CN112508336A - 一种基于结构方程模型的空间与环境效能关联测度方法 - Google Patents
一种基于结构方程模型的空间与环境效能关联测度方法 Download PDFInfo
- Publication number
- CN112508336A CN112508336A CN202011238166.9A CN202011238166A CN112508336A CN 112508336 A CN112508336 A CN 112508336A CN 202011238166 A CN202011238166 A CN 202011238166A CN 112508336 A CN112508336 A CN 112508336A
- Authority
- CN
- China
- Prior art keywords
- spatial
- space
- model
- data
- environmental
- 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
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
- G06Q10/06—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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于结构方程模型的空间与环境效能关联测度方法,方法包括:创建空间环境样本库,确定各样本空间范围,获取样本的空间实体矢量数据,从空间实体矢量数据中提取空间相关数据;根据空间相关数据计算各环境效能参数的值,进行标准化处理和正态分布检验;利用环境效能构成要素作为变量建立结构方程模型,并确定变量间关系,将标准化处理后所得的各环境效能参数值输入模型中,进行模型拟合;检验模型拟合效果,根据指定检验指标结果逐步修改变量间关系,直到所有检验满足要求,输出空间与环境效能的关联性测度结果。本发明能够客观、准确地量化测度建成环境的空间数据及其与环境效能的关联性,有助于对空间布局进行调整与管控。
Description
技术领域
本发明涉及空间环境测评,具体涉及一种空间与环境效能关联测度方法。
背景技术
随着建成环境的存量化发展,景观环境的可持续、集约化发展需求受到多方关注与重视,建成环境空间的环境效能直接影响着城市形象与城市活力的展现。环境效能指某一空间环境质量达到系统目标的程度。例如,在对商业街区进行改造提升的过程中,环境效能是改造质量与效果的重要评测内容,而商业街区的空间构成直接影响环境效能的高低,进而影响商业街区空间形态、环境品质与商业活力。
客观、准确地测度建成环境空间及其与环境效能的关联性,对建成环境空间环境效能量化测评与管控等具有重要意义。目前,对建成环境空间与环境效能关联的常见分析方法表现为通过选取若干实际建成的案例,分析空间构成要素的组合与布局方式及其对场地特征的重要性,随后建立相关的评价指标体系,利用层次分析法转译专家团队的经验判断及评价结果。这种方法尽管通过打分的形式来建立量化评价体系,但手段单一,量化程度低,效率也低。主要缺点体现在以下这些方面:(1)仅对少数代表性案例进行空间形态的解读,缺乏有力的数据支持,其空间形态对环境效能的作用规律不具有普适性。(2)在具体方案里多集中于对空间构成要素进行单项或逐项分析,缺乏针对综合因素影响机制的研究,也缺乏对空间构成要素的组成机制及其交互作用关系的深入挖掘,从而导致评测结果具有一定的局限性。(3)依靠经验及专家打分确定构成因子的权重,造成数据获取效率不高,可信度有待提升,在建成环境的规划设计过程中或是空间形态评测中均无法形成有效参照。
因此,现有的技术方法在进行建成环境效能分析时,具有精度低、技术环节复杂等不足,难以有效实现对建成环境空间要素与环境效能的关联性的科学描述与精准分析,一种新的关于建成环境与空间效能关联的测度方法是亟待发现并实践应用的,进而实现对建成环境空间要素与环境效能的关联性的精确、深入、综合分析,对当前城市空间的利用、环境集约化的使用、环境效能的提升起到有效作用。
发明内容
发明目的:针对现有技术手段效率低、过程繁琐、主观性强、量化程度低,难以准确反应空间构成要素与环境效能的耦合机制的缺陷,本发明提供一种基于,能够客观、准确地测度空间数据及其与环境效能的关联性。
技术方案:一种基于结构方程模型的空间与环境效能关联测度方法,包括:
创建空间环境样本库,确定各样本空间范围,获取样本的空间实体矢量数据,从空间实体矢量数据中提取空间相关数据;
基于对环境效能构成要素的分析建立环境效能参数,包括空间覆盖度、空间密度、空间拓扑深度、空间穿行度、空间集成度,利用空间数据计算空间密度、空间覆盖度;在空间数据基础上生成轴线图,计算得到空间拓扑深度、全局集成度、全局穿行度;
基于结构方程模型建立空间密度、空间覆盖度、空间拓扑深度、空间集成度、空间穿行度与环境效能的关联测度模型,确定变量间关系,并将计算所得的各环境效能参数值输入模型中,进行模型拟合;
检验模型拟合效果,根据指定检验指标结果逐步修改变量间关系,直到所有检验满足要求,输出空间与环境效能的关联性测度结果。
本发明具有如下有益效果:
(1)针对缺乏考虑综合因素影响机制的问题,本发明采用空间密度、空间覆盖度、空间拓扑深度、空间穿行度、空间集成度作为解析空间构成规律的要素,针对空间与环境效能关联进行测度,得到空间要素对环境效能的综合影响,弥补了对单一指标分析的不足;
(2)针对定性描述与归纳分析个别案例具有效率低、过程繁琐等缺陷,本发明充分利用大样本的空间数据,弥补了传统对独立样本信息分析信度低、过程繁琐、效率低等缺陷,实现更加科学、全面地对普遍存在的物理规律进行解析,使决策依据更为充分;
(3)针对现有关联性分析方法主观性强、量化程度低的不足,本发明构建关联测度结构方程模型,量化表达各类空间构成要素对环境效能的作用系数,实现使用量化方式对环境空间内在构建逻辑与机理关系进行测度,能够准确、高效地测度出不同空间构成要素与环境效能的影响效果。
附图说明
图1为本发明实施例提供的基于结构方程模型的空间与环境效能关联测度方法流程图;
图2为本发明实施例提供的结构方程模型中各变量间的相互关系示意图;
图3为本发明实施例得到的最终变量间的相互关系示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明实施例中利用大样本量的建成环境空间实体矢量数据,提取各样本的空间构成要素数据,并结合结构方程模型对数据进行拟合,进而得到各项空间构成要素与环境效能关联度的量化数据。参照图1,一种基于结构方程模型的空间与环境效能关联度的测度方法,包括以下步骤:
步骤1,创建空间环境样本数据库,确定各样本空间范围,获取样本的空间实体矢量数据。
(1-1)本实施例中建成环境选取商业街区为具体研究对象,本实施例中从全国范围内选取200个于2000-2019年间建成的典型商业街区案例。创建商业街区空间环境样本数据库,确定用于进行计算的样本:样本的选择一方面以具有典型商业街区布局特征、在当地具有较大知名度和影响力的空间数据为依据,另一方面以三维空间实体矢量数据的清晰、完整及可获取性为依据;
(1-2)确定各样本的空间范围:以谷歌地图中各商业街区样本的道路边界为空间范围依据;
(1-3)根据确定的样本及空间范围,获取对应样本的空间数据:以谷歌地图的矢量数据为基准,利用CAD对齐工具进行地理配准,使各样本地图处于同一几何空间参考范围内,保持与实际米制距离比例相一致;
(1-4)在CAD软件中,将上述步骤处理后的地图按照空间句法绘图原则处理空间数据,以polyline命令绘制样本空间范围及建筑边界,得到CAD地图。空间句法具体绘图原则为,具有明确的空间范围边界、所有多段线处于闭合状态。
步骤2,从空间实体矢量数据中提取空间环境效能所需参数:利用空间数据计算空间密度、空间覆盖度;在空间数据基础上生成轴线图,计算得到空间拓扑深度、全局集成度、全局穿行度作为空间环境效能参数。
建成环境的环境效能核心构成要素需涵盖商业街区空间环境的各个部分。本发明将影响建成环境效能的构成要素主要归纳为五类:空间覆盖度、空间密度、空间拓扑深度、空间集成度、空间穿行度。对建成环境空间而言,这五种构成要素对应的含义分别为:空间覆盖度描述空间单元的遮蔽性,即行人在此空间单元驻足停留的可能性;空间密度描述一个空间单元内建筑及其他构筑物的紧密性,同样影响行人在此空间单元穿梭的可能性;空间拓扑深度描述一个空间单元的可访问性,即它的偏僻程度;整合度描述的是一个空间单元的中心性,即它被用作出行目的地的空间潜力;而穿行度描述的是一个空间单元的可穿过性,即它被“偶然”经过的空间潜力。这五类要素涵盖了对空间形态的描述以及对行人在此空间范围内出行情况的描述,从理论上能够全面地描述建成环境空间的环境效能。在具体实施时,可以根据理论知识对环境效能构成要素进行适当增减并进一步对数据进行筛选与提取。
在本实施例中,从空间实体矢量数据中提取空间环境效能所需参数包括以下步骤:
(2-1)根据步骤1绘制完成的CAD地图获得原始数据,代入相应公式进行参数计算,得到空间覆盖度、空间密度参数,具体如下:
(2-1-1)空间覆盖度表示测度区域内空间上部遮蔽面积(包括建筑物、构筑物、乔木灌丛)在地面的垂直投影面积占测度区域总面积的百分比。空间覆盖度是反应空间结构和空间环境的一个重要因子。空间覆盖度越大,该场地空间内产生游憩行为会趋向私密、小众的静态活动;反之则会使场地内的游憩行为趋向于流动、穿行状态。空间覆盖度的计算公式如下:
式中:Scover为空间上部遮蔽物(包括建筑雨篷、小品顶盖、乔木灌丛)垂直投影于地面的总面积;Sarea为测度区域总面积。
(2-1-2)空间密度表示空间内部有效构形物(植被、建筑、构筑物等)与绝对空间之间的量化关系,是影响人群活动的重要环境因素,计算公式如下:
式中:Vstructure为目标测度空间中有效构形物的总体积,有效构形物的体积为空间内相关物体的体积,可通过CAD计算得出的面积与物体的高度相乘得到;Varea为测度区域的空间体积。
(2-2)将步骤1绘制完成的CAD地图导入空间句法分析软件Depthmap,生成轴线模型,并通过Reduce to Fewest-Line Map命令得到概括性轴线图,验证模型的正确性,若Depthmap软件中Node Count全为绿色说明模型完好,可以产生有效的数据。反之,则需要返回步骤(1-4),依据空间句法绘图原则对CAD地图进行检查绘制。
本发明中,空间句法轴线模型是以一条轴线代替道路,利用depthmap软件获得轴线模型后,可以得到的数据有:n个节点、节点之间相连的线段,其中,节点指道路交叉点,一条线段表示一条道路,第i个节点与第j个节点直接相连的最短距离为dij。
(2-3)将上述步骤中检查无误的轴线模型代入公式对X3、X4、X5参数进行计算得到带有空间拓扑深度、空间整合度和空间穿行度参数的轴线模型,具体步骤如下:
(2-3-1)空间拓扑深度表示测度区域内从一条道路到达其他道路的便捷程度,可理解为街道的拓扑可达性,拓扑深度值越大,说明这条道路在测度区域网络中埋得越深,空间拓扑深度计算公式如下:
式中:n为测度区域内的节点总数;dij为测度区域内从节点i到节点j间的最短距离;j为测度区域内除节点i之外的其他所有节点,取值范围为[1,n]。取测度区域内所有节点的总深度值之和的算术平均值作为该样本的空间拓扑深度。深度值表示某一节点与其他所有相连节点的最短距离(即最少的空间转换的次数)。总深度值Zi表示了节点i与测度区域内其他所有节点的最短距离之和。
(2-3-2)空间集成度表示测度区域内某一道路节点与其他道路节点联系的紧密程度,描述该道路“中心性”。集成度的值越大,则公共性越强,可达性越好,越容易积聚人流,计算公式如下:
式中:RAi为全局集成度,全局集成度RAi表示一个空间与剩下所有空间的关系;MDi为平均深度值,平均深度值MDi表示测度区域内某一节点i的平均深度值,在MDi的公式中,分母(n-1)表示除节点i之外的其他所有节点数量。
(2-3-3)空间穿行度表示测度区域内交通道路被其他任意两条道路作为最短路径穿过的可能性频率,描述该交通道路“被穿过性”,即承载交通流的能力,计算公式如下:
式中:ACH_ri为以节点i为圆心的半径为r的角度选择度,可理解为按照折转角度最小的原则选取的路径计算的穿行度值,是度量某个空间元素位于系统中两两元素之间最短可视路径的概率,这用于判断某个空间场所是否会经常被穿越;ATD_ri为以节点i为圆心的半径为r的角度总深度。ACH_ri和ATD_ri这两个值是可以从轴线模型中得到。取测度区域内所有节点的标准化角度选择度之和的算术平均值作为该样本的空间穿行度。
步骤3,根据上述步骤获得的参数,构建商业街区在空间密度、空间覆盖度、空间拓扑深度、空间集成度、空间穿行度与空间环境效能的关联测度模型,由此测度得出商业街区在空间构成层面与环境效能的关联性。
(3-1)将上述步骤得到的参数以csv格式进行保存,样本数据库中的其他样本均以同样方法进行处理,形成原始数据集。
利用SPSS软件将原始数据集进行归一化处理,使各类非观测要素的数值均处于同一数量级,以便进行综合对比评价,计算公式如下:
式中:x为原始数据,μ是原始数据的均值,σ原始数据的标准差。
(3-2)利用SPSS软件进行正态分布检验,确定拟合方法。
应用SPSS软件对数据集进行正态性检验,对变量进行Kolmogorov-Smirnov单样本检验,若得到相伴概率值均大于0.05,则变量符合多变量正态性假定,可以使用极大似然法进行模型拟合,若数据不符合正态分布规律,则使用最小二乘法进行拟合。相关计算公式如下:
D=max|Fn(x)-F0(x)|
式中:F0(x)表示理论分布的分布函数,Fn(x)表示一组随机样本的累计频率函数。D为F0(x)与Fn(x)差距的最大值。当观测值D大于显著性水平α,则认为样本来自的总体与指定的分布无显著差异。一般的显著水平α=0.05。
本实施例正态分布检验结果如下表,相伴概率值均大于0.05,变量符合多变量正态性假定,故使用极大似然法拟合模型。
表1正态性检验结果
(3-3)利用结构方程模型实现关联性测度,具体步骤如下:
(3-3-1)将变量导入结构方程模型,确定变量间相互关系,本实施例的结构方程模型的基本模型图如图2所示,对应的回归方程式为:
X1=λ1ξ+δ1
X2=λ2ξ+δ2
X3=λ3ξ+δ3
X4=λ4ξ+δ4
X5=λ5ξ+δ5
其中,Xi为测量获得的变量数据,λ为拟合得到的因素负荷量(即路径系数),δ为误差值,ξ为外衍潜在变量,即无法直接测量获得的环境效能。经过拟合计算确定拟合效果,拟合效果好则说明提出的相互关系成立。
(3-3-2)导入空间密度、空间覆盖度、空间拓扑深度、空间集成度、空间穿行度数据,利用AMOS软件,使用极大似然法进行模型拟合;
(3-3-3)根据多种检验指标结果检验模型拟合效果,若适配情形不佳,则需逐步修改变量间关系,直到所有检验满足要求;
本实施例选择χ2/df(卡方自由度比值)、GFI(goodness-of-fit index,拟合优度指数)、NFI(normed fit index,规范拟合指数)、CFI(comparative fit index,比较拟合指数)、RMSEA(Root Mean Square Error of Approximation,近似误差均方根)四个拟合指数作为判断模型拟合效果的指标。卡方自由度比值χ2/df越小,表示假设模型的协方差矩阵与观察数据愈适配。其值若介于1-3表示模型适配良好,大于3表示模型设配不佳,小于1表示模型过度适配;GFI、NFI、CFI三个指标值的数值介于0至1之间,好的适配度临界点为0.90以上;RMSEA值为0时表示是一个正确的适配,数值小于0.05的模型为良好适配,数值介于0.05至0.08间时模型为普通适配,数值介于0.08至0.10间市为模型的适配尚可,若数值大于0.10表示假设模型的适配情形不佳。
当模型与样本数据的适配情形不佳,则需对模型进行修正,重新优化整个模型的建构,及其对研究对象的代表性、删减或增加某条路径的实际意义,保证模型修正的合理性,直到所有检验指标满足要求。模型修正方式主要有两种:
1.剔除没有达到显著性水平的影响路径(在结构方程模型AMOS软件中,可以通过查看C.R.(Critical Ratio)值,若值小于1.96,则表示该参数未达到显著性水平),或是路径系数的正负号与原先理论文献或经验法则相反的路径
2.根据修正指标(modification indices)进行修正,当修正指标大于3.84,可结合理论知识,将模型中限制或固定的参数,改为自由参数。自由参数包括回归系数、方差、协方差。具体方式为:根据最大的修正指标值增列路径或剔除路径。
本实施例拟合结果如下表所示,指标结果达到可接受水平。
表2模型适配度指数表
(3-3-4)根据潜变量、显变量拟合结果确定商业街区空间环境效能影响因素及影响效果。
最终变量间的相互关系如附图3所示,潜变量、显变量分别指的是满意度和五个效能参数,图3中e1-e5是每个显变量的误差值。导出各构成要素对环境效能的影响效果如下表所示,系数越大表示在因果关系中的重要性越高。可以得到“空间拓扑深度”对于商业街区环境效能具有最直接最显著的影响,“空间密度”次之,随后是“空间覆盖度”和“空间集成度”,最后是“空间穿行度”。
表3标准路径回归系数
拟合结果说明五个要素均对空间效能有一定的正向影响,他们对空间环境的好坏有着不同程度的影响。在设计阶段可以参考不同要素的影响程度,对影响较大的因素进行着重的关注与设计,为设计与方案的筛选提供指导。
本发明首次提出将结构方程模型应用于建成环境空间构成要素与环境效能关联度的计算中。相对于传统的层次分析法,结构方程模型具有客观、精确、低成本等优势,能够有效解决建成环境空间不可直接观测的变量问题,量化测度变量间复杂的关系,将空间解析过程由定性提升为定量,为景观空间环境效能的量化测度提供了重要的技术手段。因此,量化解析街道空间形态,并通过构建结构方程模型进行建成环境空间构成要素及环境效能的关联分析,可以量化提取出建成环境空间构成规律,应用于建成环境空间环境量化绩效研究,并进行同类型环境效能的量化评测与数字化管控,为进一步优化建成环境空间格局提供科学依据。本发明可应用于评价建成环境空间形态与结构调整,反映建成环境空间结构与环境效能的关联性;有助于明确建成环境发展的空间逻辑,有助于对空间形态设计决策进行可靠评估并提供针对性建议,对建成环境发展提供定量依据。
实施例中描述的以商业街区的空间与环境效能关联测度的案例,本领域技术人员应当了解,所述关联性测度方法可以代入其他类型的空间进行,通过确定多个空间要素之间的关系,获取要素的数据,然后进入结构方程模型进行关联性测度,得到关联性系数,从而对该类型的空间规划维护等进行全方位综合指导。因此,在不脱离本发明精神实质的情况下,所做的修改、删减,都应属于本发明的保护范围。
Claims (6)
1.一种基于结构方程模型的空间与环境效能关联测度方法,其特征在于,所述方法包括:
创建空间环境样本库,确定各样本空间范围,获取样本的空间实体矢量数据,从空间实体矢量数据中提取相关空间数据;
基于对环境效能构成要素的分析建立环境效能参数,包括空间覆盖度、空间密度、空间拓扑深度、空间穿行度、空间集成度,利用空间数据计算空间密度、空间覆盖度;在空间数据基础上生成轴线图,计算得到空间拓扑深度、全局集成度、全局穿行度;
基于结构方程模型建立空间密度、空间覆盖度、空间拓扑深度、空间集成度、空间穿行度与环境效能的关联测度模型,确定变量间关系,并将计算所得的各环境效能参数值输入模型中,进行模型拟合;
检验模型拟合效果,根据指定检验指标结果逐步修改变量间关系,直到所有检验满足要求,输出空间与环境效能的关联性测度结果。
2.根据权利要求1所述的基于结构方程模型的空间与环境效能关联测度方法,其特征在于,所述确定各样本空间范围,获取样本的空间实体矢量数据包括:
以谷歌地图中目标测度区域的道路边界为依据确定各样本的空间范围;
以谷歌地图的矢量数据为基准,利用CAD对齐工具进行地理配准,使各样本地图处于同一几何空间参考范围内,保持与实际米制距离比例相一致;
在CAD软件中,针对配准后的地图按照空间句法的原则处理空间数据,以polyline命令绘制样本空间范围及建筑边界,得到CAD地图。
4.根据权利要求2所述的基于结构方程模型的空间与环境效能关联测度方法,其特征在于,所述在空间数据基础上生成轴线图,计算得到空间拓扑深度、全局集成度、全局穿行度包括:
1)将绘制完成的CAD地图导入空间句法分析软件Depthmap,生成轴线模型,并验证模型的正确性;
2)将验证无误的轴线模型代入如下公式进行计算,得到带有空间拓扑深度、空间整合度和空间穿行度参数的轴线模型:
空间拓扑深度X3:
式中:n为测度区域内的节点总数;dij为测度区域内从节点i到节点j间的最短距离;j为测度区域内除节点i之外的其他所有节点,取值范围为[1,n],总深度值Zi表示节点i与测度区域内其他所有节点的最短距离之和;
空间集成度X4:
式中:RAi为全局集成度,表示一个空间与剩下所有空间的关系;MDi为测度区域内某一节点i的平均深度值;
空间穿行度X5:
式中:ACH_r为半径为r的角度选择度,ATD_r为半径为r的角度总深度。
5.根据权利要求1所述的基于结构方程模型的空间与环境效能关联测度方法,其特征在于,所述空间密度、空间覆盖度、空间拓扑深度、空间集成度、空间穿行度与环境效能的关联测度模型形式如下:
X1=λ1ξ+δ1
X2=λ2ξ+δ2
X3=λ3ξ+δ3
X4=λ4ξ+δ4
X5=λ5ξ+δ5
其中,Xi为测量获得的变量数据,X1~X5分别为空间密度、空间覆盖度、空间拓扑深度、空间集成度、空间穿行度,λ1~λ5分别表示变量对应的因素负荷量,δ1~δ5分别为对应的误差值,ξ表示外衍潜在变量,即环境效能。
6.根据权利要求1所述的基于结构方程模型的空间与环境效能关联测度方法,其特征在于,所述方法在将计算所得的各环境效能参数值输入模型之前,还包括:对计算所得的各环境效能参数值进行归一化处理和正态分布检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011238166.9A CN112508336B (zh) | 2020-11-09 | 2020-11-09 | 一种基于结构方程模型的空间与环境效能关联测度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011238166.9A CN112508336B (zh) | 2020-11-09 | 2020-11-09 | 一种基于结构方程模型的空间与环境效能关联测度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112508336A true CN112508336A (zh) | 2021-03-16 |
CN112508336B CN112508336B (zh) | 2023-09-19 |
Family
ID=74955642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011238166.9A Active CN112508336B (zh) | 2020-11-09 | 2020-11-09 | 一种基于结构方程模型的空间与环境效能关联测度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508336B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762798A (zh) * | 2021-09-15 | 2021-12-07 | 哈尔滨工业大学(深圳) | 一种绿色建筑设计评价方法 |
CN114971345A (zh) * | 2022-06-08 | 2022-08-30 | 东南大学 | 一种建成环境品质测度方法、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050091223A1 (en) * | 1999-11-24 | 2005-04-28 | Shaw Kevin B. | Method and apparatus for building and maintaining an object-oriented geospatial database |
CN109409662A (zh) * | 2018-09-20 | 2019-03-01 | 北京大学 | 基于空间句法的城市交通与商业空间关联的测度方法 |
CN109583698A (zh) * | 2018-10-29 | 2019-04-05 | 北京工业大学 | 一种基于模糊数学理论的城市街区空间形态综合评估方法 |
CN110210667A (zh) * | 2019-05-31 | 2019-09-06 | 大连理工大学 | 基于变尺度地理加权回归模型的o-d时空分布预测方法 |
US20210217117A1 (en) * | 2019-01-25 | 2021-07-15 | Southeast University | Automatic urban land identification system integrating business big data with building form |
-
2020
- 2020-11-09 CN CN202011238166.9A patent/CN112508336B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050091223A1 (en) * | 1999-11-24 | 2005-04-28 | Shaw Kevin B. | Method and apparatus for building and maintaining an object-oriented geospatial database |
CN109409662A (zh) * | 2018-09-20 | 2019-03-01 | 北京大学 | 基于空间句法的城市交通与商业空间关联的测度方法 |
CN109583698A (zh) * | 2018-10-29 | 2019-04-05 | 北京工业大学 | 一种基于模糊数学理论的城市街区空间形态综合评估方法 |
US20210217117A1 (en) * | 2019-01-25 | 2021-07-15 | Southeast University | Automatic urban land identification system integrating business big data with building form |
CN110210667A (zh) * | 2019-05-31 | 2019-09-06 | 大连理工大学 | 基于变尺度地理加权回归模型的o-d时空分布预测方法 |
Non-Patent Citations (2)
Title |
---|
武凯华 等: "基于空间句法理论的城市群核心区发展边界识别", 地理研究, vol. 39, no. 6, pages 1418 - 1426 * |
翟宇佳 等: "城市设计品质量化模型综述", 时代建筑, no. 02, pages 133 - 139 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762798A (zh) * | 2021-09-15 | 2021-12-07 | 哈尔滨工业大学(深圳) | 一种绿色建筑设计评价方法 |
CN114971345A (zh) * | 2022-06-08 | 2022-08-30 | 东南大学 | 一种建成环境品质测度方法、设备及存储介质 |
CN114971345B (zh) * | 2022-06-08 | 2023-04-18 | 东南大学 | 一种建成环境品质测度方法、设备及存储介质 |
WO2023236472A1 (zh) * | 2022-06-08 | 2023-12-14 | 东南大学 | 一种建成环境品质测度方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112508336B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446470B (zh) | 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法 | |
CN111080070A (zh) | 一种基于空间误差的城市土地利用模拟元胞自动机方法 | |
CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
CN110413855B (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
CN112508336B (zh) | 一种基于结构方程模型的空间与环境效能关联测度方法 | |
CN113723715B (zh) | 公交线网自动匹配道路网络方法、系统、设备及存储介质 | |
CN110399364B (zh) | 一种基于多种公路检测器数据的数据融合方法 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
KR101904190B1 (ko) | 부동산정보 정제 및 제공방법, 시스템, 이를 위한 컴퓨터 프로그램 | |
Lyu et al. | Geometric quality assessment of trajectory‐generated VGI road networks based on the symmetric arc similarity | |
Sharif et al. | CaFIRST: A context-aware hybrid fuzzy inference system for the similarity measure of multivariate trajectories | |
Hanus et al. | Three‐stage assessment of parcel area quality | |
Samadi et al. | Development of a bridge maintenance system using bridge information modeling | |
CN111797188A (zh) | 一种基于开源地理空间矢量数据的城市功能区定量识别方法 | |
Kaur et al. | An automated approach for quality assessment of openstreetmap data | |
Bozdağ | Local-based mapping of carbon footprint variation in Turkey using artificial neural networks | |
KR20060089354A (ko) | 수치지도 디스플레이 데이터의 자동 배치방법 | |
CN114863272A (zh) | 一种确定城市植被对城市综合活力影响强度的方法和系统 | |
Teimoory et al. | Reliability extracted from the history file as an intrinsic indicator for assessing the quality of OpenStreetMap | |
Gil et al. | A review of urban design sustainability evaluation tools | |
Kotlarz | Analysis of the Influence of the Quality of Cadastral Data on the Process of Surveying Works in Poland | |
Soltani et al. | The non-linear dynamics of South Australian regional housing markets: A machine learning approach | |
CN113239112B (zh) | 基于gis系统的第三产业增长量可视化方法及装置 | |
CN117077037B (zh) | 一种建筑物尺度动态人口估算方法及系统 | |
CN117197730B (zh) | 一种城市空间畸变图像的修复评估方法 |
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 |