CN112991124A - 基于场强模型的农村居民点空间结构识别与优化方法 - Google Patents

基于场强模型的农村居民点空间结构识别与优化方法 Download PDF

Info

Publication number
CN112991124A
CN112991124A CN202110148601.7A CN202110148601A CN112991124A CN 112991124 A CN112991124 A CN 112991124A CN 202110148601 A CN202110148601 A CN 202110148601A CN 112991124 A CN112991124 A CN 112991124A
Authority
CN
China
Prior art keywords
residential
points
field intensity
point
development potential
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
Application number
CN202110148601.7A
Other languages
English (en)
Inventor
叶青青
李纪伟
张少凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan university of economics and law
Original Assignee
Henan university of economics and law
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan university of economics and law filed Critical Henan university of economics and law
Priority to CN202110148601.7A priority Critical patent/CN112991124A/zh
Publication of CN112991124A publication Critical patent/CN112991124A/zh
Pending legal-status Critical Current

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及国土空间规划技术领域，具体公开一种基于场强模型的农村居民点空间结构识别与优化方法。本发明以居民点场强与空间腹地为基础，按照居民点发展潜力排序，依次判断对每个居民点辐射场强最大的居民点，从而识别出完整连续的居民点空间层次结构；依据度数中心度、中介中心度、网络距离、地理距离，多种角度划分与优化，更加客观、合理地确定中心镇、中心村，从而使得居民点空间结构优化结果更加具有信服力、科学性。

Description

基于场强模型的农村居民点空间结构识别与优化方法
技术领域
本发明涉及国土空间规划技术领域，尤其涉及一种基于场强模型的农村居民点空间结构识别与优化方法。
背景技术
农村居民点是农村生产生活活动的主要载体，居民点之间普遍存在一定空间联系和相互作用，即物质和信息交换、人口流动以及资金流通等。在这种空间相互作用下，形成了一定的居民点空间结构，而居民点空间结构也会进一步反作用于居民点空间相互作用，影响居民点之间各种资源要素的流通和再配置。农村居民点空间结构的识别与优化可以科学指引村镇居民点空间体系的布局规划，进而促进居民点之间资源要素的优化配置以及城乡统筹发展。因此，对居民点空间结构进行识别与优化是非常必要的。
目前，农村居民点空间结构识别与优化方法主要分为两类，即引力模型与发展潜力评价+加权Voronoi图。前者是在计算居民点之间引力的基础上，通过保留每个居民点最大引力线来识别与优化农村居民点空间结构，而这种方式无法识别出完整连续的居民点空间层次结构，识别结果较为片面；后者主要通过居民点发展潜力评价确定等级结构体系，然后运用加权Voronoi图模型分析居民点辐射范围，以此识别与优化农村居民点空间结构，这种方式仅通过居民点发展潜力评价较为主观地确定中心村镇，识别与优化结果不够科学。
故，有必要提供一种技术方案，以解决上述技术问题。
发明内容
有鉴于此，本发明实施例提供了基于场强模型的农村居民点空间结构识别与优化方法。
本发明实施例的第一方面提供了基于场强模型的农村居民点空间结构识别与优化方法，该方法包括：
根据成本面栅格，测算每一居民点场源至每一所述成本面栅格的最小累计时间成本，并生成N个居民点场源对应的最小累计时间成本面；
设置发展潜力因子，根据居民点基础数据库与所述发展潜力因子，测算每一所述居民点场源对应的发展潜力；
根据所述最小累计时间成本面与所述发展潜力，确定每一所述居民点场源的场强分布图；
根据所述场强分布图、所述发展潜力识别所述居民点空间结构；
根据所述居民点空间结构，选取中心镇、中心村，确定有待空间结构优化的居民点，形成优化后居民点空间结构体系。
优选的，在本发明中，所述成本面栅格的确定：
根据国土空间利用数据库，设置增强因素、阻碍因素，将通行速度V1按照国土空间类型关联至所述国土空间利用数据库，并按照所述国土空间类型速度将所述通行速度V1转换为栅格数据；
根据所述栅格数据，单位转换为时间成本，即所述成本面栅格。
优选的，在本发明中，所述居民点基础数据库的构建：
从所述国土空间利用数据库提取所述居民点信息、公路信息；
从第三方数据库提取公共服务设施空间信息；
基于所述成本面栅格，获取所述居民点至所述公共服务设施的最小累计成本；
从社会经济数据库中提取人口规模信息，并将所述最小累计成本信息、所述人口规模信息关联至居民点图斑，构成所述居民点基础数据库。
优选的，在本发明中，所述根据居民点基础数据库与所述发展潜力因子，测算每一所述居民点场源对应的发展潜力包括：
采用层次分析法确定所述发展潜力因子对应的权重，最大最小值法进行数据标准化，得到N个所述居民点的所述发展潜力。
优选的，在本发明中，所述每一所述居民点场源的所述场强分布图包括：
设置场强公式：
Figure BDA0002931221170000031
其中，Fik是任意一点k受到来自所述居民点场源i的场强，Pi是所述居民点场源i的发展潜力，dik是所述任意一点k到所述居民点场源i的时间成本距离；1≤i≤N；
所述根据场强公式，确定所述每一居民点场源i辐射至每一所述成本面栅格的所述场强，即场强分布图Fi；
进而确定所述N个居民点场源的场强分布图F。
优选的，在本发明中，所述根据所述场强分布图、所述发展潜力识别所述居民点的空间结构包括：
S01：依据所述发展潜力，将所述居民点由小至大进行排序；
S02：对于所述居民点i，叠加其他N-i个所述居民点的所述场强，采用场强最大值隶属方式划分空间腹地，即N-i个所述居民点的空间腹地范围；所述其他N-i个所述居民点为居民点i+1～居民点N；
S03：叠加所述居民点i与所述N-i个所述居民点的空间腹地范围，判断所述居民点i所在的所述空间腹地范围对应的居民点编号，即识别出对所述居民点i辐射场强最大的所述居民点；
S04：循环所述S02-S03，依次识别对每一个所述居民点i辐射场强最大的所述居民点，直至完成所有所述居民点的识别，即得到识别后居民点空间结构。
优选的，在本发明中，所述中心镇的选取：
基于所述居民点空间结构，计算N个所述居民点的度数中心度与中介中心度；计算县城居民点与其他所述居民点的第一地理距离、网络距离；
依据所述度数中心度、所述中介中心度、所述第一地理距离、所述网络距离确定所述中心镇；
所述中心村的选取：
将所述度数中心度高的村级居民点作为备选中心村；
计算所述备选中心村之间的第二地理距离；
结合所述第二地理距离与所述发展潜力，确定中心村。
优选的，在本发明中，基于所述场强分布图，划分所述中心镇对应的中心镇腹地范围与所述中心村对应的中心村腹地范围，进而优化成中心镇——一般镇——中心村——一般村四级所述优化后的居民点空间结构体系。
本发明实施例与现有技术相比存在的有益效果是：
1、本发明基于场强模型识别与优化居民点的空间结构，可以识别出完整连续的居民点空间层次结构，识别结果完整、识别精度高。
2、本发明依据发展潜力因素，结合空间腹地范围，构建居民点空间结构体系，可纳入更多的社会经济因素，依据度数中心度、中介中心度、网络距离、地理距离，多种角度划分与优化，从而更加科学、客观的确定中心村镇，使得居民点空间结构的优化更加具有信服力、科学性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的基于场强模型的农村居民点空间结构识别与优化方法的实现流程示意图；
图2是本发明实施例二提供的农村居民点空间分布图；
图3是本发明实施例三提供的农村居民点空间结构识别结果图；
图4是本发明实施例四提供的农村居民点度数中心度示意图；
图5是本发明实施例五提供的农村居民点中介中心度示意图；
图6是本发明实施例六提供的农村居民点空间结构优化结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，本发明实施例的第一方面提供了基于场强模型的农村居民点空间结构识别与优化方法，该方法包括：
根据成本面栅格，测算每一居民点场源至每一所述成本面栅格的最小累计时间成本，并生成N个居民点场源对应的最小累计时间成本面；
设置发展潜力因子，根据居民点基础数据库与所述发展潜力因子，测算每一所述居民点场源对应的发展潜力；
根据所述最小累计时间成本面与所述发展潜力，确定每一所述居民点场源的场强分布图；
根据所述场强分布图、所述发展潜力识别所述居民点空间结构；
根据所述居民点空间结构，选取中心镇、中心村，确定有待空间结构优化的居民点，形成优化后居民点空间结构体系。
优选的，在本发明中，所述成本面栅格的确定：
根据国土空间利用数据库，设置增强因素、阻碍因素，将通行速度V1按照国土空间类型关联至所述国土空间利用数据库，并按照所述国土空间类型速度将所述通行速度V1转换为栅格数据；
根据所述栅格数据，单位转换为时间成本，即所述成本面栅格。
其中，基于时间距离的成本面栅格是居民点场强模型计算的基础，以国土空间利用数据库中不同国土空间利用类型为基础，将道路作为增强因素，水域和部分未利用地作为阻碍因素，其他地类通行速度根据实际情况而定(如下表1)；将通行速度按照国土空间类型关联至所述国土空间利用数据库中，并按照国土空间类型速度将其转换为30×30m的栅格数据，即可得到速度栅格。在此基础上，通过单位换算得到每出行1米对应的时间成本，即创建出成本面栅格。
表1国土空间利用类型出行速度
Figure BDA0002931221170000061
优选的，在本发明中，所述居民点基础数据库的构建：
从所述国土空间利用数据库提取所述居民点信息、公路信息；
从第三方数据库提取公共服务设施空间信息；
基于所述成本面栅格，获取所述居民点至所述公共服务设施的最小累计成本；
从社会经济数据库中提取人口规模信息，并将所述最小累计成本信息、所述人口规模信息关联至居民点图斑，构成所述居民点基础数据库。
其中，第三方数据库为百度、腾讯等地图，所述公共服务设施空间信息包括所在区域内的卫生所、卫生院、小学、中学和商业等，基于成本面栅格确定居民点至公路、卫生所、卫生院、小学、中学的最小累计成本；并测量居民点周边一定范围内(如1km)以内的商店个数；
从社会经济数据库中提取各村人口规模信息，将全部指标关联至居民点图斑，构成居民点基础数据库。如图2所示，为本发明一实施例中居民点空间分布图，即从居民点基础数据库中调用的数据，实现对居民点空间分布的展示。
优选的，在本发明中，所述根据居民点基础数据库与所述发展潜力因子，测算每一所述居民点场源对应的发展潜力包括：
采用层次分析法确定所述发展潜力因子对应的权重，最大最小值法进行数据标准化，得到N个所述居民点的所述发展潜力。
其中，居民点(场源)发展潜力选取居民点人口规模、用地规模、与公路距离、与卫生所距离、与卫生院距离、与小学距离、与中学距离以及商业覆盖程度(居民点周边1000米以内的商店个数)等8项指标进行综合评价。采用层次分析法确定权重，最大最小值法进行数据标准化，最终得到研究区内N个居民点的发展潜力。
优选的，在本发明中，所述每一所述居民点场源的所述场强分布图包括：
设置场强公式：
Figure BDA0002931221170000071
其中，Fik是任意一点k受到来自所述居民点场源i的场强，Pi是所述居民点场源i的发展潜力，dik是所述任意一点k到所述居民点场源i的时间成本距离；1≤i≤N；
所述根据场强公式，确定所述每一居民点场源i辐射至每一所述成本面栅格的所述场强，即场强分布图Fi；
进而确定所述N个居民点场源的场强分布图F。
其中，居民点场强强度与发展潜力的大小成正比，与距离场源的距离成平方反比。利用场强公式，分别计算每个居民点场源i辐射至所研究区每个成本面栅格的场强大小，每一个居民点场源可获取一张对应的场强分布图Fi，最终获取研究区内N个居民点场源的整体场强分布图F。
优选的，在本发明中，所述根据所述场强分布图、所述发展潜力确定、识别所述居民点的空间结构包括：
S01：依据所述发展潜力，将所述居民点由小至大进行排序；
S02：对于所述居民点i，叠加其他N-i个所述居民点的所述场强，采用场强最大值隶属方式划分空间腹地，即N-i个所述居民点的空间腹地范围；所述其他N-i个所述居民点为居民点i+1～居民点N；
S03：叠加所述居民点i与所述N-i个所述居民点的空间腹地范围，判断所述居民点i所在的所述空间腹地范围对应的居民点编号，即识别出对所述居民点i辐射场强最大的所述居民点；
S04：循环所述S02-S03，依次识别对每一个所述居民点i辐射场强最大的所述居民点，直至完成所有所述居民点的识别，即得到识别后居民点空间结构。
其中，本发明采用的是根据发展潜力从小到大的排序方式，发展潜力最小的居民点编号为1，以此类推，发展潜力最大的居民点编号为N；
其中，居民点i表示经S01步骤中的排序操作后，位于第i号排序的居民点。设发展潜力第i号居民点作为焦点居民点，叠加除焦点居民点之外的N-i个居民点辐射场强，采用场强最大值隶属的原则进行空间腹部划分，即可得到N-i个居民点空间腹地范围。N-i个所述居民点辐射场强为居民点i+1～居民点N的辐射场强。
将焦点居民点(发展潜力第i号居民点)与所述N-i个空间腹地范围进行叠加，判断焦点居民点所在的空间腹地范围对应的居民点编号，即识别出研究区范围内对焦点居民点辐射场强最大的居民点；
按照居民点发展潜力从小到大排序依次选取作为焦点居民点，不断循环，基于场强最大值隶属与空间腹地隶属，依次判断每一个焦点居民点对其辐射场强最大的居民点，直至所有居民点判断完成，由此识别出研究区居民点空间结构。如图3所示，为居民点空间结构识别结果图。
优选的，在本发明中，所述中心镇的选取：
基于所述居民点空间结构，计算N个所述居民点的度数中心度与中介中心度；计算县城居民点与其他所述居民点的第一地理距离、网络距离；
依据所述度数中心度、所述中介中心度、所述第一地理距离、所述网络距离确定所述中心镇；
其中，如图4是本发明一实施例中居民点度数中心度示意图；如图5是本发明一实施例中居民点中介中心度示意图；结合图4-5可知，基于居民点空间结构识别结果，计算N个所述居民点的度数中心度与中介中心度；计算所述县城居民点与其他所述居民点的第一地理距离、网络距离；设置度数中心度对应第一度数阈值、中介中心度对应第一中介阈值、第一地理距离对应第一地理阈值、网络距离对应第一网络距离阈值，其中相关阈值的设置可以依据参考区域的不同而不同，也可以根据需要进行调整。将地理距离大于第一地理阈值且网络距离小于第一网络距离阈值、度数中心度高于第一度数阈值、中介中心度高于第一中介阈值的居民点作为中心镇，其余城镇居民点作为一般镇。
所述中心村的选取：
将所述度数中心度高的村级居民点作为备选中心村；
计算所述备选中心村之间的第二地理距离；
结合所述第二地理距离与所述发展潜力，确定中心村。
其中，设置度数中心度对应第二度数阈值、第二地理距离对应第二地理阈值，将度数中心度高于第二度数阈值的村级居民点作为备选中心村；计算备选中心村之间的第二地理距离，当第二地理距离小于固定距离(如1000m)，则剔除两者间度数中心度较小的备选中心村，将经剔除操作后的备选中心村确定为中心村；鉴于空间均衡，发展潜力高于第一发展潜力阈值的居民点选择确定为中心村，以保证基层村与中心村的地理距离在一定范围内，如3000m以内，其中，中心村以外的村级居民点为基层村。
优选的，在本发明中，基于所述场强分布图，划分所述中心镇对应的中心镇腹地范围与所述中心村对应的中心村腹地范围，进而优化成中心镇——一般镇——中心村——基层村四级所述优化后的居民点空间结构体系。
其中，如图6所示，本发明一实施例居民点空间结构优化结果示意图。
本发明以居民点场强与空间腹地为基础，按照居民点发展潜力排序依次判断对每个居民点辐射场强最大的居民点，从而识别出完整连续的居民点空间层次结构；依据度数中心度、中介中心度、网络距离、地理距离，多种角度划分与优化，更加客观、合理地确定中心镇、中心村，从而使得居民点空间结构优化结果更加具有信服力、科学性。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：
根据成本面栅格，测算每一居民点场源至每一所述成本面栅格的最小累计时间成本，并生成N个居民点场源对应的最小累计时间成本面；
设置发展潜力因子，根据居民点基础数据库与所述发展潜力因子，测算每一所述居民点场源对应的发展潜力；
根据所述最小累计时间成本面与所述发展潜力，确定每一所述居民点场源的场强分布图；
根据所述场强分布图、所述发展潜力识别所述居民点空间结构；
根据所述居民点空间结构，选取中心镇、中心村，确定有待空间结构优化的居民点，形成优化后居民点空间结构体系。
2.根据权利要求1所述基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：所述成本面栅格的确定：
根据国土空间利用数据库，设置增强因素、阻碍因素，将通行速度V1按照国土空间类型关联至所述国土空间利用数据库，并按照所述国土空间类型速度将所述通行速度V1转换为栅格数据；
根据所述栅格数据，单位转换为时间成本，即所述成本面栅格。
3.根据权利要求2所述基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：所述居民点基础数据库的构建：
从所述国土空间利用数据库提取所述居民点信息、公路信息；
从第三方数据库提取公共服务设施空间信息；
基于所述成本面栅格，获取所述居民点至所述公共服务设施的最小累计成本；
从社会经济数据库中提取人口规模信息，并将所述最小累计成本信息、所述人口规模信息关联至居民点图斑，构成所述居民点基础数据库。
4.根据权利要求3所述基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：所述根据居民点基础数据库与所述发展潜力因子，测算每一所述居民点场源对应的发展潜力包括：
采用层次分析法确定所述发展潜力因子对应的权重，最大最小值法进行数据标准化，得到N个所述居民点的所述发展潜力。
5.根据权利要求4所述基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：所述每一所述居民点场源的所述场强分布图包括：
设置场强公式：
Figure FDA0002931221160000021
其中，Fik是任意一点k受到来自所述居民点场源i的场强，Pi是所述居民点场源i的发展潜力，dik是所述任意一点k到所述居民点场源i的时间成本距离；1≤i≤N；
所述根据场强公式，确定所述每一居民点场源i辐射至每一所述成本面栅格的所述场强，即场强分布图Fi；
进而确定所述N个居民点场源的场强分布图F。
6.根据权利要求5所述基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：所述根据所述场强分布图、所述发展潜力识别所述居民点的空间结构包括：
S01：依据所述发展潜力，将所述居民点由小至大进行排序；
S02：对于所述居民点i，叠加其他N-i个所述居民点的所述场强，采用场强最大值隶属方式划分空间腹地，即N-i个所述居民点的空间腹地范围；所述其他N-i个所述居民点为居民点i+1～居民点N；
S03：叠加所述居民点i与所述N-i个所述居民点的空间腹地范围，判断所述居民点i所在的所述空间腹地范围对应的居民点编号，即识别出对所述居民点i辐射场强最大的所述居民点；
S04：循环所述S02-S03，依次识别对每一个所述居民点i辐射场强最大的所述居民点，直至完成所有所述居民点的识别，即得到识别后居民点空间结构。
7.根据权利要求1-6任一所述基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：所述中心镇的选取：
基于所述居民点空间结构，计算N个所述居民点的度数中心度与中介中心度；计算县城居民点与其他所述居民点的第一地理距离、网络距离；
依据所述度数中心度、所述中介中心度、所述第一地理距离、所述网络距离确定所述中心镇；
所述中心村的选取：
将所述度数中心度高的村级居民点作为备选中心村；
计算所述备选中心村之间的第二地理距离；
结合所述第二地理距离与所述发展潜力，确定中心村。
8.根据权利要求7所述基于场强模型的农村居民点空间结构识别与优化方法，其特征在于：基于所述场强分布图，划分所述中心镇对应的中心镇腹地范围与所述中心村对应的中心村腹地范围，进而优化成中心镇——一般镇——中心村——基层村四级所述优化后的居民点空间结构体系。
CN202110148601.7A 2021-02-03 2021-02-03 基于场强模型的农村居民点空间结构识别与优化方法 Pending CN112991124A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110148601.7A CN112991124A (zh) 2021-02-03 2021-02-03 基于场强模型的农村居民点空间结构识别与优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110148601.7A CN112991124A (zh) 2021-02-03 2021-02-03 基于场强模型的农村居民点空间结构识别与优化方法

Publications (1)

Publication Number Publication Date
CN112991124A true CN112991124A (zh) 2021-06-18

Family

ID=76346415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110148601.7A Pending CN112991124A (zh) 2021-02-03 2021-02-03 基于场强模型的农村居民点空间结构识别与优化方法

Country Status (1)

Country Link
CN (1) CN112991124A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115757986A (zh) * 2022-11-23 2023-03-07 重庆大学 一种乡村生活圈感知画像的方法、装置和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107248007A (zh) * 2017-06-02 2017-10-13 武汉大学 一种双层域导向的农村居民点智能优化配置方法
KR101927066B1 (ko) * 2017-09-11 2018-12-10 (주)동림피엔디 도시조사 분석용 데이터 베이스 구축서버를 포함하는 도시조사 분석 서비스 제공 시스템
CN111950823A (zh) * 2019-05-15 2020-11-17 河南理工大学 基于空间适宜性和内在特征的农村居民点调控分级方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107248007A (zh) * 2017-06-02 2017-10-13 武汉大学 一种双层域导向的农村居民点智能优化配置方法
KR101927066B1 (ko) * 2017-09-11 2018-12-10 (주)동림피엔디 도시조사 분석용 데이터 베이스 구축서버를 포함하는 도시조사 분석 서비스 제공 시스템
CN111950823A (zh) * 2019-05-15 2020-11-17 河南理工大学 基于空间适宜性和内在特征的农村居民点调控分级方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周宁等: "黄淮海平原县域农村居民点布局优化及其整治策略", 《农业工程学报》, vol. 31, no. 7, pages 257 *
曾冰等: "基于交通可达性与城市竞争力的城市腹地 范围识别——以长江中游城市群为例", 《热带地理》, vol. 40, no. 1, pages 120 - 122 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115757986A (zh) * 2022-11-23 2023-03-07 重庆大学 一种乡村生活圈感知画像的方法、装置和介质
CN115757986B (zh) * 2022-11-23 2023-10-03 重庆大学 一种乡村生活圈感知画像的方法、装置和介质

Similar Documents

Publication Publication Date Title
CN110533038B (zh) 一种基于信息数据的城市活力区和中心城区边界识别的方法
Ma et al. Sustainable station-level planning: An integrated transport and land use design model for transit-oriented development
Wey et al. Alternative transit-oriented development evaluation in sustainable built environment planning
Chandratilake et al. Sustainability rating systems for buildings: Comparisons and correlations
Rekha et al. Accessibility analysis of health care facility using geospatial techniques
Caset et al. Measuring the accessibility of railway stations in the Brussels Regional Express Network: A node-place modeling approach
Supriyasilp et al. Hydropower development priority using MCDM method
CN107872808A (zh) 一种wlan站址预测分析方法及装置
Huang et al. A GIS-based framework for bus network optimization using genetic algorithm
Gulyás et al. Assessment of transport connections based on accessibility
Ray et al. Urban Drought
Wang et al. Measuring spatial accessibility to ecological recreation spaces in the Pearl River delta region: an improved two-step floating catchment area method
Yang et al. How to improve urban transportation planning in big data era? A practice in the study of traffic analysis zone delineation
Uddin et al. Revolutionizing TOD Planning in a Developing Country: An Objective‐Weighted Framework for Measuring Nodal TOD Index
Kaya Small hotel location selection problem: The case of Cappadocia
CN112991124A (zh) 基于场强模型的农村居民点空间结构识别与优化方法
Ustinovichius et al. Methods of determining the region's investment strategy
Ma et al. Fine allocation of sectoral carbon emissions at block scale and contribution of functional zones
Tsigdinos et al. Transit Oriented Development (TOD). Challenges and Perspectives; The Case of Athens’ Metro Line 4
Pitale et al. GIS-MCDM–based approach to determine the potential facility locations for park-and-ride facilities along transit corridors
CN111008730B (zh) 基于城市空间结构的人群聚集度预测模型构建方法及装置
CN116882819A (zh) 一种低碳背景下的城市公园绿地服务能力评价方法与系统
Mesa et al. Prioritization of sustainable urban land use and transport policy measures for a small-town area in a developing country.
Dias et al. Dependencies among environmental performance indicators for buildings and their implications
Albacete et al. Resident group specific accessibility analysis and implications for the Great Helsinki Region using Structural Accessibility Layer

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