CN112990654A - 基于人口流动数据的城乡基础设施系统协同规划方法 - Google Patents
基于人口流动数据的城乡基础设施系统协同规划方法 Download PDFInfo
- Publication number
- CN112990654A CN112990654A CN202110147396.2A CN202110147396A CN112990654A CN 112990654 A CN112990654 A CN 112990654A CN 202110147396 A CN202110147396 A CN 202110147396A CN 112990654 A CN112990654 A CN 112990654A
- Authority
- CN
- China
- Prior art keywords
- urban
- rural
- node
- nodes
- network
- 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 79
- 238000013439 planning Methods 0.000 title claims abstract description 72
- 238000011161 development Methods 0.000 claims abstract description 43
- 230000006870 function Effects 0.000 claims abstract description 41
- 230000010354 integration Effects 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 230000008901 benefit Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000003012 network analysis Methods 0.000 claims description 21
- 230000011664 signaling Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 9
- 238000013523 data management Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005354 coacervation Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013468 resource allocation Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 claims 1
- 230000004308 accommodation Effects 0.000 claims 1
- 238000002372 labelling Methods 0.000 claims 1
- 230000001737 promoting effect Effects 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 description 38
- 238000009826 distribution Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000009833 condensation Methods 0.000 description 4
- 230000005494 condensation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 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 2
- 230000008859 change Effects 0.000 description 2
- 238000005345 coagulation Methods 0.000 description 2
- 230000015271 coagulation Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000009440 infrastructure construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010003591 Ataxia Diseases 0.000 description 1
- 206010010947 Coordination abnormal Diseases 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005243 fluidization Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000016290 incoordination Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012800 visualization 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
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于人口流动数据的城乡基础设施系统协同规划方法，通过人口流动数据建立的城乡关联网络来确定不同城乡节点的组团划分、节点等级和网络位置，并依据现状的不同类型功能的基础设施形成的多要素关联网络进行对比，发现影响目标决策的城乡关联网络与现状存在的多要素关联网络之间的供需差异，从而调整多要素关联网络中的基础设施空间布局和配置，以匹配城乡关联网络中的节点等级和位置，由此实现对城乡基础设施配套的有效规划和合理调整，对基础设施一体化的资源高效率精准配置和全域格局优化，为促进城乡基础设施一体化和系统协同发展提供新的规划手段。
Description
技术领域
本发明涉及城市规划、土地利用、产业布局技术领域，尤其涉及一种基于人口流动数据的城乡基础设施系统协同规划方法。
背景技术
由于我国城市和乡村在土地利用、政策制度、生产职能、生活文化和社会关系等诸多方面存在差异，城乡二元结构的对立模式长期导致城乡发展不平衡、空间联系渐少，造成区域分割、资源分割和城乡分割，城乡间出现了空间破碎化、联系孤岛化、人口外流化等问题。也进一步加剧了农村基础差、投入少、发展慢的现实困境。随着我国交通的快速发展和城镇化向高质量目标的推进，城乡要素的双向流动循环进一步加快，城乡一体化的趋势越来越明显。此外，人口也在城乡之间存在多种短期的、重复的或周期性的流动，这一过程导致城乡空间发展的新矛盾出现，需要以动态可持续发展的角度对城乡资源进行综合规划，以保证变化的需求和固定的供应间的平衡关系，实现城乡资源配置效率最大化。
过去的规划方法长期偏重城市的资源供给，尤其是对城市基础设施的投入和空间布局，未能有效对城乡资源统筹考虑，而且对基础设施的布局调整，往往是自上而下的规划途径，这缺少了结合资源现状的有效分析，尤其是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。一方面，城乡独立的规划模式未有效地注重城市与乡村的地理位置格局关联，出现了城乡要素流动不顺畅、公共资源配置不合理等情况，不利于城乡一体化发展。另一方面，相对于城市，乡村基础设施建设不足。而从全域来看，部分地区供应过多造成基础设施利用不足，浪费严重，出现了大量的设施闲置情况；另一部分地区基础设施投入过少，供不应求，导致区域成本上升和效率下降，未能有效满足城乡发展的现状需求。
总之，现有的对城乡基础设施规划的技术方法不能对城乡要素进行整体性布局，并未能结合实际现状辨明规划的主次和核心地区，不能准确地反映快速流动下的人口对基础设施空间布局的需求，更不能实现有效结合公众利益的规划目标，存在大量基础设施的不足和浪费问题，难以实现最优化配置。
发明内容
为了克服现有基础设施空间布局和规划技术存在的不足，从根本上缩小城乡差距，提高城乡居民的生活水平和空间效率，本发明提供一种基于人口流动数据的城乡基础设施系统协同规划方法，是一种建立多层网络嵌套模型的对现有城乡基础设施进行有效评估及规划调整的方法，一方面，实现了一种自下而上的“网络-节点-背景”的基础设施系统协同规划模式，符合城乡一体化建设发展和全域产业整体性布局的要求，降低功能“紊乱化”、形态“斑驳化”和联系“孤岛化”带来的孤立和分散的基础设施规划和管理模式。另一方面，通过建立基于人口流动数据的城乡基础设施多层网络嵌套模型，将人口流动产生的城乡关联网络与基础设施形成的多要素关联网络进行关联嵌套和系统协同，通过叠加两类多层网络，比较人口流动产生的城乡关联网络需求与现状的不同类型基础设施产生的不同多要素关联网络之间的耦合性和差异性，分析不同等级、不同位置、不同规模和不同性质的城乡需求节点，从而以宏观和全局视角整体性规划和合理布局城乡的基础设施建设，为推进基础设施在城乡系统间的协同规划提供一种新的便捷化、全覆盖、效率高的城乡系统协同规划方法。
本发明的核心是：在城乡一体化发展的趋势下，由于城乡二元结构存在长期对立现象，导致基础设施规划仅局限于城市内部或乡村内部，未将城乡作为整体进行统一规划，这种孤立化的布局模式往往使基础设施配套布局不够合理，再加上人口流动导致城乡间存在新的供需矛盾，加剧了城乡空间发展的不平衡和不协调。因此，人口流动背景下的城乡系统协同规划和基础设施空间的高效集约的布局模式成为城市规划领域关注的重点。本发明提供了一种基于人口流动数据的城乡基础设施系统协同规划方法，即通过城乡基础设施系统协同的共建、互联、共享式的布局，实现城乡全域要素的合理流动和优化配置组合，提升城乡公共服务的均等化建设，实现城乡间资源的高效配置、整合和利用，加强乡村地区粗放、分散和低效的发展模式向集约化、精细化、高效化和便捷化的高质量发展模式的转变。通过分析人口流动产生的城乡关联网络与不同类型功能的基础设施形成的多要素关联网络两类图层间的耦合性与差异性，对出现图层差异的地区进行比较：若多要素关联网络与城乡关联网络在该地区内存在数量、面积、空间位置、规模等级等方面的差异，则说明基础设施供应与需求之间不匹配，对这些建设开发不合理的地区要进行适当调整，一方面对基础设施不足的地区根据城乡关联网络的结构特征布置更多的功能配套设施，以支撑地区活力提升；另一方面对基础设施过多的地区根据城乡关联网络的结构特征保留有需要的功能服务配套，适量渐次地减少无过多使用的基础设施，为基础设施在城乡一体化空间中的均衡配置、合理布局、优化结构、协调发展提供新的系统协同规划方法，以取得最佳的社会和经济效益。
本发明是一种规划评估或是反馈的方法，能够有效地对现有城乡基础设施进行评估，从而引导规划调整。本发明通过构建一种基于人口流动数据的城乡基础设施系统协同规划方法，通过人口流动数据建立的城乡关联网络来确定不同城镇乡村在网络中的组团划分、节点等级和网络位置，并依据现状的不同类型基础设施形成的不同功能的多要素关联网络进行对比，发现影响目标决策的城乡关联网络与现状存在的多要素关联网络之间的供需差异，从而调整多要素关联网络中的基础设施空间布局和配置，以匹配城乡关联网络中的节点等级和位置，从而通过规划反馈调整的手段实现对城乡一体化基础设施的整体配置，有利于提高城市对乡村发展的辐射能力和带动力，增强区域发展的协同性，促进城市与乡村的联动统筹发展。实现本发明提出的基于人口流动数据的城乡基础设施系统协同规划方法，需要三个主要步骤：(1)构建人口流动产生的城乡关联网络，对城市和乡村在网络中的等级和位置进行综合评级，评级高的地区人口基数大、在网络中的位置重要、对网络的影响程度高、对基础设施的需求也更高，相反，则评级低的地区基础设施的需求低，由此，为下一步的基础设施系统协同的规划引导提供依据。(2)构建不同类型功能的基础设施形成的多要素关联网络，先对基础设施按照功能进行分类，分析现状城乡空间中基础设施的空间配置情况。(3)比较人口流动产生的城乡关联网络和不同类型功能的基础设施形成的多要素关联网络间的空间差异，明确现状基础设施功能配套不足和过剩的地区，不足和过剩的地区则应根据城乡关联网络的节点评级进行数量和空间上的相应配置和调整，以匹配城乡关联网络的现实需求，以实现对不同城镇乡村有针对性的、系统协同性的规划调整。
本发明提供如下技术方案：
一种基于人口流动数据的城乡基础设施系统协同规划方法，构建一种包括城乡关联网络和多要素关联网络的多层嵌套网络模型。通过人口流动数据建立的城乡关联网络来确定不同城乡节点的组团划分、节点等级和网络位置，并与依据现状的不同类型基础设施形成的不同功能的多要素关联网络进行对比，发现影响目标决策的城乡关联网络与现状存在的多要素关联网络之间的供需差异，从而调整多要素关联网络中的基础设施空间布局和配置，以匹配城乡关联网络中的节点等级和位置，由此实现对城乡基础设施配套的有效规划和合理调整，对基础设施一体化的资源高效率精准配置和全域格局优化，促进城市与乡村的联动统筹发展，实现规划建设一盘棋。所述基于人口流动数据的城乡基础设施系统协同规划方法包括以下步骤：
1)建立人口流动产生的城乡关联网络：通过手机信令数据获得手机用户在不同时间内所停留的空间位置，进而将这些空间位置作为人口流动轨迹的起始点和终止点，构建不同时间的人口流动轨迹，获得城乡居民流动的出行信息。将城乡的地理位置信息数据作为网络中的节点，人口流动轨迹作为网络中节点间的边联系，根据轨迹重复的次数，将轨迹联系依次进行赋值累加，采用社会网络分析方法构建节点间的有向联系矩阵，再进行二值化变换，由此构建基于人口流动产生的城乡关联网络的二值化有向联系矩阵，反映城乡居民的空间路径偏好和城乡选择。
对城乡关联网络中的节点进行综合评级：在城乡关联网络的二值化有向联系矩阵基础上，从网络空间结构与节点综合评级两个层面，采用社会网络分析方法中的凝聚子群划分法分析城乡关联网络中联系紧密的节点，通过网络密度指标来反映节点联结关系的强弱程度，从而对不同节点进行组团划分。再选取社会网络分析方法中的中心性与结构洞指标进行节点结构评价，从网络位置和等级两个角度对城乡关联网络中的不同城乡节点发展现状进行综合评级，并判断各个节点间的竞争和合作关系。
2)建立不同类型功能的基础设施形成的多要素关联网络：通过自动采集网页内容的网络爬虫技术，对线上开源地图网站平台以重复迭代的方式遍历整个划定区域，获取不同城镇乡村范围内的不同功能的兴趣点地理位置数据(包括基础设施位置数据)等。再运用ArcGIS软件的平面核密度估计法，将不同类型功能的基础设施点位置数据转化为核密度面状数据，形成不同功能要素的关联网络图，反映城乡不同类型功能的基础设施的空间布局，即各功能类型的基础设施空间集聚和离散程度。
3)比较城乡关联网络和多要素关联网络间差异：将步骤1)的人口流动产生的城乡关联网络和步骤2)的不同类型功能的基础设施形成的多要素关联网络通过ArcGIS软件进行空间叠合，城乡关联网络在上，多要素关联网络在下，共同构成基于人口流动数据的城乡基础设施多层嵌套网络模型，即得到城乡基础设施间的规划方案。二者拟合刻画人口分布与基础设施配置供给间的差异，由此找到多层嵌套网络模型中二者存在的不平衡和差异的部分，从而支撑城乡一体化的基础设施整体规划及配置调整。
不同类型功能的基础设施形成的多要素关联网络根据没有与城乡关联网络形成空间匹配关系的区域进行调整，一方面，若城乡节点综合评级高，说明该城乡节点是人口集中区域，需要优化配置更多更充足的相应功能基础设施配套，以完善公共服务体系，并根据评级对应设置不同规模的产业配套服务要素，以满足该节点的人口需要。另一方面，若两个城乡节点之间联系紧密，但基础设施布局分散且数量少，可以考虑在城乡节点的交通沿线或途中经过的其它城乡节点内规划建设更多的基础服务设施，推动具有人口优势的城乡节点向周围其它城乡节点的辐射带动能力和产业延伸能力，增强区域一体化程度。若两个城乡节点之间联系不足，但基础设施配套饱和，可以考虑适当增强政策引导或加强交通联系，来挖掘和增加新的发展动能，以提高城乡节点基础设施的利用效率，也可以控制或减少基础设施的投入建设，以追求资源配置效率的最优。
通过以上手段，能够实现城乡基础设施一体化系统协同的引导和管理，提高基础设施的整体配置和有效调整效率，促进城市与乡村的协调合作机制发展。本发明提出的基于人口流动数据的城乡基础设施系统协同规划方法是一种由城乡关联网络和多要素关联网络两类多层网络嵌套叠合而成的多层嵌套网络模型。通过多层嵌套网络模型，对模型中的城乡关联网络和多要素关联网络进行空间比较，找出功能配套的供需差异，对多要素关联网络中的基础设施现状数量密度、功能类型、空间位置未能满足城乡关联网络需求的区域重点规划，以满足城乡关联网络的结构要求，并给出基础设施空间布局调整与服务设施的配套优化方案。
进一步的，所述步骤1)建立人口流动产生的城乡关联网络包括：
1.1)获取划定区域不同时间范围内的手机信令数据，由于移动通信网络自身及周围环境的影响，筛选掉手机信令数据内的重复定位数据、漂移数据和乒乓切换数据等无效数据。手机信令数据记录了通信的时间、通信基站的坐标、通信者是否为本地居民和游客等信息。根据用户ID对手机信令数据轨迹进行分类排序，对ID编号相同的进行数据归并，再对同一ID编号的手机信令数据按发生时间先后进行排序，将发生时间在前的空间位置坐标设置作为该ID编号用户流动轨迹的起始点，发生时间在后的空间位置坐标设置作为该ID编号用户流动轨迹的终止点，由此获得两条信令数据间的空间位置联系和移动方向；将同一时间内起始点和终止点相同的用户轨迹进行批量合并，每增加一个用户则该条流动轨迹数量增加1，以此类推循环，获得不同时间段内的人口流动轨迹(包括起始点坐标、终止点坐标、移动方向、轨迹数量、用户ID、时间等属性信息)。之后将上述不同时间段内的人口流动轨迹数据导入到ArcGIS软件中，新建shp数据格式的多个人口流动轨迹图层，按照时间段命名，实现基于GIS的地理位置数据分析。
1.2)将步骤1.1)中的人口流动轨迹图层中的起始点和终止点的地理位置坐标在ArcGIS软件中进行归并，在同一城市或乡村行政范围内的起始点和终止点进行合并，对城市和乡村进行编号，由此将人口流动轨迹图层转化为城乡联系图层。将城乡作为网络中的节点，将连接多个城乡节点的同一人口流动轨迹视为节点间的边联系，根据轨迹重复的次数，将轨迹联系依次进行赋值累加，由此建立城乡人口流动轨迹起始点与终止点的关系表数据集。具体方法如下：对城乡节点属性表内添加命名为“编号”的字段，并将新增编号信息显示在图层上。通过数据管理工具中的要素工具里的XY转线方法，将任意两个城乡节点的地理位置坐标连接起来，转化为边联系，并在边联系的属性表中新建命名为“数量”的字段，将轨迹重复的统计次数对应填入到相应的字段表格内，由此获得不同重复次数的边联系。
1.3)将步骤1.2)中的城乡人口流动轨迹起始点与终止点的关系表数据集导入到Excel软件中，采用社会网络分析方法构建节点间的有向联系矩阵，根据联系的数目，在所对应的矩阵表格中设置相同数目，由此获得城乡节点间具有轨迹信息的有向联系数字矩阵，即基于人口流动产生的城乡联系矩阵。将基于人口流动产生的城乡联系矩阵导入到社会网络分析软件(UCINET软件)中进行二值化变换，得到二值化有向联系矩阵。由此构建基于人口流动产生的城乡关联网络，可进一步进行一系列网络空间结构和节点综合评级分析操作。
1.4)在步骤1.3)二值化有向联系矩阵基础上，采用社会网络分析方法中的凝聚子群划分法分析城乡关联网络中联系紧密的节点，从而对不同节点进行组团划分为p个组团。其中，凝聚子群是节点的一个子集合(组团)，在此子集合中的节点之间具有相对较强的、直接的、联系紧密的相互关系。在同一组团内的城乡节点被视为地域中人口流动联系最为紧密的地区，地理位置未必相邻，但距离一般不大。具体操作如下：利用社会网络分析软件(UCINET软件)中的块模型(CONCOR工具)进行凝聚子群分析，对二值化有向联系矩阵中各个行及各个列之间的相关系数进行重复计算，最终产生的将是一个仅由1和-1皮尔逊积距系数组成的相关系数矩阵，用来测量各对节点之间的相似性。经过对相关系数矩阵进行多次迭代计算之后，根据结构性信息区分网络中的各个节点，获得基于各个组团内节点位置之间的结构对等性程度，并且标记出各个组团内拥有的节点，任意一个组团内的节点数量要求不低于3个，由此将城乡关联网络中联系紧密的节点划分为p个组团。
1.5)在步骤1.4)获得的p个组团基础上，对p个组团分别计算网络密度，从而获得各个组团内城乡节点联结关系的强弱程度，以判断组团内城乡一体化的水平高低。网络密度的计算公式为：
式中，ND是网络密度，L是组团中节点间实际拥有的边连接数，n为城乡节点个数。ND取值区间是[0，1]，数值越大说明城乡各节点间联系越紧密，人口、资源等在城乡节点间的流通速度和效率就越高，组团内的城乡发展越趋向于一体化模式。对于网络密度高的组团来说，组团内城乡一体化水平较高，应增加区域性基础设施规划建设，并对处于弱势的城乡节点加强基础设施投入，增强与中心城乡节点间的交通联系，可通过提升交通路网等级、新建交通干线等规划手段增强中心城乡节点的辐射带动能力。对于网络密度低的组团来说，组团内城乡一体化水平较低，这些地区是城乡发展的弱势地区，应加强组团内交通线路的整体布局，加快城乡公共服务体系建设，健全城乡产业布局和分工。
1.6)在步骤1.3)二值化有向联系矩阵基础上，采用社会网络分析方法中的中心性与结构洞指标进行节点结构评价，从网络位置和等级两个角度对城乡关联网络中的不同城乡节点发展现状进行综合评级，判断各个节点间的竞争和合作关系。具体步骤如下：
161)程度中心性和亲近中心性都可以反映节点等级，节点等级越高则说明城市或乡村的发展水平越好，对人口的吸引力越强，节点在网络中的权利地位及影响越高。其中，程度中心性是节点与其他节点直接连接的个数，对于有向连接网络，程度中心性又可分为外向程度中心性(人从该节点起始)和内向程度中心性(人到达该节点终止)。亲近中心性是以最短距离为对象，反映节点与其他节点间联系的紧密程度。对于有向连接网络，亲近中心性又可分为外向亲近中心性(人从该节点起始)和内向亲近中心性(人到达该节点终止)。程度中心性和亲近中心性的计算公式如下：
COi＝∑Lij
CDi＝∑Lji
式中：Coi为节点i的外向程度中心性，CDi为节点i的内向程度中心性，Lij为节点i起始到其它节点j终止的单向联系数，Lji为其它节点j起始到节点i终止的单向联系数；CCOi为节点i的外向亲近中心性，CCDi为节点i的内向亲近中心性，d(i，j)为节点i起始到其它节点j终止的距离，d(j，i)为其它节点j起始到节点i终止的距离，n表示网络中节点个数。
若节点i的外向程度中心性、内向程度中心性、外向亲近中心性和内向亲近中心性这四个指标都高于均值加一个标准差，则为一级节点；若这四个指标都高于均值且不属于一级节点的，则为二级节点；若这四个指标都高于均值减一个标准差且不属于一级和二级节点的，则为三级节点；若这四个指标其一在均值减一个标准差以下的，则为四级节点。由此对节点等级划分为一级、二级、三级、四级。
162)中介中心性和结构洞分析中的约束性指数都可以反映节点在网络中的位置，节点位置越处于核心地位，则说明节点越多地占据资源和信息流通的关键位置，控制信息和资源流动的程度越强，越容易受到辐射带动，往往也越容易成为城乡一体化快速发展的潜力区域。其中，中介中心性用于衡量节点的中介联系地位(类似于其他两个节点间的桥梁作用)，代表某个节点对网络中资源控制的程度。结构洞分析是指网络中节点间存在不相关联的现象，节点拥有越多的结构洞，表示其具有越高的关系优势。其中，约束性指数是衡量节点对其他节点依赖程度的重要指标，可反映城乡关系中节点发展受到区域其他城乡节点的控制程度，反映网络的非冗余因素，公式如下：
式中，CBi为节点i的中介中心性，Ljk表示节点j和节点k之间的联系数，Ljk(i)表示节点j和节点k通过节点i进行连接的边联系数，n表示网络中节点个数。CTi为节点i的约束性指数，节点k是节点i和节点j的共同邻接点，Pij为节点i的所有邻接点中节点j所占的权重比例，Pik为节点i的所有邻接点中节点k所占的权重比例，Pkj为节点k的所有邻接点中节点j所占的权重比例。
若节点i的中介中心性及结构洞分析中的约束性指数都高于均值加一个标准差，则为绝对核心区节点；若这两个指标都高于均值且不属于绝对核心区节点的，则为过渡核心区节点；若这两个指标都高于均值减一个标准差且不属于绝对核心区和过渡核心区节点的，则为过渡边缘区节点；若这两个指标其一在均值减一个标准差以下的，则为绝对边缘区节点。由此对节点的网络位置划分为绝对核心区、过渡核心区、过渡边缘区和绝对边缘区。
163)对节点等级和网络位置做进一步综合评级。若节点为一级且处于网络的绝对核心区，则被视为A类节点；若节点为二级及其以上且处于网络的绝对核心区或过渡核心区，同时不为A类节点的，则被视为B类节点；若节点不为四级且未处于网络的绝对边缘区，同时不为A类和B类节点的，则被视为C类节点；若节点处于四级或处于网络的绝对边缘区，则被视为D类节点。根据综合评级标准，A类节点＞B类节点＞C类节点＞D类节点。
1.7)对步骤1.4)建立的p个组团，步骤1.6)确定的城乡节点发展现状综合评级，通过ArcGIS软件导入到步骤1.2)建立的城乡人口流动轨迹起始点与终止点的关系表数据集中，在城乡节点属性表内添加命名为“组团分类”和“节点评级”的两个字段，将属于同一组团的节点设置为相同的数字编号(从1开始，连续编码)，将步骤1.6)得到的四类节点进行数字标注。基于上述操作，步骤1.2)获得边联系属性信息，步骤1.4)获得节点属性信息，步骤1.6)获得网络组团属性信息，由此可以建立人口流动产生的城乡关联网络模型，包括节点、边联系、网络组团等属性信息。
进一步的，所述步骤2)建立不同类型功能的基础设施形成的多要素关联网络包括：
2.1)通过自动采集网页内容的网络爬虫技术，对线上开源地图网站平台以重复迭代的方式遍历整个划定区域，获取不同城镇乡村范围内的不同功能的兴趣点地理位置数据(包括基础设施位置数据)等，按照编号、名称、大类、中类、小类、经度、纬度、备注等的属性数据进行存储。将上述兴趣点地理位置数据导入到ArcGIS软件中，通过数据管理工具中的XY转线，将地理坐标中的经度对应X坐标，纬度对应Y坐标，从而将位置数据转化为空间数据。再将基础设施按功能进行分类。优选的，可以按照大类划分为八类基础服务设施：餐饮服务类、购物服务类、住宿服务类、生活服务类(通讯、邮政、物流、理发等)、体育休闲类(运动场馆、娱乐场所、影剧院等)、文化服务类(博物馆、美术馆等)、公共服务类(公厕、电话亭等)、交通服务类(停车场等)。
2.2)再对不同类型兴趣点地理位置数据分别进行平面核密度计算。运用ArcGIS软件的平面核密度估计法，将不同类型的基础设施点位置数据转化为核密度面状数据，形成不同功能要素的关联网络图，反映城乡不同类型基础设施的空间布局，即各功能类型的基础设施空间集聚和离散程度。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，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。
2.3)在步骤2.2)的不同类型基础设施核密度面状数据基础上，通过ArcGIS软件中的图层叠加工具，将多要素图层叠加到同一图层上，建立不同类型功能的基础设施形成的多要素关联网络，包括基础设施点状数据和核密度面状数据。
本发明提供的基于人口流动数据的城乡基础设施系统协同规划方法通过构建一种多层嵌套网络模型，包括城乡关联网络和多要素关联网络两类多层网络，多层嵌套网络模型是由城乡关联网络和多要素关联网络嵌套而成。通过人口流动数据建立的城乡关联网络来确定不同城镇乡村在网络中的节点等级和位置，并依据现状的不同类型基础设施形成的不同功能的多要素关联网络进行对比，发现影响目标决策的城乡关联网络与现状存在的多要素关联网络之间的供需差异，从而调整多要素关联网络中的基础设施空间布局和配置，以匹配城乡关联网络中的节点等级和位置，由此实现对城乡基础设施配套的有效规划和合理调整，对基础设施一体化的资源高效率精准配置和全域格局优化，促进城市与乡村的联动统筹发展。与现有技术相比，本发明具有以下几点技术优势：
(1)本发明基于人口流动数据作为城乡关联网络需求，相较于以往研究中使用的统计年鉴数据或社会调查中的居民数据，更加真实准确反映不同时间段内的人口流动轨迹，且人口流动数据量丰富，更新速度快，时空精确度较高，时效性强，能够快速准确地量化人们的日常时空选择性行为，为反映城乡人口流动提供了一个更客观真实的数据支撑，较好地反映城乡人口流动联系的真实现状和需求。
(2)本发明将城市和乡村作为整体进行系统协同规划，整体统筹谋划城乡的人口需求和基础设施配置，有利于推进城乡一体化建设，促进城乡二元结构的融合，进一步推动城乡资源、土地、技术、管理等各类要素的全局优化，实现城乡一体化进程中利益的相对均衡发展与协调保障，加强乡村地区粗放、分散和低效的发展模式向集约化、精细化、高效化和便捷化的高质量发展模式转变，实现城乡间资源的高效配置、整合和利用，为全域自由有序流动的开放式城乡管理和城乡一体化建设的供需平衡管理提供自下而上的统筹发展转变，实现规划负反馈调整的一种可持续模式。
(3)本发明基于城乡基础设施系统的规划方法，即通过城乡基础设施系统协同的共建、互联、共享式的布局，有效结合资源现状和人口需求对城乡基础设施布局进行统筹考虑，实现城乡全域要素的合理流动和优化配置组合，提升城乡公共服务的均等化建设，促进城乡资源配置效率最大化发挥。对现状基础设施功能配套不足和过剩的地区，则根据城乡关联网络的节点评级进行数量和空间上的相应配置和调整，以匹配城乡关联网络的现实需求，以实现对不同城镇乡村有针对性地、系统协同性地规划调整。这有利于各级政府对基础设施投资建设和空间布局形成有计划分阶段渐进式地规划管理模式。
附图说明
图1是本发明提供的基于人口流动数据的城乡基础设施系统协同规划方法的流程框图。
图2是本发明实施例的宜昌市92个乡镇单元地理位置分布图；图中数字1～92表示宜昌市92个乡镇单元的编号。
图3是本发明实施例的宜昌市92个乡镇单元的城乡关联网络的凝聚子群组团划分图。
图4是本发明实施例的宜昌市92个乡镇单元的城乡关联网络中的节点等级和网络位置图。
图5是本发明实施例的宜昌市92个乡镇单元的城乡关联网络中的节点综合评级图。
图6是本发明实施例的宜昌市92个乡镇单元的八类基础设施的多要素关联网络的空间分布图；颜色越深则表示基础设施空间布局越密集，颜色越浅则表示基础设施空间布局越分散。
图7是本发明实施例的宜昌市92个乡镇单元的城乡关联网络与多要素关联网络间的空间叠合图。
具体实施方式
下面结合附图，通过具体实施例进一步阐述本发明。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同形式的修改均落于本发明所附权利要求所限定的范围。
本发明的基于人口流动数据的城乡基础设施系统协同规划方法，通过构建包括城乡关联网络和多要素关联网络的多层嵌套网络模型实现。首先，通过社会网络分析方法对城乡关联网络做凝聚子群划分，获得联系紧密的组团。在此基础上，确定不同城镇乡村在网络中的节点等级和位置，对节点进行综合评级。由此构建具有不同评级节点、不同强度的边联系和不同组团的城乡关联网络。再将现状的不同类型基础设施形成的多要素关联网络进行空间叠加，发现城乡关联网络的人口需求与多要素关联网络的基础设施供应之间的供需差异，从而对有差异的地区进行基础设施的布局调整和配置优化，以匹配城乡关联网络中的节点评级、边联系强度和组团紧密程度。由此实现对城乡基础设施配套的系统规划和合理调整，对基础设施一体化的资源高效率精准配置和全域格局优化。整个操作过程数据更容易获取，反映客观真实程度更高，时效性更好，实际利用价值更强。此外，自下而上根据现状的规划更可靠，也更容易实现精准治理和规划布局。
以下为湖北省宜昌市92个城市乡镇单元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人口流动数据的城乡基础设施系统协同规划方法包括以下步骤：
步骤1：获取湖北省宜昌市手机信令数据，将数据进行进一步整理，转换为Excel文件存储数据，并导入到ArcGIS软件中统计轨迹重复次数，由此获得不同重复次数的边联系，以建立宜昌市城乡人口流动轨迹起始点与终止点的关系表数据集。再采用社会网络分析方法构建节点间的有向联系矩阵，进行二值化变换，从网络空间结构与节点综合评级两个层面，采用社会网络分析方法中的凝聚子群划分法分析城乡关联网络中联系紧密的节点组团，对城乡关联网络中的节点进行综合评级，由此建立了人口流动产生的“节点+边联系+组团”的宜昌市城乡关联网络模型。具体步骤包括：
步骤1.1：获取湖北省宜昌市2019年10月1日—10月14日两周全市的250m×250m地理格网单元的手机信令数据，包括全域分时用户数、用户移动轨迹、驻留时间等。该段时间范围包括工作日(10月8日、9日、10日、11日、14日)、双休日(10月12日、13日)和节假日(10月1日—10月7日为国庆假期)，有利于反映不同时间段内宜昌市境内92个城市乡镇单元内的人口个体流动性特征和流动能力变化情况，从而基于人口流动数据来分析城乡联系网络的复杂结构特征和城乡人口流动的动态模式变化。
步骤1.2：将步骤1.1中的手机信令数据输入到Excel软件，根据用户ID对手机信令数据轨迹进行分类排序，对ID编号相同的进行数据归并，再对同一ID编号的手机信令数据按发生时间先后进行排序，将10月1日0:00-1:00的轨迹进行合并，每增加一个用户则该条流动轨迹数量增加1，以此类推循环统计，获得10月1日0:00-1:00全部轨迹的用户流动次数。按照上述方法，对10月1日之后的每个1小时时间段进行数据合并，得到14天内336个时间段的人口流动轨迹数据，包括每条轨迹的起始基站信息、终止基站信息、轨迹数量、时间等属性信息。之后将上述336个时间段的人口流动轨迹数据Excel导入到ArcGIS软件中，新建336个shp数据格式的人口流动轨迹图层，按照时间段命名，实现基于ArcGIS的地理位置数据分析。对于通讯基站位于同一城市或乡村行政范围内的，则进行归并处理。按照图2所示的宜昌市92个城市乡镇单元(3个区、60个镇、24个乡、5个街道办事处，由于猇亭区、伍家岗区、西陵区属于宜昌市的中心城区，且面积较小，不再将其继续划分为更小的街道单元考虑)为依据，将轨迹进一步整合到城乡空间中。通过数据管理工具中的要素工具里的XY转线方法，将任意两个城乡节点的地理位置坐标连接起来，转化为边联系，并在边联系的属性表中新建命名为“数量”的字段，将轨迹重复的统计次数对应填入到相应的字段表格内，由此获得不同重复次数的边联系，以建立宜昌市城乡人口流动轨迹起始点与终止点的关系表数据集。
步骤1.3：以步骤1.2获取的数据为基础，在社会网络分析UCINET软件中构建人口流动产生的宜昌市二值化后的城乡联系矩阵。并依据社会网络分析UCINET软件对宜昌市城乡联系矩阵做凝聚子群划分，划分不同宜昌市城乡组团，计算各个城乡组团的网络密度，判断城市乡镇单元的紧密联系程度。再使用UCINET软件对宜昌市92个城市乡镇单元进行节点等级和网络位置的评价，由节点等级和网络位置得到节点的综合评级，分析综合复杂的宜昌市内92个城市乡镇单元节点的竞争合作关系和发展情况。具体步骤如下：
步骤1.3.1：首先进行基于社会网络分析方法的网络空间结构分析。将步骤1.2获取的宜昌市城乡人口流动轨迹起始点与终止点的关系表数据集导入到社会网络分析UCINET软件中，通过UCINET软件菜单栏中的转换(Transform)工具箱中的二值化(Dichotomize)工具，对关系表数据集进行军阵二值化变换，获得宜昌市二值化有向联系矩阵。再通过UCINET软件菜单栏中的网络(Network)工具箱中的块模型(CONCOR)工具对二值化有向联系矩阵进行凝聚子群分析，将矩阵中各个行及各个列之间的相关系数进行重复迭代计算50次，若两个城乡节点在组团内承担的角色越相似、结构越对等，二者的相似性越强，结果稳定后得到基于各个组团内节点位置之间的结构对等性矩阵，任意一个组团内的节点数量要求不低于3个，因此聚类共生成8个凝聚子群，即划分为8个组团，见图3。从宜昌市城乡关联矩阵组团聚类结果可知，聚类共生成8个子群，村镇间的联系程度已经突破了市县级和乡镇级的行政边界，但基本上都遵循地理邻近原则，不同组团的发育完备程度不同，节点联系也有明显的差异。
步骤1.3.2：在步骤1.3.1中的凝聚子群分析得到的8个组团的基础上，进一步使用UCINET软件菜单栏中的网络(Network)工具箱中的密度(Density)工具，测定不同组团的网络密度值。不同组团的网络密度值都高于0.5，说明组团内部整体上处于一个联系较为紧密的水平，但标准差为0.4954，说明宜昌市城乡组团网络结构呈现较强的不均衡性，各个城乡间的人口吸引能力差异较大。若组团内的网络密度值较低，说明核心节点带动边缘节点发展的能力有待提升，需要增强组团内的交通联系。
步骤1.3.3：进行基于社会网络分析方法的节点综合评级分析。在步骤1.3.1中的宜昌市二值化有向联系矩阵基础上，通过UCINET软件菜单栏中的网络(Network)工具箱中的中心性(Centrality)工具中点击程度(Degree)按钮，在对话框中的“数据为对称矩阵(Tread data as symmetric)”中选不(No)，即可获得92个城乡节点的外向程度中心性和内向程度中心性。通过UCINET软件菜单栏中的网络(Network)工具箱中的中心性(Centrality)工具中点击亲近(Closeness)按钮，在对话框中的“数据为对称矩阵(Treaddata as symmetric)”中选不(No)，获得92个城乡节点的外向亲近中心性和内向亲近中心性。当92个城乡节点的外向程度中心性、内向程度中心性、外向亲近中心性和内向亲近中心性这四个指标都高于均值加一个标准差，则为一级节点；若这四个指标都高于均值且不属于一级节点的，则为二级节点；若这四个指标都高于均值减一个标准差且不属于一级和二级节点的，则为三级节点；若这四个指标其一在均值减一个标准差以下的，则为四级节点。由此对宜昌市城乡节点等级划分为11个一级节点、29个二级节点、31个三级节点、21个四级节点，见图4。
步骤1.3.4：在步骤1.3.1中的宜昌市二值化有向联系矩阵基础上，通过UCINET软件菜单栏中的网络(Network)工具箱中的中心性(Centrality)工具栏中选择弗里曼介数(Freeman Betweenness)工具里的节点中介中心性(Node Betweenness)按钮，即可获得92个城乡节点的中介中心性。通过UCINET软件菜单栏中的网络(Network)工具箱中的角色和位置(Role&Position)工具栏中选择结构洞(Structural)工具里的轮廓(Profile)按钮，然后选择对话框中的“(欧式距离)Euclidean Distance”，得到的结果中的约束性指数(Constraint)可以表明92个城乡节点在结构中是否接近同型。当92个城乡节点的中介中心性和结构洞分析中的约束性指数都高于均值加一个标准差，则为绝对核心区节点；若这两个指标都高于均值且不属于绝对核心区节点的，则为过渡核心区节点；若这两个指标都高于均值减一个标准差且不属于绝对核心区和过渡核心区节点的，则为过渡边缘区节点；若这两个指标其一在均值减一个标准差以下的，则为绝对边缘区节点。由此对节点的网络位置划分为10个绝对核心区节点、44个过渡核心区节点、23个过渡边缘区节点、15个绝对边缘区节点，见图4。
步骤1.3.5：对92个城乡节点等级和网络位置做进一步综合评级。若节点为一级且处于网络的绝对核心区，则被视为A类节点；若节点为二级及其以上且处于网络的绝对核心区或过渡核心区，同时不为A类节点的，则被视为B类节点；若节点不为四级且未处于网络的绝对边缘区，同时不为A类和B类节点的，则被视为C类节点；若节点处于四级或处于网络的绝对边缘区，则被视为D类节点。根据综合评级标准，2个城乡节点可分为10个A类节点，30个B类节点，31个C类节点，21个D类节点，见图5。
步骤1.4：对步骤1.3建立的8个组团和确定的城乡节点发展现状综合评级，通过ArcGIS软件导入到步骤1.2建立的宜昌市城乡人口流动轨迹起始点与终止点的关系表数据集，将步骤1.3得到的4类节点分级结果录入到92个城乡节点的属性表中，由此在ArcGIS软件中实现数据属性赋值和可视化表达，得到具有不同边联系属性、不同节点属性、不同组团特征的城乡关联网络模型，在步骤1.1、步骤1.2、步骤1.3的基础上建立了人口流动产生的“节点+边联系+组团”的城乡关联网络模型。
步骤2：在多层嵌套网络模型中，除了构建逻辑网络层面的城乡关联网络，以了解自下而上的城乡一体化系统人口需求，还需要通过地理空间层面的基础设施网络的丰富和完善，来形成物理实体空间支撑着城乡人口流动空间网络的形成，从而推动城乡基础设施进行一体化和全域化的转型升级。因此，需要建立不同类型功能的基础设施形成的多要素关联网络。首先通过网络爬虫技术获取高德地图兴趣点(POI)地理位置数据，以代表八类基础设施，再运用ArcGIS软件的平面核密度估计法，对八类基础设施点位置数据转化为核密度面状数据，得到八张“点+面”的要素关联网络图，再对八类基础设施核密度面状图层进行合并，得到一张所有基础设施的“点+面”的多要素关联网络图。所有要素关联网络图都包括基础设施点和核密度面两类数据，以此反映八类基础设施在宜昌市城乡空间的集聚和离散程度。具体步骤如下：
步骤2.1：通过自动采集网页内容的网络爬虫技术编写爬虫程序，选取2019年高德地图兴趣点(POI)地理位置数据(http://www.lbs.amap.com)，包含土地承载的各类功能比重，反映宜昌市内不同类型基础设施的空间布局。并提取出八类功能设施进行旅游关联性研究，主要包括餐饮服务、购物服务、住宿服务、生活服务(通讯、邮政、物流、理发等)、体育休闲设施(运动场馆、娱乐场所、影剧院等)、文化服务(博物馆、美术馆等)、公共设施(公厕、电话亭等)、交通设施类(停车场等)。将上述兴趣点地理位置数据导入到ArcGIS软件中，通过数据管理工具中的XY转线，将地理坐标中的经度对应X坐标，纬度对应Y坐标，从而将兴趣点(POI)地理位置数据转化为ArcGIS软件中的空间数据。
步骤2.2：在步骤2.1获得的兴趣点(POI)空间数据基础上，打开ArcGIS软件中的工具箱(Arctoolbox)，选择空间分析(Spatial Analyst)工具，再点击密度(Density)分析中的核密度(Kernel Density)分析，分别对宜昌市八类基础设施点位置数据做平面核密度估计分析，得到八张核密度面状图层，见图6。
步骤2.3：在步骤2.2的八张核密度面状图层基础上，通过ArcGIS软件中的工具箱(Arctoolbox)，选择数据管理工具(Data Management Tools)里的栅格(Raster)工具栏，再选择其中的栅格数据集(Raster Dataset)中的镶嵌至新栅格(Mosaic to New Raster)工具，将上述八个图层叠加为一个图层，即获得宜昌市所有城乡基础设施核密度空间分布图。由此建立了8个功能类型基础设施的“点+面”要素关联网络和1个所有类型基础设施的“点+面”多要素关联网络，所有要素关联网络都包括基础设施点状数据和核密度面状数据。
步骤3：利用步骤1的人口流动产生的“节点+边联系+组团”的宜昌市城乡关联网络图层，和所述步骤2的1张所有类型基础设施的“点+面”的多要素关联网络图层，通过ArcGIS软件进行空间可视化，将城乡关联网络图层置于上方，多要素关联网络置于下方，共同构成基于人口流动数据的宜昌市92个城乡基础设施多层嵌套网络模型，即得到宜昌市城乡基础设施间的规划方案。二者拟合刻画人口分布与基础设施配置供给间的差异，由此找到多层嵌套网络模型中二者存在的不平衡和差异的部分，从而支撑宜昌市城乡一体化的基础设施整体规划及配置调整，见图7。
对宜昌市城乡关联网络和多要素关联网络进行空间比较，找出功能配套的供需差异，对多要素关联网络中的基础设施现状数量密度、功能类型、空间位置未能满足城乡关联网络需求的区域重点规划，以满足城乡关联网络的结构要求，并给出基础设施空间布局调整与服务设施的配套优化方案。从基础设施的多要素关联网络来看，基础设施大多集聚于交通可达性较高的各个市县的中心城镇附近区域，明显符合交通最优原则。基础设施的多要素关联网络和城乡关联网络的核心区域基本吻合，这说明高吸引力的区域各级人口增长极及其周边地带往往成为各级基础设施系统资源要素利用效率整合及高效发挥的区域，完善的基础设施有利于人口和产业规模提升，促使区域间人口、资源等要素回环流动及规模效应增强，迫使网络密度与规模扩大。然而，仍有部分地区如8号、49号、62号、65号、67号和80号城乡节点等级较高，人口活力强，但基础设施集散不便，配套基础设施落后，存在明显的空间错配关系。在未来的基础设施系统协同规划中，应注重围绕高等级城乡节点进行基础设施功能及规模性开发，进一步引导功能服务设施的分布、线路网络延伸与展布范围优化。此外，对于长江沿线城乡节点，现有的基础设施空间规划模式的限定导致自然空间的连续性被破坏，长江沿线城乡节点联系不强，失去其空间上的整体性，不利于生态空间的价值认知和城乡节点间的联系。
整体上，针对城乡节点综合评级高的，说明该城乡节点是人口集中区域，需要优化配置更多更充足的相应功能基础设施配套，以完善公共服务体系，并根据评级对应设置不同规模的产业配套服务要素，以满足该节点的人口需要。另一方面，若两个城乡节点之间联系紧密，但基础设施布局分散且数量少，可以考虑在城乡节点的交通沿线或途中经过的其它城乡节点内规划建设更多的基础服务设施，推动具有人口优势的城乡节点向周围其它城乡节点的辐射带动能力和产业延伸能力，增强区域一体化程度。若两个城乡节点之间联系不足，但基础设施配套饱和，可以考虑适当增强政策引导或加强交通联系，来挖掘和增加新的发展动能，以提高城乡节点基础设施的利用效率，也可以控制或减少基础设施的投入建设，以追求资源配置效率的最优。由此，最终给出详细的宜昌市城乡基础设施一体化和系统协同规划的空间布局调整及优化方案。
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、整合和变形仍落入本发明的保护范围内。
Claims (8)
1.一种基于人口流动数据的城乡基础设施系统协同规划方法，包括以下步骤：
1)建立人口流动产生的城乡关联网络：通过手机信令数据获得手机用户在不同时间内所停留的空间位置，将其作为人口流动轨迹的起始点和终止点，构建不同时间的人口流动轨迹，获得城乡居民流动的出行信息；将城乡的地理位置信息数据作为网络中的节点，人口流动轨迹作为网络中节点间的边联系，根据轨迹重复的次数，将轨迹联系依次进行赋值累加，采用社会网络分析方法构建节点间的有向联系矩阵，再进行二值化变换，由此构建基于人口流动产生的城乡关联网络的二值化有向联系矩阵，反映城乡居民的空间路径偏好和城乡选择；然后对城乡关联网络中的节点进行综合评级：在城乡关联网络的二值化有向联系矩阵基础上，从网络空间结构与节点综合评级两个层面，采用社会网络分析方法中的凝聚子群划分法分析城乡关联网络中联系紧密的节点，通过网络密度指标来反映节点联结关系的强弱程度，从而对不同节点进行组团划分；再选取社会网络分析方法中的中心性与结构洞指标进行节点结构评价，从网络位置和等级两个角度对城乡关联网络中的不同城乡节点发展现状进行综合评级，并判断各个节点间的竞争和合作关系；
2)建立不同类型功能的基础设施形成的多要素关联网络：通过网络爬虫技术对线上开源地图网站平台以重复迭代的方式遍历整个划定区域，获取不同城镇乡村范围内的不同功能的兴趣点地理位置数据，包括基础设施位置数据；运用ArcGIS软件的平面核密度估计法将不同类型功能的基础设施点位置数据转化为核密度面状数据，形成不同功能要素的关联网络图，反映城乡不同类型功能的基础设施的空间布局，即各功能类型的基础设施空间集聚和离散程度；
3)比较城乡关联网络和多要素关联网络间差异：将步骤1)的城乡关联网络和步骤2)的多要素关联网络通过ArcGIS软件进行空间叠合，城乡关联网络在上，多要素关联网络在下，共同构成基于人口流动数据的城乡基础设施多层嵌套网络模型，从中找到二者存在的不平衡和差异的部分，从而支撑城乡一体化的基础设施整体规划及配置调整。
2.如权利要求1所述的城乡基础设施系统协同规划方法，其特征在于，所述步骤1)包括：
1.1)获取划定区域不同时间范围内的手机信令数据，筛选掉手机信令数据内的无效数据，所述无效数据包括重复定位数据、漂移数据和乒乓切换数据；根据用户ID对手机信令数据轨迹进行分类排序，对ID编号相同的进行数据归并，再对同一ID编号的手机信令数据按发生时间先后进行排序，将发生时间在前的空间位置坐标设置作为该ID编号用户流动轨迹的起始点，发生时间在后的空间位置坐标设置作为该ID编号用户流动轨迹的终止点，由此获得两条信令数据间的空间位置联系和移动方向；将同一时间内起始点和终止点相同的用户轨迹进行批量合并，每增加一个用户则该条流动轨迹数量增加1，以此类推循环，获得不同时间段内的人口流动轨迹；之后将上述不同时间段内的人口流动轨迹数据导入到ArcGIS软件中，新建shp数据格式的多个人口流动轨迹图层，按照时间段命名，实现基于GIS的地理位置数据分析；
1.2)将步骤1.1)中的人口流动轨迹图层中的起始点和终止点的地理位置坐标在ArcGIS软件中进行归并，在同一城市或乡村行政范围内的起始点和终止点进行合并，对城市和乡村进行编号，由此将人口流动轨迹图层转化为城乡联系图层；将城乡作为网络中的节点，将连接多个城乡节点的同一人口流动轨迹视为节点间的边联系，根据轨迹重复的次数，将轨迹联系依次进行赋值累加，由此建立城乡人口流动轨迹起始点与终止点的关系表数据集；
1.3)将步骤1.2)中的城乡人口流动轨迹起始点与终止点的关系表数据集导入到Excel软件中，采用社会网络分析方法构建节点间的有向联系矩阵，根据联系的数目，在所对应的矩阵表格中设置相同数目，由此获得城乡节点间具有轨迹信息的有向联系数字矩阵，即基于人口流动产生的城乡联系矩阵；将该矩阵导入到社会网络分析软件中进行二值化变换，得到二值化有向联系矩阵；
1.4)在步骤1.3)二值化有向联系矩阵基础上，采用社会网络分析方法中的凝聚子群划分法分析城乡关联网络中联系紧密的节点，从而对不同节点进行组团划分为p个组团，其中，凝聚子群是节点的一个子集合即组团，在同一组团内的城乡节点被视为地域中人口流动联系最为紧密的地区；
1.5)对步骤1.4)获得的p个组团分别计算网络密度，从而获得各个组团内城乡节点联结关系的强弱程度，以判断组团内城乡一体化的水平高低，网络密度的计算公式为：
式中，ND是网络密度，L是组团中节点间实际拥有的边连接数，n为城乡节点个数；ND取值区间是[0，1]，数值越大说明城乡各节点间联系越紧密，组团内城乡一体化水平较高，反之组团内城乡一体化水平较低；
1.6)在步骤1.3)二值化有向联系矩阵基础上，采用社会网络分析方法中的中心性与结构洞指标进行节点结构评价，从网络位置和等级两个角度对城乡关联网络中的不同城乡节点发展现状进行综合评级，判断各个节点间的竞争和合作关系，具体步骤如下：
161)通过下述公式计算节点的程度中心性和亲近中心性：
COi＝∑Lij
CDi＝∑Lji
式中：Coi为节点i的外向程度中心性，CDi为节点i的内向程度中心性，Lij为节点i起始到其它节点j终止的单向联系数，Lji为其它节点j起始到节点i终止的单向联系数；CCOi为节点i的外向亲近中心性，CCDi为节点i的内向亲近中心性，d(i，j)为节点i起始到其它节点j终止的距离，d(j，i)为其它节点j起始到节点i终止的距离，n表示网络中节点个数；
若节点i的Coi、CDi、CCOi和CCDi这四个指标都高于均值加一个标准差，则为一级节点；若这四个指标都高于均值且不属于一级节点的，则为二级节点；若这四个指标都高于均值减一个标准差且不属于一级和二级节点的，则为三级节点；若这四个指标其一在均值减一个标准差以下的，则为四级节点；
162)通过下述公式计算节点的中介中心性和结构洞分析中的约束性指数：
式中，CBi为节点i的中介中心性，Ljk表示节点j和节点k之间的联系数，Ljk(i)表示节点j和节点k通过节点i进行连接的边联系数，n表示网络中节点个数；CTi为节点i的约束性指数，节点k是节点i和节点j的共同邻接点，Pij为节点i的所有邻接点中节点j所占的权重比例，Pik为节点i的所有邻接点中节点k所占的权重比例，Pkj为节点k的所有邻接点中节点j所占的权重比例；
若节点i的CBi及CTi都高于均值加一个标准差，则为绝对核心区节点；若这两个指标都高于均值且不属于绝对核心区节点的，则为过渡核心区节点；若这两个指标都高于均值减一个标准差且不属于绝对核心区和过渡核心区节点的，则为过渡边缘区节点；若这两个指标其一在均值减一个标准差以下的，则为绝对边缘区节点；
163)对节点等级和网络位置做进一步综合评级：若节点为一级且处于网络的绝对核心区，则被视为A类节点；若节点为二级及其以上且处于网络的绝对核心区或过渡核心区，同时不为A类节点的，则被视为B类节点；若节点不为四级且未处于网络的绝对边缘区，同时不为A类和B类节点的，则被视为C类节点；若节点处于四级或处于网络的绝对边缘区，则被视为D类节点；根据综合评级标准，A类节点>B类节点>C类节点>D类节点；
1.7)对步骤1.4)建立的p个组团和步骤1.6)确定的城乡节点发展现状综合评级，通过ArcGIS软件导入到步骤1.2)建立的城乡人口流动轨迹起始点与终止点的关系表数据集中，在城乡节点属性表内添加命名为“组团分类”和“节点评级”的两个字段，将属于同一组团的节点设置为相同的数字编号，将步骤1.6)得到的ABCD四类节点进行数字标注，由此建立人口流动产生的城乡关联网络模型。
3.如权利要求2所述的城乡基础设施系统协同规划方法，其特征在于，所述步骤1.2)中建立城乡人口流动轨迹起始点与终止点的关系表数据集的具体方法是：对城乡节点属性表内添加命名为“编号”的字段，并将新增编号信息显示在图层上；通过数据管理工具中的要素工具里的XY转线方法，将任意两个城乡节点的地理位置坐标连接起来，转化为边联系，并在边联系的属性表中新建命名为“数量”的字段，将轨迹重复的统计次数对应填入到相应的字段表格内，由此获得不同重复次数的边联系。
4.如权利要求2所述的城乡基础设施系统协同规划方法，其特征在于，所述步骤1.4)中对不同节点进行组团划分的具体操作是：利用社会网络分析软件中的块模型进行凝聚子群分析，对二值化有向联系矩阵中各个行及各个列之间的相关系数进行重复计算，最终产生一个仅由1和-1皮尔逊积距系数组成的相关系数矩阵，用来测量各对节点之间的相似性；经过对相关系数矩阵进行多次迭代计算之后，根据结构性信息区分网络中的各个节点，获得基于各个组团内节点位置之间的结构对等性程度，并且标记出各个组团内拥有的节点，任意一个组团内的节点数量要求不低于3个，由此将城乡关联网络中联系紧密的节点划分为p个组团。
5.如权利要求1所述的城乡基础设施系统协同规划方法，其特征在于，所述步骤2)包括：
2.1)通过网络爬虫技术对线上开源地图网站平台将以重复迭代的方式遍历整个划定区域，获取不同城镇乡村范围内的不同功能的兴趣点地理位置数据，包括基础设施位置数据，按照包含编号、名称、大类、中类、小类、经度、纬度、备注的属性数据进行存储；将所述兴趣点地理位置数据导入到ArcGIS软件中，通过数据管理工具中的XY转线，将地理坐标中的经度对应X坐标，纬度对应Y坐标，从而将位置数据转化为空间数据；再将基础设施按功能进行分类；
2.2)运用ArcGIS软件的平面核密度估计法，按下述计算公式进行平面核密度估计，将不同类型的基础设施点位置数据转化为核密度面状数据，形成不同功能要素的关联网络图，反映城乡不同类型基础设施的空间布局，即各功能类型的基础设施空间集聚和离散程度；
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；
2.3)在步骤2.2)的不同类型基础设施核密度面状数据基础上，通过ArcGIS软件中的图层叠加工具，将多要素图层叠加到同一图层上，建立不同类型功能的基础设施形成的多要素关联网络，包括基础设施点状数据和核密度面状数据。
6.如权利要求5所述的城乡基础设施系统协同规划方法，其特征在于，所述步骤2.1)中将基础设施点按照大类划分为八类基础服务设施：餐饮服务类、购物服务类、住宿服务类、生活服务类、体育休闲类、文化服务类、公共服务类、交通服务类。
7.如权利要求1所述的城乡基础设施系统协同规划方法，其特征在于，在步骤3)对不同类型功能的基础设施形成的多要素关联网络根据未与城乡关联网络形成空间匹配关系的区域进行调整：一方面，若城乡节点综合评级高，说明该城乡节点是人口集中区域，需要优化配置更多更充足的相应功能基础设施，以完善公共服务体系，并根据评级对应设置不同规模的产业配套服务要素，以满足该节点的人口需要；另一方面，若两个城乡节点之间联系紧密，但基础设施布局分散且数量少，则考虑在城乡节点的交通沿线或途中经过的其它城乡节点内规划建设更多的基础服务设施，推动具有人口优势的城乡节点向周围其它城乡节点的辐射带动能力和产业延伸能力，增强区域一体化程度；若两个城乡节点之间联系不足，但基础设施配套饱和，则考虑适当增强政策引导或加强交通联系，来挖掘和增加新的发展动能，以提高城乡节点基础设施的利用效率，或者，控制或减少基础设施的投入建设，以追求资源配置效率的最优。
8.如权利要求1所述的城乡基础设施系统协同规划方法，其特征在于，步骤1)中所述社会网络分析方法采用UCINET软件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110147396.2A CN112990654B (zh) | 2021-02-03 | 2021-02-03 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110147396.2A CN112990654B (zh) | 2021-02-03 | 2021-02-03 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990654A true CN112990654A (zh) | 2021-06-18 |
| CN112990654B CN112990654B (zh) | 2021-11-02 |
Family
ID=76346315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110147396.2A Active CN112990654B (zh) | 2021-02-03 | 2021-02-03 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990654B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114529043A (zh) * | 2022-01-05 | 2022-05-24 | 深圳大学 | 一种城市空间组团划分方法 |
| CN114547827A (zh) * | 2022-04-26 | 2022-05-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基础设施群运行状态评价方法、电子设备及存储介质 |
| CN115082250A (zh) * | 2022-05-18 | 2022-09-20 | 深圳大学 | 个体移动与生态空间的网络关系分析方法、装置及终端 |
| CN115510056A (zh) * | 2022-08-26 | 2022-12-23 | 中国信息通信研究院 | 一种利用手机信令数据进行宏观经济分析的数据处理系统 |
| CN116976568A (zh) * | 2023-09-25 | 2023-10-31 | 深圳文科园林股份有限公司 | 一种辅助城乡规划编制的数据共享方法及系统 |
| CN117290750A (zh) * | 2023-07-03 | 2023-12-26 | 北京大学 | 一种传统村落集中连片区的分类、联系及范围识别方法 |
| CN118095864A (zh) * | 2024-04-18 | 2024-05-28 | 南京农业大学 | 城市工厂硬化地表下层土壤污染健康风险监控方法与装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388632A (zh) * | 2011-11-15 | 2018-08-10 | 起元科技有限公司 | 数据分群、分段、以及并行化 |
| 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 |
| CN111026823A (zh) * | 2019-11-27 | 2020-04-17 | 北京大学 | 基于地理位置数据的资源利用关联网络模型规划方法 |
-
2021
- 2021-02-03 CN CN202110147396.2A patent/CN112990654B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388632A (zh) * | 2011-11-15 | 2018-08-10 | 起元科技有限公司 | 数据分群、分段、以及并行化 |
| 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 |
| CN111026823A (zh) * | 2019-11-27 | 2020-04-17 | 北京大学 | 基于地理位置数据的资源利用关联网络模型规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| ZHAO LIU: ""Isolated or integrated? Planning and management of urban renewal for"", 《HABITAT INTERNATIONAL》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114529043A (zh) * | 2022-01-05 | 2022-05-24 | 深圳大学 | 一种城市空间组团划分方法 |
| CN114547827A (zh) * | 2022-04-26 | 2022-05-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基础设施群运行状态评价方法、电子设备及存储介质 |
| CN114547827B (zh) * | 2022-04-26 | 2022-09-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基础设施群运行状态评价方法、电子设备及存储介质 |
| CN115082250A (zh) * | 2022-05-18 | 2022-09-20 | 深圳大学 | 个体移动与生态空间的网络关系分析方法、装置及终端 |
| CN115082250B (zh) * | 2022-05-18 | 2024-02-09 | 深圳大学 | 个体移动与生态空间的网络关系分析方法、装置及终端 |
| CN115510056A (zh) * | 2022-08-26 | 2022-12-23 | 中国信息通信研究院 | 一种利用手机信令数据进行宏观经济分析的数据处理系统 |
| CN117290750A (zh) * | 2023-07-03 | 2023-12-26 | 北京大学 | 一种传统村落集中连片区的分类、联系及范围识别方法 |
| CN117290750B (zh) * | 2023-07-03 | 2024-03-19 | 北京大学 | 一种传统村落集中连片区的分类、联系及范围识别方法 |
| CN116976568A (zh) * | 2023-09-25 | 2023-10-31 | 深圳文科园林股份有限公司 | 一种辅助城乡规划编制的数据共享方法及系统 |
| CN116976568B (zh) * | 2023-09-25 | 2023-12-22 | 深圳文科园林股份有限公司 | 一种辅助城乡规划编制的数据共享方法及系统 |
| CN118095864A (zh) * | 2024-04-18 | 2024-05-28 | 南京农业大学 | 城市工厂硬化地表下层土壤污染健康风险监控方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990654B (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Kong et al. | Mobility dataset generation for vehicular social networks based on floating car data | |
| Wang et al. | Identification and analysis of urban functional area in Hangzhou based on OSM and POI data | |
| 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 | |
| Wu et al. | Analysis and optimization of 15-minute community life circle based on supply and demand matching: A case study of Shanghai | |
| Cheng et al. | Urban land administration and planning in China: Opportunities and constraints of spatial data models | |
| Minaei | Evolution, density and completeness of OpenStreetMap road networks in developing countries: The case of Iran | |
| WO2023050955A1 (zh) | 一种基于功能混合度和集成学习的城市功能区识别方法 | |
| Feudo | How to build an alternative to sprawl and auto-centric development model through a TOD scenario for the North-Pas-de-Calais region? Lessons from an integrated transportation-land use modelling | |
| Li et al. | Tourism flow between major cities during China’s national day holiday: A social network analysis using Weibo Check-in data | |
| Lin et al. | An expert-knowledge-based model for evaluating cultural tourism strategies: A case of Tainan City, Taiwan | |
| Li et al. | Identification of urban functional area by using multisource geographic data: A case study of Zhengzhou, China | |
| Xuan et al. | Research on correlation between spatial quality of urban streets and pedestrian walking characteristics in china based on street view big data | |
| Xiao et al. | Does the culture service supply of green spaces match the demand of residents in a new district? A perspective from China. | |
| Li et al. | Exploration of the residents' quality of life based on the distance of public service facilities: case of Dalian | |
| Zhou et al. | Village-town system in suburban areas based on cellphone signaling mining and network hierarchy structure analysis | |
| Chaudhuri et al. | Application of web-based Geographical Information System (GIS) in tourism development | |
| Dong et al. | Automatic identification and feature recognition of the metro-led underground space in China based on point of interest data | |
| Niyomubyeyi et al. | An improved non-dominated sorting biogeography-based optimization algorithm for multi-objective land-use allocation: a case study in Kigali-Rwanda | |
| Hou et al. | The evolution patterns of tourism integration driven by regional tourism‐economic linkages—Taking Poyang Lake region, China, as an example | |
| Liu | Dynamic analysis of multicenter spatial structure with big data in smart city | |
| Nod et al. | Methods for measuring the spatial mobility of tourists using a network theory approach | |
| Kong et al. | Charging pile siting recommendations via the fusion of points of interest and vehicle trajectories | |
| Qi et al. | Comparison of intercity travel network structure during daily time and holiday in China | |
| Zheng et al. | Discovering urban functional regions with call detail records and points of interest: A case study of Guangzhou city |
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 |