CN110889562B - 一种基于情景规划的动态城市模型系统 - Google Patents
一种基于情景规划的动态城市模型系统 Download PDFInfo
- Publication number
- CN110889562B CN110889562B CN201911249845.3A CN201911249845A CN110889562B CN 110889562 B CN110889562 B CN 110889562B CN 201911249845 A CN201911249845 A CN 201911249845A CN 110889562 B CN110889562 B CN 110889562B
- Authority
- CN
- China
- Prior art keywords
- land
- city
- urban
- module
- scene
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 96
- 238000011161 development Methods 0.000 claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 63
- 238000010276 construction Methods 0.000 claims abstract description 35
- 238000012937 correction Methods 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims description 59
- 238000000034 method Methods 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 39
- 238000004519 manufacturing process Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000033228 biological regulation Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000007477 logistic regression Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 50
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000008520 organization Effects 0.000 description 12
- 238000011160 research Methods 0.000 description 11
- 230000032683 aging Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000003915 air pollution Methods 0.000 description 4
- 208000003443 Unconsciousness Diseases 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003716 rejuvenation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000003643 water by type Substances 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于情景规划的动态城市模型系统，属于城市规划领域。本发明包括城市增长模块、城市用地决策模块和综合评价模块；其中，城市增长模块包括基础增长率识别模块和增长率修正模块；城市用地决策模块是基于城市增长模块的输出结果，在城市用地边界范围内进行用地类型决策的子模型系统；城市用地决策模块中包括基于预设情景的用于应对不确定扰动的用地冲突识别模块；综合评价模块包括法规检测模块、参数检测模块和情景检测模块。本发明的动态城市模型系统提升了城市用地规划结果的可行度；基于同一目标体系保证整个城市模拟建设中价值观与城市发展方向一致；基于情景体系设计，帮助模型应对不同的外界扰动。
Description
技术领域
本发明涉及城市规划技术领域，特别涉及一种基于情景规划的动态城市模型系统。本发明基于情景规划的动态城市模型系统集合了城市增长预测和城市用地决策的参数化模型系统。
背景技术
研究方法是首先根据原型的主要特征建立模型，然后通过模型间接研究原型的一种研究方法。城市模型是基于对城市系统的抽象和概括以及对城市空间现象和动态过程的定量数学描述。城市建模通常用于模拟或预测城市的物理形态或城市内部的社会经济活动，避免在城市建设中出现代价高昂的试错过程。然而，尽管其相关理论在不断增加，但由于城市模型研究长期以来忽视了研究与实践之间的联系，城市增长模型在很大程度上仍处于实验阶段
随着城市面积和功能的增加，城市空间结构和功能布局的分析变得越来越困难。土地利用的变化受不同规模的社会、自然和经济因素的影响，土地利用变化过程的驱动和制约机制非常复杂，单纯依靠规划师的主观判断进行土地利用规划极易出现问题。此外，在未来几十年里，中国城镇发展需要进行的土地利用规划数量庞大。城市模型方法的应用可以节省大量的研究时间和资金。
此外，规划理论的日益丰富和复杂，是推动城市模型发展的重要因素。由于城市本身的复杂性和不确定性，高的试错成本可能与城市建设的进程相吻合。为了避免在城市建设中出现代价高昂的试错过程，城市经济学、城市规划和城市设计研究都需要一个测试平台，即城市模型。城市模型可以定量预测城市增长，识别城市土地利用边界，帮助设计者做出科学的土地利用决策。因此，引入城市模型研究方法已成为城市规划设计的必然。对于城市规划实践而言，城市模型是理解和预测城市空间变化模式以及城市科学规划和管理的重要工具。
发明内容
本发明提供了一种基于情景规划的动态城市模型系统，以解决城市发展边界的识别问题，城市用地布局的科学决策问题，以及城市共同建设、共同管理过程中的公共参与问题。
本发明的技术方案为：
一种基于情景规划的动态城市模型系统，包括城市增长模块、城市用地决策模块和对模型输出结果进行检测的综合评价模块；
所述城市增长模块包括基于历史城市增长率划定城市用地基础弹性边界的基础增长率识别模块和与预设情景关联的用于确定不同情景影响下弹性边界的增长率修正模块；
所述城市用地决策模块是基于城市增长模块的输出结果，在城市用地边界范围内进行用地类型决策的子模型系统；所述城市用地决策模块中包括基于预设情景的用于应对不确定扰动的用地冲突识别模块；
所述综合评价模块包括用于保证模型输出结果符合上位规划的法规检测模块、用于保证模型输出结果满足目标城市未来建设需要的参数检测模块和用于保证模型输出结果在对应情景发生后能够针对扰动做出调整的情景检测模块。
作为优选方案，所述城市增长模块、城市用地决策模块和综合评价模块基于同一目标体系并依托情景系统产生内部交互关联；所述目标体系是指城市建设和管理过程中所有利益相关方对城市未来发展的愿景描述。
进一步地，所述情景系统包括情景设置与识别、情景选取、情景检测；所述情景设置与识别是指设置每个情景下的目标体系排序和每个情景对应的情景基线；所述情景选取设置于所述城市增长模块和城市用地决策模块中，情景选取是指目标城市中的统计监测值突破了情景基线时，对应情景生效，该情景的目标排序按照比例影响修正增长率和适应性分析，从而影响用地决策结果；所述情景检测对应综合评价模块中的情景检测模块。情景检测是指当特定情境生效时，与该情景对应的检测参数同时生效，以评价该情景生效的前提下，城市是否能保证健康、可持续的发展。
作为优选方案，所述目标体系包括在城市发展总体目标指导下的生产分目标体系、生活分目标体系、生态分目标体系；各分目标体系综合所有利益相关方的意见，对预设的目标体系进行排序，通过层次分析法获得子目标在最终用地决策中所占的比重。
所述利益相关方在中国的城市规划体系下包括上级管理机构、城市管理机构和市民群体。
所述上级管理机构包括城市上级政府、上级空间规划制定机构、上级专项规划制定机构。上级管理机构的参与模式是通过上位规划或指导文件的转译。
所述城市管理机构包括当地政府、当地空间管理部门、当地产业部门。城市管理机构的参与模式是通过线上平台直接参与。
所述市民群体的参与模式包括有意识线上参与和无意识线上参与两种，通过线上公共参与平台进行收集整合。
作为优选方案，所述增长率修正模块基于情景系统，通过调整增长率，对基础增长率识别模块所划定的城市用地基础弹性边界进行修正，分别获得各个情景下的精确增长边界。
作为优选方案，所述城市用地决策模块用于分析城市各个主要产业的用地适应性，并进行叠加，识别每个地块上存在的用地冲突，最终通过基于目标体系和当前情景的用地冲突处理流程进行城市用地的分配。
进一步地，所述城市用地决策模块通过对每个地块发展某类用地的所有影响要素进行评价，并按照一定权重对结果进行叠加的方法分析城市各个主要产业的用地适应性；权重受目标体系和情景系统控制。
作为优选方案，所述综合评价模块中的法规检测模块、参数检测模块和情景检测模块均包括评价原则、评价因子和反馈方向。
进一步地，所述法规检测模块的评价原则为符合上位规划；法规检测模块的评价因子包括城市增长刚性增长边界、上位规划明确控制的用地类型；法规检测模块的反馈方向为城市增长率、增长权重；
所述参数检测模块的评价原则为满足对象当前的生产生活需要；参数检测模块的评价因子包括生产用地面积、居住用地面积、绿化面积；参数检测模块的反馈方向包括适应型分析权重和目标体系；
所述情景检测模块的评价原则为保证对象的发展弹性；情景检测模块的评价因子包括社会调整手段、产业调整手段、环境调整手段和政策调整手段；情景检测模块的反馈方向为参数检测。
作为优选方案，模型的整体结构分为三个计算本体：用户本体、系统本体和管理本体；
所述用户本体提供人机交互功能；上级管理机构、城市管理机构、市民群体通过用户本体来表达自己的需求；系统通过层次分析法将目标系统转化为层次权重，并提供给用地冲突识别模块；
所述管理本体基于统计计算结果对用地冲突识别模块的操作结果进行支持和修正；管理本体是监控情景规划实施和城市管理的主要接口，城市管理机构和其他参与者通过监测数据替换用地冲突识别模块中的图层或调整优先级顺序，并对计划进行调整；管理本体具有时间维度，并利用时间维度揭示规划和城市演化的过程；
所述系统本体通过用户本体和管理本体的处理识别目标城市的城市增长驱动要素和修正增长率，并输入到增长边界识别模型中，通过逻辑回归分析生成城市增长预测；将确定的城市增长边界、用户本体的土地利用分析结果和管理本体的情景选择结果导出到用地冲突识别模块中，生成潜在的土地冲突识别结果并最终输出用地决策。
所述基于情景规划的动态城市模型系统的规划生成方法，包括：
一、调研阶段
1）数据收集
整理与目标城市相关的上位空间规划、上位专项规划，获取规划文本中关于城市发展目标的相关描述，明确上位空间规划对于永久农田保护红线、城市发展红线、区域生态保护红线等刚性底线；
构建公共参与平台，收集市民参与意见，关注市民对居住质量方面的诉求；
收集城市发展历史数据；历史数据包括用地增长数据和人口增长数据等；
收集城市建成区的现状用地布局；用地布局包括产业、路网、基础设施等；
2）基于所述收集的数据，制定城市发展的总体目标以及各目标下的子目标，明确目标城市生产、生活、生态建设中的重点工作和优先级；
3）基于所收集的数据通过层次分析法按照比例对各个子目标分配权重；
4）获得基础情景下的目标体系之后，根据城市发展的总体目标，结合城市发展阶段，在区域中产业定位，预测可能的外界扰动，并将外界扰动分为社会扰动、经济扰动、环境扰动和政策扰动。
二、规划阶段
1)结合各类刚性底线，明确城市刚性边界，所述刚性边界包括生态保护红线、永久基本农田、城镇开发边界；
2）对调研阶段收集的历史数据进行逻辑回归分析，明确城市增长过程中的影响要素和各个要素的优先级；
3）对于城市可发展用地范围内的所有地块进行适应性分析；根据历史数据获得城市用地增长率，结合人口增长预测，获得城市增长预测的基础弹性边界；
4）针对不同的情景系统所对应的增长率变化，分别明确不同情景影响下的弹性边界；
5）城市用地决策模块使用城市增长预测模块的输出结果，在城市增长的弹性边界内，分别对城市中需要参与用地决策的各种用地类型进行适应性分析；
6）根据用地适应性分析结果，针对每种用地类型，将城市内的所有建设用地分为适宜建设、可以建设和不宜建设三类；根据城市内所有建设用地对于各种用地类型的适应性表现，识别城市内的用地冲突，每个城市用地单元分别针对三种用地具有三个不同的适应评价得分，根据不同的得分结果，对城市用地进一步细分类；
7）基于城市发展总体目标所明确的优先级，对用地冲突进行处理；用地冲突进行处理的原则即是城市发展的总体目标。
三、规划实施阶段
规划通过审批流程后，进入规划实施部分，这一部分主要对应模型中的情景选择和情景检测部分。一旦城市发展过程中由于受到外界扰动影响，某项参数突破了预设的基线，情景检测模块会即时反映给情景选择模块，选取对应的模块反应到规划结果中，同时，新的用地规划会被输出至检测模块，进行法规检测、参数检测和情景检测，当新的用地规划满足上述三个检测需求时，将新的用地规划提供给城市规划管理部门报批。
本发明的有益效果为：
1、本发明基于情景规划的动态城市模型系统提升了城市用地规划结果的可行度。
2、基于同一目标体系保证整个城市模拟建设中价值观与城市发展方向一致。
3、基于情景体系设计，帮助模型应对不同的外界扰动。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于情景规划的动态城市模型系统的结构示意图；
图2为情景规划示意图；
图3为模型计算流程示意图；
图4为线上交互平台设计图；
图5为用地冲突识别处理图；
图6为综合评价模块对用地冲突识别结果进行评价的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
一种基于情景规划的动态城市模型系统，包括城市增长模块、城市用地决策模块和对模型输出结果进行检测的综合评价模块。城市增长模块、城市用地决策模块和综合评价模块基于同一目标体系并依托情景系统产生内部交互关联，如图1所示。
目标体系是指城市建设和管理过程中所有利益相关方对城市未来发展的愿景描述。利益相关方在中国的城市规划体系下包括上级管理机构、城市管理机构和市民群体。上级管理机构包括城市上级政府、上级空间规划制定机构、上级专项规划制定机构。上级管理机构的参与模式是通过上位规划或指导文件的转译。城市管理机构包括当地政府、当地空间管理部门、当地产业部门。城市管理机构的参与模式是通过线上平台直接参与。市民群体的参与模式包括有意识线上参与和无意识线上参与两种，通过线上公共参与平台进行收集整合。
目标体系包括在城市发展总体目标指导下的生产分目标体系、生活分目标体系、生态分目标体系；各分目标体系综合所有利益相关方的意见，对预设的目标体系进行排序，通过层次分析法获得子目标在最终用地决策中所占的比重。
情景系统是对城市发展过程中可能遇到的外界扰动的预测，并分别对每个情景下的城市规划进行相应的调整，其设置的目标是增强城市对抗外界扰动的能力，保证城市的健康、可持续发展。情景系统包括三部分：情景设置与识别、情景选取、情景检测。
情景设置和识别作用于调研阶段，每个情景分别包括该情景下的目标体系排序和每个情景对应的情景基线，如图2所示。
情景选取设置于城市增长模块和城市用地决策模块中，情景选取作用于规划定制阶段。情景选取是指当城市中的特定统计监测值突破了情景基线时，对应情景就会生效，该情景的目标排序就会按照比例影响修正增长率和适应性分析，从而影响用地决策的结果。
情景检测对应综合评价模块中的情景检测模块，情景检测作用于规划实施阶段。情景检测是指当特定情境生效时，与该情景对应的检测参数同时生效，用以评价该情景生效的前提下，城市是否能保证健康、可持续的发展。
城市用地决策模块是基于城市增长模块的输出结果，在城市用地边界范围内进行用地类型决策的子模型系统；城市用地决策模块中包括基于预设情景的用于应对不确定扰动的用地冲突识别模块。
城市增长模块包括基于历史城市增长率划定城市用地基础弹性边界的基础增长率识别模块和与预设情景关联的用于确定不同情景影响下弹性边界的增长率修正模块。增长率修正模块基于情景系统，通过调整增长率，对基础增长率识别模块所划定的城市用地基础弹性边界进行修正，分别获得各个情景下的精确增长边界。
综合评价模块包括用于保证模型输出结果符合上位规划和其他规定的法规检测模块、用于保证模型输出结果满足目标城市未来建设需要的参数检测模块和用于保证模型输出结果在对应情景发生后能够针对扰动做出调整的情景检测模块。综合评价模块中的法规检测模块、参数检测模块和情景检测模块均包括评价原则、评价因子和反馈方向。法规检测模块的评价原则为符合上位规划和其他规定；法规检测模块的评价因子包括城市增长刚性增长边界、上位规划明确控制的用地类型；法规检测模块的反馈方向为城市增长率、增长权重；参数检测模块的评价原则为满足对象当前的生产生活需要；参数检测模块的评价因子包括生产用地面积、居住用地面积、绿化面积；参数检测模块的反馈方向包括适应型分析权重和目标体系；情景检测模块的评价原则为保证对象的发展弹性；情景检测模块的评价因子包括社会调整手段、产业调整手段、环境调整手段和政策调整手段；情景检测模块的反馈方向为参数检测。综合评价模块是对模型输出结果的检测，用于保证模型输出结果的合理性。
城市用地决策模块用于分析城市各个主要产业的用地适应性，并进行叠加，识别每个地块上存在的用地冲突，最终通过基于目标体系和当前情景的用地冲突处理流程进行城市用地的合理分配。城市用地决策模块通过对每个地块发展某类用地的所有影响要素进行评价，并按照一定权重对结果进行叠加的方法分析城市各个主要产业的用地适应性；权重受目标体系和情景系统控制。城市用地决策模块用于分析城市的增长趋势、划定城市用地边界，控制城市扩张。
各模块参数之间存在复杂的内部交互作用，模型的整体结构分为三个计算本体：用户本体、系统本体和管理本体，模型计算流程示意图如图3所示；在整个计算流程中，三个本体分别对接不同的城市规划参与者，并通过多次交互在最终结果中体现全部利益相关方的意志和诉求。
用户本体提供人机交互功能；上级管理机构、城市管理机构、市民群体通过用户本体来表达自己的需求；系统通过层次分析法将目标系统转化为层次权重，并提供给用地冲突识别模块；规划师是用户本体的主要组织者，信息的收集可以通过多种方式完成。用户本体可以将目标系统直接链接到监控数据中，一旦出现扰动，可以通过目标系统直接反映到规划结果中。
管理本体基于统计计算结果对用地冲突识别模块的操作结果进行支持和修正；同时，管理本体也是监控情景规划实施和城市管理的主要接口。城市管理机构和其他参与者可以通过监测数据替换用地冲突识别模型中的图层或调整优先级顺序，并立即对计划进行调整。管理本体具有时间维度，不同于ca、abm等城市动态模型。管理本体不仅可以利用时间维度来揭示规划和城市演化的过程，而且可以使模型参与城市管理的长期工作。
系统本体通过用户本体和管理本体的处理识别目标城市的城市增长驱动要素和修正增长率，并输入到增长边界识别模型中，通过逻辑回归分析生成城市增长预测；将确定的城市增长边界、用户本体的土地利用分析结果和管理本体的情景选择结果导出到用地冲突识别模块中，生成潜在的土地冲突识别结果并最终输出用地决策。
基于情景规划的动态城市模型系统的规划生成过程：
模型整体构建方法与传统规划定制流程高度一致，分别对应规划调研阶段，规划定制阶段和规划实施阶段。
一、规划调研阶段
规划调研阶段主要是为模型的计算收集数据，提供依据。主要内容包括：整理与目标城市相关的上位空间规划，上位专项规划，获取规划文本中关于城市发展目标的相关描述，重点明确上位空间规划对于永久农田保护红线、城市发展红线、区域生态保护红线等刚性底线；构建公共参与平台，收集市民参与意见，手段包括市民的有意识参与和无意识参与，重点关注市民对居住质量方面的诉求；收集城市发展历史数据，包括用地增长数据和人口增长数据；收集城市建成区的现状用地布局，包括产业、路网、基础设施等。
基于所收集的数据，制定城市发展的总体目标，明确当前城市“生产、生活、生态”建设中的重点工作和优先级。例如：
某市在区域整体规划的定位中是作为济南城市群的组成部分，核心产业是区域产业链中的一环，城市总体规划中指出优先发展经济，且镇域范围内不存在国家级生态保护区，则山东刁镇的城市总体发展目标优先级排序为优先发展经济，其次提升居住环境，兼顾生态保护。在城市发展总体目标指导下，分别为“生产、生活、生态”专项建设制定分目标体系。其中，生产分目标体系应针对目标城市中已经存在或未来可能存在的产业类型分别制定，以城市管理机构的意见为最优先，上级管理机构的意见为次优先，兼顾市民群体的意见，权重比例为5:3:2。生活分目标体系以市民群体的意见为最优先，城市管理机构的意见为次优先，兼顾上级管理机构的意见，权重比例为5:3:2。生态分目标体系以上级管理机构为最优先，市民群体的意见为次优先，兼顾城市管理机构的意见，权重比例为5:3:2。
在上述步骤的基础上，最终通过层次分析法综合所有利益相关方的意见，对预设的目标体系进行排序，获得各个子目标在最终用地决策中所占的权重。专项建设的默认子目标体系如下：
目标1：确定适合作为住宅用地分配的城市用地单元
次级目标1.1：确定适合建设居住用地的城市用地单元
子目标1.1.1：确定具有适合居住用地坡度的城市用地单元；
子目标1.1.2：确定已开发为住宅用地的城市用地单元；
子目标1.1.3：确定远离噪音污染的城市用地单元；
子目标1.1.4：确定远离空气污染的城市用地单元；
子目标1.1.5：确定远离水污染的城市用地单元。
次级目标1.2：根据居住环境确定适合居住用地的城市用地单元
子目标1.2.1：确定与学校接近的城市用地单元；
子目标1.2.2：确定与医疗服务接近的城市用地单元；
子目标1.2.3：识别具有接近开放水域或公共绿地的城市用地单元；
子目标1.2.4：识别与文化基础设施接近的城市用地单元；
子目标1.2.5：识别与零售业接近的城市用地单元。
次级目标1.3：从方便出行的角度确定适合居住用地的城市用地单元
子目标1.3.1：确定具有适当接近道路的城市用地单元；
子目标1.3.2：识别具有适当接近公共交通节点的城市用地单元；
子目标1.3.3：识别与自行车车道接近的城市用地单元；
子目标1.3.4：确定与现有居住区接近的城市用地单元。
目标2：确定适合生产用地的城市土地单元
次级目标2.1：基于现行规定考虑确定城市单位
子目标2.1.1：识别远离现有居住区的城市土地单元；
子目标2.1.2：确定远离生态用地的城市土地单元；
子目标2.1.3：确定已开发用于工业的城市土地单元；
子目标2.1.4：确定远离噪音污染的城市土地单元；
子目标2.1.5：确定远离空气污染的城市土地单元；
子目标2.1.6：确定已被开发为服务/金融用地的城市土地单元。
次级目标2.2：根据建设和运输成本控制考虑确定城市单位
子目标2.1.1：确定具有适当坡度的城市土地单元；
子目标2.2.2：识别具有接近道路的城市土地单元；
子目标2.2.3：识别与火车站接近的城市土地单元；
子目标2.2.4：确定与现有仓库土地接近的城市土地单元；
子目标2.2.5：识别与CBD接近的城市土地单元；
子目标2.2.6：识别与银行接近的城市土地单元；
子目标2.2.7：识别与机场和高铁站接近的城市土地单元；
子目标2.2.8：确定与政府部门接近的城市土地单元。
次级目标2.3：基于通勤成本控制考虑确定城市单元
子目标2.3.1：确定与公共交通节点接近的城市土地单元；
子目标2.3.2：识别具有接近道路的城市土地单元；
子目标2.3.3：识别与自行车车道接近的城市土地单元；
子目标2.3.4：确定与现有居住区接近的城市土地单元。
目标3：确定适合分配为生态用地的城市土地单元
次级目标3.1：基于景观质量考虑确定城市单元
子目标3.1.1：确定远离噪音污染的城市土地单元；
子目标3.1.2：确定远离空气污染的城市土地单元；
子目标3.1.3：确定远离水污染的城市土地单元；
子目标3.1.4：确定城市土地单元，使其具有适合生态用地的坡度；
子目标3.1.5：确定已开发为娱乐用地的城市土地单元。
次级目标3.2：根据无障碍考虑确定城市单元
子目标3.2.1：确定与现有居住区接近的城市土地单元；
子目标3.2.2:确定与公共交通节点接近的城市土地单元；
子目标3.2.3:识别与自行车车道接近的城市土地单元；
子目标3.2.4:识别具有接近道路的城市土地单元。
次级目标3.3：根据区域需要和当地特点确定城市单位
子目标3.3.1：识别与开放水域或公共绿地接近的城市土地单元；
子目标3.3.2：确定在区域环境规划中被确定为绿地的城市土地单元；
子目标3.3.3：确定与文化基础设施接近的城市土地单元；
子目标3.3.4：确定有线基础设施周围具有娱乐潜力的城市土地单元。
采用线上交互平台收集数据，线上交互平台设计图如图4所示；根据所收集的数据，按比例对各个子目标分配权重。分配权重的方法为层次分析法，对各个变量进行两两比较形成判断矩阵。创建两两比较矩阵，不同的标准两两对比创建一个比较矩阵，然后将成对对比值取为输入值，相对权重作为输出值。每一个标准或者变量的权重可以在成对比较矩阵的形成后进行计算。第一步是找到在矩阵的每一列的总和的值，第二步骤是标准化，这个过程是将矩阵中的每个元素除以当前列的综合所得出的一个新的矩阵，最后一步就是计算新矩阵的每一行的平均值，每个变量对应那一行的平均值就是通过层次分析法得出来的这个变量相对应的权重。
获得基础情景下的目标体系之后，根据城市发展的总体目标，结合城市发展的阶段，在区域中的产业定位，预测可能的外界扰动，并对外界扰动进行分类，归纳为社会扰动、经济扰动、环境扰动和政策扰动四类中。社会扰动主要描述人口的变化，包括人口数量的变化和人口年龄结构的变化，主要应对村庄合并，人口流失，人口老龄化加剧等扰动。经济扰动主要描述不同产业在城市整体生产活动中的优先级变化，主要应对区域产业链调整，城市产业结构调整，城市产业发展重心调整等扰动。环境扰动主要描述水环境和空气环境变化，主要应对水资源污染，空气污染等扰动。政策扰动包括区域政策变化和城市发展策略变化，每个情景需要分别制定对应的目标体系权重和情景选择基线，并依据情景的不同类别，制定情景检测的参数与标准。
例如：老龄化情景是指目标小城镇由于外部原因吸引不到足够的农村移民，导致人口结构老龄化的情况。在老龄化的情况下，小城镇的年轻劳动力继续向大城市转移，但没有新的农村年轻人进入。总体社会年龄结构有明显老龄化趋势，人口增长速度放缓，产业发展也将受到一定程度的负面影响。在这种情况下，老年人占社会总人口的比例继续上升。城市总体设计和土地利用规划需要考虑老年人的生活习惯特点。根据文献研究，各标准的优先级排序如下：
次级目标1.1>次级目标1.2>次级目标1.3
在次级目标1.1中各个子目标影响力相等。
在次级目标1.2中，每个子目标的优先顺序如下：
子目标1.2.5：识别与零售业接近的城市土地单元；
子目标1.2.3:识别具有接近开放水域或公共绿地的城市土地单元；
子目标1.2.4:识别与文化基础设施接近的城市土地单元；。
子目标1.2.2:确定与医疗服务接近的城市土地单元；
子目标1.2.1:确定与学校接近的城市土地单元；
在次级目标1.3中，每个次级目标的优先顺序如下：
子目标1.3.4:确定与现有居住区接近的城市土地单元；
子目标1.3.2:识别具有适当接近公共交通节点的城市土地单元；
子目标1.3.3：识别与自行车车道接近的城市土地单元；
子目标1.3.1：确定具有适当接近道路的城市土地单元。
根据联合国的新标准，65岁及以上老人占总人口的7%为老龄化情景基准线，突破基准线则老龄化情景生效，老龄化情景与基础情景的比重以65岁及以上老人占总人口的比重为准。老龄化人口越多，老龄化情景对城市用地决策的影响越明显。针对不同城市，可能出现的情景类型并不相同，需要分别讨论。
二、规划制定阶段
规划定制阶段主要包括城市增长预测模块和城市用地决策模块两部分。城市增长预测模块首先要结合各类刚性底线，明确城市增长的刚性边界，刚性边界包括：生态保护红线，永久基本农田，城镇开发边界。其次，需要通过规划调研阶段收集的历史数据进行逻辑回归分析，明确城市增长过程中的影响要素和各个要素的优先级排序，在此基础上，对于城市可发展用地范围内的所有地块进行适应性分析。根据历史数据获得城市用地增长率，结合人口增长预测，获得城市增长预测的基础弹性边界。针对不同的情景所对应的增长率变化，分别明确不同情景影响下的弹性边界。预设的影响要素包括：
地理要素：坡度和距海岸的距离；
生态要素：森林和湿地；
人口要素：人口密度；
经济要素：现有城市、距中心商业区距离、距中心工业区距离和距现有城市距离；
政策要素：保护地和城市群引力；
文化要素：历史文化保护区；
基础设施要素：距公路距离、距主要道路距离、距主要节点距离、道路密度、距水线距离。
根据城镇总体目标，对城镇进行分类，每类城市分别对应不同的驱动力。根据城市主导产业的不同，将城市分为三类：工业城镇、金融/服务业城镇和居住城镇。根据逻辑回归分析结果，各类城镇的驱动力要素如下：
工业城镇的驱动力要素影响力依次为：距工业区的距离，距建成区的距离，距高速入口的距离，距交通节点的距离，距水体的距离，城镇群引力，距主路的距离，绿地，人口密度。
金融/服务业城镇的驱动力要素影响力依次为：距高速距离，距主路的距离，距交通节点的距离，城镇群引力，人口密度，距水体距离，道路密度，坡度，距建成区距离。
居住城镇驱动力要素影响力依次为：距水体距离，道路密度，坡度，距建成区距离，距高速距离，距主路的距离，距交通节点的距离，城镇群引力，人口密度。
使用统计分析结果，结合目标体系，对城镇的未来增长趋势进行预测。城市增长的目标主要由专家和城市以及上级管理者控制，其表现方法为对全部影响因子进行选择和排序，然后通过层次分析法获得权重。逻辑回归的结果表述了城市在现有的客观条件下的被动适应，目标体系表述了城市规划参与者的主观意愿。因此，二者的预测结果在最终结果中各占50%。
结合目标控制和统计分析的城市增长预测主要用于描述城市周边所有地块被城镇化的可能性，在上述分析的基础上，需要结合增长率获得城市增长边界。增长率是城市建设面积与区域人口增长的比值。计算方法为：
式中：A1表示城市增长后面积，A0表示城市增长前面积，P1表示城市增长后人口，P0表示城市增长前人口。
基础情景下，增长率应取城市发展中的一般速率，为2:1。人口老龄化情景、环境污染情景和服务业发展情境下，城市扩张的能力和意愿衰退，城镇增长受到抑制，每出现上述一个情景，增长率下降10%，政策扰动中的精明增长情景下，城市受到政策限制，城市扩张受到刚性控制，增长率下降20%。人口年轻化情景、工业发展情景、房地产发展情景下，城市扩张的能力和意愿增强，每出现上述一个情景，增长率上升10%，政策扰动中的快速增长情境下，增长率上升20%。
城市用地决策模块需要使用城市增长预测模块的输出结果，在城市增长的弹性边界内，分别对城市中需要参与用地决策的各种用地类型进行用地适应性分析。适应性分析中，每个因子的因子评价分类标准为相应的法律法规，例如： “子目标1.1.1：确定具有适合居住用地坡度的城市用地单元。”的因子评价分类标准。依据《城市用地竖向规划规范》的有关要求，坡度为0-0.3%的单位，为满足排水要求，需要进行一定的工程手段；坡度为0.3%-0.8%的单位，不需要工程手段来平整土地；坡度为8%-25%的单位，可作为居住用地开发；坡度大于25%的用地单元不宜作为住宅用地开发。值9对应于具有高度合适坡度的区域，而值1表示具有非常不合适坡度的区域。坡度适应性评价标准如表1所示。
表1坡度适应性评价标准
对于缺乏明确相应的法律法规为依据的因子，评价标准为人的行为特征研究。例如“识别接近开放水域或公共绿地的城市用地单元。”的因子评价分类标准，需要以居民步行意愿和步行速度为指标，得出该地块土地利用适宜性价值。如该评价标准如表2所示。
表2用于识别接近开放水域或公共绿地的城市用地单元的评价表
根据用地适应性分析结果，针对每种用地类型，将城市内的所有建设用地分为适宜建设，可以建设和不宜建设三类。根据城市内所有建设用地对于各种用地类型的适应性表现，识别城市内的用地冲突。每个城市用地单元分别针对三种用地具有三个不同的适应评价得分，根据不同的得分结果，城市用地可以被细分为以下几类：
现有居住用地
现有生产用地
现有生态用地
未来居住用地首选区域
未来生态用地首选区域
未来生产用地优先用地
未来生态用地与住宅用地可能发生冲突的地区
未来生态用地和生产用地可能发生冲突的地区
未来住宅用地和生产用地可能发生冲突的地区
生态、居住和生产用地之间未来可能发生冲突的区域。
基于城市发展总体目标所明确的优先级，对用地冲突进行识别处理，用地冲突识别处理图如图5所示。用地冲突进行处理的原则即是城市发展的总体目标，例如：某市的城市发展总体目标为“优先提升居住环境，其次发展产业经济，兼顾生态保护”，则对应的用地重提处理步骤为：
（1）在土地适宜性分析中，以居住适宜性得分最高、无冲突的土地利用单元划分为居住用地。
（2）根据人口预测，评估所需居住用地面积。如果上一步用地面积不足，选择一个与居住用地冲突的用地单位，作为居住用地进行划拨。
（3）生产性用地适宜性得分最高、无冲突的用地单位作为生产性用地。
（4）生态用地适宜性得分最高、无冲突的用地单位划为生态用地。
（5）根据人口预测和有关生产类别的就业指标，评估所需生产用地面积，选择与生产有冲突的用地单位，分配到生产用地。
（6）将剩余土地划为生态用地。
利用综合评价模块对用地冲突识别结果进行评价（如图6所示）：
综合评价模块包括法规检测模块，参数检测模块和情景检测模块，每个模块包括三个要素，评价原则、评价因子和反馈方向。法规检测模块用于保证模型输出结果符合上位规划和其他规定的要求，评价因子为城市刚性增长边界，上位规划明确控制的用地类型等，反馈方向为城市增长率，增长权重。参数检测模块用于保证模型的输出结果满足对象城市当前的“生产、生活、生态”建设需要，主要通过计算用地输出结果的用地平衡表进行规划与现状之间的参数比对进行评价，评价因子包括生产用地面积，居住用地面积，绿化面积等，反馈方向为适应型分析权重和目标体系。情景检测模块用于保证模型的输出结果在对应情景发展后能够对扰动做出相应调整，评价因子包括社会调整手段，产业调整手段，环境调整手段和政策调整手段，需要根据目标城市的发展现状进行制定。例如，水资源污染情景所对应的规划输出结果，需要对水资源的现状进行反应，如居住区适当远离开放水面，沿地表径流布置防护绿带等，并且输出结果需要对改善城市水环境采取必要的手段，如增加地表绿化控制径流，疏解城市内部工业等。评价因子包括生产用地面积、居住用地面积、绿化面积等。
三、规划实施阶段
规划通过审批流程后，进入规划实施部分，这一部分主要对应模型中的情景检测、情景选择和情景检测部分。一旦城市发展过程中由于受到外界扰动影响，某项参数突破了预设的基线，情景检测模块会即时反映给情景选择模块，选取对应的模块反应到规划结果中，同时，新的用地规划会被输出至检测模块，进行法规检测、参数检测和情景检测，当新的用地规划满足上述三个检测需求时，将新的用地规划提供给城市规划管理部门报批。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (6)
1.一种基于情景规划的动态城市模型系统，其特征在于：包括城市增长模块、城市用地决策模块和对模型输出结果进行检测的综合评价模块；
所述城市增长模块包括基于历史城市增长率划定城市用地基础弹性边界的基础增长率识别模块和与预设情景关联的用于确定不同情景影响下弹性边界的增长率修正模块；
所述城市用地决策模块是基于城市增长模块的输出结果，在城市用地边界范围内进行用地类型决策的子模型系统；所述城市用地决策模块中包括基于预设情景的用于应对不确定扰动的用地冲突识别模块；
所述综合评价模块包括用于保证模型输出结果符合上位规划的法规检测模块、用于保证模型输出结果满足目标城市未来建设需要的参数检测模块和用于保证模型输出结果在对应情景发生后能够针对扰动做出调整的情景检测模块；
所述城市增长模块、城市用地决策模块和综合评价模块基于同一目标体系并依托情景系统产生内部交互关联；所述目标体系是指城市建设和管理过程中所有利益相关方对城市未来发展的愿景描述；
所述情景系统包括情景设置与识别、情景选取、情景检测；所述情景设置与识别是指设置每个情景下的目标体系排序和每个情景对应的情景基线；所述情景选取设置于所述城市增长模块和城市用地决策模块中，情景选取是指目标城市中的统计监测值突破了情景基线时，对应情景生效，该情景的目标排序按照比例影响修正增长率和适应性分析，从而影响用地决策结果；所述情景检测对应综合评价模块中的情景检测模块；
所述基于情景规划的动态城市模型系统的规划生成方法，包括：
一、调研阶段
1）数据收集
整理与目标城市相关的上位空间规划、上位专项规划，获取规划文本中关于城市发展目标的相关描述，明确上位空间规划对于永久农田保护红线、城市发展红线、区域生态保护红线刚性底线；
构建公共参与平台，收集市民参与意见，关注市民对居住质量方面的诉求；
收集城市发展历史数据；历史数据包括用地增长数据和人口增长数据；
收集城市建成区的现状用地布局；用地布局包括产业、路网、基础设施；
2）基于所述收集的数据，制定城市发展的总体目标以及各目标下的子目标，明确目标城市生产、生活、生态建设中的重点工作和优先级；
3）基于所收集的数据按照比例对各个子目标分配权重：分配权重的方法为层次分析法，对各个变量进行两两比较形成判断矩阵；创建两两比较矩阵，不同的标准两两对比创建一个比较矩阵，然后将成对对比值取为输入值，相对权重作为输出值；每一个标准或者变量的权重在成对比较矩阵的形成后进行计算；第一步是找到在矩阵的每一列的总和的值，第二步骤是标准化，将矩阵中的每个元素除以当前列的综合得出一个新的矩阵，最后一步是计算新矩阵的每一行的平均值，每个变量对应那一行的平均值就是通过层次分析法得出来的这个变量相对应的权重；
4）获得基础情景下的目标体系之后，根据城市发展的总体目标，结合城市发展阶段，在区域中产业定位，预测可能的外界扰动，并将外界扰动分为社会扰动、经济扰动、环境扰动和政策扰动；所述目标体系包括在城市发展总体目标指导下的生产分目标体系、生活分目标体系、生态分目标体系；各分目标体系综合所有利益相关方的意见，对预设的目标体系进行排序，通过层次分析法获得子目标在最终用地决策中所占的比重；
二、规划阶段
1)结合各类刚性底线，明确城市刚性边界，所述刚性边界包括生态保护红线、永久基本农田、城镇开发边界；
2）对调研阶段收集的历史数据进行逻辑回归分析，明确城市增长过程中的影响要素和各个要素的优先级；
3）对于城市可发展用地范围内的所有地块进行适应性分析；根据历史数据获得城市用地增长率，结合人口增长预测，获得城市增长预测的基础弹性边界；增长率是城市建设面积与区域人口增长的比值，计算方法为：
r={(A1-A0)/A0}/{(P1-P0)/P0}；式中：A1表示城市增长后面积，A0表示城市增长前面积，P1表示城市增长后人口，P0表示城市增长前人口；
4）针对不同的情景系统所对应的增长率变化，分别明确不同情景影响下的弹性边界；
5）城市用地决策模块使用城市增长预测模块的输出结果，在城市增长的弹性边界内，分别对城市中需要参与用地决策的各种用地类型进行适应性分析；
6）根据用地适应性分析结果，针对每种用地类型，将城市内的所有建设用地分为适宜建设、可以建设和不宜建设三类；根据城市内所有建设用地对于各种用地类型的适应性表现，识别城市内的用地冲突，每个城市用地单元分别针对三种用地具有三个不同的适应评价得分，根据不同的得分结果，对城市用地进一步细分类；
7）基于城市发展总体目标所明确的优先级，对用地冲突进行处理；用地冲突进行处理的原则即是城市发展的总体目标；
三、规划实施阶段
规划通过审批流程后，进入规划实施部分，对应模型中的情景选择和情景检测部分；一旦城市发展过程中由于受到外界扰动影响，某项参数突破了预设的基线，情景检测模块会即时反映给情景选择模块，选取对应的模块反应到规划结果中，同时，新的用地规划会被输出至检测模块，进行法规检测、参数检测和情景检测，当新的用地规划满足上述三个检测需求时，将新的用地规划提供给城市规划管理部门报批；
模型的整体结构分为三个计算本体：用户本体、系统本体和管理本体；
所述用户本体提供人机交互功能；上级管理机构、城市管理机构、市民群体通过用户本体来表达自己的需求；系统通过层次分析法将目标系统转化为层次权重，并提供给用地冲突识别模块；
所述管理本体基于统计计算结果对用地冲突识别模块的操作结果进行支持和修正；管理本体是监控情景规划实施和城市管理的主要接口，城市管理机构和其他参与者通过监测数据替换用地冲突识别模块中的图层或调整优先级顺序，并对计划进行调整；管理本体具有时间维度，并利用时间维度揭示规划和城市演化的过程；
所述系统本体通过用户本体和管理本体的处理识别目标城市的城市增长驱动要素和修正增长率，并输入到增长边界识别模型中，通过逻辑回归分析生成城市增长预测；将确定的城市增长边界、用户本体的土地利用分析结果和管理本体的情景选择结果导出到用地冲突识别模块中，生成潜在的土地冲突识别结果并最终输出用地决策。
2.如权利要求1所述基于情景规划的动态城市模型系统，其特征在于：所述增长率修正模块基于情景系统，通过调整增长率，对基础增长率识别模块所划定的城市用地基础弹性边界进行修正，分别获得各个情景下的精确增长边界。
3.如权利要求1所述基于情景规划的动态城市模型系统，其特征在于：所述城市用地决策模块用于分析城市各个主要产业的用地适应性，并进行叠加，识别每个地块上存在的用地冲突，最终通过基于目标体系和当前情景的用地冲突处理流程进行城市用地的分配。
4.如权利要求3所述基于情景规划的动态城市模型系统，其特征在于：所述城市用地决策模块通过对每个地块发展某类用地的所有影响要素进行评价，并按照一定权重对结果进行叠加的方法分析城市各个主要产业的用地适应性；权重受目标体系和情景系统控制。
5.如权利要求1-4任一项所述基于情景规划的动态城市模型系统，其特征在于：所述综合评价模块中的法规检测模块、参数检测模块和情景检测模块均包括评价原则、评价因子和反馈方向。
6.如权利要求5所述基于情景规划的动态城市模型系统，其特征在于：
所述法规检测模块的评价原则为符合上位规划；法规检测模块的评价因子包括城市增长刚性增长边界、上位规划明确控制的用地类型；法规检测模块的反馈方向为城市增长率、增长权重；
所述参数检测模块的评价原则为满足对象当前的生产生活需要；参数检测模块的评价因子包括生产用地面积、居住用地面积、绿化面积；参数检测模块的反馈方向包括适应型分析权重和目标体系；
所述情景检测模块的评价原则为保证对象的发展弹性；情景检测模块的评价因子包括社会调整手段、产业调整手段、环境调整手段和政策调整手段；情景检测模块的反馈方向为参数检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911249845.3A CN110889562B (zh) | 2019-12-09 | 2019-12-09 | 一种基于情景规划的动态城市模型系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911249845.3A CN110889562B (zh) | 2019-12-09 | 2019-12-09 | 一种基于情景规划的动态城市模型系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889562A CN110889562A (zh) | 2020-03-17 |
| CN110889562B true CN110889562B (zh) | 2023-04-18 |
Family
ID=69751084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911249845.3A Active CN110889562B (zh) | 2019-12-09 | 2019-12-09 | 一种基于情景规划的动态城市模型系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889562B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553822A (zh) * | 2020-04-10 | 2020-08-18 | 上海哲寻信息科技有限公司 | 基于电子模拟沙盘的城市管理演练方法和装置及设备 |
| CN111539580B (zh) * | 2020-04-30 | 2023-07-25 | 上海市园林科学规划研究院 | 城市绿化生态技术集成应用的多方案优选方法 |
| CN111695772A (zh) * | 2020-05-08 | 2020-09-22 | 史解放 | 一种生态城市综合规划系统及方法 |
| CN112287058B (zh) * | 2020-11-05 | 2021-06-15 | 重庆市规划和自然资源信息中心 | 一种通过云计算智能检测用地红线的工作方法 |
| CN112802191A (zh) * | 2021-03-01 | 2021-05-14 | 南京石三心网络科技有限公司 | 一种城市规划实时模拟展示系统 |
| CN113128952A (zh) * | 2021-03-26 | 2021-07-16 | 北京市环境保护科学研究院 | 一种基于环境模型的产业优化指标体系构建方法及系统 |
| CN114663602A (zh) * | 2022-05-23 | 2022-06-24 | 山东志诚地理信息技术有限公司 | 一种基于大数据的城市设计实景三维测绘系统 |
| CN115099715B (zh) * | 2022-08-08 | 2023-04-14 | 北京新兴科遥信息技术有限公司 | 一种基于大数据的国土空间规划三线划定的分析处理系统 |
| CN115049158B (zh) * | 2022-08-12 | 2022-12-09 | 北京大学 | 城市系统运行状态的预测方法、系统、存储介质及终端 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663512A (zh) * | 2012-03-07 | 2012-09-12 | 同济大学 | 城市绿地动态演化模拟预测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933237B (zh) * | 2015-06-04 | 2018-01-16 | 大连理工大学 | 一种面向土地利用与交通多尺度模拟方法 |
| CN105761192A (zh) * | 2016-02-19 | 2016-07-13 | 北京舜土国源信息技术有限公司 | 村镇区域土地利用规划智能化方法和智能化集成系统 |
| CN108596425A (zh) * | 2018-03-07 | 2018-09-28 | 中国矿业大学 | 一种多中心城市发展边界划定方法 |
| CN110059385B (zh) * | 2019-04-09 | 2022-10-18 | 集美大学 | 一种耦合异速生长的网格动力学情景模拟方法及终端设备 |
-
2019
- 2019-12-09 CN CN201911249845.3A patent/CN110889562B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663512A (zh) * | 2012-03-07 | 2012-09-12 | 同济大学 | 城市绿地动态演化模拟预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张志强 等."多规合一"规划信息化平台建设研究与实践.测绘.2017,(第06期),29-31. * |
| 赵毅.搞好建设规划管理.现代质量.2001,(第06期),40-41. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889562A (zh) | 2020-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110889562B (zh) | 一种基于情景规划的动态城市模型系统 | |
| Gan et al. | Coupling coordination degree for urbanization city-industry integration level: Sichuan case | |
| Yang et al. | Scenario simulation of land system change in the Beijing-Tianjin-Hebei region | |
| He et al. | Modeling the urban landscape dynamics in a megalopolitan cluster area by incorporating a gravitational field model with cellular automata | |
| Shang et al. | A unified framework for multicriteria evaluation of transportation projects | |
| Al-Ahmadi et al. | Calibration of a fuzzy cellular automata model of urban dynamics in Saudi Arabia | |
| Liu et al. | Urban renewal simulation with spatial, economic and policy dynamics: The rent-gap theory-based model and the case study of Chongqing | |
| Duddu et al. | Principle of demographic gravitation to estimate annual average daily traffic: Comparison of statistical and neural network models | |
| Xia et al. | Delineating early warning zones in rapidly growing metropolitan areas by integrating a multiscale urban growth model with biogeography-based optimization | |
| Warner et al. | Spatial diversity in local government revenue effort under decentralization: a neural-network approach | |
| CN117854283B (zh) | 一种城市道路碳中和估算分析方法 | |
| CN108090624B (zh) | 一种改进元胞自动机的城市生态安全模拟与预测的方法 | |
| CN117892887A (zh) | 基于大数据的土地利用优化系统 | |
| Qiao et al. | Evaluation of intensive urban land use based on an artificial neural network model: A case study of Nanjing City, China | |
| Setturu et al. | Modeling landscape dynamics of policy interventions in Karnataka State, India | |
| Li | Suitability evaluation method of urban and rural spatial planning based on artificial intelligence | |
| CN116307927A (zh) | 一种基于人流预测的生活圈规划合理性评估方法及系统 | |
| Ghodousi et al. | Air Quality Management in Tehran Using a Multi-Dimensional Decision Support System. | |
| Al-Ahmadi et al. | A fuzzy cellular automata urban growth model (FCAUGM) for the city of Riyadh, Saudi Arabia. Part 1: Model structure and validation | |
| Zhang et al. | Estimating the outdoor environment of workers’ villages in East China using machine learning | |
| Gu et al. | Multi‐scenario simulation of land use change based on MCR‐SD‐FLUS model: A case study of Nanchang, China | |
| CN113486501A (zh) | 一种基于双重组织和发展监测的城镇国土空间规划交互式模型系统 | |
| Moazami et al. | Fuzzy inference and multi-criteria decision making applications in pavement rehabilitation prioritization | |
| Simbolon et al. | Integration of AHP and Modified VIKOR Method to Select the Optimum Destination Route | |
| Cheng et al. | Cellular automata based temporal process understanding of urban growth |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230829 Address after: 250000 Shandong province Ji'nan port development area Feng Ming Road Patentee after: SHANDONG JIANZHU University Address before: Room 303, Unit 1, Building 6, No. 27 Kangning Road, Shibei District, Qingdao City, Shandong Province, 266011 Patentee before: Yang Yang |