CN111026823A - 基于地理位置数据的资源利用关联网络模型规划方法 - Google Patents
基于地理位置数据的资源利用关联网络模型规划方法 Download PDFInfo
- Publication number
- CN111026823A CN111026823A CN201911180490.7A CN201911180490A CN111026823A CN 111026823 A CN111026823 A CN 111026823A CN 201911180490 A CN201911180490 A CN 201911180490A CN 111026823 A CN111026823 A CN 111026823A
- Authority
- CN
- China
- Prior art keywords
- network
- resource
- resources
- node
- planning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000013439 planning Methods 0.000 title claims abstract description 73
- 238000011161 development Methods 0.000 claims abstract description 49
- 230000000694 effects Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 83
- 230000010354 integration Effects 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000003012 network analysis Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 238000009833 condensation Methods 0.000 claims description 2
- 230000005494 condensation Effects 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 238000005054 agglomeration Methods 0.000 claims 1
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 description 44
- 238000011156 evaluation Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- VMDFASMUILANOL-WXXKFALUSA-N bisoprolol fumarate Chemical compound [H+].[H+].[O-]C(=O)\C=C\C([O-])=O.CC(C)NCC(O)COC1=CC=C(COCCOC(C)C)C=C1.CC(C)NCC(O)COC1=CC=C(COCCOC(C)C)C=C1 VMDFASMUILANOL-WXXKFALUSA-N 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000178 monomer Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000024241 parasitism Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9566—URL specific, e.g. using aliases, detecting broken or misspelled links
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公布了一种基于地理位置数据的资源利用关联网络模型规划方法，通过构建关联网络模型确定资源节点在网络中的等级和位置，并依据现状的土地利用功能与网络承载的空间经济活动需求间的供需差异，识别资源点的现状等级，实现对土地利用功能进行有效地规划和调整。本发明通过建立基于地理位置数据的资源利用关联网络模型表示资源中的地理空间系统关联与网络协同，分析遗产资源地理位置附近的服务设施的发展现状与遗产空间关联网络间的耦合性与差异性，可为遗产资源在资源可持续性、功能适应性与文化延续性之间的利用发展平衡提供新的规划手段。
Description
技术领域
本发明涉及城市规划、遗产保护利用技术领域，尤其涉及一种基于地理位置数据的遗产资源利用关联网络模型规划方法。
背景技术
遗产资源的利用与开发中，大都按照遗产资源单体来划分固定的遗产保护与利用界线，未有效地注重自然资源与历史遗产等的地理位置格局关联，从而导致遗产资源与地理环境系统联系的丧失，忽视了遗产地理空间整体的关联性，不利于多样化的遗产资源整体性的保护与利用。同时以往规划更多地从自上而下的角度进行遗产资源保护边界划定，这缺少了对现状发展的实际需求衡量，导致规划不能精确反映客观世界需求，也未能有效地精准实施。
以往的遗产资源利用方法多关注于遗产单体的保护与开发，遗产资源孤立化的管理模式往往导致功能分割，从而导致遗产资源发展不均衡，部分遗产吸引力较差，活力低，开发利用难度极大，进一步也带来土地功能结构不合理。结果是无法以宏观和全局视角将遗产资源纳入统一体系，无法辨明保护开发的主次、识别价值和意义突出的核心要素，从而无法在整体尺度上，解决全球化和城镇化引发的遗产资源废弃、破碎化、孤岛化、同质化等危机。
总之，现有的对遗产资源利用关联网络模型的技术方法不能准确地反映遗产资源地理位置的空间联系及整体性资源开发利用的需求，更不能实现有效结合公众利益的规划目标。
发明内容
为了克服现有遗产资源利用技术存在的不足，本发明提供一种基于地理位置数据的遗产资源利用关联网络模型规划方法，是一种建立“节点-联系-背景”关联网络模型的对现有遗产资源进行有效评估及规划调整的方法，通过建立基于地理位置数据的遗产资源利用关联网络模型，表示遗产资源中的地理空间系统关联与网络协同，分析遗产资源地理位置附近的服务设施的发展现状与遗产空间关联网络间的耦合性与差异性，为遗产资源在资源可持续性、功能适应性与文化延续性之间的利用发展平衡提供新的规划手段。
本发明的核心是：在城市更新背景下，由于功能分割，往往造成遗产资源孤立化的利用模式，进一步加剧遗产资源利用的难度，使得遗产开发及服务设施配套不够合理。因此，遗产资源开发及利用效率和适宜性管理战略备受关注。本发明提出一种基于地理位置数据的遗产资源利用关联网络模型方法，即通过遗产资源整体性的开发利用提升遗产活力与吸引力，加强遗产中的自然、社会和文化资源的地理空间系统关联与网络协同，对遗产资源引发的各类活动提出区域化、合作化和差异化的遗产资源可持续性管理及规划利用方法。通过分析遗产资源地理位置附近的服务设施的发展现状与遗产空间关联网络间的耦合性与差异性，对利用不合理，缺乏吸引力和功能配套支撑的遗产资源提出管理策略，为遗产资源在资源可持续性、功能适应性与文化延续性之间的利用发展平衡提供新的规划手段。
本发明是一种规划评估或是反馈的方法，能够有效地对现有遗产资源进行评估，从而引导规划调整。本发明通过构建一种遗产资源利用关联网络模型方法，通过关联网络模型确定遗产资源节点在网络中的等级和位置，并依据现状的土地利用功能与网络承载的空间经济活动需求间的供需差异，对土地利用功能进行有效地调整，并深刻认识遗产资源点的现状等级，由此进行针对性地保护和利用。包括：(1)明确现状土地利用功能配套的不足，通过规划手段进行引导。(2) 明确遗产资源点在网络中的等级和位置，由此进行针对性地评级保护与规划利用。 (3)通过网络模型分析，可以判断出区域缺乏活力的薄弱地带和具有高活力的兴盛地带，可分别进行有针对性地规划调整。
本发明提供如下技术方案：
一种基于地理位置数据的资源利用关联网络模型的规划方法，构建一种资源利用关联网络模型，通过关联网络模型确定遗产资源节点在网络中的等级和位置，并依据现状的土地利用功能与网络承载的空间经济活动需求间的供需差异，识别遗产资源点的现状等级，由此实现对土地利用功能进行有效地规划和调整，进行针对性地保护和利用；包括以下步骤：
1)通过网络爬虫技术获取资源(如遗产资源)的地理位置信息数据、游客参观的地理轨迹位置数据、遗产资源点间的交通道路位置数据、游客签到点地理位置数据、兴趣点地理位置数据等。
2)建立资源的旅游联系网络；将资源的地理位置信息数据作为网络中的节点，游客参观的地理轨迹作为网络中节点间的边联系，采用社会网络方法的网络空间结构联系识别和节点功能定位，建立资源的旅游联系网络；
建立资源的交通联系网络；资源的交通联系网络中的节点包括资源的地理位置数据，资源的地理位置间的交通道路数据作为网络中节点间的边联系，采用空间句法的分析方法进行网络空间结构联系识别和节点功能定位，建立资源的交通联系网络；
构成基于地理位置数据的“节点-联系”的关联网络模型；
以所述步骤1)获取的数据为基础，采用游客参观的地理轨迹位置数据，建立各个遗产资源之间的联系，将资源(如遗产资源)的地理位置信息数据(视为网络中的节点)与游客参观的地理轨迹(视为网络中节点间的联系，网络模型中的边)共同建立遗产资源的旅游联系网络，并依据社会网络分析的方法和流程，对规划范围内的遗产资源进行基于社会网络方法的网络空间结构联系识别，和节点功能定位，由此构建“节点-联系”的遗产资源的旅游联系网络。再将资源(如遗产资源)的地理位置信息数据(视为网络中的节点)与遗产资源位置间的交通道路位置数据(视为网络中节点间的边联系)共同建立遗产资源的交通联系网络，依据空间句法分析方法和流程，对规划范围内的遗产资源进行基于空间句法的网络空间结构联系识别，再结合遗产资源的旅游联系网络中的节点，由此构建“节点-联系”的遗产资源游客的交通联系网络。再将遗产资源的旅游联系网络与遗产资源的交通联系网络进行图层叠加，共同构成基于地理位置数据的“节点-联系”的关联网络模型，即得到遗产资源点间的规划方案。
比较资源的旅游联系网络与资源的交通联系网络两个网络之间的差异，即作为游客需求的遗产资源的旅游联系网络(游客行为的需求网络)与作为现实供应的遗产资源的交通联系网络(地理交通的供应网络)间的供需差异，由此找到关联网络模型中二者存在的不平衡和差异的部分。
遗产资源的交通联系网络根据没有与遗产资源的旅游联系网络形成空间匹配的区域进行调整，如两个遗产资源点之间的旅游联系紧密，但交通联系上被割裂，应该考虑交通上的方便快速到达，可以调整公共交通的线路和设置的服务站点。如两个遗产资源点之间的交通联系紧密，但旅游联系不足，可以考虑适当引入旅游设施或者设置旅游专线，以提高资源节点的旅游效率。通过以上手段，能够实现城市规划的引导和管理，提高资源利用效率。本发明提出的基于地理位置数据的遗产资源利用关联网络模型方法是一种“节点-联系-背景”的关联网络模型规划调整方法。
3)将规划区域内的资源的关联网络模型与步骤1)中的不同类型兴趣点地理位置数据进行空间叠合，以土地利用现状功能作为背景，实现对土地利用功能规划的调整优化；
利用所述步骤2)中的遗产资源关联网络的系统结构和功能分析模型结果，明确各遗产资源节点的现状、功能定位和在整体网络中所起的作用，将遗产资源的关联网络模型与所述步骤1)中的不同类型兴趣点地理位置数据进行空间叠合，引入土地利用现状功能作背景，比较土地利用现状功能供给与关联网络模型设定 (即遗产资源点间的规划方案)需要之间的供需差异，例如，对于关联网络模型中节点等级高的区域，应该设置酒店、餐饮等较高等级的游览配套服务设施，节点等级较低的区域，可以减少游览配套服务设施等。从而实现对土地利用功能规划的调整与服务设施的配套优化，找出功能配套的供需差异，对土地利用现状功能未能满足关联网络模型需求的区域重点规划，以满足关联网络模型的结构要求，并给出遗产资源服务设施的空间布局调整及规划优化方案。
进一步的，所述步骤1)包括：
1.1)通过网络爬虫技术编写爬虫程序，在网络平台许可的范围内对在线地理位置分享网站提供的游客GPS轨迹数据进行获取，按照一定的时间范围，抓取规划范围内的游客轨迹地理位置。将上述数据的属性统一整理为游客ID、时间、轨迹编码、经度、纬度，之后在ArcGIS软件中新建shp数据格式的图层名，并将上述获取的数据复制至shp图层数据框中，实现基于GIS的地理位置数据分析；
1.2)通过在线地图平台，获取规划范围内各遗产资源(文化景区或遗产点) 的空间地理位置信息数据，按照编号、名称、经度、纬度的属性数据进行存储。再获取各个遗产资源地理位置之间的道路数据，以及各遗产资源地的兴趣点地理位置数据，并转换成shp格式输入ArcGIS软件中；各遗产资源地的兴趣点地理位置数据分为四类不同功能，包括：商业服务类、居住生活类、行政办公类及休闲游憩类。
进一步的，所述步骤2)建立遗产资源的关联网络模型包括：
2.1)以所述步骤1.2)中获取的各个遗产资源点地理位置数据为基础，按照空间范围确定各遗产资源点各自不重叠的地理空间范围，并与所述步骤1.1)中的游客轨迹的各个数据点建立空间连接，识别每个空间游览轨迹对应的遗产资源点，进而筛选出跨越多个遗产资源点游客轨迹的地理位置数据；
2.2)将2.1)步骤中的游客轨迹的地理位置数据，利用矩阵分析方法统计得到遗产资源点之间的旅游流联系矩阵；
矩阵分析方法：将连接多个资源节点的同一轨迹视为节点间的联系；根据联系的数目，在所对应的矩阵表格中增加相同数目；得到具有旅游轨迹信息的数字矩阵，即旅游流联系矩阵。具体方法如下：将连接多个遗产资源节点的同一轨迹视为这些节点间的彼此联系，如一条游客轨迹经过遗产资源节点A、B、C，则视为A和B有1个联系，B和C有1个联系，A和C有1个联系，在所对应的矩阵表格中增加1，以此类推，获得具有旅游轨迹信息的数字矩阵，即旅游流联系矩阵。导入社会网络分析软件(UCINET软件)中进行标准化后，得到标准化的旅游流联系矩阵，进行一系列社会网络结构构建分析操作。社会网络分析方法的基本操作包括网络结构分析和节点功能性评价。
2.3)将2.2)步骤中标准化的旅游流联系矩阵进行凝聚子群划分；
凝聚子群是指节点彼此关联性较强，一个凝聚子群内的节点联系紧密程度远远高于其余节点，且在地理位置上彼此临近，可被视为一个聚类。对规划范围内遗产资源的划分方法是基于遗产资源点之间的旅游流联系矩阵来划分遗产资源空间关联网络中的凝聚子群。具体步骤为利用迭代相关收敛法采用分块(concor) 工具对旅游流联系矩阵进行重复计算实现聚类，由此可将各个资源点进行分组得到多个组团，具体操作如下：CONCOR是一种迭代相关收敛法，可以直接分析旅游流联系矩阵，采用皮尔森积距系数测量各个行动者之间的相似性，从而找出矩阵中有多少个“聚类”，即“组团”。然后根据计算出来的密度矩阵，参照整体网络的平均密度确定各个“位置”是0－块还是1－块。0－块代表无关系，1－块代表有关系。CONCOR计算出的每一聚类(组团)密度(密度矩阵)与整体网络密度进行比较，大于整体网络密度的为1－块，小于整体网络密度的为0－块。1－块表示联系紧密，聚类效果好；0－块表示联系不紧密，聚类效果不好。由此，得到了关系最密切的几个节点，这些节点可以被分为不同的聚类，即组团。同时各组团内标记出各个遗产资源节点，为了确保每个组团形成稳定的派系关系，各组团内的节点数最好大于3个，将旅游联系网络分为互不重叠的m个组团，得到m类组团图层，m必须大于等于2，小于等于节点总数的三分之一，确保m 个组团内的每个组团节点数都要大于3。
2.4)在2.3)步骤中的凝聚子群划分得到的m类组团的基础上，进一步计算得到进行网络密度及派系林立指数，以确定各个组团联系的紧密程度。
网络密度是反映遗产资源空间网络整体关联的紧密程度，计算公式为：
式中，D是网络密度，I是指所有网络关系(边)的累积和，n为网络中的节点数。数值越大说明地块间越具有凝聚性，共享各种公共资源越方便。
网络密度是衡量网络关系凝聚性的指标，EI指数是衡量网络中派系林立程度的指标。EI指数计算公式是：
式中，EI为派系林立指数，EL代表组间关系数，IL代表组内关系数。EI取值区间是[-1,1]，越接近1，派系林立程度越小，内部越紧密。
2.5)组团分类验证，将各个遗产资源点进行聚类分析；
根据2.4)得到的旅游流联系矩阵的网络密度、派系林立指数，判断2.3)中凝聚子群划分得到的m类组团是否符合以下要求：每一类组团内部的网络密度值都大于某设定值(如0.5)，派系林立指数值都大于某设定值(如设定为0)。如符合，则分类验证通过，如果不符合，则按照2.3)中各组团行动者大于3个的标准重新进行分类，得到新的组团。
2.6)基于社会网络分析的方法，对遗产资源点进行节点功能分类识别评价：
主要包括节点中心度指数及结构洞指数的测度结果，从中心地位和中介转运作用两方面对节点进行功能性评价，中心地位确定节点等级(一级、二级、三级、四级)，中介转运确定节点在网络中的位置(中心、次中心、一般、边缘)。
中心性指标是度量节点等级及网络位置的重要指标，在空间关系分析中发展出程度中心度、亲近中心度和中介中心度。程度中心度与亲近中心度反映节点在网络中的主导情况，计算公式如下：
式中，CD(ni)是程度中心度，N为节点i与网络中其它直接相连的节点个数， n为网络中的节点数，Cc -1是接近中心度，d(ni,nj)是ni与nj之间的最短距离，
即为网络中所有节点最短距离之和。两个指标数值越大，权力及影响力越大，遗产资源越容易到达。
中介中心度用于评价节点的中介地位，表示两个非邻接遗产资源点间的相互联系依赖于遗产资源系统关联网络中其他节点的程度，可测度节点在关联网络中控制信息和资源流动的程度。计算公式如下：
式中，gjk表示点j和k之间存在的捷径数目，gjk(i)表示点j和k之间存在的经过点i的捷径数目，bjk(i)为点i处于点j和k之间的捷径上的概率，CABi为中介中心度。中介中心度越大，节点越容易控制并获取资源。
结构洞指数测度节点对于关联网络联系的控制权与不可替代性，其中等级度反映了节点越居于网络核心的程度，直接决定遗产资源空间关系中个体发展受到区域其他节点的控制强弱，反映网络的非冗余因素，数值越高则对组团其他节点的影响越大，节点越不受关联网络中其他节点约束。
基于社会网络分析程度中心度与接近中心度是节点中心地位评价中最简单、常用的指标之一。二者通过测度节点与其他节点的联系强弱反映遗产资源点的节点等级(一级、二级、三级、四级)，而中介中心度与结构洞指数中的等级度共同反映遗产资源点的节点在网络中的位置(中心、次中心、一般、边缘)。节点的划分标准如下：首先综合考虑程度中心度与接近中心度两个指标，按照两指标基本在均值加一个标准差以上可划分为一级节点，两指标都在均值以上可划分为二级节点，两指标在均值减一个标准差以上可划分为三级节点，两指标其一在均值减一个标准差以下可划分为四级节点。此外，综合考虑中介中心度与结构洞指数中的等级度两个指标，按照两指标基本在均值加一个标准差以上可划分为中心节点，两指标都在均值以上可划分为次中心节点，两指标在均值减一个标准差以上可划分为一般节点，两指标其一在均值减一个标准差以下可划分为边缘节点。节点等级越高，节点位置越居于网络核心，辐射性及中介性越强，越处于关联网络的重要地位，说明遗产资源节点越重要，发育越好。
2.7)根据2.2)获得遗产资源点的旅游流联系矩阵，根据2.6)获得遗产资源点的节点功能分类，由此构建具有“节点-联系”的遗产资源的旅游联系网络。
2.8)在2.6)步骤中的获得遗产资源点的节点功能分类的基础上，从交通联系角度考量规划范围内各个遗产资源点的空间关联整体性和其在组团内部的层级分布。利用空间句法中的整合度指标来评价遗产资源地理位置间的交通可达性水平，得到交通道路可达性图层，再根据2.6)获得遗产资源点的节点功能分类，构建具有“节点-联系”的遗产资源的交通联系网络，包括交通道路可达性图层和资源点的节点功能分类。
空间句法基于拓扑结构建立认知模型，能对空间结构进行量化，分析遗产资源间的交通可达性，并对遗产保护提供分析支持。基于Depthmap软件的可视化操作，选取空间句法中的整合度指标来评价交通可达性。整合度指标包括全局整合度和局部整合度：全局整合度是指参观者从城市任意一个地方到达某个遗产资源点的难易程度，局部整合度是指参观者从距离遗产资源点较近的某个地方到达该遗产资源点的便捷程度，二者都是对遗产资源不同距离范围内的可达性的测度。选取空间句法中的全局整合度和局部整合度指标来评价遗产资源地理位置间的交通可达性。整合度的值越大表示街道的可达性越高，该区域的交通吸引力越强，对城市土地功能布局和交通流量等的作用越大。整合度包括全局整合度和局部整合度，它们的计算都建立在整合度的计算方法上，整合度是通过相对不对称值(RA)和标准化相对不对称值(RRA)对深度值进行标准化计算后的结果，表示的是可达性水平。全局整合度和局部整合度唯一的区别是选择的半径不同，全局整合度半径覆盖研究区全局，而局部整合度半径覆盖研究区局部，公式如下：
式中，n是计算半径范围内的所有节点的数量，d为要素的深度值，MD是计算半径范围内所有要素的深度值的平均值，MD由所有要素深度值的加和Total Depth计算得到，Int为整合度。
2.9)再将步骤2.7)遗产资源的旅游联系网络与步骤2.8)遗产资源的交通联系网络通过ArcGIS软件进行图层叠加，共同构成基于地理位置数据的具有“节点-联系”的遗产资源关联网络模型。
两个图层叠加可以发现两个网络之间存在的差异，即作为游客需求的遗产资源的旅游联系网络(游客行为的需求网络)与作为现实供应的遗产资源的交通联系网络(地理交通的供应网络)间的供需差异，由此找到关联网络模型中二者存在的不平衡和差异的部分，遗产资源的交通联系网络根据没有与遗产资源的旅游联系网络形成空间匹配的区域进行调整，如两个遗产资源点之间的旅游联系紧密，但交通联系上被割裂，应该考虑交通上的方便快速到达，可以调整公共交通的线路和设置的服务站点。如两个遗产资源点之间的交通联系紧密，但旅游联系不足，可以考虑适当引入旅游设施或者设置旅游专线，以提高资源节点的旅游效率。通过以上手段，能够实现城市规划的引导和管理，提高资源利用效率。
进一步的，所述步骤3)包括：
3.1)利用所述步骤2.9)中的基于地理位置数据的遗产资源关联网络模型，对遗产资源地理位置附近的土地利用现状的空间开发和功能组织管理进行相应的匹配调整，将土地利用的功能类型进行平面核密度估计，得到兴趣点核密度栅格图层，比较土地利用现状功能供给的图层与关联网络模型设定(即遗产资源点间的规划方案)的图层之间进行叠加比较，即现实功能供应与旅游活动需求之间的供需差异，从而实现对土地利用功能规划的调整与服务设施的配套优化，引导规划。
311)以步骤2.9)中的基于地理位置数据的遗产资源关联网络模型所得到的图层为底图，叠加步骤1.2)中爬取的四类不同功能的兴趣点地理位置数据：商业服务类兴趣点地理位置、居住生活类兴趣点地理位置、行政办公类兴趣点地理位置及休闲游憩类兴趣点地理位置。
312)再对四类兴趣点地理位置数据分别进行平面核密度计算。
平面核密度估计是一种常运用于兴趣点地理位置数据分布特征的统计方法，将点要素通过量值计算转换为光滑的面要素，进而对点要素位置的空间分布趋势进行集聚度分析。运用ArcGIS软件，通过核密度估计运算可将各类型兴趣点地理位置数据转化为核密度空间分布图，实现点要素密度在空间上直观的视觉化表达。其中核密度值是由集聚中心向四周逐渐递减，这是考虑到点要素对它周围服务影响的距离衰减作用。计算公式如下：
其中，x为估计点要素的值；xi为阈值范围内任一点要素的值；fn(x)为估计点要素的核密度值；k函数为空间权重函数；h为距离衰减阈值(h>0)；n为阈值范围内点要素的数量；d为数据的维数；x-xi为估计点要素到阈值范围内任一点要素间的距离。
3.2)利用所述步骤3.1)中的四类兴趣点核密度栅格图层与步骤2.9)中的基于地理位置数据的遗产资源关联网络模型所得到的图层叠加后，最终产生包含各个原图层要素属性的表示关联网络模型供需差异的新图层，体现资源整体性开发利用的供需现状，由此实现“网络-节点-背景”的遗产资源整体化利用的关联网络模型规划方案；
结合交通发展、人口聚居、访客签到量等影响因素共同解释遗产资源整体性开发利用的供需现状，由此发现遗产资源开发利用的关联网络系统需求与实际旅游活动功能配套供给间的矛盾，得出“网络-节点-背景”的遗产资源整体化利用的关联网络模型规划方案，从而进一步可对遗产资源地理位置附近的配套服务设施的空间布局优化调整提出建议。
与现有技术相比，本发明的有益效果：
本发明提供的基于地理位置数据的遗产资源利用关联网络模型方法通过建立基于地理位置数据的遗产资源利用关联网络模型，表示遗产资源中的地理空间系统关联与网络协同，通过分析得到遗产资源地理位置附近的服务设施的发展现状与遗产空间关联网络间的耦合性与差异性，为遗产资源在资源可持续性、功能适应性与文化延续性之间的利用发展平衡提供新的规划手段，具有以下几点技术优势：
(1)强化遗产资源利用及发展质量。通过网络化布局，优化遗产资源利用发展的资源、土地、技术、管理等要素配置，促进经济发展和“软”区域建设，有利于遗产资源间的共存、合作、协作或一体化，便于协调当地遗产资源保护与开发利用间的矛盾，这比封闭、自上而下的路径管理更符合区域发展理念。
(2)增强遗产资源利用的功能协调。网络合作竞争的总体水平随着遗产资源的不同而变化，通过产业结构的调整优化，有利于依托绿色资源优势实现遗产资源利用方面的经济协同发展，如体验式旅游等，实现资源利用的在地性，成为不同利益群体实现绿色减贫的新模式。
(3)提高土地利用效率并促进土地结构合理化。整体性考量遗产利用开发容易打破土地资源发展不均衡不协调的壁垒，同时对区域自然资源和线性文化遗产可延续性保护有利，对生态空间、遗产环境与场所文脉的全面保护开发具有深远意义。
附图说明
图1是本发明提供的基于地理位置数据的遗产资源利用关联网络模型方法的流程框图。
图2是本发明实施例的北京旧城22片历史街区(遗产资源)地理位置分布图；图中数字1～22表示历史街区的编号。
图3是本发明实施例的北京旧城22片历史街区的遗产资源联系网络模型的凝聚子群组团分级图。
图4是本发明实施例的北京旧城22片历史街区遗产资源联系网络模型的节点等级及组团内位置图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
现有的遗产开发都是单体的模式。通过本发明构建了一种遗产资源利用关联网络模型方法，通过关联网络模型，可以确定遗产资源节点在网络中的等级和位置，并依据现状的土地利用功能与网络承载的空间经济活动需求间的供需差异，对土地利用功能进行有效地调整，并深刻认识遗产资源点的现状等级，由此进行针对性地保护和利用。包括：(1)明确现状土地利用功能配套的不足，通过规划手段进行引导。(2)明确遗产资源点在网络中的等级和位置，由此进行针对性地评级保护与规划利用。(3)通过网络模型分析，可以判断出区域缺乏活力的薄弱地带和具有高活力的兴盛地带，可分别进行有针对性地规划调整。
本发明提供的基于地理位置数据的遗产资源利用关联网络模型方法，通过建立基于地理位置数据的遗产资源利用关联网络模型，通过分析得到遗产资源地理位置附近的服务设施的发展现状与遗产空间关联网络间的耦合性与差异性。本发明利用了大数据处理技术、社会网络及分析方法等。
近年来，大数据的发展不仅能增强自下而上的规划决策过程，还成为遗产资源利用的战略选择。同时，大数据的其中的GPS轨迹数据是互联网时代用户产生的主要设备的地理数据，轨迹数据具有时空及地理精确性，数据集的时间覆盖面广，通过空间地理定位整合到ArcGIS、SPSS等软件中进一步分析，能更好地分析本地居民、外地居民、游客等不同群体对遗产资源利用的消费行为。此外，社交媒体数据作为研究补充，特别在遗产体验式需求开发、移动行为、个人活动模式以及公共交通状况评估方面有广泛应用。
为了获取以上以构建遗产资源整体性利用的关联网络为导向的网络地理位置开放数据，常用的技术方法为网络爬虫技术。网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本，它们被广泛用于互联网搜索引擎或其他类似网站，可以自动采集所有其能够访问到的页面内容，以获取或更新这些网站的内容和检索方式。从功能上来讲，爬虫一般分为数据采集，处理，储存三个部分。网络爬虫技术从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。所有被爬虫抓取的网页将会被系统存储，进行一定的分析、过滤，并建立索引，以便之后的查询和检索，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。
通过网络爬虫技术获得网络数据后，再进行网络地理位置数据处理，因为网络上采集到的轨迹数据是零散的地理位置坐标点，需要用Excel软件根据用户名和时间信息识别为一段段轨迹，对各坐标点编上轨迹号；再利用ArcGIS软件的空间分析功能识别出每个坐标点对应的研究对象的各节点。再对不同类型的网络数据进行分析，常用的分析方法为社会网络方法。
社会网络方法是研究社会结构的理论方法，关注特定网络中的参与者之间的关系，有助于将个体与整体结合以构建系统结构。其核心思想“嵌入性理论”认为个体经济活动始终嵌入在社会关系中，弱关系担任着信息桥梁的作用，且个体间的关系强度可以被测量；20世纪90年代，结构洞理论、社会资本理论的诞生，使之成为研究网络中个体间竞争合作关系的有效手段；基于计算机技术的网络分析模型的成熟进一步拓展其应用范围，并开始应用于遗产保护及规划利用中，为遗产资源地理空间结构测度提供技术性指标。
社会网络分析是一种用于遗产主动保护、管理、规划和协作的有效工具，可表现动态的、有关联的遗产资源地理空间。遗产资源的地理联系特征反映了遗产活动的本质关系和结构格局。通过社会网络分析方法构建遗产地理空间联系网络，用以揭示遗产资源的相互作用机制，帮助管理决策和资源分配。社会网络分析方法主要包括以下两种方法：
1.旅游联系网络分析方法
网络空间结构分析起源于图论，侧重于描述特定节点之间联结的结构，并运用定量技术来研究整体网络结构特征和个体节点在网络中的作用和地位。网络空间结构分析目的是测度遗产资源开发利用整体的地理关联程度，并将基于地理位置联合关系强的遗产资源归并为组团，提供有效率有分工的互利共生的良性发展格局。具体步骤包括：
(1)测度网络密度。网络密度是反映遗产资源网络整体联系的紧密程度，数值越大说明资源间的地理空间越具有凝聚性，共享各种公共资源越方便。
(2)凝聚子群分析，凝聚子群不仅能反映网络中具有直接、紧密关系的子群，而且能揭示网络整体结构和各子群的内部联结特征，通过组团划分直接反映参观者对遗产资源地理位置组合的线性选择，阐释各遗产资源在关联网络中的功能匹配关系。
(3)凝聚性分析是对遗产资源关联网络组团内部的凝聚性和一体化方面的分析，衡量指标为密度指标和派系林立指数(E-I)，密度指标是衡量网络关系凝聚性的指标，派系林立指数是衡量网络中派系林立程度的指标，取值区间是[-1,1]，越接近1，派系林立程度越小，表明遗产关联网络模型内部越紧密。
2.节点功能评价分析方法
节点功能分析目的是对遗产资源进行分级，并从网络位置和承担角色中判断各个节点间的竞争、寄生、互利共生、偏利共生关系。节点功能性评价步骤如下：
(1)中心性指标评价。它是度量节点等级及网络位置的重要指标，在空间关系分析中发展出程度中心度、亲近中心度和中介中心度。程度中心度与亲近中心度反映节点在网络中的主导情况，两个指标数值越大，权力及影响力越大，遗产地块越容易到达。中介中心度用于评价节点的中介地位，表示两个非邻接遗产资源间的相互联系依赖于遗产系统关联网络中其他目的地的程度，可测度节点在结构网络中控制信息和资源流动的程度，中介中心度越大，节点越容易控制并获取资源。
(2)结构洞指数测度。结构洞指数测度节点对于关联网络联系的控制权与不可替代性，其中等级度反映了节点越居于网络核心的程度，直接决定遗产资源空间关系中个体发展受到区域其他节点的控制强弱，反映网络的非冗余因素，数值越高则对组团其他节点的影响越大，节点越不受关联网络中其他节点约束。
3.基于整合度的交通联系网络分析
由于交通是影响遗产地理空间联系的重要因素之一，交通便利性对遗产流向具有引导性，因此基于地理位置的遗产资源利用还要测度遗产资源的交通网络联系，从交通联系角度考量规划范围内遗产资源的整体性和遗产资源在关联网络内部的层级分布。遗产资源间的交通可达性视为遗产资源的间接空间关联，多采用空间句法分析方法。空间句法基于拓扑结构建立认知模型，能对空间结构进行量化，分析遗产资源间的交通可达性，并对遗产保护提供分析支持。基于Depthmap 软件的可视化操作，选取空间句法中的全局整合度和局部整合度指标来评价交通可达性。全局整合度是指参观者从城市任意一个地方到达某个遗产资源点的难易程度，局部整合度是指参观者从距离遗产资源点较近的某个地方到达该遗产资源点的便捷程度，二者都是对遗产资源不同距离范围内的可达性的测度。
4.基于网络关联的服务设施整体性规划调整
根据构建的遗产关联网络和交通关联网络，从参观者对遗产地理位置的空间关联需求与设施资源配套供给角度，将网络结构、节点功能与土地资源空间功能要素相结合支撑遗产资源整体性管理与规划利用的供需模式。选取签到点等地理位置数据，从空间分布上反映参观者对遗产的地理选择与地块访问量，同时选取兴趣点(POI)数据，包含土地承载的各类功能比重，反映遗产资源点地理位置附近土地利用功能的空间布局。运用ArcGIS软件的平面核密度估计分析签到点与各功能类型兴趣点的空间集聚和离散程度，核密度值是由集聚中心向四周逐渐递减，二者拟合刻画遗产资源地理分布与土地利用供给间的冲突差异，有助于将土地资源的可持续功能调控应用于遗产资源利用方面。
以下为北京旧城22片历史街区作为具体实施例来详细阐述本发明的技术方案，如图1所示，本发明提供的一种基于地理位置数据的遗产资源利用关联网络模型方法包括以下步骤：
步骤1：通过网络爬虫技术和网络平台提供的应用程序接口，获取北京旧城范围内的遗产资源的地理位置信息数据、参观者的游览轨迹地理位置数据、遗产资源点间的交通道路地理位置数据、游客签到点地理位置数据、兴趣点地理位置数据等，见图2。
将北京旧城遗产资源关联网络模型按照“网络-节点-背景”模型为核心框架，将北京旧城视为一个复杂的遗产资源空间关联网络系统(它包含各种不同维度的网络结构)，并将其各个历史街区视为遗产资源节点，各个遗产资源点间的游览者交互认知形成的自主性游线视为多层多向的复杂网络系统，遗产资源节点之间的游览轨迹视为点与点之间的直接映射联系，视为遗产资源间的空间逻辑联系，遗产资源点地理位置间的交通可达性视为地理空间联系，从网络空间结构与节点功能性两个层面分析遗产流的流量、联系、结构和各遗产资源节点间的网络关联关系的类型、强弱等。构建网络需要数据支持，数据采集步骤如下：
步骤1.1：通过网络爬虫技术编写爬虫程序，选取中国知名度高的地理轨迹数据网站六只脚(http://www.foooooot.com/)的GPS地理位置数据，直接得到带地理标记的轨迹元数据，以2018年为截止时间，爬取北京旧城内的游客轨迹。将上述数据的属性统一整理为游客ID、时间、轨迹编码、经度、纬度，之后在ArcGIS 软件中新建shp数据格式的图层名，并将上述获取的数据复制至shp图层数据框中，实现基于ArcGIS的数据分析，从中进行数据清洗并筛选出3347条多目的地的游览轨迹数据。由此参照网络分析法统计出目的地间的旅游流联系矩阵，导入 UCINET软件中标准化后进行上述一系列社会网络分析操作。
步骤1.2：通过网络爬虫技术编写爬虫程序，获取22片历史街区的空间范围地理位置坐标，再选取中国活跃度高用户数多的社交媒体新浪微博 (http://www.weibo.com/)的2018年游客签到点地理位置数据，从空间分布上反映参观者地块访问量，同时选取2018年百度地图兴趣点(POI)地理位置数据(http:// www.lbsyun.baidu.com/)，包含北京旧城内遗产资源点地理位置附近的各类服务设施功能比重，反映旧城内遗产旅游服务功能的空间布局。
步骤1.3：以步骤1.2中获取的北京旧城22个历史街区数据为基础，与步骤 1.1中的游客轨迹的各个地理位置数据点建立空间连接，识别每个遗产资源游览轨迹对应的历史街区，进而筛选出跨越多个历史街区的游客轨迹数据。
步骤2：以所述步骤1获取的数据为基础，建立北京旧城遗产资源的关联网络模型，并依据社会网络及空间句法等分析的方法和流程，对北京旧城内的22 片历史街区进行基于社会网络与空间句法的网络空间结构联系识别，和基于社会网络的节点功能定位，分析综合复杂的老城区内各地块遗产资源竞合关系呈现怎样的形式。
步骤2.1：首先进行基于社会网络分析方法的遗产资源的旅游联系网络空间结构分析。对北京旧城22片历史街区的划分方法是基于街区间遗产资源点地理位置的联系强度来划分遗产资源空间网络中的子群。其中每个子群不仅是一个保护地块，而且是紧密联系的遗产资源组团。利用迭代相关收敛法采用分块工具对轨迹联系矩阵进行重复计算，根据结构性信息把各个点进行分区，各组团行动者最好大于3个，因此选用从第二层聚类指标构建派系，将整体网络分为互不重叠的四个组团，见图3，由此分为皇城组团、大栅栏组团、东四组团和南锣鼓巷组团。
步骤2.2：在步骤2.1中的凝聚子群分析得到的四类组团的基础上，进一步进行网络密度及派系林立指数分析，来核查步骤2.1获得的四类组团是否通过验证。通过UCINET软件分析得到的网络密度与派系林立指数都接近于1，说明组团验证通过，可以选择四类组团的分类模式，由此得到22个历史街区点间的旅游流联系。
步骤2.3：其次进行基于社会网络的节点功能评价。基于社会网络分析节点中心度指数及结构洞指数的测度结果，从中心地位和中介转运作用两方面对节点进行功能性评价。程度中心度与接近中心度通过测度节点与其他节点的联系强弱反映节点的中心地位，二者通过测度节点与其他节点的联系强弱反映遗产资源点的节点等级(一级、二级、三级、四级)，而中介中心度与结构洞指数中的等级度共同反映遗产资源点的节点在网络中的位置(中心、次中心、一般、边缘)。节点的划分标准如下：首先综合考虑程度中心度与接近中心度两个指标，按照两指标基本在均值加一个标准差以上可划分为一级节点，两指标都在均值以上可划分为二级节点，两指标在均值减一个标准差以上可划分为三级节点，两指标其一在均值减一个标准差以下可划分为四级节点。此外，综合考虑中介中心度与结构洞指数中的等级度两个指标，按照两指标基本在均值加一个标准差以上可划分为中心节点，两指标都在均值以上可划分为次中心节点，两指标在均值减一个标准差以上可划分为一般节点，两指标其一在均值减一个标准差以下可划分为边缘节点。节点等级越高，节点位置越居于网络核心，辐射性及中介性越强，越处于关联网络的重要地位，说明历史街区节点越重要，发育越好。由此，将22个节点分为4级：4个一级节点，6个二级节点，9个三级节点和3个四级节点；同时将22个节点分为4个位置区分：7个中心节点，4个次中心节点，6个一般节点， 5个边缘节点。
步骤2.4：根据步骤2.2获得的四个组团间及其联系与步骤2.3获得的节点分类相结合，得到包括“节点-联系”的历史街区的旅游联系网络，见图4。
步骤2.5：从交通联系角度考量北京旧城内22个历史街区点的整体性联系现状。选取空间句法中的全局整合度和局部整合度指标来评价历史街区的交通可达性。整合度的值越大表示街道的可达性越高，该区域的交通吸引力越强，对旧城内资源布局和交通流量等的作用越大。全局整合度(指参观者从旧城外部进入或在旧城范围内的任意一个地方到达某个历史街区的难易程度)和局部可达性(指参观者从距离街区较近的某个地方到达该街区的便捷程度)是对各街区不同距离范围内的可达性的测度。选择400米(步行5分钟的距离)和1500米(可接受步行最大时长20分钟及骑行10分钟的距离)两个尺度的局部集成度刻画历史街区点的空间网络与路网局部可达性的空间匹配关系，由此构建具有“节点-联系”的历史街区点间的交通联系网络。步骤2.6：再将步骤2.4中的22个历史街区的旅游联系网络与步骤2.5中的交通联系网络通过ArcGIS软件进行图层叠加，共同构成基于地理位置数据的具有“节点-联系”的北京旧城22个历史街区的关联网络模型。
步骤3：利用所述步骤2中的北京旧城遗产资源关联网络空间结构及节点功能性评价两个层面分析旧城遗产资源的内在关联性与系统整体性的开发利用问题，并结合各街区土地利用的功能现状阐释北京旧城土地资源如何依托可持续遗产旅游开发来提升活力，促进城市更新。在此基础上，以北京旧城22个历史街区的关联网络模型的图层为基底，叠加四类不同功能类型的兴趣点地理位置数据，分别进行核密度计算，从商业服务、居住生活、行政办公及休闲游憩四个街区的功能设施角度入手，将北京旧城22片历史街区的关联网络模型与不同类型兴趣点地理位置数据进行空间叠合，找出功能配套的供需差异，结合交通发展、人口聚居、游客访问量等影响因素共同解释遗产资源利用的总体情况，由此发现遗产资源利用的关联网络模型的需求与实际遗产服务设施配套供给间的矛盾，探究遗产旅游开发进程中北京旧城现阶段的服务设施空间配置是否适合本土发展。并结合北京旧城内的历史街区内遗产资源整体性利用的关联网络模型，提出区域化、合作化、差异化的遗产资源可持续开发战略，给出遗产旅游的服务设施空间布局调整及规划优化方案。
以上所述为本发明的具体实施方式，但本发明的保护范围不局限于以上实施方式，对于本领域的技术人员而言，在不脱离本发明的原理和精神的情况下，对这些实施例进行变化、修改、替换、整合和变型仍落入本发明的保护范围内。
Claims (9)
1.一种基于地理位置数据的资源利用关联网络模型规划方法，通过构建关联网络模型确定资源节点在网络中的等级和位置，并依据现状的土地利用功能与网络承载的空间经济活动需求间的供需差异，识别资源点的现状等级，实现对土地利用功能进行有效地规划和调整；包括以下步骤：
1)通过网络爬虫技术获取资源点的相关信息，包括：资源点的地理位置信息数据、游客参观的地理轨迹位置数据、资源点之间的交通道路位置数据、游客签到点地理位置数据、兴趣点地理位置数据；
2)建立基于地理位置数据的“节点-联系”的关联网络模型；
建立资源的旅游联系网络：将资源的地理位置信息数据作为网络中的节点，游客参观的地理轨迹作为网络中节点间的边，表示节点之间的联系；采用社会网络方法的网络空间结构联系识别和节点功能定位，建立资源的旅游联系网络；
建立资源的交通联系网络：资源的交通联系网络中的节点包括资源的地理位置数据，资源的地理位置间的交通道路数据作为网络中节点间的边；采用空间句法分析方法进行网络空间结构联系识别和节点功能定位，建立资源的交通联系网络；
资源的旅游联系网络和资源的交通联系网络构成基于地理位置数据的“节点-联系”的关联网络模型；
进行分析，将资源的旅游联系网络与资源的交通联系网络之间的差异作为资源的供需差异；可将资源的交通联系网络没有与资源的旅游联系网络形成空间匹配的区域进行规划调整；
3)将规划区域内的资源的关联网络模型与步骤1)中的不同类型兴趣点地理位置数据进行空间叠合，以土地利用现状功能作为背景，实现对土地利用功能规划的调整优化；
根据步骤2)中的资源关联网络的结构和模型分析结果，确定各遗产资源节点的现状、功能定位和在网络中所起的作用，将遗产资源的关联网络模型与所述步骤1)中的不同类型兴趣点地理位置数据进行空间叠合，以土地利用现状功能作背景，比较土地利用现状功能供给与关联网络模型设定的资源点间的规划方案之间的供需差异，实现对土地利用功能规划的调整与服务设施的配套优化，找出功能配套的供需差异，对土地利用现状功能未能满足关联网络模型需求的区域重点规划，并给出遗产资源服务设施的空间布局调整及规划优化方案。
2.如权利要求1所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，步骤1)包括如下过程：
1.1)利用网络爬虫技术，通过网络平台获取在线地理位置网站提供的游客GPS轨迹数据，得到时间范围内和规划空间范围内的游客轨迹地理位置数据，包括：游客ID、时间、轨迹编码、经度、纬度；利用GIS软件平台将上述获取的数据新建图层并实现基于GIS的地理位置数据分析；
1.2)通过在线地图平台，获取规划范围内各遗产资源的空间地理位置信息数据，按照编号、名称、经度、纬度的属性数据进行存储；再获取各个遗产资源地理位置之间的道路数据和各遗产资源地的兴趣点地理位置数据，将上述获取的数据转成图层输入到GIS软件平台；各遗产资源地的兴趣点地理位置数据分为四类，包括：商业服务类、居住生活类、行政办公类及休闲游憩类。
3.如权利要求2所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，进一步的，步骤2)建立资源的关联网络模型包括如下过程：
2.1)以步骤1.2)中获取的资源点地理位置数据为基础，按照空间范围确定各遗产资源点各自不重叠的地理空间范围，并与步骤1.1)中的游客轨迹的各个数据点建立空间连接，识别每个空间游览轨迹对应的遗产资源点，筛选出跨越多个遗产资源点游客轨迹的地理位置数据；
2.2)将步骤2.1)中的游客轨迹的地理位置数据，利用矩阵分析方法得到遗产资源点之间的旅游流联系矩阵；包括如下操作：将连接多个资源节点的同一轨迹视为节点间的联系；根据联系的数目，在所对应的矩阵表格中增加相同数目；得到具有旅游轨迹信息的数字矩阵，即旅游流联系矩阵；
2.3)将步骤2.2)中标准化的旅游流联系矩阵进行凝聚子群划分，得到多个资源组团，各组团内标记出其中的资源节点，各组团内的资源节点数大于3个；将旅游联系网络分为互不重叠的m个组团，得到m类组团图层，其中m大于等于2，小于等于节点总数的三分之一；
2.4)根据步骤2.3)中的凝聚子群划分得到的n类组团，计算得到进行网络密度及派系林立指数，用于确定各组团联系的紧密程度；
2.5)进行组团分类验证，将资源点进行聚类分析；
根据步骤2.4)得到的旅游流联系矩阵的网络密度和派系林立指数，判断步骤2.3)中凝聚子群划分得到的m类组团是否符合：每一类组团内部的网络密度值均大于设定值，派系林立指数值均大于设定值；
如符合，则分类验证通过，如果不符合，则按照步骤2.3)重新进行分类，得到节点个数大于3个的组团，从而得到新的组团；
2.6)基于社会网络分析方法对资源节点进行节点功能分类识别，包括节点中心度指数及结构洞指数的测度结果，包括节点中心地位和中介转运作用，通过中心地位确定节点等级，通过中介转运确定节点在网络中的位置；
2.7)根据步骤2.2)获得的资源点的旅游流联系矩阵和步骤2.6)获得的资源点的节点功能分类，构建具有“节点-联系”的资源的旅游联系网络；
2.8)根据步骤2.6)中获得的遗产资源点的节点功能分类，考量规划范围内各资源点的空间关联整体性和其在组团内部的层级分布；利用空间句法中的整合度指标来确定资源地理位置间的交通可达性水平，得到交通道路可达性图层；再根据步骤2.6)获得资源点的节点功能分类，构建具有“节点-联系”的遗产资源的交通联系网络，包括交通道路可达性图层和资源点的节点功能分类；
2.9)将步骤2.7)建立的资源的旅游联系网络与步骤2.8)得到的资源的交通联系网络通过GIS软件进行图层叠加，即构成基于地理位置数据的具有“节点-联系”的遗产资源关联网络模型。
4.如权利要求3所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，步骤2.3)中，凝聚子群包括彼此关联性强且在地理位置上彼此临近的资源节点；基于遗产资源点之间的旅游流联系矩阵来划分遗产资源空间关联网络中的凝聚子群，具体利用迭代相关收敛法采用分块工具对旅游流联系矩阵进行重复计算实现聚类，将资源点进行分组得到多个组团。
5.如权利要求3所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，进一步的，步骤2.4)根据步骤2.3)中的凝聚子群划分得到的n类组团，计算得到进行网络密度及派系林立指数，用于确定各组团联系的紧密程度；
网络密度的计算公式为：
式中，D是网络密度，I是指所有网络的边的累积和，n为网络中的节点数；
衡量网络中派系林立程度的指标EI指数通过如下公式计算得到：
式中，EI为派系林立指数；EL代表组间关系数；IL代表组内关系数；EI取值区间是[-1,1]，越接近1，派系林立程度越小，内部越紧密。
6.如权利要求3所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，步骤2.6)中，中心度指数包括：程度中心度、亲近中心度和中介中心度；
程度中心度与亲近中心度反映节点在网络中的主导情况，计算公式如下：
式中，CD(ni)是程度中心度，N为节点i与网络中其它直接相连的节点个数，n为网络中的节点数，Cc -1是接近中心度，d(ni,nj)是ni与nj之间的最短距离，
即为网络中所有节点最短距离之和；两个指标数值越大，表明资源越容易到达；
中介中心度用于表示节点的中介地位，可用于测度节点在关联网络中控制信息和资源流动的程度，计算公式如下：
式中，gjk表示点j和k之间存在的捷径数目，gjk(i)表示点j和k之间存在的经过点i的捷径数目，bjk(i)为点i处于点j和k之间的捷径上的概率，CABi为中介中心度。中介中心度越大，节点越容易控制并获取资源。
7.如权利要求3所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，步骤2.8)具体基于Depthmap软件的可视化操作选取空间句法中的整合度来确定交通可达性；整合度包括全局整合度和局部整合度。
8.如权利要求3所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，步骤3)包括如下过程：
3.1)利用步骤2.9)中的基于地理位置数据的资源关联网络模型，对资源地理位置附近的土地利用现状的空间开发和功能组织管理进行相应的匹配，将土地利用的功能类型进行平面核密度估计，得到兴趣点核密度栅格图层；将土地利用现状功能供给图层与关联网络模型设定的图层之间进行叠加比较；所述关联网络模型设定即遗产资源点间的规划方案；
3.2)利用步骤3.1)中的兴趣点核密度栅格图层与步骤2.9)中基于地理位置数据的资源关联网络模型所得到的图层叠加后，产生包含各个原图层要素属性的表示关联网络模型供需差异的新图层，体现资源整体性开发利用的供需现状，得出资源开发利用的关联网络系统需求与实际旅游活动功能配套供给之间的不同，由此实现“网络-节点-背景”的资源整体化利用的关联网络模型规划方案；进一步可对遗产资源地理位置附近的配套服务设施的空间布局进行优化调整。
9.如权利要求8所述基于地理位置数据的资源利用关联网络模型规划方法，其特征是，步骤3.1)通过下式计算兴趣点平面核密度fn(x)：
其中，x为估计点要素的值；xi为阈值范围内任一点要素的值；fn(x)为估计点要素的核密度值；k函数为空间权重函数；h为距离衰减阈值(h>0)；n为阈值范围内点要素的数量；d为数据的维数；x-xi为估计点要素到阈值范围内任一点要素间的距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911180490.7A CN111026823B (zh) | 2019-11-27 | 2019-11-27 | 基于地理位置数据的资源利用关联网络模型规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911180490.7A CN111026823B (zh) | 2019-11-27 | 2019-11-27 | 基于地理位置数据的资源利用关联网络模型规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111026823A true CN111026823A (zh) | 2020-04-17 |
| CN111026823B CN111026823B (zh) | 2020-11-03 |
Family
ID=70202505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911180490.7A Active CN111026823B (zh) | 2019-11-27 | 2019-11-27 | 基于地理位置数据的资源利用关联网络模型规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111026823B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111935331A (zh) * | 2020-07-30 | 2020-11-13 | 重庆智载科技有限公司 | 一种网络空间映射方法、可视化方法及系统 |
| CN112218235A (zh) * | 2020-09-17 | 2021-01-12 | 上海市政工程设计研究总院（集团）有限公司 | 一种基于手机信令数据的市域组团间出行路径识别方法 |
| CN112232599A (zh) * | 2020-11-12 | 2021-01-15 | 河北工程大学 | 一种基于poi数据的公共卫生事件应急医疗设施选址方法 |
| CN112990654A (zh) * | 2021-02-03 | 2021-06-18 | 北京大学 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
| CN112988788A (zh) * | 2021-05-20 | 2021-06-18 | 四川省林业和草原调查规划院 | 国土空间规划空间数据突变检查方法、应用系统及云平台 |
| CN113254559A (zh) * | 2021-06-07 | 2021-08-13 | 浙江非线数联科技股份有限公司 | 一种基于地理信息系统的设备选址方法 |
| CN113343164A (zh) * | 2021-05-19 | 2021-09-03 | 武汉大学 | 一种基于公共服务设施配置的农村居民点社会网络建模方法 |
| CN113420101A (zh) * | 2021-06-21 | 2021-09-21 | 华中师范大学 | 一种地理信息处理方法、装置、电子设备及存储介质 |
| CN113657688A (zh) * | 2021-08-31 | 2021-11-16 | 广州市城市规划勘测设计研究院 | 一种社区生活圈的模拟测度方法 |
| CN114580178A (zh) * | 2022-03-09 | 2022-06-03 | 中国科学院地理科学与资源研究所 | 一种蚊虫分布预测方法、装置、设备和存储介质 |
| CN115514648A (zh) * | 2021-06-04 | 2022-12-23 | 中国移动通信集团浙江有限公司 | 宽带资源点漂移检测方法、装置、设备及计算机程序产品 |
| CN116595698A (zh) * | 2023-06-01 | 2023-08-15 | 华中科技大学 | 一种匹配区域产业链空间的交通网络优化方法及系统 |
| CN117454319A (zh) * | 2023-09-13 | 2024-01-26 | 中国科学院地理科学与资源研究所 | 一种基于gps大数据的旅游流数据分析方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694706A (zh) * | 2009-09-28 | 2010-04-14 | 深圳先进技术研究院 | 基于多源数据融合的人口时空动态出行特征建模方法 |
| US20100150028A1 (en) * | 2008-12-12 | 2010-06-17 | Verizon Business Network Services, Inc. | Distributing customer location access links across network provider nodes during network planning |
| CN101866546A (zh) * | 2010-05-18 | 2010-10-20 | 南京市城市与交通规划设计研究院有限责任公司 | 基于差别化策略与规划的城市交通分区方法 |
| US20170363432A1 (en) * | 2016-06-21 | 2017-12-21 | David R. Hall | Mobile Vehicle Refueling Method |
| CN108154303A (zh) * | 2017-12-25 | 2018-06-12 | 南通理工学院 | 旅游度假项目开发系统及方法 |
| CN109002961A (zh) * | 2018-06-13 | 2018-12-14 | 北京大学 | 一种基于网络数据的跨区域文化景观间功能结构规划方法 |
-
2019
- 2019-11-27 CN CN201911180490.7A patent/CN111026823B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100150028A1 (en) * | 2008-12-12 | 2010-06-17 | Verizon Business Network Services, Inc. | Distributing customer location access links across network provider nodes during network planning |
| CN101694706A (zh) * | 2009-09-28 | 2010-04-14 | 深圳先进技术研究院 | 基于多源数据融合的人口时空动态出行特征建模方法 |
| CN101866546A (zh) * | 2010-05-18 | 2010-10-20 | 南京市城市与交通规划设计研究院有限责任公司 | 基于差别化策略与规划的城市交通分区方法 |
| US20170363432A1 (en) * | 2016-06-21 | 2017-12-21 | David R. Hall | Mobile Vehicle Refueling Method |
| CN108154303A (zh) * | 2017-12-25 | 2018-06-12 | 南通理工学院 | 旅游度假项目开发系统及方法 |
| CN109002961A (zh) * | 2018-06-13 | 2018-12-14 | 北京大学 | 一种基于网络数据的跨区域文化景观间功能结构规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 谢双玉等: "城市旅游景点可达性综合评价模型构建及应用-以武汉市主城区为例", 《经济地理》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111935331A (zh) * | 2020-07-30 | 2020-11-13 | 重庆智载科技有限公司 | 一种网络空间映射方法、可视化方法及系统 |
| CN112218235A (zh) * | 2020-09-17 | 2021-01-12 | 上海市政工程设计研究总院（集团）有限公司 | 一种基于手机信令数据的市域组团间出行路径识别方法 |
| CN112218235B (zh) * | 2020-09-17 | 2024-03-08 | 上海市政工程设计研究总院（集团）有限公司 | 一种基于手机信令数据的市域组团间出行路径识别方法 |
| CN112232599A (zh) * | 2020-11-12 | 2021-01-15 | 河北工程大学 | 一种基于poi数据的公共卫生事件应急医疗设施选址方法 |
| CN112990654A (zh) * | 2021-02-03 | 2021-06-18 | 北京大学 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
| CN112990654B (zh) * | 2021-02-03 | 2021-11-02 | 北京大学 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
| CN113343164A (zh) * | 2021-05-19 | 2021-09-03 | 武汉大学 | 一种基于公共服务设施配置的农村居民点社会网络建模方法 |
| CN112988788A (zh) * | 2021-05-20 | 2021-06-18 | 四川省林业和草原调查规划院 | 国土空间规划空间数据突变检查方法、应用系统及云平台 |
| CN112988788B (zh) * | 2021-05-20 | 2021-07-27 | 四川省林业和草原调查规划院 | 国土空间规划空间数据突变检查方法、应用系统及云平台 |
| CN115514648A (zh) * | 2021-06-04 | 2022-12-23 | 中国移动通信集团浙江有限公司 | 宽带资源点漂移检测方法、装置、设备及计算机程序产品 |
| CN115514648B (zh) * | 2021-06-04 | 2023-09-05 | 中国移动通信集团浙江有限公司 | 宽带资源点漂移检测方法、装置、设备及计算机存储介质 |
| CN113254559A (zh) * | 2021-06-07 | 2021-08-13 | 浙江非线数联科技股份有限公司 | 一种基于地理信息系统的设备选址方法 |
| CN113420101A (zh) * | 2021-06-21 | 2021-09-21 | 华中师范大学 | 一种地理信息处理方法、装置、电子设备及存储介质 |
| CN113657688A (zh) * | 2021-08-31 | 2021-11-16 | 广州市城市规划勘测设计研究院 | 一种社区生活圈的模拟测度方法 |
| CN114580178B (zh) * | 2022-03-09 | 2022-08-30 | 中国科学院地理科学与资源研究所 | 一种蚊虫分布预测方法、装置、设备和存储介质 |
| CN114580178A (zh) * | 2022-03-09 | 2022-06-03 | 中国科学院地理科学与资源研究所 | 一种蚊虫分布预测方法、装置、设备和存储介质 |
| CN116595698A (zh) * | 2023-06-01 | 2023-08-15 | 华中科技大学 | 一种匹配区域产业链空间的交通网络优化方法及系统 |
| CN116595698B (zh) * | 2023-06-01 | 2024-05-28 | 华中科技大学 | 一种匹配区域产业链空间的交通网络优化方法及系统 |
| CN117454319A (zh) * | 2023-09-13 | 2024-01-26 | 中国科学院地理科学与资源研究所 | 一种基于gps大数据的旅游流数据分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111026823B (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111026823B (zh) | 基于地理位置数据的资源利用关联网络模型规划方法 | |
| Mou et al. | Tourists’ digital footprint: The spatial patterns of tourist flows in Qingdao, China | |
| Zhong et al. | Inferring building functions from a probabilistic model using public transportation data | |
| Wu et al. | Influence of built environment on urban vitality: Case study of Shanghai using mobile phone location data | |
| CN112990654B (zh) | 基于人口流动数据的城乡基础设施系统协同规划方法 | |
| CN109002961B (zh) | 一种基于网络数据的跨区域文化景观间功能结构规划方法 | |
| CN107872808A (zh) | 一种wlan站址预测分析方法及装置 | |
| Kang | Effects of the human and built environment on neighborhood vitality: Evidence from Seoul, Korea, using mobile phone data | |
| Türk et al. | The path of least resistance explaining tourist mobility patterns in destination areas using Airbnb data | |
| Jia et al. | Measuring the vibrancy of urban neighborhoods using mobile phone data with an improved PageRank algorithm | |
| Yin et al. | A deep learning approach for rooftop geocoding | |
| CN114548811A (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. | Identification of urban functional area by using multisource geographic data: A case study of Zhengzhou, China | |
| Bandt et al. | Building a spatial decision support system for tourism and infrastructure planning: Τechnical solution and data integration challenges | |
| Mackaness et al. | Automatic classification of retail spaces from a large scale topographic database | |
| Zhou et al. | Village-town system in suburban areas based on cellphone signaling mining and network hierarchy structure analysis | |
| Liu et al. | An analysis on the spatiotemporal behavior of inbound tourists in Jiaodong Peninsula based on Flickr geotagged photos | |
| Xie et al. | [Retracted] Tourism Resource Evaluation and Countermeasures Based on Network Communication and TOPSIS Algorithm | |
| Lyu et al. | Is labour productivity higher in transit oriented development areas? A study of Beijing | |
| Yao et al. | Fine‐scale intra‐and inter‐city commercial store site recommendations using knowledge transfer | |
| Wang et al. | Spatio-temporal dynamics of population in shanghai: A case study based on cell phone signaling data | |
| Hu et al. | The communities detection of the tourist flow network using mobile signaling data in Nanjing, China | |
| You et al. | [Retracted] The Accessibility of Educational Public Service Facilities with Two‐Step Mobile Search Taking Hetao District of Ganzhou City as an Example | |
| CN106202495A (zh) | 基于互联网gis的场景信息整合方法 | |
| Qiu et al. | Accessibility of rehabilitation facility: evaluation based on spatial big data in xiamen |
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 |