anticipated rapid urbanization area from the Belt and Road Initiative: A case study of Nong Khai City, Thailand | |
Gulyás et al. | Assessment of transport connections based on accessibility | |
Aydinoglu et al. | Determining parking demand and locating parking areas using geographic analytics methods | |
CN111612223A (zh) | 基于土地和交通多源数据的人口就业分布预测方法及装置 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
Dadras et al. | A combined FUZZY MCDM approach for identifying the suitable lands for urban development: an example from Bandar Abbas, Iran |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171222 |