CN112580999A - 一种确定区域内改造目标的方法、装置、设备及存储介质 - Google Patents
一种确定区域内改造目标的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112580999A CN112580999A CN202011551249.3A CN202011551249A CN112580999A CN 112580999 A CN112580999 A CN 112580999A CN 202011551249 A CN202011551249 A CN 202011551249A CN 112580999 A CN112580999 A CN 112580999A
- Authority
- CN
- China
- Prior art keywords
- index
- target
- value
- evaluation index
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims abstract description 207
- 239000013598 vector Substances 0.000 claims abstract description 112
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 56
- 238000012986 modification Methods 0.000 claims description 53
- 230000004048 modification Effects 0.000 claims description 53
- 238000012360 testing method Methods 0.000 claims description 37
- 238000011161 development Methods 0.000 claims description 30
- 238000010586 diagram Methods 0.000 claims description 17
- 230000005484 gravity Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 7
- 238000000556 factor analysis Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229910009445 Y1-Ym Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种确定区域内改造目标的方法、装置、设备及存储介质，该方法包括：利用目标区域内每一候选改造目标的样本指标，从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标；针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重；以每一所述候选改造目标作为行向量，每一所述评价指标作为列向量，构建目标矩阵；针对每一所述行向量，计算该行向量与目标行向量之间的相对距离，以所述相对距离的最大值对应的候选改造目标作为所述目标区域内的最终改造目标。可以更加全面客观的确定区域内的改造目标。
Description
技术领域
本发明涉及城市规划及交通规划技术领域，具体而言，涉及一种确定区域内改造目标的方法、装置、设备及存储介质。
背景技术
TOD(Transit-Oriented-Development，公交导向发展)是一种以公共交通方式为主导的城市规划设计理念。TOD理念强调以铁路、城市轨道交通或公交巴士等城市公共交通系统为主导，对公共交通站点周边地块进行高强度开发，建设适宜步行和非机动交通且通达性强的街道网络，建设集约化住宅、商业及公共空间，通过土地使用和交通政策来协调城市发展过程中产生的交通拥堵和用地不足的矛盾。由于TOD理念一般要求对区域内的各公共交通站点周边地块进行高强度开发，因此，在使用TOD理念进行城市规划时，常需要对区域内的各个公共交通站点进行调研评估，以确定最终用于开发改造的目标公共交通站点。
目前的方法，通常是以地方性区域改造的开发方为主导，来确定对目标区域内的改造目标，很少会在区域改造前，对目标区域内的各公共交通站点进行事前评估，导致区域改造的质量较低。并且，即使在区域改造之前，对目标区域内的各公共交通站点进行事前评估，也多以规划人员的人工调研评估为主，规划人员针对交通状况或者商业开发前景等单一元素，对待规划区域内的各公共交通站点进行评分，然后，根据评分结果的高低，来确定最终的改造目标。这样，规划人员在进行调研评估时，规划人员的评分结果受到人为主观因素的影响较大，难以保证评分结果的客观性，从而，导致改造目标的确定结果准确度较低。
发明内容
有鉴于此，本发明的目的在于提供一种确定区域内改造目标的方法、装置、设备及存储介质，以更加客观的确定区域内的改造目标，并提高确定结果的准确度。
第一方面，本发明实施例提供了一种确定区域内改造目标的方法，所述方法包括：
利用目标区域内每一候选改造目标的样本指标，从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标，其中，所述候选改造目标是所述目标区域内包含的公共交通站点，所述样本指标至少包括：交通输送类指标、交通衔接类指标、居民意愿类指标、开发前景类指标、改造密度类指标、土地利用类指标、公共设施类指标以及经济发展类指标；
针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，其中，所述指标总值是每一所述候选改造目标的该评价指标的指标值的和值；
以每一所述候选改造目标作为行向量，每一所述评价指标作为列向量，构建目标矩阵，其中，所述目标矩阵中每一位元素的元素值是目标比重与该位元素所在列的评价指标的指标权重的乘积，所述目标比重是该位元素所在行的候选改造目标在该位元素所在列的评价指标的指标总值中所占的比重；
针对所述目标矩阵中包含的每一所述行向量，计算该行向量与目标行向量之间的相对距离，根据计算结果，绘制结果展示图，其中，所述目标行向量包括：正目标行向量以及负目标行向量，所述正目标行向量是由每一所述列向量中的最大元素值组成的行向量，所述负目标行向量是由每一所述列向量中的最小元素值组成的行向量；
在所述结果展示图中，对所述计算结果中的最大值对应的候选改造目标进行标记，以标记的候选改造目标作为所述目标区域内的最终改造目标。
可选的，所述从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标，包括：
以每一所述候选改造目标作为待处理数据列表的行，每一所述样本指标作为待处理数据列表的列，绘制待处理数据列表；
针对所述待处理数据列表中的每一列，以该列和所述交通输送类指标所在列作为相关变量，对两个相关变量进行相关性分析，得到两个相关变量之间的相关性系数的数值以及显著性水平的数值，其中，所述交通输送类指标包括：日均上车客流量以及日均下车客流量；
若确定所述相关性系数的数值大于或者等于预先设置的第一阈值，则判断所述显著性水平的数值是否小于预先设置的第二阈值，根据每一列的判断结果，来从所述样本指标中确定出所述评价指标。
可选的，所述根据每一列的判断结果，来从所述样本指标中确定出所述评价指标，包括：
针对每一所述判断结果，若确定所述显著性水平的数值小于所述第二阈值，则提取该判断结果对应的列，得到备选评价指标列表；
以所述备选评价指标列表中的每一列作为信度检验变量，计算得到所述备选评价指标列表的克朗巴哈系数；
以所述备选评价指标列表中的每一列作为效度检验变量，计算得到所述备选评价指标列表的KMO检验值以及巴特利球形检验值；
若确定所述克朗巴哈系数、所述KMO检验值以及所述巴特利球形检验值均满足预先设置的检验规则，则确定所述备选评价指标列表中的每一列对应的样本指标均属于所述评价指标。
可选的，在所述确定出用于表征该候选改造目标的改造适宜度的评价指标之后，所述方法还包括：
针对每一所述评价指标，对每一所述候选改造目标的该评价指标的初始指标值进行加法计算，得到该评价指标对应的指标和值；
针对该评价指标的每一所述候选改造目标，利用所述指标和值，对该候选改造目标的该评价指标的初始指标值进行归一化处理，将归一化处理的结果作为该候选改造目标的该评价指标的指标值。
可选的，所述利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，包括：
以所述候选改造目标的总数作为第一参数，所述比重作为第二参数，将所述第一参数以及所述第二参数代入指标熵值计算公式，得到该评价指标的指标熵值，其中，所述指标熵值位于区间[0,1]内；
计算数字1与所述指标熵值的差值，将计算结果作为该评价指标的信息熵冗余度；
计算该评价指标的信息熵冗余度在信息熵冗余度总值中所占的比重，将计算结果作为该评价指标对应的所述指标权重，其中，所述信息熵冗余度总值是每一所述评价指标的信息熵冗余度的和值。
可选的，所述计算该行向量与目标行向量之间的相对距离，包括：
计算该行向量与所述正目标行向量之间的距离，将计算结果作为第一距离；
计算该行向量与所述负目标行向量之间的距离，将计算结果作为第二距离；
计算所述第二距离与距离和值的商值，将计算结果作为所述相对距离，其中，所述距离和值是所述第一距离与所述第二距离的和值。
可选的，所述根据计算结果，绘制结果展示图，包括：
按照所述相对距离由大到小的顺序，对每一所述候选改造目标进行排序，得到所述目标区域内的候选改造目标序列；
利用所述目标区域映射的第三阈值，从所述候选改造目标序列中，提取所述第三阈值的候选改造目标作为绘制目标；
针对每一所述绘制目标，以该绘制目标在所述候选改造目标序列中的排名作为横坐标，以该绘制目标的所述相对距离作为纵坐标，绘制所述结果展示图。
第二方面，本发明实施例还提供了一种确定区域内改造目标的装置，所述装置包括：
指标筛选模块，用于利用目标区域内每一候选改造目标的样本指标，从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标，其中，所述候选改造目标是所述目标区域内包含的公共交通站点，所述样本指标至少包括：交通输送类指标、交通衔接类指标、居民意愿类指标、开发前景类指标、改造密度类指标、土地利用类指标、公共设施类指标以及经济发展类指标；
权重计算模块，用于针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，其中，所述指标总值是每一所述候选改造目标的该评价指标的指标值的和值；
矩阵构建模块，用于以每一所述候选改造目标作为行向量，每一所述评价指标作为列向量，构建目标矩阵，其中，所述目标矩阵中每一位元素的元素值是目标比重与该位元素所在列的评价指标的指标权重的乘积，所述目标比重是该位元素所在行的候选改造目标在该位元素所在列的评价指标的指标总值中所占的比重；
结果绘制模块，用于针对所述目标矩阵中包含的每一所述行向量，计算该行向量与目标行向量之间的相对距离，根据计算结果，绘制结果展示图，其中，所述目标行向量包括：正目标行向量以及负目标行向量，所述正目标行向量是由每一所述列向量中的最大元素值组成的行向量，所述负目标行向量是由每一所述列向量中的最小元素值组成的行向量；
结果确定模块，用于在所述结果展示图中，对所述计算结果中的最大值对应的候选改造目标进行标记，以标记的候选改造目标作为所述目标区域内的最终改造目标。
可选的，所述指标筛选模块，包括：
列表生成单元，用于以每一所述候选改造目标作为待处理数据列表的行，每一所述样本指标作为待处理数据列表的列，绘制待处理数据列表；
相关性检测单元，用于针对所述待处理数据列表中的每一列，以该列和所述交通输送类指标所在列作为相关变量，对两个相关变量进行相关性分析，得到两个相关变量之间的相关性系数的数值以及显著性水平的数值，其中，所述交通输送类指标包括：日均上车客流量以及日均下车客流量；
指标判断单元，用于若确定所述相关性系数的数值大于或者等于预先设置的第一阈值，则判断所述显著性水平的数值是否小于预先设置的第二阈值，根据每一列的判断结果，来从所述样本指标中确定出所述评价指标。
可选的，所述指标判断单元，还用于：
针对每一所述判断结果，若确定所述显著性水平的数值小于所述第二阈值，则提取该判断结果对应的列，得到备选评价指标列表；
以所述备选评价指标列表中的每一列作为信度检验变量，计算得到所述备选评价指标列表的克朗巴哈系数；
以所述备选评价指标列表中的每一列作为效度检验变量，计算得到所述备选评价指标列表的KMO检验值以及巴特利球形检验值；
若确定所述克朗巴哈系数、所述KMO检验值以及所述巴特利球形检验值均满足预先设置的检验规则，则确定所述备选评价指标列表中的每一列对应的样本指标均属于所述评价指标。
可选的，所述装置还包括：归一化模块，所述归一化模块，用于：
针对每一所述评价指标，对每一所述候选改造目标的该评价指标的初始指标值进行加法计算，得到该评价指标对应的指标和值；
针对该评价指标的每一所述候选改造目标，利用所述指标和值，对该候选改造目标的该评价指标的初始指标值进行归一化处理，将归一化处理的结果作为该候选改造目标的该评价指标的指标值。
可选的，所述权重计算模块，还包括：
第一计算单元，用于以所述候选改造目标的总数作为第一参数，所述比重作为第二参数，将所述第一参数以及所述第二参数代入指标熵值计算公式，得到该评价指标的指标熵值，其中，所述指标熵值位于区间[0,1]内；
第二计算单元，用于计算数字1与所述指标熵值的差值，将计算结果作为该评价指标的信息熵冗余度；
第三计算单元，用于计算该评价指标的信息熵冗余度在信息熵冗余度总值中所占的比重，将计算结果作为该评价指标对应的所述指标权重，其中，所述信息熵冗余度总值是每一所述评价指标的信息熵冗余度的和值。
可选的，所述结果绘制模块，还用于：
计算该行向量与所述正目标行向量之间的距离，将计算结果作为第一距离；
计算该行向量与所述负目标行向量之间的距离，将计算结果作为第二距离；
计算所述第二距离与距离和值的商值，将计算结果作为所述相对距离，其中，所述距离和值是所述第一距离与所述第二距离的和值。
可选的，所述结果绘制模块，还用于：
按照所述相对距离由大到小的顺序，对每一所述候选改造目标进行排序，得到所述目标区域内的候选改造目标序列；
利用所述目标区域映射的第三阈值，从所述候选改造目标序列中，提取所述第三阈值的候选改造目标作为绘制目标；
针对每一所述绘制目标，以该绘制目标在所述候选改造目标序列中的排名作为横坐标，以该绘制目标的所述相对距离作为纵坐标，绘制所述结果展示图。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的确定区域内改造目标的方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的确定区域内改造目标的方法的步骤。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请提供的确定区域内改造目标的方法，是先针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，然后，又利用该候选改造目标的每一所述评价指标的指标值与该评级指标的最大值以及最小值，以最大值作为最优解，以最小值作为最劣解，计算出每一所述候选改造目标与最优解和最劣解的相对距离，以计算结果中的最大值对应的候选改造目标作为所述目标区域内的最终改造目标。这样，可以较为全面客观的评价每一候选改造目标的改造适宜度，减少人为主观因素的影响，提高改造目标的确定结果的准确度。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种确定区域内改造目标的方法的流程示意图；
图2示出了本申请实施例所提供的一种从样本指标中，筛选评价指标的方法的流程示意图；
图3示出了本申请实施例所提供的一种计算指标权重的方法的流程示意图；
图4示出了本申请实施例所提供的一种绘制结果展示图的方法的流程示意图；
图5示出了本申请实施例所提供的一种结果展示图的具体示例图；
图6示出了本申请实施例所提供的一种确定区域内改造目标的装置的结构示意图；
图7为本申请实施例提供的一种计算机设备700的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种确定区域内改造目标的方法、装置、设备及存储介质，下面通过实施例进行描述。
实施例一
图1示出了本申请实施例所提供的一种确定区域内改造目标的方法的流程示意图，该方法包括步骤S101-S105；具体的：
S101，利用目标区域内每一候选改造目标的样本指标，从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标。
具体的，其中，所述候选改造目标是所述目标区域内包含的公共交通站点，所述样本指标至少包括：交通输送类指标、交通衔接类指标、居民意愿类指标、开发前景类指标、改造密度类指标、土地利用类指标、公共设施类指标以及经济发展类指标；
所述交通输送类指标用于表征所述候选改造目标本身的交通输送能力，所述交通衔接类指标用于表征所述候选改造目标与相邻的公共交通站点的衔接能力，所述居民意愿类指标用于表征所述候选改造目标的有效作用区域内的居民对于该候选改造目标的改造意愿，所述开发前景类指标用于表征所述候选改造目标的有效作用区域内的开发潜力，所述改造密度类指标用于表征所述候选改造目标的有效作用区域内的人口密度和/或岗位密度，所述土地利用类指标用于表征所述候选改造目标的有效作用区域内土地的开发利用程度，所述公共设施类指标用于表征所述候选改造目标的有效作用区域内公共服务基础设施的覆盖程度，经济发展类指标用于表征所述候选改造目标的有效作用区域内的经济发达程度，其中，所述有效作用区域是指以该候选改造目标作为常用通行站点的居民聚集区域。
需要说明的是，对于候选改造目标而言，候选改造目标可以是当前的目标区域内的地铁站点、公交巴士站点、火车站点等公共交通站点，对于公共交通的具体种类，本申请并不进行限定。其中，优选的，可以将所述目标区域内的同一类公共交通站点作为所述候选改造目标，例如，以目标区域内所有的地铁站点作为候选改造目标，从所有的地铁站点中，确定出改造适宜度最高的地铁站点作为最终的改造目标。
示例性的说明，以地铁站点作为候选改造目标为例，对于所述样本指标，其中，所述交通输送类指标可以包括：日均上车客流量、日均下车客流量；所述交通衔接类指标可以包括：地铁站点周围一定半径内的路网密度、交叉口数量以及公共交通站点数量；居民意愿类指标可以包括：该地铁站点处的乘客认为该地铁站点周边需要改造的人数以及愿意在该地铁站点周边进行商业消费的人数；所述开发前景类指标可以包括：该地铁站点周边的商业开发潜力值以及用地开发潜力值；所述改造密度类指标可以包括人口密度类指标和岗位密度类指标；例如，人口密度类指标可以包括：地铁站点周围一定半径内的人口密度；岗位密度类指标可以包括：地铁站点周围一定半径内的工作岗位密度；所述土地利用类指标可以包括：地铁站点周围一定半径内的容积率、用地混合度熵；所述公共设施类指标可以包括：地铁站点周围一定半径内的便利店密度以及医疗卫生设施密度；所述经济发展类指标可以包括：地铁站点周围一定半径内的平均房价以及商铺租金。
需要说明的是，对于居民意愿类指标，可以使用问卷调查的形式，来采集指标数据，例如：若候选改造目标为：地铁站点，则可以将该地铁站点处的乘客在问卷中选择“需要改造”选项的人数，作为居民意愿类指标；若候选改造目标为：非地铁站点，则可以将该非地铁站点处的乘客在问卷中选择“愿意改乘地铁”选项的人数，作为居民意愿类指标；
对于涉及在候选改造目标周围一定半径内进行数据采集的样本指标，可以按照单位阈值进行连续的采集，也可以只按照固定阈值进行采集。例如，以所述交通衔接类指标为例，在采集候选改造指标周围的路网密度时，可以按照100米的单位阈值，连续采集候选改造指标周围100米、200米、300米…半径内的路网密度；也可以按照500米的固定阈值，只采集候选改造指标周围500米的路网密度。对于样本目标数据的具体采集方式，本申请并不进行限定。
S102，针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重。
需要说明的是，其中，所述指标总值是每一所述候选改造目标的该评价指标的指标值的和值。
具体的，考虑到不同的评价指标之间可能具有不同的量纲，以所述公共设施类指标以及所述经济发展类指标为例，参照步骤S101中的示例可知，候选改造目标周边的平均房价的量纲明显要远远高于候选改造目标周围一定半径内的便利店密度或者医疗卫生设施密度，因此，为了消除评价指标的量纲对最终确定结果的影响，本申请实施例中，作为一可选实施例，在所述确定出用于表征该候选改造目标的改造适宜度的评价指标之后，所述方法还包括：
针对每一所述评价指标，对每一所述候选改造目标的该评价指标的初始指标值进行加法计算，得到该评价指标对应的指标和值；
针对该评价指标的每一所述候选改造目标，利用所述指标和值，对该候选改造目标的该评价指标的初始指标值进行归一化处理，将归一化处理的结果作为该候选改造目标的该评价指标的指标值。
示例性的说明，以评价指标A为例，若候选改造目标为：a、b、c、d、e，其中，候选改造目标a的评价指标A的初始指标值为A1、候选改造目标b的评价指标A的初始指标值为A2、候选改造目标c的评价指标A的初始指标值为A3、候选改造目标d的评价指标A的初始指标值为A4、候选改造目标e的评价指标A的初始指标值为A5，则以候选改造目标a为例，最终候选改造目标a的评价指标A的指标值为：
S103，以每一所述候选改造目标作为行向量，每一所述评价指标作为列向量，构建目标矩阵。
具体的，其中，所述目标矩阵中每一位元素的元素值是目标比重与该位元素所在列的评价指标的指标权重的乘积，所述目标比重是该位元素所在行的候选改造目标在该位元素所在列的评价指标的指标总值中所占的比重。
示例性的说明，以候选改造目标X1-Xn作为行向量、评价指标Y1-Ym作为列向量，利用各候选改造目标的评价指标的指标值，可以构建识别矩阵如下表1所示：
| Y1 | Y2 | … | Ym | |
| X1 | a<sub>11</sub> | a<sub>12</sub> | … | a<sub>1m</sub> |
| X2 | a<sub>21</sub> | a<sub>22</sub> | … | a<sub>2m</sub> |
| … | … | … | … | … |
| Xn | a<sub>n1</sub> | a<sub>n2</sub> | … | a<sub>nm</sub> |
表1
其中，aij是候选改造目标Xi的评价指标Yj的指标值；
则以第i行第j列的元素aij为例，aij对应的所述目标比重pij为：
若第j列的评价指标Yj对应的指标权重为Wj，则可以得到所述目标矩阵如下表2所示：
| Y1 | Y2 | … | Ym | |
| X1 | z<sub>11</sub> | z<sub>12</sub> | … | z<sub>1m</sub> |
| X2 | z<sub>21</sub> | z<sub>22</sub> | … | z<sub>2m</sub> |
| … | … | … | … | … |
| Xn | z<sub>n1</sub> | z<sub>n2</sub> | … | z<sub>nm</sub> |
表2
其中，所述目标矩阵中的第i行第j列的元素zij的元素值为：
zij＝pij×Wj。
S104，针对所述目标矩阵中包含的每一所述行向量，计算该行向量与目标行向量之间的相对距离，根据计算结果，绘制结果展示图。
具体的，其中，所述目标行向量包括：正目标行向量以及负目标行向量，所述正目标行向量是由每一所述列向量中的最大元素值组成的行向量，所述负目标行向量是由每一所述列向量中的最小元素值组成的行向量。
本申请实施例中，作为一可选实施例，所述计算该行向量与目标行向量之间的相对距离，包括：
计算该行向量与所述正目标行向量之间的距离，将计算结果作为第一距离；
计算该行向量与所述负目标行向量之间的距离，将计算结果作为第二距离；
计算所述第二距离与距离和值的商值，将计算结果作为所述相对距离，其中，所述距离和值是所述第一距离与所述第二距离的和值。
示例性的说明，参照表2所示的目标矩阵，以候选改造目标Xi为例，可以按照如下公式，计算第i行的行向量与目标行向量之间的相对距离Ci：
z正＝(z1max，z2max，...，zm max)；
z负＝(z1min，z2min，...，zm min)；
其中，z正是正目标行向量；
z负是负目标行向量；
zjmax是第j列的列向量中的最大元素值；
zjmin是第j列的列向量中的最小元素值。
S105，在所述结果展示图中，对所述计算结果中的最大值对应的候选改造目标进行标记，以标记的候选改造目标作为所述目标区域内的最终改造目标。
具体的，由于评价指标用于表征各候选改造目标的改造适宜度，因此，作为一个可选实施例，可以使用TOPSIS(Technique for Order Preference by Similarity to anIdeal Solution，逼近理想解排序法)排序法对各候选改造目标进行排序，以排序结果作为横坐标，以所述计算结果作为纵坐标，绘制所述结果展示图。
示例性的说明，其中，所述正目标行向量可以用于表征TOPSIS排序法中的正理想解，所述负目标行向量可以用于表征TOPSIS排序法中的负理想解，在所述相对距离为Ci时，根据上述Ci的计算公式可知，对于第i个候选改造目标Xi，当候选改造目标Xi与负目标行向量之间的距离越大时，候选改造目标Xi的相对距离Ci的值越大，表示候选改造目标Xi距离负理想解越远，即候选改造目标Xi的排名越靠前，候选改造目标Xi的改造适宜度也越高。此时，被标记的最终改造目标用于表征所述目标区域内改造适宜度最高的候选改造目标，所述结果展示图中，横坐标越大，则表征改造适宜度越小，这样，用户可以从所述结果展示图中，清晰地看到所述目标区域内各候选改造目标的改造适宜度，有利于提高改造目标的确定效率。
在一个可行的实施方案中，图2示出了本申请实施例所提供的一种从样本指标中，筛选评价指标的方法的流程示意图，如图2所示，在执行步骤S101时，该方法还包括S201-S203；具体的：
S201，以每一所述候选改造目标作为待处理数据列表的行，每一所述样本指标作为待处理数据列表的列，绘制待处理数据列表。
具体的，作为一可选实施例，可以在SPSS(Statistical Product and ServiceSolutions，统计产品与服务解决方案)平台中，导入每一所述候选改造目标以及每一所述样本指标，生成所述待处理数据列表。
示例性的说明，若候选改造目标为：a、b、c、d、e，样本指标为A1…An，则可以在SPSS平台中，生成待处理数据列表如下表3所示：
| A1 | A2 | … | An | |
| a | a1 | a2 | … | an |
| b | b1 | b2 | … | bn |
| c | c1 | c2 | … | cn |
| d | d1 | d2 | … | dn |
| e | e1 | e2 | … | en |
表3
S202，针对所述待处理数据列表中的每一列，以该列和所述交通输送类指标所在列作为相关变量，对两个相关变量进行相关性分析，得到两个相关变量之间的相关性系数的数值以及显著性水平的数值。
具体的，其中，所述交通输送类指标包括：日均上车客流量以及日均下车客流量。
示例性的说明，参照表3所示，若评价指标A1为：日均上车客流量，评价指标A2为：日均下车客流量，则以评价指标A3为例，在SPSS平台中，以A1列和A3列作为相关变量，可以得到A1列和A3列的相关系数的数值以及显著性水平的数值；以A2列和A3列作为相关变量，可以得到A2列和A3列的相关系数的数值以及显著性水平的数值。
S203，若确定所述相关性系数的数值大于或者等于预先设置的第一阈值，则判断所述显著性水平的数值是否小于预先设置的第二阈值，根据每一列的判断结果，来从所述样本指标中确定出所述评价指标。
具体的，在相关性分析中，两个相关变量之间的所述相关性系数的数值越高，则表示两个相关变量之间的相关程度越高；显著性水平用于表征在两个相关变量相关时的犯错误概率，因此，所述显著性水平的数值越小，则表示最终筛选出的评价指标越可靠。
示例性的说明，预先设置的所述第一阈值可以是0.4，预先设置的所述第二阈值可以是0.05，仍以上述举例中的评价指标A3为例，若A3与A1的相关性系数的数值为0.2，A3与A2的相关性系数的数值为0.5，则由于A3与A1的相关性系数的数值小于所述第一阈值，此时，作为一可选实施例，可以从所述待处理数据列表中去除评价指标A3所在的列；若A3与A1的相关性系数的数值为0.6，A3与A2的相关性系数的数值为0.5，则可以利用A3与A1的显著性水平的数值与第二阈值的大小关系，以及A3与A2的显著性水平的数值与第二阈值的大小关系，来得到评价指标A3对应的所述判断结果。
本申请实施例中，作为一可选实施例，所述根据每一列的判断结果，来从所述样本指标中确定出所述评价指标，包括：
针对每一所述判断结果，若确定所述显著性水平的数值小于所述第二阈值，则提取该判断结果对应的列，得到备选评价指标列表；
以所述备选评价指标列表中的每一列作为信度检验变量，计算得到所述备选评价指标列表的克朗巴哈系数；
以所述备选评价指标列表中的每一列作为效度检验变量，计算得到所述备选评价指标列表的KMO检验值以及巴特利球形检验值；
若确定所述克朗巴哈系数、所述KMO检验值以及所述巴特利球形检验值均满足预先设置的检验规则，则确定所述备选评价指标列表中的每一列对应的样本指标均属于所述评价指标。
示例性的说明，在SPSS平台的因子分析模块中，以所述备选评价指标列表中的每一列作为因子分析的变量，以克朗巴哈系数作为因子分析目标，可以得到备选评价指标列表的克朗巴哈系数；
在SPSS平台的因子分析模块中，以所述备选评价指标列表中的每一列作为因子分析的变量，以KMO和巴特利球形检验作为因子分析目标，可以得到备选评价指标列表的KMO检验值以及巴特利球形检验值；
其中，预先设置的检验规则可以是：克朗巴哈系数大于或者等于0.6，且KMO检验值大于0.6，且巴特利球形检验值小于0.05；若所述克朗巴哈系数、所述KMO检验值以及所述巴特利球形检验值存在至少一项不符合所述检测规则，则作为一可选实施例，可以重新选取样本指标，返回步骤S101。
在一个可行的实施方案中，图3示出了本申请实施例所提供的一种计算指标权重的方法的流程示意图，如图3所示，在执行步骤S102时，该方法还包括S301-S303；具体的：
S301，以所述候选改造目标的总数作为第一参数，所述比重作为第二参数，将所述第一参数以及所述第二参数代入指标熵值计算公式，得到该评价指标的指标熵值，其中，所述指标熵值位于区间[0,1]内。
具体的，以第j列的评价指标Yj为例，可以按照如下公式，来计算评价指标Yj的指标熵值ej：
其中，n是候选改造目标的总数；
pij是第i个候选改造目标的第j列的指标值在第j列的指标总值中所占的比重。
S302，计算数字1与所述指标熵值的差值，将计算结果作为该评价指标的信息熵冗余度。
具体的，仍以第j列的评价指标Yj为例，评价指标Yj的信息熵冗余度dj为：dj＝1-ej。
S303，计算该评价指标的信息熵冗余度在信息熵冗余度总值中所占的比重，将计算结果作为该评价指标对应的所述指标权重。
具体的，仍以第j列的评价指标Yj为例，评价指标Yj的指标权重Wj为：
其中，m是评价指标的总数。
在一个可行的实施方案中，图4示出了本申请实施例所提供的一种绘制结果展示图的方法的流程示意图，如图4所示，在执行步骤S104时，该方法还包括S401-S403；具体的：
S401，按照所述相对距离由大到小的顺序，对每一所述候选改造目标进行排序，得到所述目标区域内的候选改造目标序列。
示例性的说明，若目标区域G内的候选改造目标为a、b、c、d、e；其中，所述相对距离的大小关系为：a<b<c<d<e，则可以得到目标区域G内的候选改造目标序列为：e、d、c、b、a。
S402，利用所述目标区域映射的第三阈值，从所述候选改造目标序列中，提取所述第三阈值的候选改造目标作为绘制目标。
具体的，作为一可选实施例，可以根据目标区域的经济发展等级以及公共交通是否发达，来确定该目标区域映射的第三阈值。
示例性的说明，若目标区域G的经济发展等级位于中级以上且目标区域G的公共交通发达，则将上黄金分割位0.618作为目标区域G映射的所述第三阈值；否则，则将下黄金分割位0.382作为目标区域G映射的所述第三阈值，以第三阈值为0.382为例，则提取候选改造目标序列中排名前38.2％的候选改造目标作为所述绘制目标。
S403，针对每一所述绘制目标，以该绘制目标在所述候选改造目标序列中的排名作为横坐标，以该绘制目标的所述相对距离作为纵坐标，绘制所述结果展示图。
示例性的说明，以目标区域G作为目标区域，可以得到结果展示图如图5所示，其中，可以看出绘制目标：a对应的排名最靠前，可以确定绘制目标a为最终的改造目标。
实施例二
图6示出了本申请实施例所提供的一种确定区域内改造目标的装置的结构示意图，所述装置包括：
指标筛选模块601，用于利用目标区域内每一候选改造目标的样本指标，从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标，其中，所述候选改造目标是所述目标区域内包含的公共交通站点，所述样本指标至少包括：交通输送类指标、交通衔接类指标、居民意愿类指标、开发前景类指标、改造密度类指标、土地利用类指标、公共设施类指标以及经济发展类指标；
权重计算模块602，用于针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，其中，所述指标总值是每一所述候选改造目标的该评价指标的指标值的和值；
矩阵构建模块603，用于以每一所述候选改造目标作为行向量，每一所述评价指标作为列向量，构建目标矩阵，其中，所述目标矩阵中每一位元素的元素值是目标比重与该位元素所在列的评价指标的指标权重的乘积，所述目标比重是该位元素所在行的候选改造目标在该位元素所在列的评价指标的指标总值中所占的比重；
结果绘制模块604，用于针对所述目标矩阵中包含的每一所述行向量，计算该行向量与目标行向量之间的相对距离，根据计算结果，绘制结果展示图，其中，所述目标行向量包括：正目标行向量以及负目标行向量，所述正目标行向量是由每一所述列向量中的最大元素值组成的行向量，所述负目标行向量是由每一所述列向量中的最小元素值组成的行向量；
结果确定模块605，用于在所述结果展示图中，对所述计算结果中的最大值对应的候选改造目标进行标记，以标记的候选改造目标作为所述目标区域内的最终改造目标。
可选的，指标筛选模块601，包括：
列表生成单元(图中未示出)，用于以每一所述候选改造目标作为待处理数据列表的行，每一所述样本指标作为待处理数据列表的列，绘制待处理数据列表；
相关性检测单元(图中未示出)，用于针对所述待处理数据列表中的每一列，以该列和所述交通输送类指标所在列作为相关变量，对两个相关变量进行相关性分析，得到两个相关变量之间的相关性系数的数值以及显著性水平的数值，其中，所述交通输送类指标包括：日均上车客流量以及日均下车客流量；
指标判断单元(图中未示出)，用于若确定所述相关性系数的数值大于或者等于预先设置的第一阈值，则判断所述显著性水平的数值是否小于预先设置的第二阈值，根据每一列的判断结果，来从所述样本指标中确定出所述评价指标。
可选的，所述指标判断单元，还用于：
针对每一所述判断结果，若确定所述显著性水平的数值小于所述第二阈值，则提取该判断结果对应的列，得到备选评价指标列表；
以所述备选评价指标列表中的每一列作为信度检验变量，计算得到所述备选评价指标列表的克朗巴哈系数；
以所述备选评价指标列表中的每一列作为效度检验变量，计算得到所述备选评价指标列表的KMO检验值以及巴特利球形检验值；
若确定所述克朗巴哈系数、所述KMO检验值以及所述巴特利球形检验值均满足预先设置的检验规则，则确定所述备选评价指标列表中的每一列对应的样本指标均属于所述评价指标。
可选的，所述装置还包括：归一化模块(图中未示出)，所述归一化模块，用于：
针对每一所述评价指标，对每一所述候选改造目标的该评价指标的初始指标值进行加法计算，得到该评价指标对应的指标和值；
针对该评价指标的每一所述候选改造目标，利用所述指标和值，对该候选改造目标的该评价指标的初始指标值进行归一化处理，将归一化处理的结果作为该候选改造目标的该评价指标的指标值。
可选的，权重计算模块602，还包括：
第一计算单元(图中未示出)，用于以所述候选改造目标的总数作为第一参数，所述比重作为第二参数，将所述第一参数以及所述第二参数代入指标熵值计算公式，得到该评价指标的指标熵值，其中，所述指标熵值位于区间[0,1]内；
第二计算单元(图中未示出)，用于计算数字1与所述指标熵值的差值，将计算结果作为该评价指标的信息熵冗余度；
第三计算单元(图中未示出)，用于计算该评价指标的信息熵冗余度在信息熵冗余度总值中所占的比重，将计算结果作为该评价指标对应的所述指标权重，其中，所述信息熵冗余度总值是每一所述评价指标的信息熵冗余度的和值。
可选的，结果绘制模块604，还用于：
计算该行向量与所述正目标行向量之间的距离，将计算结果作为第一距离；
计算该行向量与所述负目标行向量之间的距离，将计算结果作为第二距离；
计算所述第二距离与距离和值的商值，将计算结果作为所述相对距离，其中，所述距离和值是所述第一距离与所述第二距离的和值。
可选的，所述结果绘制模块604，还用于：
按照所述相对距离由大到小的顺序，对每一所述候选改造目标进行排序，得到所述目标区域内的候选改造目标序列；
利用所述目标区域映射的第三阈值，从所述候选改造目标序列中，提取所述第三阈值的候选改造目标作为绘制目标；
针对每一所述绘制目标，以该绘制目标在所述候选改造目标序列中的排名作为横坐标，以该绘制目标的所述相对距离作为纵坐标，绘制所述结果展示图。
实施例三
如图7所示，本申请实施例提供了一种计算机设备700，用于执行本申请中的确定区域内改造目标的方法，该设备包括存储器701、处理器702及存储在该存储器701上并可在该处理器702上运行的计算机程序，其中，上述处理器702执行上述计算机程序时实现上述的确定区域内改造目标的方法的步骤。
具体地，上述存储器701和处理器702可以为通用的存储器和处理器，这里不做具体限定，当处理器702运行存储器701存储的计算机程序时，能够执行上述的确定区域内改造目标的方法。
对应于本申请中的确定区域内改造目标的方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述的确定区域内改造目标的方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述的确定区域内改造目标的方法。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种确定区域内改造目标的方法，其特征在于，所述方法包括：
利用目标区域内每一候选改造目标的样本指标，从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标，其中，所述候选改造目标是所述目标区域内包含的公共交通站点，所述样本指标至少包括：交通输送类指标、交通衔接类指标、居民意愿类指标、开发前景类指标、改造密度类指标、土地利用类指标、公共设施类指标以及经济发展类指标；
针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，其中，所述指标总值是每一所述候选改造目标的该评价指标的指标值的和值；
以每一所述候选改造目标作为行向量，每一所述评价指标作为列向量，构建目标矩阵，其中，所述目标矩阵中每一位元素的元素值是目标比重与该位元素所在列的评价指标的指标权重的乘积，所述目标比重是该位元素所在行的候选改造目标在该位元素所在列的评价指标的指标总值中所占的比重；
针对所述目标矩阵中包含的每一所述行向量，计算该行向量与目标行向量之间的相对距离，根据计算结果，绘制结果展示图，其中，所述目标行向量包括：正目标行向量以及负目标行向量，所述正目标行向量是由每一所述列向量中的最大元素值组成的行向量，所述负目标行向量是由每一所述列向量中的最小元素值组成的行向量；
在所述结果展示图中，对所述计算结果中的最大值对应的候选改造目标进行标记，以标记的候选改造目标作为所述目标区域内的最终改造目标。
2.根据权利要求1所述的方法，其特征在于，所述从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标，包括：
以每一所述候选改造目标作为待处理数据列表的行，每一所述样本指标作为待处理数据列表的列，绘制待处理数据列表；
针对所述待处理数据列表中的每一列，以该列和所述交通输送类指标所在列作为相关变量，对两个相关变量进行相关性分析，得到两个相关变量之间的相关性系数的数值以及显著性水平的数值，其中，所述交通输送类指标包括：日均上车客流量以及日均下车客流量；
若确定所述相关性系数的数值大于或者等于预先设置的第一阈值，则判断所述显著性水平的数值是否小于预先设置的第二阈值，根据每一列的判断结果，来从所述样本指标中确定出所述评价指标。
3.根据权利要求2所述的方法，其特征在于，所述根据每一列的判断结果，来从所述样本指标中确定出所述评价指标，包括：
针对每一所述判断结果，若确定所述显著性水平的数值小于所述第二阈值，则提取该判断结果对应的列，得到备选评价指标列表；
以所述备选评价指标列表中的每一列作为信度检验变量，计算得到所述备选评价指标列表的克朗巴哈系数；
以所述备选评价指标列表中的每一列作为效度检验变量，计算得到所述备选评价指标列表的KMO检验值以及巴特利球形检验值；
若确定所述克朗巴哈系数、所述KMO检验值以及所述巴特利球形检验值均满足预先设置的检验规则，则确定所述备选评价指标列表中的每一列对应的样本指标均属于所述评价指标。
4.根据权利要求1所述的方法，其特征在于，在所述确定出用于表征该候选改造目标的改造适宜度的评价指标之后，所述方法还包括：
针对每一所述评价指标，对每一所述候选改造目标的该评价指标的初始指标值进行加法计算，得到该评价指标对应的指标和值；
针对该评价指标的每一所述候选改造目标，利用所述指标和值，对该候选改造目标的该评价指标的初始指标值进行归一化处理，将归一化处理的结果作为该候选改造目标的该评价指标的指标值。
5.根据权利要求1所述的方法，其特征在于，所述利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，包括：
以所述候选改造目标的总数作为第一参数，所述比重作为第二参数，将所述第一参数以及所述第二参数代入指标熵值计算公式，得到该评价指标的指标熵值，其中，所述指标熵值位于区间[0,1]内；
计算数字1与所述指标熵值的差值，将计算结果作为该评价指标的信息熵冗余度；
计算该评价指标的信息熵冗余度在信息熵冗余度总值中所占的比重，将计算结果作为该评价指标对应的所述指标权重，其中，所述信息熵冗余度总值是每一所述评价指标的信息熵冗余度的和值。
6.根据权利要求1所述的方法，其特征在于，所述计算该行向量与目标行向量之间的相对距离，包括：
计算该行向量与所述正目标行向量之间的距离，将计算结果作为第一距离；
计算该行向量与所述负目标行向量之间的距离，将计算结果作为第二距离；
计算所述第二距离与距离和值的商值，将计算结果作为所述相对距离，其中，所述距离和值是所述第一距离与所述第二距离的和值。
7.根据权利要求1所述的方法，其特征在于，所述根据计算结果，绘制结果展示图，包括：
按照所述相对距离由大到小的顺序，对每一所述候选改造目标进行排序，得到所述目标区域内的候选改造目标序列；
利用所述目标区域映射的第三阈值，从所述候选改造目标序列中，提取所述第三阈值的候选改造目标作为绘制目标；
针对每一所述绘制目标，以该绘制目标在所述候选改造目标序列中的排名作为横坐标，以该绘制目标的所述相对距离作为纵坐标，绘制所述结果展示图。
8.一种确定区域内改造目标的装置，其特征在于，所述装置包括：
指标筛选模块，用于利用目标区域内每一候选改造目标的样本指标，从所述样本指标中，确定出用于表征该候选改造目标的改造适宜度的评价指标，其中，所述候选改造目标是所述目标区域内包含的公共交通站点，所述样本指标至少包括：交通输送类指标、交通衔接类指标、居民意愿类指标、开发前景类指标、改造密度类指标、土地利用类指标、公共设施类指标以及经济发展类指标；
权重计算模块，用于针对每一所述评价指标，利用每一所述候选改造目标的该评价指标的指标值在该评价指标的指标总值中所占的比重，计算该评价指标对应的指标权重，其中，所述指标总值是每一所述候选改造目标的该评价指标的指标值的和值；
矩阵构建模块，用于以每一所述候选改造目标作为行向量，每一所述评价指标作为列向量，构建目标矩阵，其中，所述目标矩阵中每一位元素的元素值是目标比重与该位元素所在列的评价指标的指标权重的乘积，所述目标比重是该位元素所在行的候选改造目标在该位元素所在列的评价指标的指标总值中所占的比重；
结果绘制模块，用于针对所述目标矩阵中包含的每一所述行向量，计算该行向量与目标行向量之间的相对距离，根据计算结果，绘制结果展示图，其中，所述目标行向量包括：正目标行向量以及负目标行向量，所述正目标行向量是由每一所述列向量中的最大元素值组成的行向量，所述负目标行向量是由每一所述列向量中的最小元素值组成的行向量；
结果确定模块，用于在所述结果展示图中，对所述计算结果中的最大值对应的候选改造目标进行标记，以标记的候选改造目标作为所述目标区域内的最终改造目标。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的确定区域内改造目标的方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的确定区域内改造目标的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011551249.3A CN112580999A (zh) | 2020-12-23 | 2020-12-23 | 一种确定区域内改造目标的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011551249.3A CN112580999A (zh) | 2020-12-23 | 2020-12-23 | 一种确定区域内改造目标的方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112580999A true CN112580999A (zh) | 2021-03-30 |
Family
ID=75139495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011551249.3A Pending CN112580999A (zh) | 2020-12-23 | 2020-12-23 | 一种确定区域内改造目标的方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112580999A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100191678A1 (en) * | 2009-01-23 | 2010-07-29 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Information Assisted Visual Interface, System, and Method for Identifying and Quantifying Multivariate Associations |
| CN108846597A (zh) * | 2018-09-06 | 2018-11-20 | 上海市测绘院 | 一种面向tod建设的交通枢纽评价方法 |
| CN110400047A (zh) * | 2019-06-18 | 2019-11-01 | 上海电器科学研究所（集团）有限公司 | 一种电动汽车充电网络运营的综合评价方法 |
| CN110400045A (zh) * | 2019-06-17 | 2019-11-01 | 宁波大学 | 基于微区的轨道站点辐射区步行可达性评价方法 |
| CN111598427A (zh) * | 2020-05-12 | 2020-08-28 | 东南大学 | 一种城市轨道交通站点重要度评价方法 |
-
2020
- 2020-12-23 CN CN202011551249.3A patent/CN112580999A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100191678A1 (en) * | 2009-01-23 | 2010-07-29 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Information Assisted Visual Interface, System, and Method for Identifying and Quantifying Multivariate Associations |
| CN108846597A (zh) * | 2018-09-06 | 2018-11-20 | 上海市测绘院 | 一种面向tod建设的交通枢纽评价方法 |
| CN110400045A (zh) * | 2019-06-17 | 2019-11-01 | 宁波大学 | 基于微区的轨道站点辐射区步行可达性评价方法 |
| CN110400047A (zh) * | 2019-06-18 | 2019-11-01 | 上海电器科学研究所（集团）有限公司 | 一种电动汽车充电网络运营的综合评价方法 |
| CN111598427A (zh) * | 2020-05-12 | 2020-08-28 | 东南大学 | 一种城市轨道交通站点重要度评价方法 |
Non-Patent Citations (4)
| Title |
|---|
| 储虹: "基于GIS分析的老旧小区适老化改造选址研究", 《建设科技》 * |
| 张君: "《中学英语教师科研路径与方法》", 30 September 2017 * |
| 张岩: "新建城市轨道交通运营筹备策略初探", 《中国勘察设计》 * |
| 潘斌: "佛山市轨道TOD模式实施策略探究", 《江苏科技信息》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hajrasouliha et al. | The impact of street network connectivity on pedestrian volume | |
| Handy et al. | Measuring accessibility: an exploration of issues and alternatives | |
| Jin et al. | Spatiotemporal analysis of regional tourism development: A semiparametric Geographically Weighted Regression model approach | |
| KR102373276B1 (ko) | 빅데이터 기반의 공공 시설물의 입지 선정 장치 및 방법 | |
| Zhu et al. | Understanding the spatiotemporal patterns of public bicycle usage: A case study of Hangzhou, China | |
| CN113344758B (zh) | 基于城市人群数字画像的服务设施规模调整方法及系统 | |
| Liu et al. | Multiscale spatial analysis of metro usage and its determinants for sustainable urban development in Shenzhen, China | |
| Bi et al. | How built environment impacts online car-hailing ridership | |
| CN116628455A (zh) | 一种城市交通碳排放监测与决策支持方法及系统 | |
| Hawkins et al. | Spatio-temporal hedonic price model to investigate the dynamics of housing prices in contexts of urban form and transportation services in Toronto | |
| Liu et al. | Probability-based typology for description of built environments around urban rail stations | |
| Murad et al. | Using the location-allocation P-median model for optimising locations for health care centres in the city of Jeddah City, Saudi Arabia | |
| Peng et al. | Study on the optimal allocation of public service facilities from the perspective of living circle—A case study of Xiangyang High-tech Zone, China | |
| CN114529747A (zh) | 保单检测方法、保单检测装置、电子设备及存储介质 | |
| Song et al. | Supply-demand matching assessment of the public service facilities in 15-minute community life circle based on residents' behaviors | |
| Bolaños-Martinez et al. | Clustering pipeline for vehicle behavior in smart villages | |
| CN112836890A (zh) | 一种预测火灾风险的方法、装置、设备及存储介质 | |
| KR20220116924A (ko) | 부동산 분양정보에 따른 ai 투자분석 서비스 제공시스템 | |
| KR20070097939A (ko) | 서버 및 클라이언트 단말기를 이용한 부동산 정보 제공방법 및 이를 수행하는 컴퓨터 프로그램이 기록된컴퓨터에서 판독 가능한 기록 매체 | |
| Zhou et al. | Big data for intrametropolitan human movement studies A case study of bus commuters based on smart card data | |
| Khorrami et al. | Measuring Liveability in Iranian Cities Using the Global Liveable City Index (GLCI) | |
| CN112580999A (zh) | 一种确定区域内改造目标的方法、装置、设备及存储介质 | |
| CN112668858B (zh) | 一种确定区域内目标站点的方法、装置、设备及存储介质 | |
| CN116502781A (zh) | 基于gps数据的公交线路规划与影响因素可视分析方法 | |
| Chen et al. | Locating new docked bike sharing stations considering demand suitability and spatial accessibility |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |
|
| RJ01 | Rejection of invention patent application after publication |