CN112949997A - 用于城市规划设计中的社区画像的系统和方法 - Google Patents

Abstract

本公开涉及一种社区画像的方案，包括：从各个数据源收集与社区发展相关的数据；对所收集的数据进行数据结构化处理；通过对结构化的数据进行分析评估，确定社区特质的定性或者定量化指标；以分析评估指标体系为基础，通过对社区的信息进行标签化，从而形成社区画像；以及在所述社区画像的基础上之上，根据社区发展目标确定社区短板的解决方案。

Description

用于城市规划设计中的社区画像的系统和方法

技术领域

本申请涉及城市的规划管理，尤其是一种基于大数据分析的用于城市规划设计中的社区画像的系统和方法。

背景技术

随着计算机技术的飞速发展，越来越多的新兴技术被应用到人们生活的各个方面，例如人工智能、大数据分析、互联网+、云技术等正逐步融入人们的周围环境，开始取代人们传统的工作和生活方式。

而另一方面则是随着交通的便利和人们对生活的追求，越来越多的人涌向大城市，在城市中工作、学习和生活。大量人口的导入，使得原本的城市规划和布局明显跟不上现实的需求。“城市规划”是规范城市发展建设，研究城市的未来发展、城市的合理布局和综合安排城市各项工程建设的综合部署，是一定时期内城市发展的蓝图，是城市管理的重要组成部分，是城市建设和管理的依据。城市规划是以发展眼光、科学论证、专家决策为前提，对城市经济结构、空间结构、社会结构发展进行规划，常常包括城市片区规划。城市的复杂系统特性决定了城市规划是随城市发展与运行状况长期调整、不断修订，持续改进和完善的复杂的连续决策过程。而人口不断的导入和城市各区域之间的不均衡分布无疑又给城市规划提出了更高要求。

为了解决城市规划中的各种难点，现在开始提出一种“智慧社区”的概念，智慧社区是社区管理的一种新理念，是新形势下社会管理创新的一种新模式。智慧社区是指充分利用物联网、云计算、移动互联网等新一代信息技术的集成应用，为社区居民提供一个安全、舒适、便利的现代化、智慧化生活环境，从而形成基于信息化、智能化社会管理与服务的一种新的管理形态的社区。具体而言，就是利用信息化手段从各种数据源采集与社区相关的各种数据，使用专门的例如分级分层方式、大数据技术分析、人工智能等数据分析方式来分析和汇总所收集的各种数据以从中推导出所需的分析结果，并结合各种新颖的显示手段(例如柱状图、曲线、大饼图、热力图等等)来将所述分析结果直观地呈现给相关管理人员以帮助他们了解社区的方方面面的情况。

但目前的智慧社区管理方案仍存在以技术和系统为核心、重管理而轻服务、对社区居民切身的需求以及社区多元化的服务提供考虑不足等问题。换句话说，目前的社区管理方案主要着眼点在于帮助管理人员了解社区的各种基础信息，由管理人员来做出进一步的规划管理决策，因此，缺乏有力的工具来结合所发现的管理问题、社区居民的需求、管理方的规划蓝图等因素智能化提供对社区未来发展的建设性规划建议。同时，正对社区的智慧化管理，还缺乏一种能够实现全过程监督实施以动态修正规法管理方向的技术。

发明内容

本公开涉及一种智慧社区管理方案，更具体而言，提供了一种改进的社区画像系统和方法。

根据本公开的第一方面，提供了一种社区画像系统，包括：数据采集模块，被配置为从各个数据源收集与社区发展相关的数据，并对所收集的数据进行数据结构化处理；分析评估模块，被配置为通过对结构化的数据进行分析评估，确定社区特质的定性或者定量化指标；社区画像模块，被配置为以分析评估指标体系为基础，通过对社区的信息进行标签化，从而形成社区画像；以及决策支持模块，被配置为在所述社区画像的基础上，根据社区发展目标确定社区短板的解决方案。

根据本公开的第二方面，提供了一种用于社区画像的方法，包括：从各个数据源收集与社区发展相关的数据；对所收集的数据进行数据结构化处理；通过对结构化的数据进行分析评估，确定社区特质的定性或者定量化指标；以分析评估指标体系为基础，通过对社区的信息进行标签化，从而形成社区画像；以及在所述社区画像的基础上，根据社区发展目标确定社区短板的解决方案。

提供本概述以便以简化的形式介绍以下在详细描述中进一步描述的一些概念。本概述并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。

附图说明

为了描述可获得本公开的上述和其它优点和特征的方式，将通过参考附图中示出的本公开的具体实施例来呈现以上简要描述的本公开的更具体描述。可以理解，这些附图只描绘了本公开的各典型实施例，并且因此不被认为是对其范围的限制，将通过使用附图并利用附加特征和细节来描述和解释本公开，在附图中：

图1示出了根据本公开的一个实施例的一种社区画像系统的示例框图。

图2示出了根据本公开的一个实施例的数据采集模块的示例功能框图。

图3示出了根据本公开的一个实施例的分析评估模块的示例功能框图。

图4示出了根据本公开的一个实施例的社区画像模块的示例功能框图。

图5示出了根据本公开的一个实施例的决策支持模块的示例功能框图。

图6示出了根据本公开的一个实施例的一种用于社区画像的方法。

图7示出了图6中所述方法的决策步骤的具体决策流程。

具体实施方式

为了解决现有的城市规划中的种种问题，本申请提出了一种用于城市规划设计中的社区画像的系统和方法。

社区画像作为一种新型社区管理模式，能够基于全方位、全过程的动静态用户数据采集分析，实现大数据应用的高效化、便捷化；也能够精细化地定位人群特征，找出用户群体需求的差异点，聚焦并解决核心问题，实现问题解决科学化、精准化，是推动社区管理从传统模式向大数据模式转型的一种重要方式，是目前特大城市社区管理的优化选择。

但是，传统的社区画像技术并不完善，还存在很多缺陷，比如：1)缺乏系统整合，区级专业部门对社区工作一般采用“多龙治水”、“头痛医头、脚痛医脚”的方式，不利于各类设施统筹安排和复合配置；2)项目缺乏全局统筹，社区更新项目较为分散，且以小微更新为主，对社区环境品质和服务水平的整体提升有限。

在实际中，这些缺陷可以具体体现在：传统的分条块、对标准、定规模、核半径的自上而下配置公共要素方法缺乏对要素集约共享的整合能力和标准之外多元需求的统筹能力，也忽视了公共要素的规划落地可行性，特别是将规模和服务半径分开独立衡量公共要素服务水平是有明显的局限性，也就导致这种传统的生活圈公共要素配置方式是难以为继的。

为了解决上述这些缺陷，新一代的公共要素配置需要大量的问卷调查和访谈座谈摸清多元主体需求，也需要现场踏勘、部门规划计划、互联网调研等多源数据采集和整合查找公共要素服务短板，还需要从人地关系的角度将类型、规模、布局等因素统筹考量公共要素优化配置策略是势在必行的。而借助相关软件强大的数据整合建库功能和空间分析建模能力也为优化生活圈公共要素配置提供了最为行之有效的方法和途径。

因此，本公开尝试通过将社区生活圈公共要素的供求关系转化成为空间上的人地关系建立GIS空间数据库，在此基础上通过整合GIS的分析模块建立空间模型来模拟和分析不同情景假设下的社区生活圈人地关系协调性，从而明确社区生活圈公共要素配置的现实问题和解决路径。

图1示出了根据本公开的一个实施例的一种社区画像系统的示例框图。如图所示，本公开的社区画像系统主要被划分为数据采集、分析评估、社区画像以及决策支持这四个功能模块。

具体而言，如图所示，所述社区画像系统100包括：数据采集模块102、分析评估模块104、社区画像模块106以及决策支持模块108。这些模块可以被集成在同一系统中，也可以利用网络技术分布在各处。它们之间可以通过例如有线或无线通信技术(例如电缆、数据线、蓝牙、蜂窝、局域网、广域网以及互联网等等通信技术)来彼此通信。

数据采集模块102，被配置为在时间和空间维度上采集社区发展相关的数据，通过数据结构化处理对社区内有什么资源、分布在哪里、分别有多少等基础信息进行空间可视化，也是社区发展概况的客观展示。所述数据采集模块102的具体功能框图在图2中被示出。除了全面采集数据之外，在一些实施例中，也可以根据用户在社区画像的用户界面中的选择采集与用户所选的社区专题相关的专题数据。

如图所示，数据采集模块102主要包括数据收集与数据清洗。

数据收集主要收集来源于政府开放数据、互联网数据、运营商数据和实地调研数据等多种数据源的数据，包括空间属性数据、时间属性数据和专题属性数据。由于社区可采集的数据种类繁多，涵盖了社区的方方面面。因此，不可能在此一一加以说明。为了方便技术人员的理解，在此主要以社区中有关“养老设施”和“公园绿地”两方面为例加以说明本公开的方案，但应该理解，本公开的社区画像系统还可采集和处理其他方面的数据。

1)养老设施数据收集：包括常住人口数据(统计年鉴专题属性数据)、60岁以上常住人口数据(统计年鉴专题属性数据)、各类用地空间分布(政府部门空间属性数据)、各类用地地上建筑规模(政府部门空间属性数据)、道路系统分布(政府部门空间属性数据)、需求问卷调查。

2)公园绿地数据收集：包括常住人口数据(统计年鉴专题属性数据)、各类用地空间分布(政府部门空间属性数据)、各类用地地上建筑规模(政府部门空间属性数据)、道路系统分布(政府部门空间属性数据)、需求问卷调查。

数据清洗是指：在数据收集完成之后，将空间维度和时间维度上的专题数据进行结构化，建立结构化的时空专题数据库。具体而言，数据结构化主要是对栅格数据空间配准与矢量化、矢量数据坐标转换与栅格化、统计表数据空间关联等进行处理，将所有的专题属性数据统一到相同的时间和空间坐标上，从而摸清社区公共要素有些什么、有多少、在哪里。其中使用GIS(Geography Information System，地理信息系统)技术来构建所述时空数据库。GIS是一种基于计算机的工具，是能对空间数据进行采集、存储、管理、运算、分析、可视化的技术系统。它可以对空间信息进行分析和处理(简而言之，是对社区中存在的现象和发生的事件进行空间分析与可视化)，也能将空间分析功能与一般的数据库操作(例如查询和统计分析并可视化等)集成在一起。利用GIS工具可以很方便地将多源异构的数据空间化处理并落到社区专题地图上，从而建立在时间和空间上集成在一起构成所述时空数据库。

还是以社区养老设施和公园绿地这两类公共要素优化配置为示例来如下说明所需的数据清洗过程：

1)各类用地及其建筑数据分类提取

将各类用地及其地上建筑规模(现状和规划)的空间分布(矢量或栅格)落到项目地所在的空间坐标系统之后，根据“用地类型”字段提取住宅用地、养老福利设施、公园绿地等要素的地块与建筑空间分布。

2)常住人口空间关联

首先，计算人均住宅建筑量。人均住宅建筑量＝社区住宅建筑量÷社区常住人口。

其次，住宅用地建筑规模空间关联。将住宅用地的地上建筑规模按照“地块编码”关联到住宅用地空间分布图上，得到空间上住宅用地建筑规模的分布图。

最后，常住人口空间关联。根据住宅用地建筑规模的分布计算单块住宅用地地块人口规模，从而得到社区内常住人口的空间分布。住宅用地地块人口规模＝单块住宅用地建筑规模÷人均住宅建筑量。

3)建立“成本层”(即步行阻力系数栅格层)

以用地空间分布图为基础，根据不同地类的可穿越程度确定相对的阻力系数，用来反映单位距离上经过不同地类或景观所耗费的成本，从而生成任意栅格对于步行可达的耗费成本图层，即阻力系数栅格层Ri。在其中，根据社区现状用地的不同性质将所述社区划分成不同颜色的栅格块。并将所述成本图层作为计算任意栅格至目标栅格的耗费成本总和提供基础。一般而言，城市道路、公园绿地、公共通道、广场空间等可穿过性高、步行阻力相对较小，工业仓储、市政设施等可穿过性低、步行阻力相对较大。根据用地的上述性质，可以例如将道路阻力系数设定为1，公园绿地的阻力系数设定为2，……，不可穿越的地区诸如河流、建筑物可以被设定为10等等。

至此，通过上述对养老设施数据和公园绿地数据的结构化处理，使得所有的专题属性数据都被统一到相同的时间和空间坐标上，为之后的查找和分析数据提供了便利。

分析评估模块104，被配置为是在已经结构化处理的数据基础上，建立不同参数、不同算法的数据模型来模拟社区内的人、地、物等要素在不同情景模式下的空间活动关系，并通过指标体系社区发展进行初步研判。更具体来说，是在数据清洗的基础上，通过统计分析、主成分分析、核密度分析、加权叠加分析等不同分析方法，计算规模、比重、覆盖度、集聚度、匹配性、可达性等来评估社区特质的定性或者定量化指标，为社区画像提供基础性的判断指标。分析评估模块104的示例功能框图在图3中被示出。

如图所示，根据要生成的社区的专题不同，可以将下述一项或多项分析算法应用于经结构化处理的相关数据来计算社区画像所需的基础性指标：统计对比分析、主成分分析、核密度分析、加权叠加分析、缓冲分析、网络分析、成本距离分析以及其他分析算法。这些分析算法都属于在社区画像时常用的基础算法，因此，不再在此累述。

而用于构建社区画像的所述基础性指标可以包括：规模、人均规模、比重、覆盖度、集聚度、匹配性、可达性等等，其中：

1)规模类指标主要是包括人口规模、用地规模和建筑规模等空间数据的提取与汇总统计。

其中，举例的社区养老设施可涉及到老年人口规模、养老设施用地规模和养老设施建筑规模三项，公园绿地涉及到常住人口规模、公园绿地用地规模两项，上述五项指标可直接从统计年鉴、用地规模及其建筑规模等数据中直接提取。

2)人均规模，即某项公共要素的人均用地规模和人均建筑规模，通常情况下各类公共服务设施以千人指标表达，公园绿地以人均指标作为指标。

例如，养老设施千人指标(用地规模或建筑规模)＝社区内养老设施总规模(用地规模或建筑规模)÷社区人口规模×1000；养老设施千人指标(用地规模)应不低于152平方米/千人，养老设施千人指标(建筑规模)应不低于176平方米/千人。

公园绿地人均指标(用地规模)＝社区内公园绿地总规模(用地规模)÷社区人口规模；社区级公园绿地人均绿地面积应大于4平方米/千人。

3)比重类指标主要是通过占比来反映人口结构、用地结构等指标。

还是以社区养老设施和公园绿地为例，社区养老设施和公园绿地两类公共要素优化配置需要明确社区老龄化率和社区功能特质等指标。详细计算规则如下：

①老龄化率：人口结构是衡量社区不同人群对公共要素需求的重要指标，而老龄化率是判断养老设施的重要指标之一。

老龄化率＝60岁以上常住人口规模÷常住人口总规模。

社区内60岁以上常住人口规模、常住人口总规模均在数据清洗阶段已经清洗并关联，直接按公式计算即可。上海市2019年老龄化率达35％，因此若社区老龄化率达到35％以上，则此社区为老龄化社区，应重点关注养老设施配套。

②功能特质：用地结构是衡量社区功能的重要指标，是判断社区功能特质的指标之一。社区用地结构主要根据社区用地结构表，从住宅用地、商业商务用地、工业用地等用地占比来研判社区功能。

居住(商业商务、工业)用地占比＝居住(商业商务、工业)用地规模÷社区用地规模。

社区各类用地按照数据清洗中提取的各类用地直接计算即可。若社区居住用地占比达35％以上，则此社区为居住社区；若商业商务用地占比达25％以上，则次社区为商业商务社区；若工业用地占比达30％以上，则此社区为产业社区。若用地结构未达到上述任一条件，则此社区为综合型社区。居住生活型社区应重点关注居民日常生活类公共要素供给；商业商务社区和产业社区等类型社区应重点关注就业者对公共要素的需求。

4)(需求)覆盖度是社区内公共要素供给类型与人群对公共要素需求类型的匹配程度，是衡量社区公共要素类型是否能满足人群基本需求的重要指标。一般情况下，公共要素覆盖度越高，说明公共要素类型越齐备，也就与人群需求匹配程度更高；反之，说明公共要素存在结构性缺失的问题，应予以补充完善。

在梳理社区需求问卷调查表的基础上，以社区公共要素问卷调查中的需求度为依据，需求度超过50％的公共要素设定为必选项，需求度低于50％的公共要素设定为加分项，原则上必选项作为计算覆盖度的主要因子，加分项可视情况作为补充，从而形成社区人群对于公共要素的需求紧迫程度和覆盖程度统计表，全面厘清社区公共要素类型及其需求度，为优化社区公共要素配置提供基础性技术支撑。

5)(要素)集聚度是社区内一定空间范围的某类要素的集聚程度；

还是以社区养老设施和公园绿地为例。社区养老设施和公园绿地两类公共要素优化配置需要明确社区人口密度、人口集聚程度和设施集聚程度等三项指标。详细计算规则如下：

①人口密度：即某社区单位土地面积上的人口数量，是社区整体层面上反映人口集聚水平的指标。

社区人口密度＝社区常住人口规模÷社区土地面积。

以数据清洗的之后的常住人口规模数据和社区土地面积即可计算社区人口密度。一般而言，社区一般在3平方公里左右，常住人口5-10万人，人口密度在1-3万人/平方公里。

②人口集聚程度：是在社区内部进一步细化到地块层面上的人口密度分布，即人口空间集聚程度。

以数据清洗之后分解到地块上的常住人口规模为基础，借助ARCGIS分析工具计算常住人口规模核密度。一般情况下，人口集聚程度越高，公共要素配置应当适度倾斜。

③设施集聚程度：即社区内部公共要素的空间集聚程度。

即以清洗之后的用地数据为基础，提取社区级公共要素并可按照设施数量和规模两个角度来核算公共要素核密度进而评估要素集聚程度。公共要素集聚程度高，越有利于引导形成社区内部的公共服务中心体系。一般情况下，公共要素集聚程度越高，公共要素的使用效益越高。

6)(空间)匹配性主要是对社区内的供给要素与需求人群在空间分布上的叠加分析，研判供需双方在空间上是否良性匹配，是衡量社区公共要素精准配置的重要指标。

例如，举例的社区养老设施和公园绿地两类公共要素需要从社区供需关系的角度优化配置。将常住人口集聚程度和公共要素集聚程度进行空间叠加对比分析，研判社区公共要素供需关系匹配度。一般而言，匹配性越好，表明需求空间与供给空间精准配置，有利于增强社区居民的归属感，提高公共要素的使用频次，社区生活也就更加宜居。

7)(服务)可达性是社区内公共要素的可达程度，是衡量社区公共要素服务范围是否满足人群基本需求的重要指标。

通常情况下的社区公共要素服务范围按照标准化的服务半径进行测算，是采用欧氏距离(即直线距离)来衡量公共要素的可达性，但实际公共要素的可达性会因为地块阻隔、交通条件等因素的影响而呈现一种非线性关系的可达性。因此，可运用GIS建立成本距离模型来累积计算单位距离上经过不同地类到达公共要素所耗费成本总和(即成本距离)来作为研判可达性的指标，并最终落实到每一块住宅用地(人口空间分布)上，从而保障生活圈要素服务区域更加精准合理。例如，还是以社区的“养老设施”和“公园绿地”这两方面为例：

①养老设施可达性：即以养老设施为原点，按照要素可达性“成本层”分析空间上任意点到达公共要素成本距离，根据单位步行距离换算成各类要素的5/10/15分钟步行可达区域，最终落实到住宅地块所处于的步行可达区域。若存在15分钟步行范围未能覆盖的住宅地块，则表明此区域需增强养老设施配置。

②公园绿地可达性：即以公园绿地为原点，按照要素可达性“成本层”分析空间上任意点到达公共要素成本距离，根据单位步行距离换算成各类要素的5分钟步行可达区域，最终落实到住宅地块所处于的步行可达区域。若存在5分钟步行范围未能覆盖的住宅地块，则表明此区域需增强公共空间配置。

基于上述这些分析评估后获得的指标，就可以在此基础上开始构建社区画像。

社区画像模块106，被配置为以分析评估指标体系为基础，从社区发展的共性和差异的角度出发，建立一个对社区人口、功能、空间等高度精炼概括的特征标签体系，通过给社区贴上“标签”从而形成社区画像。具体而言，就是在不同的方法所计算的各类评估值或分析图的基础上，从人口特质、功能特质、需求特质、空间特质、趋势特质等方面对信息进行标签化，从而形成社区画像的数据模型。

在附图4中示出了根据本公开的一个实施例的社区画像模块的示例功能框图。以图中的社区为例，在分析评估的基础上，例如，从社区养老设施和公园绿地两类公共要素优化配置的角度出发，按照人口特质、功能特质、需求特质和空间特质等方面逐一标签化，通过综合这些标签形成社区画像。

下面针对上述每个方面，介绍下可创建的标签。应该理解，所介绍的方面和其包含的标签都是作为示例进行说明的，并非局限于此。具体而言：

1)人口特质方面，可包括下述标签：

①人口密度

例如假设上述案例社区有2.2平方公里，常住人口规模7.6万人，则人口密度3.44万人/平方公里。参考社区生活圈标准(一般在3平方公里左右，常住人口5-10万人，人口密度在1-3万人/平方公里)，本社区属于典型的15社区分钟生活圈，因此，可以生成“各类公共要素应满足15分钟社区生活圈基本配置要求”的标签。

②老龄化率

例如，假设上述案例社区60岁以上人口比重约36.8％，超过上海市老龄化率平均水平(2019年上海市老龄化率35％)，社区内应重点考虑养老设施配置。因此，可以生成“社区老龄化率高，应重点关注养老设施配套”的标签。

2)功能特质方面，可包括下述标签：

③生活功能

假设上述案例社区居住用地占比47％以上，明显为生活型社区，因此，可生成“应重点关注本地居民日常生活类公共要素供给”的标签。

3)需求特质方面，可包括下述标签：

④需求覆盖度

养老设施：社区现有养老设施3处，包括1处颐养院、1处社区综合为老服务中心(在待建)和1处日间照料中心，建筑面积约5000平方米，人均养老设施建筑面积66平方米/千人，远低于“养老设施建筑规模千人指标应不低于176平方米/千人”的标准，养老设施严重不足。

公园绿地：现状公共绿地现状5.67公顷，现状人均公共绿地仅0.73平方米，远低于社区级公园绿地人均绿地面积应大于4平方米/千人，公园绿地不达标。

从社区需求调查统计表可以看出，社区居民对于日间照料中心、睦邻空间、邻里微花园等公共要素覆盖程度不够，与上述指标计算基本一致。因此，可以生成“日间照料中心等养老设施严重不足，邻里微花园等公园绿地不达标”的标签，相应可以建议规划应积极完善日间照料中心、睦邻空间、邻里微花园等公共要素。

⑤需求紧迫度

从社区需求调查统计表可以看出，社区居民对于日间照料中心、为老服务中心、睦邻空间、公园绿地、邻里微花园等公共要素需求非常紧迫，可以生成“日间照料中心、公园绿地、邻里微花园等公共要素需求紧迫度高”的标签，相应可以建议规划加强上述公共要素补充配置。

4)空间特质方面，可包括下述标签：

⑥要素集聚度

设施集聚度：从设施集聚度来看，本次案例社区在中部形成1个社区中心，在东北、东南、西北和西南等区域形成4个次级中心，社区内基本形成1个社区级和4个片区级的服务中心体系，整体而言社区内公共要素集聚程度相对较高。

人口集聚度：从人口集聚度来看，本次案例社区内人口基本集聚在社区中部，在东北、东南、西北和西南等区域人口也相对较为集聚。

据此，可以生成“社区集聚度高，有利于居民享受便捷服务；人口集聚度高，有利于完善公共要素配置”的标签。

⑦空间匹配性

将人口集聚程度与公共要素集聚程度进行空间比对可以看出，人口集聚程度高的区域、公共要素集聚程度也较高，因此可以表明新华路公共要素与需求人群在空间上的匹配程度好，有利于打造宜居社区。因此，可以生成“人地空间匹配度高，有利于打造宜居社区”的标签。

⑧服务可达性

养老设施可达性：从养老设施5/10/15分钟可达性覆盖范围来看，社区中部仅6个住宅地块能保障5分钟步行不达，中北部区域能保障10分钟步行可达，大部分区域保障15分钟步行可达，社区东南部区域15分钟步行不可达，养老设施存在服务盲区。

公园绿地可达性：按照行业标准规范，公园绿地应满足5分钟步行全覆盖，但是本次案例社区内公园绿地15分钟基本可达，但是5分钟覆盖范围较小，公园绿地服务盲区较大。

据此，可以生成“养老设施15分钟可达性覆盖不足，公园绿地5分钟可达覆盖严重不足”的标签。

基于来自上述各个方面的各种标签，就能够构建出所需的社区画像。

决策支持模块108，被配置为在社区画像的基础上之上，通过目标与问题的梳理，针对单项问题“标签”逐个提出可行的解决方案，并对所述解决方案进行情景模拟和评估，最终形成特定画像下的一整套综合社区发展建议策略。具体而言，是在社区画像的基础上，综合分析社区的优劣势、发展目标和现实困境，并根据发展目标确定单项“短板”标签提出可行性解决方案，支持社区可持续的健康发展。

在附图5中示出了根据本公开的一个实施例的决策支持模块的示例功能框图。如图所示，所述决策支持模块可以包括下述几个子模块：标签层模块、标签分类梳理模块、比选方案模块、情景模拟模块以及决策建议模块。

其中，所述标签层模块负责从社区画像模块中自动选择出有问题存在的标签和/或根据用户选择从社区画像模块中选择出一个或多个需要提供建议的标签。

标签分类梳理模块，被配置为对所选的标签进行分类筛选。例如，根据上述这些标签的特点，可以将所述标签分类为社区发展客观特征(也称为“现状标签”)或社区发展问题短板(也称为“问题标签”)这两大类。所述分类可以基于预先构建的分类模型，在所述分类模型中已经存储了各种类别的样本标签。如果从社区画像模块中找到的标签与某个类别的样本标签匹配或近似就将其归类到该类别。通过所述分类，方便了确定决策目标。

例如根据社区发展客观特征分类中的标签可以包括：“社区老龄化程度高”、“社区建成度高”、“居住型社区”以及“存量更新型社区”等等与发展有关的标签，而社区发展问题短板分类中的标签可以包括：“养老设施严重不足”、“公园绿地不达标”、“养老设施15分钟可达性覆盖不足”、“公园绿地5分钟可达覆盖严重不足”等短板标签。所述社区发展客观特征和社区发展问题短板中的标签可以被用于后续的建议方案的确定。

比选方案模块，被配置为基于被分类的标签来确定解决问题的比选方案(例如方案1、方案2、……)。

如前所述，在社区画像时，可以从各个特质方面中生成很多标签。这些标签中有些属于短板标签(被分类到“社区发展问题短板”分类中)，而另一些则反映了社区的发展现状特征(被分类到“社区发展客观特征”分类中)。

例如，在上面示例的社区画像中，存在“养老设施严重不足”、“公园绿地不达标”、“养老设施15分钟可达性覆盖不足”、“公园绿地5分钟可达覆盖严重不足”等均为短板标签。对此，所述决策支持模块可以先确定应该从社区养老设施和公园绿地两类公共要素优化配置的角度出发来解决上述存在的短板问题。也即确定了需要优化社区养老设施和公园绿地的社区发展目标。随后，所述比选方案模块基于社区画像特征，构建重点着眼于从需求特质和空间特质两个角度来进一步完善公共要素配置的方案。具体而言，可以基于上述社区数据、现状评估以及规划目标要求以及其他因素来在社区的现有状况的基础上提出一个或多个解决所述问题的建议方案。所述建议方案可以包括针对与需要改进的社区特质方面相关规划策略(例如增加养老设施和公园绿地选址方案)中的数据进行情景模拟，以使得规划策略被采纳后社区特质方面的相关数据符合规划目标。

由于社区问题可能是由多种因素引起的，因此，相应的解决方案也可能不止一种。例如可以提供多种比选方案，而每种方案可仅针对问题因素中的一个或多个的数据进行修改操作，以简化方案。

为了能够从多种方案中提供最适合的建议方案，所述决策支持模块还包括了情景模拟模块。

情景模拟模块，被配置为根据所述比选方案中的每个比选方案，通过在不同情景假设条件下的人地关系模拟分析，来模拟实施所述方案之后的社区情景，并且通过对所述模拟情景进行分析(例如执行专注存在问题的特质方面的社区画像，看看所述短板标签是否还存在或者问题严重情况是否有所减轻)来评估该方案的实施效果。所有比选方案的情景模拟后的分析结果都会被提供给决策建议模块。

决策建议模块，被配置为接收来自情景模拟模块的与所有比选方案中的每个比选方案相关联的情景分析结果，并通过对它们进行综合比较以从各个比选方案中分别筛选出可行的规划策略来组合成最终的建议方案。当然，如果同时存在多个短板标签，则涉及社区各短板的各个建议方案之间还可以进行协调统一以提供一种统一的解决方案。

至此，决策支持模块108针对通过社区画像所确定的“短板”标签，提出相应的有针对性的可行性解决方案，能够因地制宜地引导公共要素配置提供决策支持，从而支持了社区可持续的健康发展。同时，减轻了社区建设规划人员的工作负担，为他们提供了一种智能化、直观化、规范化的社区管理工具。

为了便于说明，还是以上述示例社区为例。如上所述，所示例的社区在需求特质方面中存在“养老设施严重不足”标签和“公园绿地不达标”的短板标签，而在空间特质方面则存在“养老设施15分钟可达性覆盖不足”和“公园绿地5分钟可达覆盖严重不足”的问题标签。针对上述短板标签，所述决策支持模块108可以以社区养老设施和公园绿地这两类公共要素优化配置为目标，基于社区画像特征，重点从需求特质和空间特质两个角度完善公共要素配置，具体内容如下所述：

1)养老设施的改进

①补足养老设施规模

根据现状数据社区现有养老设施3处，建筑面积约5000平方米，人均养老设施建筑面积约66平方米/千人；根据既有规划数据社区规划5处养老设施，建筑面积约8420平方米，人均养老设施建筑面积约111平方米/千人，则，即使规划养老设施全部实施仍不能满足社区居民对于养老设施需求。因此，按照社区规划人口约7.9万人来统筹考虑社区需求，社区内共需养老设施建筑面积约13920平方米。为了解决该问题，比选方案模块可以生成两个比选方案。第一个方案是“将现状有、规划无的养老设施合法化”，而第二个方案是“新增养老设施建筑面积”。随后，情景模拟模块针对上述两种方案分别进行如下模拟：

情景一：现状有、规划无的养老设施合法化

将现状养老设施(现状有、规划无)合法化后与规划设施进行叠加整合，社区内共7处养老设施，建筑面积共11220平方米，仍存在2700平方米的缺口。

情景二：新增养老设施建筑面积约2700平方米

统筹考虑社区内养老设施服务可达性，新增养老设施建筑面积约2700平方米，满足社区养老设施需求，补足养老设施缺口。

从上面的情景模拟中可以理解单纯的实施任一方案都不能完全解决“养老设施严重不足”的问题，只有将这两种方案组合实施才能实现目标。因此，所述决策建议模块最后将这两种方案组合在一起作为最终建议方案提供给用户，以解决该社区问题。

②消除养老设施服务盲区

现状养老设施服务可达性以10/15分钟覆盖为主，东南区域存在服务盲区，按照行业技术规范要求，养老设施服务可达性应满足15分钟全覆盖，因此在优先满足养老设施15分钟服务可达性全覆盖的基础上，增大5分钟服务覆盖范围。据此，所述比选方案模块可以生成三个比选方案。第一个方案是“规划实施情景模式”，第二个方案是“有条件合法化情景模式”、而第三个方案是“挖掘资源潜力情景模式”。随后，情景模拟模块针对上述三种方案分别进行模拟，其中不同情景模式均采用现状评估分析中的公共要素可达性分析“成本层”和相应步行标准进行情景模拟。

情景一：规划实施情景模式

即针对规划有、现状无的公共要素来模拟规划实施情景假设下的人地关系。在养老设施现状可达性评估的基础上，将既有控规中未建的1处敬老院、1处福利院纳入规划实施情景中统筹考虑，可以看出为养老设施5分钟步行可达有显著提升，但东南处存在15分钟步行不可达，仍有进一步改善空间。

情景二：有条件合法化情景模式

即针对规划无、现状有的公共要素来模拟有条件合法化情景下的人地关系。在情景模式一的养老设施可达性评估的基础上，将现状已建、但既有控规未布局的法华颐养院1处纳入有条件合法化情景中统筹，可以看出西北处为养老设施的可达性较情景模式一有提升，基本能实现5-10分钟步行可达，但东南处存在15分钟步行不可达，还需进一步提升。

情景三：挖掘资源潜力情景模式

即针对规划实施、现状已建均不能满足社区人群需求的结构性失配公共要素，则需因地制宜的模拟挖潜力、增要素情景假设下的人地关系。结合新华路街道可开发和可置换的地块，考虑到养老设施的规模和混合设置的可行性，建议在华山路西侧规划混合设置1-2处养老设施，设施建筑面积共2700平方米并纳入统筹考虑服务可达性，可以看出社区内基本上实现5-10分钟步行可达，全面提升养老设施服务品质。

③小结

综合上述所有的方案以及其情景模拟的分析结果，所述决策建议模块形成最终建议方案，例如：建议规划在社区内有条件合法化1处养老设施、建筑面积约2600平方米；规划新增1-2处养老设施、社区东南区域综合设置，建筑面积共2700平方米。通过该方案，可以很好地解决“养老设施”中存在的“养老设施严重不足”和“养老设施15分钟可达性覆盖不足”的问题。

下面再以“公园绿地”为例具体描述下如何进行决策建议。如上所述，涉及公园绿地的短板标签有“公园绿地不达标”和“公园绿地5分钟可达覆盖严重不足”。

2)公园绿地的改进

①提供更加充足的公共休闲空间

根据现状数据社区现有公共绿地现状5.67公顷，现状人均公共绿地0.7平方米；根据既有规划核算公共绿地约9.22公顷，包括已建和在待见绿地5.67公顷，规划人均绿地1.2公顷，即使按照主城区内环以内折减系数0.6进行核算，仍难以满足人均公园绿地的的标准要求。因此，按照社区规划人口约7.9万人来统筹考虑社区公园绿地等休闲空间的需求，尽量挖潜社区内部生活休闲空间。据此，所述比选方案模块可以生成两个建议方案。第一个方案是“增强附属绿地开放性”，第二个方案是“挖掘社区内闲置空间”。随后，情景模拟模块针对上述两种方案分别进行模拟：

情景一：增强附属绿地开放性

社区内新增公园绿地缺少潜力，因此只能通过增加附属绿地的开放性，重点是提取商务商业用地、住宅用地等用地内部附属绿地以及道路广场用地沿线的附属绿地作为潜力，提高附属公共空间的开放性。

情景二：挖掘社区内闲置空间

在现状问卷调查的基础上，挖潜社区内闲置空间作为补充公共空间潜力。

②消除公园绿地服务盲区

为了消除公园绿地服务盲区，也即实现公园的5分钟可达范围覆盖社区全域的目标，所述比选方案模块可以生成两个建议方案。第一个方案是“规划实施情景模式”，第二个方案是“增强附属绿地开放性情景模式”。随后，情景模拟模块针对上述两种方案分别进行模拟，其中不同情景模式均采用现状评估分析中的公共要素可达性分析“成本层”和相应步行标准进行情景模拟。

情景一：规划实施情景模式

即针对规划有、现状无的公园绿地来模拟规划实施情景假设下的人地关系。在公园绿地现状可达性评估的基础上，将既有控规中未建公园绿地纳入规划实施情景中统筹考虑，可以看出为养老设施5分钟步行可达有显著提升，但仍不能满足5分钟可达范围覆盖社区全域。

情景二：增强附属绿地开放性情景模式

即针对规划实施、现状已建均不能满足社区人群需求的区域，因地制宜的引导社区附属绿地开放情景假设下的人地关系。若将有条件开放的社区附属绿地纳入公共开放空间统筹考虑的话，社区内基本可以满足10分钟可达全覆盖、5分钟可达大部分覆盖的需求。

③小结

综合上述所有的方案以及其情景模拟的分析结果之后，由于本社区建成度较高，空间资源挖潜补足公共开放空间有限，所述决策建议模块形成下述最终建议方案：建议规划逐步引导增强附属绿地开放性和利用闲置用地补充公共开放空间，保障社区公共开放空间基本保证5分钟可达大部分覆盖。通过该方案，可以很好地解决“公园绿地”中存在的“公园绿地不达标”和“公园绿地5分钟可达覆盖严重不足”的问题。

根据上述结合示例社区的对社区画像系统的详细介绍，可以理解，本公开的方案从供求关系的角度出发明确对象及其诉求、厘清公共要素需求清单，通过采集和整合多源数据将社区生活圈内的供求关系转换为空间上的人地关系，并借助于GIS空间分析工具从覆盖度、集聚度、匹配性和可达性等方面分析和研判现状社区生活圈的人地关系协调性。同时，针对社区生活圈的现状人地关系不协调区域，通过挖掘资源潜力来模拟不同时空场景下的社区人地关系情景模式，从而为因地制宜地引导和优化社区生活圈公共要素配置提供决策支持，全面提升社区生活圈的舒适性、便捷性和可管理性。

在介绍了上面的根据本公开的一个实施例的一种社区画像系统之后，下面结合附图6来介绍下根据本公开的一个实施例的一种用于社区画像的方法。

如图所示，在步骤602，从各个数据源收集与社区发展相关的数据(或信息)。所述数据可以包括空间属性数据、时间属性数据和专题属性数据。

随后，在步骤604，在数据收集完成后，对所收集的数据进行数据结构化处理(即“数据清洗”)。所述数据清洗是指：在数据收集完成之后，将空间维度和时间维度上的专题数据进行结构化，建立结构化的时空专题数据库。其中可以使用GIS(GeographyInformation System，地理信息系统)技术来构建所述时空数据库。

接着，在步骤606，通过对结构化的数据进行分析评估，确定社区特质的定性或者定量化指标。具体而言，通过基于结构化的数据建立不同参数、不同算法的数据模型来模拟社区内的人、地、物等要素在不同情景模式下的空间活动关系，并通过指标体系对社区发展进行分析评估，从而确定一系列用于社区画像的基础性的判断指标(也即“标签”)。

然后，在步骤608，以分析评估指标体系为基础，通过对社区的信息进行标签化，从而形成社区画像。具体而言，就是在不同的方法所计算的各类评估值或分析图的基础上，从社区发展的共性和差异的角度出发，通过从人口特质、功能特质、需求特质、空间特质、趋势特质等方面对信息进行标签化，建立一个对社区人口、功能、空间等高度精炼概括的特征标签体系，从而形成社区画像的数据模型。

最后，在步骤610，在社区画像的基础上之上，根据社区发展目标确定社区短板的解决方案，作为决策建议。具体而言，是在社区画像的基础上，通过对目标与问题的梳理，针对单项短板标签逐个提出可行的解决方案，随后通过对各个解决方案进行情景模拟并进行分析，最后形成一整套综合的可行性解决方案来解决所述短板问题。通过针对特定画像下的社区发展建议策略综合分析社区的优劣势、发展目标和现实困境，并根据发展目标确定单项短板标签提出可行性解决方案，支持社区可持续的健康发展。因此，该步骤也称为“决策”步骤。

其中，所述决策步骤610的具体决策流程在图7中示出。

如图7所示，在步骤702，从社区画像模块中选择标签。所述选择可以是系统自动选择出问题标签和/或根据用户选择从社区画像模块中选择出一个或多个需要提供建议的标签。

随后，在步骤704，对所选的标签进行分类筛选。例如，根据这些标签的特点，可以将所述标签分类为社区发展客观特征或社区发展问题短板这两大类。

接着，在步骤706，基于被分类的标签来确定解决问题的比选方案。具体而言，所述决策支持模块可以基于所述标签先确定社区发展的目标。随后，基于社区画像特征，构建重点着眼于从需求特质和空间特质两个角度来进一步完善公共要素配置的一种或多种方案。

然后，在步骤708，针对每个比选方案，模拟实施所述方案之后的社区情景，并通过对所述模拟情景进行分析来评估该方案的实施效果。例如可以通过修改标签所涉及的社区数据的可实现的数值来看看所述问题标签是否还存在或者问题严重情况是否有所减轻。

最后，在步骤710，综合比较来自情景模拟模块的与所有比选方案中的每个比选方案相关联的分析结果，以从各个比选方案中分别筛选出可行的建议修改操作以组合成最终的建议方案。

综上所述，本公开的方案可以基于时空特质引导社区公共要素的优化配置。根据不同情景模拟下的社区生活圈公共要素决策分析模拟，在空间布局上深入挖潜可开发用地、存量建筑以及可复合利用公共空间的更新的策略来增加供给以期解决公共要素的结构性失配的问题，优化社区公共要素优化配置，促进了社区生活圈服务品质优化和提升。

应该理解，尽管在上述实施例中，主要以社区老龄化和公园绿地为例进行举例说明社区的画像和决策建议。但应该理解，所述示例仅仅是帮助技术人员了解本公开的具体方案，而非将方案局限于此。因此，社区的其他方面，例如教育、医疗、交通等等方面也可以遵循类似的流程来画像和决策，这都属于本公开要保护的范围。

上述内容对本公开特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。而且，相关领域的技术人员将领会，在不偏离如所附权利要求书所定义的本公开的精神和范围的情况下，所述实施例可以在形式和细节方面进行各种修改。因此，此处所公开的本公开的宽度和范围不应被上述所公开的示例性实施例所限制，而应当仅根据所附权利要求书及其等同替换来定义。

Claims (9)

1.一种社区画像系统，包括：

数据采集模块，被配置为从各个数据源收集与社区发展相关的数据，并对所收集的数据进行数据结构化处理；

分析评估模块，被配置为通过对结构化的数据进行分析评估，确定社区特质的定性或者定量化指标；

社区画像模块，被配置为以分析评估指标体系为基础，通过对社区的信息进行标签化，从而形成社区画像；以及

决策支持模块，被配置为在所述社区画像的基础上，根据社区发展目标确定社区短板的解决方案。

2.如权利要求1所述的社区画像系统，其特征在于，所述决策支持模块进一步包括：

标签层模块，被配置为从社区画像模块中选择一个或多个标签；

标签分类梳理模块，被配置为对所选的标签进行分类筛选；

比选方案模块，被配置为基于被分类的标签来确定解决短板问题的比选方案；

情景模拟模块，被配置为针对每个比选方案，模拟并分析实施所述比选方案之后的社区情景；以及

决策建议模块，被配置为综合比较与所有比选方案中的每个比选方案相关联的情景分析结果，以从各个比选方案中分别筛选出可行的规划策略以组合成最终的建议方案。

3.如权利要求1所述的社区画像系统，其特征在于，对所收集的数据进行数据结构化处理包括：在数据收集完成之后，将空间维度和时间维度上的专题数据进行结构化，建立结构化的时空专题数据库；

其中，所述时空专题数据库是利用GIS技术来构建的；

其中，建立结构化的时空专题数据库包括以土地利用空间分布图为基础，根据不同地类的可穿越程度确定相对的阻力系数来建立成本层，以反映单位距离上经过不同地类或景观所耗费的成本。

4.如权利要求1所述的社区画像系统，其特征在于，所述标签分类梳理模块可将所述标签分类为社区发展客观特征或社区发展问题短板。

5.如权利要求2所述的社区画像系统，其特征在于，所述比选方案模块被进一步配置为基于社区数据、现状评估以及规划目标要求以及其他因素来在社区的现有状况的基础上提出一个或多个解决所述短板问题的建议方案。

6.如权利要求1所述的社区画像系统，其特征在于，所述分析评估模块被进一步配置为：

根据要生成的社区的专题不同，将下述一项或多项分析算法应用于所述结构化的数据来计算社区画像所需的基础性指标：统计对比分析、主成分分析、核密度分析、加权叠加分析、缓冲分析、网络分析、成本距离分析以及其他分析。

7.一种用于社区画像的方法，包括：

从各个数据源收集与社区发展相关的数据；

对所收集的数据进行数据结构化处理；

通过对结构化的数据进行分析评估，确定社区特质的定性或者定量化指标；

以分析评估指标体系为基础，通过对社区的信息进行标签化，从而形成社区画像；以及

在所述社区画像的基础上，根据社区发展目标确定社区短板的解决方案。

8.如权利要求7所述的方法，其特征在于，所述根据社区发展目标确定社区短板的解决方案的步骤还包括：

从用于社区画像的标签中选择一个或多个标签；

对所选的标签进行分类筛选；

基于被分类的标签来确定解决短板问题的比选方案；

针对每个比选方案，模拟并分析实施所述比选方案之后的社区情景；

综合比较与所有比选方案中的每个比选方案相关联的情景分析结果，以从各个比选方案中分别筛选出可行的规划策略以组合成最终的建议方案。

9.如权利要求7所述的方法，其特征在于，对所收集的数据进行数据结构化处理包括：在数据收集完成之后，将空间维度和时间维度上的专题数据进行结构化，建立结构化的时空专题数据库；

其中，所述时空专题数据库是利用GIS技术来构建的；

其中，建立结构化的时空专题数据库包括以土地利用空间分布图为基础，根据不同地类的可穿越程度确定相对的阻力系数来建立成本层，以反映单位距离上经过不同地类或景观所耗费的成本。

Images