CN108717676B - 基于多数据融合的不同尺度下的职住空间评价方法及系统 - Google Patents
基于多数据融合的不同尺度下的职住空间评价方法及系统 Download PDFInfo
- Publication number
- CN108717676B CN108717676B CN201810364893.6A CN201810364893A CN108717676B CN 108717676 B CN108717676 B CN 108717676B CN 201810364893 A CN201810364893 A CN 201810364893A CN 108717676 B CN108717676 B CN 108717676B
- Authority
- CN
- China
- Prior art keywords
- data
- different scales
- poi data
- employment
- poi
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 60
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000012800 visualization Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000011160 research Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013551 empirical research Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000009874 shenqi Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多数据融合的不同尺度下的职住空间评价方法，其包括：分别收集目标城市的年末常住人口数据、从业人员数据以及POI数据；针对城市宏观层面及各区的中观层面，分别进行数据处理；对不同类型的POI数据进行层次分析法处理，区分同一功能不同规模和性质的POI数据权重，构建不同尺度下职住空间评价标准。一种基于多数据融合的不同尺度下的职住空间评价系统，其包括：数据采集处理模块、职住偏离度指数评估模块。本发明建立不同尺度下的职住空间评价技术，全面、及时并准确的识别城市职住地空间分布，为城市职住空间与基础设施布局优化，提供更加科学的参考依据，广泛应用于城市职住空间评价领域。
Description
技术领域
本发明涉及职住空间评价领域，具体为基于多数据融合的不同尺度下的职住空间评价方法及系统。
背景技术
随着经济的快速发展和城市化进程的不断推进，城市的规模具有逐渐向外扩张的趋势。居住地与就业地的空间关系由“职住合一”演变为“职住分离”，且职住分离程度加剧，同时居民日益增长的公共服务需求与公共服务供给短缺之间的矛盾越来越突出，居民的交通、娱乐、医疗、购物设施可达性与便利性都显著下降。现有的城市空间布局的合理性和有效性越来越不适应人们的实际生活需求。
对于职住空间分布特征的评估，一般是通过职住平衡指数测度来实现。职住平衡是指在一定地域范围内的居住者数量与就业岗位数量基本持平，职住空间平衡一般采用就业—居住比例来衡量。20世纪60年代，学者从可达性和城市效率角度出发测度职住空间分布特征，分别从社会效益，经济效益和供给分配角度开展了相关研究。近代学者在西方城市职住空间研究的基础上，新型社会调查的方法，开展了大量的职住空间关系的实证和理论研究。实证研究主要从宏观和微观两个层面开展，宏观层面主要利用人口普查和经济普查的政府统计数据分析区域职住空间分布，如肖琛等使用第五和第六次人口普查数据，分别探讨居住人口与就业人口空间分布并总结了职住空间关系的影响因素；微观层面上学者们更多利用调查问卷进行实证研究，钟国平等采取政府主导的居民出行调查数据库中40445个调查样本，利用居民出行调查数据库中的个体属性与职住地点等信息，分析中山居民的职住空间关系格局。孟斌利用GIS和空间分析技术，基于近万分实际调查问卷数据的基础上，以北京为实证研究对象，分析了北京市居民职住分离状况的空间组织特征。近年来，使用手机信令数据，智能刷卡数据等对城市职住地开展研究方兴未艾，如谭章智，黎夏等以广州省为研究区域，使用2014年3月连续7天内地铁刷卡数据，使用主成分分析法(PCA)对广州地铁站点客流数据进行特征提取，识别地铁站点类型。利用手机信令数据测度上海中心城的就业中心体系，研究职住功能混合度对职住平衡的影响。
然而，人口普查数据和经济普查数据易受官方统计数据的限制，研究尺度较大且时势性较低。而调查样本数据具有针对性强，效率高，质量高等诸多优点，仍然是基础数据收集的重要方法之一。同时大数据具有精度高、更新实时、覆盖面广等优势，也是近年来逐渐新奇的研究对象。
现有方法中仅针对一种尺度(区域或者城市)进行研究，且传统数据运用与大数据的运用彼此分离，无法较为全面的获得城市职住空间特征。因此，该技术有必要进行改进。
发明内容
为了解决上述技术问题，本发明的目的是提供一种基于多数据融合的不同尺度下的职住空间评价方法及系统。
本发明所采用的技术方案是：
本发明提供一种基于多数据融合的不同尺度下的职住空间评价方法，其包括以下步骤：
系统分别收集目标城市的年末常住人口数据、从业人员数据以及POI数据，并对所述POI数据进行可视化处理；
系统针对城市宏观层面及各区的中观层面，分别进行数据处理；
根据所得数据，以单元公里网为分析单元，进行微观尺度的职住偏离度指数评估；
对不同类型的POI数据进行层次分析法处理，区分同一功能不同规模和性质的POI数据权重，通过职住偏离度指数计算各分析单元的职住关系；
构建不同尺度下职住空间评价标准。
作为该技术方案的改进，系统通过目标城市的统计年鉴，进行全市的年末常住人口数据及从业人员数据的收集。
作为该技术方案的改进，所述POI数据包括目标点的名称、类别、地址、经纬度、行政区。
作为该技术方案的改进，系统通过爬虫软件爬取高德地图POI数据。
进一步地，所述职住偏离度指数计算采用以下公式：
其中，Zij为j区第i年份的就业—居住偏离度指数；Pij为j区第i年份就业人口数；Pi为全市第i年份的就业人口数；Qij为j区第i年份的常住人口数；Qi为全市第i年份的常住人口数。
进一步地，所述方法还包括：
系统采用朴素贝叶斯分类法，将现有的POI数据划分为就业类和居住类；
采用层次分析法对同一大类不同规模和影响的POI数据进行加权分析；
采用职住偏离度指数，对各分析单元的就业类和居住类POI数据进行评估。
进一步地，当职住偏离度指数大于1，表示目标区就业功能强于居住功能。
进一步地，当职住偏离度指数等于1，表示目标区就业功能与居住功能相对平衡。
另一方面，本发明还提供一种基于多数据融合的不同尺度下的职住空间评价系统，其包括：
数据采集处理模块，用于执行步骤系统分别收集目标城市的年末常住人口数据、从业人员数据以及POI数据，并对所述POI数据进行可视化处理；
系统针对城市宏观层面及各区的中观层面，分别进行数据处理；
职住偏离度指数评估模块，用于执行步骤根据所得数据，以单元公里网为分析单元，进行微观尺度的职住偏离度指数评估；
对不同类型的POI数据进行层次分析法处理，区分同一功能不同规模和性质的POI数据权重，通过职住偏离度指数计算各分析单元的职住关系；
构建不同尺度下职住空间评价标准。
本发明的有益效果是：本发明提供的基于多数据融合的不同尺度下的职住空间评价方法及系统，针对传统数据无法满足评估要求的微观层面，采用POI数据进行评估，可以根据研究需要任意选择分析单元；通过建立更加创新系统的评价技术，获得较为准确的职住空间分布特征；本方案提出一种基于多数据融合的不同尺度下的职住空间评价方法，并且针对中宏观层面运用传统数据进行评估，更加准确的反映城市整体情况。
本发明采用两种数据结合，建立不同尺度下的职住空间评价技术，全面、及时并准确的识别城市职住地空间分布，为城市职住空间与基础设施布局优化，提供更加科学的参考依据。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明：
图1是本发明第一实施例的流程图；
图2为本发明第二实施例的深圳市各区的职住偏离度指数评估结果；
图3为本发明第二实施例的就业和居住两类POI数据的分类结果；
图4为本发明第二实施例的以单元公里网为分析单元的深圳市职住偏离度指数评估结果；
图5为本发明第二实施例的区级尺度下及单位公里网尺度下深圳市福田区职住偏离度指数评估结果。
具体实施方式
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。
一种基于多数据融合的不同尺度下的职住空间评价方法，包括如下步骤：
步骤A：数据收集与处理。首先，通过城市统计年鉴，收集全市层面的年末常住人口数据和从业人员数据，统一单位。其次，收集POI数据，如可通过爬虫软件爬取高德地图POI数据，每条数据包含该点的名称、类别、地址、经纬度、行政区等空间基础信息和属性信息；然后根据POI数据的经纬度信息进行可视化处理。
步骤B：基于传统数据的宏观尺度职住空间评价。首先，针对城市宏观层面，以及各区的中观层面(统计年鉴的统计单元)，进行数据处理。其次，通过职住偏离指数法进行测算。
步骤C：基于POI数据的微观尺度职住空间评价。首先对不同类型的POI数据进行层次分析法处理，区分同一功能不同规模和性质的POI数据权重。例如对于生活服务型设施，小卖部的权重要低于综合超市的权重。本发明将就业类POI分为产业类就业、服务类就业、零售类就业；居住类POI分为住宅类居住和商务公寓类居住，分别测算权重。对分析单元内的POI数量进行重新定义。其次，通过职住偏离度指数计算每个分析单元的职住关系。
步骤D：不同尺度下职住空间评价标准构建。根据测算结果，对于整个城市评价单元的偏离度指数等于1，表明该区就业与居住功能匹配相对均衡；指数大于1，意味着就业人口比重高于居住人口比重，表示该区就业功能强于居住功能，反之则居住功能主导。最后，对于获取的数据因为有大于或者小于1的情况，为方便后续的统计检验，对于总量职住比小于1的进行倒数处理，得到处理后的数据，数据越小表示平衡程度越好，职住分布越均衡。数据越大，表明就业与居住关系离均衡状态越远。
作为一具体实施例，如图1所示，所述方法包括如下步骤：
步骤A：数据收集与整理。包括针对中宏观层面的2016年深圳市统计年鉴数据收集。此外还有基于高德地图的POI数据收集，并对POI数据进行可视化处理。具体来说：
步骤A1：本发明统计了深圳市第26期统计年鉴中的各区人口数据(2016年)，获得深圳市居民的空间分布情况，以及同期统计年鉴中的各区城镇从业人员和在岗职工数据(2016年)，获得深圳市就业的宏观空间分布。表1为2016年深圳市居住人口数据与就业数据的统计量，统计结果如下：
表1
步骤A2：编写Python网络爬虫，批量获得高德地图上的深圳市2016年POI数据，共935895条(见表2)。表2为深圳市2016年高德部分POI数据样例，然后根据POI数据的经纬度信息进行可视化。
表2
步骤B：根据收集和整理的深圳市第26期统计数据，分别以全市和各区为分析单元，统计各单元的居民总数和就业、在岗职工人数，利用式(1)计算就业—居住的偏离程度指数Zij：
其中，Zij为j区第i年份的就业—居住偏离度指数；Pij为j区第i年份就业人口数；Pi为全市第i年份的就业人口数；Qij为j区第i年份的常住人口数；Qi为全市第i年份的常住人口数。评估结果如图2所示。根据评估结果，深圳市的整体职住均衡度约为0.796，其中各区评估结果如表3所示(排序按照职住均衡度由高到低排列)，表3为深圳各区2016年职住偏离度指数评价结果：
表3
| 序号 | 区名 | 指数 |
| 1 | 福田区 | 1.711 |
| 2 | 罗湖区 | 1.041 |
| 3 | 南山区 | 1.294 |
| 4 | 坪山区 | 1.119 |
| 5 | 光明新区 | 1.017 |
| 6 | 龙华区 | 0.985 |
| 7 | 大鹏新区 | 0.914 |
| 8 | 龙岗区 | 0.782 |
| 9 | 宝安区 | 0.742 |
| 10 | 盐田区 | 0.701 |
从评估结果可以看出：福田、南山主要以商务办公行政功能为主，就业岗位远远高于人口居住数外，职住平衡状况差，其在深圳市发展时间久，居住用地配置相对完善，但随着工业外迁和更新，逐渐形成了部分居住区域；盐田区与东部新区主要以居住功能为主，职住分离程度较高，平衡程度较低；罗湖区与西部新区主要以职住混合区为主，职住空间平衡程度较好。
步骤C：根据收集和可视化的POI数据，以单元公里网为分析单元，进行微观尺度的职住偏离度指数评估，具体步骤如下：
步骤C1：采用朴素贝叶斯分类法，将现有的POI数据划分为就业类和居住类(见图3)。例如高德地图POI数据中类型为“公司”、“工厂”等的归为图3中的产业就业类；“卖场”、“科教文化”、“体育设施服务”等归为服务就业类；“商店”“小卖店”等归为零售就业类，“公寓”“小区”等归为普通居住类，“宿舍”等归为商务居住类。具体操作过程如下
其中，
为各高德POI数据中职住类型C的后验概率；P(C)为m个职住类型C的先验概率，分别为1/m；
为归一化函数，分别为1/n，n为高德POI数据的个数；
为
的似然函数。其中，
的计算公式：
其中，P(Xi|C，X1，X2，X3....Xi-1)为职住类型C下数据为Xi的概率，简化为公式(4)：
P(Xi|C，X1，X2，X3....Xi-1)≈P(Xi|C)； (4)
其中，i为第i个高德POI数据。
接着，将公式(3)(4)带入公式(2)，得到高德POI数据的类型信息分类结果，见公式(5)：
步骤C2：采用层次分析法对同一大类不同规模和影响的POI数据进行加权分析，具体如下：
首先按照层次分析法的规定，计算各类型POI数据的权重结果(见表4)。其基本原则为：产业就业类＞服务就业类＞零售就业类；普通住宅类＞商务住宅类。
表4
| 产业就业类 | 0.6987 |
| 服务就业类 | 0.2370 |
| 零售就业类 | 0.0643 |
| 普通住宅类 | 0.8000 |
| 商务住宅类 | 0.2000 |
然后重新统计分析单元内的POI数据个数，其计算公式如下：
Ni＝ni*ρi
其中Ni为重新定义后该POI的点数，ni为分析单元上第i种类型POI总数，ρi为该类型POI权重分值。例如某建筑物上有一个居民楼POI点，其权重分值为0.6，因此，现在该居民楼对象的点数应为0.6。
步骤C3：采用指数偏离程度指数，对各分析单元的就业类和居住类POI数据进行评估。评估结果见图4。根据评估结果，福田区与罗湖区总体职住平衡指数仍处于1.5左右，仅部分地大于4，职住平衡关系较好。南山区、盐田区有成片职住平衡指数大于4的区域，职住分离程度较高。宝安区、龙岗区和龙华区中部以大型产业和成片居住区、具有居住功能的城中村为主，多数职住平衡度指数在1.7左右。光明新区由于一般性工业园区集聚，就业功能强于居住功能，存在成片的大于4区域。大鹏新区因其自然优势，形成了大片的休闲度假场所，但是与市中心交通不便，因此其居住功能多针对在此工作的人群。其余区域以山地丘陵地貌为主，未纳入城镇建设用地，因此数据为空。
步骤D：以福田区为例，针对宏观尺度和微观尺度进行职住空间特征评价，见图5，其中左右侧分别为区级尺度下、单位公里网尺度下的深圳市福田区职住偏离度指数评估结果。从中宏观层面来看，福田区由于承担了全市CBD和文化政治聚集地的作用，总体以就业用地为主，职住平衡值平均在1.7左右，职住分离现象比较严重。从微观尺度来看，福田区也存在职住分布较为均衡的区域。例如沙头街道，在就业方面，目前具有福田保税区、以及大量的物流仓储职能；在居住方面，具有益田村，以及大量的城中村提供居住和服务职能，职住空间分布相对均衡。
另一方面，本发明还提供一种基于多数据融合的不同尺度下的职住空间评价系统，其包括：
数据采集处理模块，用于执行步骤系统分别收集目标城市的年末常住人口数据、从业人员数据以及POI数据，并对所述POI数据进行可视化处理；
系统针对城市宏观层面及各区的中观层面，分别进行数据处理；
职住偏离度指数评估模块，用于执行步骤根据所得数据，以单元公里网为分析单元，进行微观尺度的职住偏离度指数评估；
对不同类型的POI数据进行层次分析法处理，区分同一功能不同规模和性质的POI数据权重，通过职住偏离度指数计算各分析单元的职住关系；
构建不同尺度下职住空间评价标准。
本发明提供的基于多数据融合的不同尺度下的职住空间评价方法及系统，针对传统数据无法满足评估要求的微观层面，采用POI数据进行评估，可以根据研究需要任意选择分析单元；通过建立更加创新系统的评价技术，获得较为准确的职住空间分布特征；本方案提出一种基于多数据融合的不同尺度下的职住空间评价方法，并且针对中宏观层面运用传统数据进行评估，更加准确的反映城市整体情况。
本发明采用两种数据结合，建立不同尺度下的职住空间评价技术，全面、及时并准确的识别城市职住地空间分布，为城市职住空间与基础设施布局优化，提供更加科学的参考依据。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种基于多数据融合的不同尺度下的职住空间评价方法，其特征在于，其包括以下步骤：
系统分别收集目标城市的年末常住人口数据、从业人员数据以及POI数据，并对所述POI数据进行可视化处理；
系统针对城市宏观层面及各区的中观层面，分别进行数据处理；
根据所得数据，以单元公里网为分析单元，进行微观尺度的职住偏离度指数评估；
对不同类型的POI数据进行层次分析法处理，区分同一功能不同规模和性质的POI数据权重，通过职住偏离度指数计算各分析单元的职住关系；
构建不同尺度下职住空间评价标准；
其中，所述方法还包括：
系统采用朴素贝叶斯分类法，将现有的POI数据划分为就业类和居住类；
采用层次分析法对同一大类不同规模和影响的POI数据进行加权分析；
采用职住偏离度指数，对各分析单元的就业类和居住类POI数据进行评估。
2.根据权利要求1所述的基于多数据融合的不同尺度下的职住空间评价方法，其特征在于：系统通过目标城市的统计年鉴，进行全市的年末常住人口数据及从业人员数据的收集。
3.根据权利要求1或2所述的基于多数据融合的不同尺度下的职住空间评价方法，其特征在于：所述POI数据包括目标点的名称、类别、地址、经纬度、行政区。
4.根据权利要求3所述的基于多数据融合的不同尺度下的职住空间评价方法，其特征在于：系统通过爬虫软件爬取高德地图POI数据。
5.根据权利要求1所述的基于多数据融合的不同尺度下的职住空间评价方法，其特征在于，所述职住偏离度指数计算采用以下公式：
其中，Zij为j区第i年份的就业—居住偏离度指数；Pij为j区第i年份就业人口数；Pi为全市第i年份的就业人口数；Qij为j区第i年份的常住人口数；Qi为全市第i年份的常住人口数。
6.根据权利要求4至5任一项所述的基于多数据融合的不同尺度下的职住空间评价方法，其特征在于：当职住偏离度指数大于1，表示目标区就业功能强于居住功能。
7.根据权利要求6所述的基于多数据融合的不同尺度下的职住空间评价方法，其特征在于：当职住偏离度指数等于1，表示目标区就业功能与居住功能相对平衡。
8.一种基于多数据融合的不同尺度下的职住空间评价系统，其特征在于，其包括：
数据采集处理模块，用于执行步骤系统分别收集目标城市的年末常住人口数据、从业人员数据以及POI数据，并对所述POI数据进行可视化处理；
系统针对城市宏观层面及各区的中观层面，分别进行数据处理；
职住偏离度指数评估模块，用于执行步骤根据所得数据，以单元公里网为分析单元，进行微观尺度的职住偏离度指数评估；
对不同类型的POI数据进行层次分析法处理，区分同一功能不同规模和性质的POI数据权重，通过职住偏离度指数计算各分析单元的职住关系；
构建不同尺度下职住空间评价标准；
其中，所述系统采用朴素贝叶斯分类法，将现有的POI数据划分为就业类和居住类；采用层次分析法对同一大类不同规模和影响的POI数据进行加权分析；
采用职住偏离度指数，对各分析单元的就业类和居住类POI数据进行评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810364893.6A CN108717676B (zh) | 2018-04-23 | 2018-04-23 | 基于多数据融合的不同尺度下的职住空间评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810364893.6A CN108717676B (zh) | 2018-04-23 | 2018-04-23 | 基于多数据融合的不同尺度下的职住空间评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108717676A CN108717676A (zh) | 2018-10-30 |
| CN108717676B true CN108717676B (zh) | 2021-07-06 |
Family
ID=63899316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810364893.6A Active CN108717676B (zh) | 2018-04-23 | 2018-04-23 | 基于多数据融合的不同尺度下的职住空间评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108717676B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110059966A (zh) * | 2019-04-23 | 2019-07-26 | 成都四方伟业软件股份有限公司 | 影响因素的贡献力分析方法和装置 |
| CN110222959B (zh) * | 2019-05-23 | 2023-09-01 | 河南大学 | 一种基于大数据的城市就业可达性测算方法及系统 |
| CN110473132A (zh) * | 2019-08-27 | 2019-11-19 | 上海云砥信息科技有限公司 | 一种基于移动通信数据的区域职住平衡评价方法 |
| CN111385753B (zh) * | 2019-10-24 | 2022-01-04 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的医疗设施可达性评估方法 |
| CN112925764B (zh) * | 2019-12-10 | 2023-09-12 | 中国再保险(集团)股份有限公司 | 一种巨灾模型的行业风险暴露数据库及其构建方法 |
| CN111667195A (zh) * | 2020-06-15 | 2020-09-15 | 常州市规划设计院 | 基于房产大数据的城乡住房空间质量评估方法 |
| CN112148821B (zh) * | 2020-08-25 | 2022-05-03 | 中国地质大学（武汉） | 一种城市混合职住空间计算方法和系统 |
| CN113393353B (zh) * | 2021-06-11 | 2022-03-22 | 中国测绘科学研究院 | 基于ic卡数据的建筑物通勤人口估算方法及其存储介质 |
| CN115222268B (zh) * | 2022-07-25 | 2023-04-18 | 广州市城市规划勘测设计研究院 | 区域职住平衡时空尺度的评估方法、装置、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106792514A (zh) * | 2016-11-30 | 2017-05-31 | 南京华苏科技有限公司 | 基于信令数据的用户职住地分析方法 |
| CN106845559A (zh) * | 2017-02-28 | 2017-06-13 | 山东师范大学 | 顾及poi数据空间异质性的地表覆盖验证方法及系统 |
| CN107665239A (zh) * | 2017-08-29 | 2018-02-06 | 哈尔滨工业大学深圳研究生院 | 一种职住空间信息提取方法及装置、计算机可读存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10394857B2 (en) * | 2016-01-29 | 2019-08-27 | Dmti Spatial, Inc. | Method and apparatus for identifying one or more territories |
-
2018
- 2018-04-23 CN CN201810364893.6A patent/CN108717676B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106792514A (zh) * | 2016-11-30 | 2017-05-31 | 南京华苏科技有限公司 | 基于信令数据的用户职住地分析方法 |
| CN106845559A (zh) * | 2017-02-28 | 2017-06-13 | 山东师范大学 | 顾及poi数据空间异质性的地表覆盖验证方法及系统 |
| CN107665239A (zh) * | 2017-08-29 | 2018-02-06 | 哈尔滨工业大学深圳研究生院 | 一种职住空间信息提取方法及装置、计算机可读存储介质 |
Non-Patent Citations (10)
| Title |
|---|
| 利用微博签到数据分析职住平衡与通勤特征;石光辉;《中国优秀硕士学位论文全文数据库工程科技II辑》;20170815(第8期);第C038-381页 * |
| 城市更新中利益调控及其保障机制探析——以深圳市为例;岳隽等;《现代城市研究》;20161231;全文 * |
| 城市通达性面状分布模型研究;于晓艳等;《水电能源科学》;20100630;第28卷(第6期);全文 * |
| 基于Logistic 模型的土地利用格局影响因素分析——以重庆市义和镇为例;李晓等;《北京大学学报(自然科学版)》;20170731;第53卷(第4期);全文 * |
| 基于多源遥感数据的生态系统服务价值评估;许旭等;《国土资源遥感》;20131231;第25卷(第4期);全文 * |
| 基于生境质量的城市增长边界研究——以长三角地区为例;吴健生等;《地理科学》;20170131;第37卷(第1期);全文 * |
| 网络约束点格局分析研究综述;聂可等;《地理科学进展》;20171031;第36卷(第10期);全文 * |
| 长三角主要城市空气污染时空分布特征研究;王昂扬等;《环境保护科学》;20151031;第41卷(第5期);全文 * |
| 长春职住关系变化研究;张光伟;《中国优秀硕士学位论文全文数据库工程科技II辑》;20151215(第12期);第C038-907页 * |
| 面向实施的权益协商式规划初探——以深圳市城市发展单元规划为例;罗罡辉等;《城市规划》;20130228;第37卷(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108717676A (zh) | 2018-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108717676B (zh) | 基于多数据融合的不同尺度下的职住空间评价方法及系统 | |
| González-García et al. | Embedding environmental, economic and social indicators in the evaluation of the sustainability of the municipalities of Galicia (northwest of Spain) | |
| Lai et al. | Quantifying place: Analyzing the drivers of pedestrian activity in dense urban environments | |
| CN110533038A (zh) | 一种基于信息数据的城市活力区和中心城区边界识别的方法 | |
| CN104537597A (zh) | 一种城市空间格局合理性诊断的技术方法 | |
| CN112069281B (zh) | 兴趣点位置的确定方法、装置、计算机设备及存储介质 | |
| Jiao et al. | Evaluating spatial accessibility to healthcare services from the lens of emergency hospital visits based on floating car data | |
| CN113222327A (zh) | 一种基于服务能力的地块可达性分析方法 | |
| CN116341967A (zh) | 基于gis模型的公园绿地方案评价与优化方法、装置、设备及存储介质 | |
| Liang et al. | Assessing the validity of SafeGraph data for visitor monitoring in Yellowstone National Park | |
| KR20100123408A (ko) | Ｇｉｓ 기반의 가맹점 마케팅 지원 시스템 및 방법 | |
| Wang et al. | Exploring regional sustainable commuting patterns based on dockless bike-sharing data and POI data | |
| Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
| CN114565207A (zh) | 一种融合属性数据和流动数据的城市群高质量发展监测评估方法 | |
| Huang et al. | Recognition of Functional Areas in an Old City Based on POI: A Case Study in Fuzhou, China | |
| Zhou et al. | Village-town system in suburban areas based on cellphone signaling mining and network hierarchy structure analysis | |
| CN115146990B (zh) | 一种集成多源地理大数据的城市活力定量评价方法 | |
| Zhao et al. | Mapping urban land type with multi-source geospatial big data: a case study of Shenzhen, China | |
| Taran | Measuring Accessibility to Health Care Centers in the City of Al-Mafraq Using Geographic Information Systems. | |
| CN113610346B (zh) | 基于多源数据的村庄发展潜力评价及村庄分类方法及装置 | |
| CN111582683B (zh) | 一种基于网络热度的城市公共服务设施供给效率评价方法 | |
| Jang et al. | Factors Affecting on Inconsistency between Subjective Residential Satisfaction and Objective Residential Environment: Focused on Apartment Residents in Their 20s–40s in Seoul | |
| CN113780880A (zh) | 一种基于空间代表性的pm2.5观测站点布局评价方法 | |
| Abbasi et al. | Exploring the potential of location-based social networks data as proxy variables in collective human mobility prediction models | |
| Hua | Geographic Distribution of Urban Retail and its Spatial Relationship with Subway Network: A Case Study of Retail POI Data in Shanghai |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 518034 room 1129, land real estate transaction building, 8007 Hongli West Road, Xiangmihu street, Futian District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Urban Planning and Design Institute Co.,Ltd. Patentee after: URBAN PLANNING & DESIGN INSTITUTE OF SHENZHEN (UPDIS) Address before: 518034 room 1129, land real estate transaction building, 8007 Hongli West Road, Xiangmihu street, Futian District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN RESEARCH CENTER OF DIGITAL CITY ENGINEERING Patentee before: URBAN PLANNING & DESIGN INSTITUTE OF SHENZHEN (UPDIS) |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 518034 room 1129, land real estate transaction building, 8007 Hongli West Road, Xiangmihu street, Futian District, Shenzhen City, Guangdong Province Patentee after: SHENZHEN RESEARCH CENTER OF DIGITAL CITY ENGINEERING Patentee after: Shenzhen Urban Planning and Design Institute Co.,Ltd. Address before: 518034 room 1129, land real estate transaction building, 8007 Hongli West Road, Xiangmihu street, Futian District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN RESEARCH CENTER OF DIGITAL CITY ENGINEERING Patentee before: URBAN PLANNING & DESIGN INSTITUTE OF SHENZHEN (UPDIS) |
|
| CP01 | Change in the name or title of a patent holder |