CN113033959A - 基于tod发展模式的轨道交通站点周边建成环境评价方法 - Google Patents
基于tod发展模式的轨道交通站点周边建成环境评价方法 Download PDFInfo
- Publication number
- CN113033959A CN113033959A CN202110222686.9A CN202110222686A CN113033959A CN 113033959 A CN113033959 A CN 113033959A CN 202110222686 A CN202110222686 A CN 202110222686A CN 113033959 A CN113033959 A CN 113033959A
- Authority
- CN
- China
- Prior art keywords
- rail transit
- evaluation
- environment
- transit station
- index
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 101
- 238000011161 development Methods 0.000 title claims abstract description 43
- 208000027433 terminal osseous dysplasia Diseases 0.000 title claims 8
- 238000010276 construction Methods 0.000 title description 8
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 230000018109 developmental process Effects 0.000 description 32
- 238000011160 research Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000011664 signaling Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 239000004202 carbamide Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XSQUKJJJFZCRTK-UHFFFAOYSA-N urea group Chemical group NC(=O)N XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000035899 viability Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明揭示了一种基于TOD发展模式的轨道交通站点周边建成环境评价方法，结合城市交通大数据及建成环境评价理论建立了多层次评价指标体系，利用多源异构的时空大数据，并采用多种计算机视觉及地理空间分析方法，从而快速的获得对轨道交通站点建成环境的综合指标评价；并加入环境地图的绘制和可视化的数据表达，将数据录入GIS系统汇总，形成了城市轨道交通站点周边建成环境特征数据库；为针对各轨道交通站点的得分情况和不同层级评价指标的分支提出包括主要不足及主要提升潜力点等的规划管理提升策略提供了重要依据，为决策者提供站点周边社区的动态管理及可持续发展所需的信息和系统框架。
Description
【技术领域】
本发明涉及城市建成环境评价技术领域，特别是涉及一种基于TOD发展模式的轨道交通站点周边建成环境评价方法。
【背景技术】
TOD(Transit-Oriented development)是规划一个居民或者商业区时，使公共交通的使用最大化的一种非汽车化的规划设计方式，其发展理念是以公共交通为中枢，综合发展步行化城区。其中公共交通主要指地铁、轻轨等轨道交通及巴士干线，然后以公交站点为中心，以400-800米(5-10分钟步行路程)为半径建立集工作、商业、文化、教育、医疗、居住等为一体的城区，以实现各个城市组团紧凑型开发的有机协调模式。
近年来，在国家深化供给侧结构性改革的大背景下，解决城市交通问题的思路逐渐从单一扩大供给向供需双侧调节转变，各大城市越来越重视从城市土地利用规划层面引导交通出行模式的转型，并致力于从交通出行源头控制出行需求的发生与吸引量，在我国城市轨道交通高速发展和交通需求管理手段多元化的复合推动下，TOD已经不仅仅是一种城市规划的发展理念和模式，而逐渐演变为引导城市合理开发和解决城市交通问题的一副“良方”。
回顾TOD在国内的相关研究，自TOD理论2000年引入国内开展研究以来，引起行业内和学术界越来越多的思考，研究者开始对TOD进行了大量研究，包括在宏观上对城市空间和用地规划的影响和指导，在微观上对公交站点周边的设施布局和空间设计的指引等，并取得了一定的成果，近几年也涌现关于评价TOD成效的研究以及TOD在国内城市应用的实践分析。但是，虽然经历了近20年的普及和发展，TOD发展模式在中国城市中的应用仍然存在不足和缺陷，行业内开始逐渐反思TOD理念在国内城市中的实际应用和适用性，有学者开始剖析TOD在国外城市的发展历程以及对中国的借鉴作用，也有学者更深入地对比国内外城市之间的发展特征、用地特征、功能模式等方面之间的差异性，提出中国发展TOD模式应遵循的规划理念和设计原则。
TOD模式要取得较好应用的前提是对TOD周边建成环境进行较好地评价。国内对于轨道交通环境评估的研究主要集中在轨道交通建设施工过程中的生态环境影响，对于轨交站点建成环境的评估并没有太多研究。这一方面可能因为国内轨道交通建设起步较晚，自1965年中国的第一条地铁在北京建成通车，一直到上世界90年代初国内各大中城市才陆续启动了城市轨道交通规划的编制工作，大量的轨道交通站点是在近十年里陆续建成的。另一方面与建成环境评估的技术手段也有很大关系。对于在极为广大范围内分布的极大数量轨交站点进行统一标准的建成环境评估，在传统技术条件下需要大量人力物力，统计难度高，工作量大。然而，随着通信技术、互联网技术的迅速发展，移动互联网迅速崛起，各种新型智能移动设备的迅速普及带来了海量数据的爆发。而人工智能技术的发展，又使通过影像解读海量信息成为了可能。
在此背景下，对城市轨交站点内外环境的品质评估研究是解决城市交通问题下的有益探索。
【发明内容】
本发明的主要目的在于提供一种基于TOD发展模式的轨道交通站点周边建成环境评价方法，利用地理空间分析技术和基于深度学习的计算机视觉技术，能够快速、精确、综合的实现对TOD发展模式下周边社区的建成环境的合理评价并搭建相关地理信息数据库，对后续城市的规划、建设和管理起到了重要的参考价值。
本发明通过如下技术方案实现上述目的：一种基于TOD发展模式的轨道交通站点周边建成环境评价方法，其包括以下步骤：
步骤1)构建建成环境评价指标体系；所述建成环境评价指标体系包括一级评价指标与二级评价指标；
步骤2)计算各个轨交站点的步行等时圈：
21)借助互联网地图服务商的数据接口，计算任意两个地理位置间的步行时间；
22)以各轨交站点为对象，将到达同一个轨交站点的时间在设定时间范围内的地理位置标记出来形成一个区域范围，绘制出各个轨交站点的设定时间步行等时圈；
步骤3)计算各轨交站点对应的步行等时圈在各个二级评价指标上的二级指标值；
步骤4)计算各轨交站点对应的步行等时圈在各个一级评价指标上的一级指标值；
步骤5)将所有一级指标值整合到对应的轨交站点上，并将数据录入地理空间信息系统汇总，形成城市轨道交通站点周边建成环境特征数据库；
步骤6)采用综合图示方法将各个分项评价指标的结果叠加表示，并绘制轨道交通站点周边环境发展状态图。
进一步的，所述一级评价指标包括便利性、舒适性、活力度和风貌特色。
进一步的，所述二级评价指标中，所述便利性包括换乘便捷性、慢行可达性、设施多样性以及用地复合性；所述舒适性包括开阔度、绿化、照明、街道家具、安全感和美感；所述活力度包括为商业吸引力和非正规经营丰富度；所述风貌特色包括风貌类型和风貌相似度。
进一步的，所述换乘便捷性中的分项评价指标包括地铁线路和出站口数量、接驳公交线路和站点数；
所述慢行可达性中的分项评价指标包括步行覆盖范围与骑行覆盖范围；
所述设施多样性中的分项评价指标包括餐饮、酒店、运动健身、以及休闲娱乐设施数量；
所述用地复合性中的分项评价指标包括步行等时圈内所含的企业数量与居住区数量、配套设施的排名综合分数；
所述开阔度为基于街景计算的天空占比；
所述绿化为基于街景计算的绿化占比；
所述照明为基于街景计算的路灯数量；
所述街道家具为基于街景计算的座椅数量；
所述安全感为基于机器学习评分模型获得的环境安全感评价值；
所述美感为基于机器学习评分模型获得的环境美感评价值；
所述商业吸引力中的分项评价指标包括人口热力值、行人分布及圈层结构、自行车使用热度以及机动车使用热度；
所述非正规经营丰富度中的分项评价指标包括小摊贩数量；
所述风貌类型为风貌相似度；
所述风貌独特性为风貌特色指数。
进一步的，所述步骤3)中，每一个二级评价指标对应的二级指标值为各二级评价指标下面的各分项评价指标数值的平均值。
进一步的，所述步骤4)包括：
41)对步骤3)中每一个轨交站点的二级指标值进行线性归一化，计算得到各二级评价指标的分数；
42)利用层次分析法确定二级评价指标在对应的所述一级评价指标中的权重；
43)将所述分数与对应的所述权重进行加权计算，得到每一个轨交站点的一级评价指标对应的一级指标值。
进一步的，所述设定时间为5～15分钟。
与现有技术相比，本发明一种基于TOD发展模式的轨道交通站点周边建成环境评价方法的有益效果在于：结合城市交通大数据及建成环境评价理论建立了多层次评价指标体系，利用多源异构的时空大数据，并采用多种计算机视觉及地理空间分析方法，从而快速的获得对轨道交通站点建成环境的综合指标评价；并加入环境地图的绘制和可视化的数据表达，将数据录入GIS系统汇总，形成了城市轨道交通站点周边建成环境特征数据库；同时为针对各轨道交通站点的得分情况和不同层级评价指标的分支提出包括主要不足及主要提升潜力点等的规划管理提升策略提供了重要依据，为决策者提供站点周边社区的动态管理及可持续发展所需的信息和系统框架。
【附图说明】
图1为本发明实施例的评价方法流程示意图；
图2为本发明实施例中评价指标体系的层次结构示意图；
图3为本发明实施例中轨道交通站点分布示意图；
图4为本发明实施例中10分钟步行等时圈示意图；
图5-1～图5-6为本发明实施例中部分轨道交通站点周边环境的指标值分布图；
图6-1为本发明实施例在便利性上的建成环境发展特征分析图；
图6-2为本发明实施例在舒适性上的建成环境发展特征分析图；
图6-3为本发明实施例在活力度上的建成环境发展特征分析图；
图6-4为本发明实施例在风貌特色上的建成环境发展特征分析图。
【具体实施方式】
实施例一：
请参照图1，本实施例为一种基于TOD发展模式的轨道交通站点周边建成环境评价方法，建成环境评价(EvaluationOfBuiltEnvironment，BEE)是指对所涉及的场所在满足和支持人的外在的或内在的需要几价值方面的程度判断。它是根植于环境使用者对环境价值的评判。20世纪60年代在西方形成和发展，目前的应用范围十分广泛。本实施例从便利性、舒适性、活力度、风貌特色四个方面来对轨道交通站点周边环境进行分析，其具体包括以下步骤：
步骤1)构建建成环境评价指标体系：
采用层次分析法，确定基于TOD发展模式的建成环境评价指标，并进行逐层分解，构建多层次多元素的建成环境评价指标体系；所述建成环境评价指标体系包括一级评价指标与二级评价指标。
如图2所示，所述一级评价指标包括便利性、舒适性、活力度和风貌特色，由此进一步丰富了建成环境评价指标的科学性；
所述二级评价指标为对一级评价指标的进一步细化，由此使得评价体系参考价值更高且更使得评价体系更加合理；所述二级评价指标中，所述便利性包括换乘便捷性、慢行可达性、设施多样性以及用地复合性；所述舒适性包括开阔度、绿化、照明、街道家具、安全感和美感；所述活力度分解为商业吸引力和非正规经营丰富度；所述风貌特色包括风貌类型和风貌相似度。
步骤2)计算各个轨交站点的步行等时圈：
本实施例以如图3所示的轨道交通站点分布图中的各轨道交通站点为对象进行评价。
21)借助互联网地图服务商的数据接口，计算任意两个地理位置间的步行时间；
22)以各轨交站点为对象，将到达同一个轨交站点的时间在设定时间范围内的地理位置标记出来形成一个区域范围，并绘制出各个轨交站点的设定时间步行等时圈，所述设定时间为5～15分钟，本实施例中为10分钟；如图4所示，图4为10分钟步行等时圈的分布图。
步骤3)计算各轨交站点对应的步行等时圈的二级指标值；具体包括：
31)所述换乘便捷性中的分项评价指标包括地铁线路和出站口数量、接驳公交线路和站点数；
32)所述慢行可达性中的分项评价指标包括步行覆盖范围与骑行覆盖范围；
33)所述设施多样性中的分项评价指标包括餐饮、酒店、运动健身、以及休闲娱乐设施数量；
34)所述用地复合性中的分项评价指标包括工作通勤方便程度与用地功能复合程度，其中工作通勤方便程度包括步行等时圈内所含的企业数量与居住区数量，用地功能复合程度为各个设施的综合排名计量；
35)所述开阔度为基于街景计算的天空占比，其计算方法可参考文献Fan Zhang,Representing place locales using scene elements,Computers,Environment andUrban Systems71(2018)153-164；
36)所述绿化为基于街景计算的绿化占比，其计算方法可参考文献Fan Zhang,Representing place locales using scene elements,Computers,Environment andUrban Systems71(2018)153-164；
37)所述照明为基于街景计算的路灯数量，其计算方法可参考文献Fan Zhang,Discovering place-informative scenes and objects using social media photos,Royal Society Open Science 6:181375；
38)所述街道家具为基于街景计算的座椅数量，其计算方法可参考文献FanZhang,Discovering place-informative scenes and objects using social mediaphotos,Royal Society Open Science 6:181375；
39)安全感为基于机器学习评分模型获得的环境安全感评价值；其计算方法可参考文献Fan Zhang,Measuring human perceptions of a large-scale urban regionusing machine learning,Landscape and Urban Planning 180(2018)148-160；
310)美感为基于机器学习评分模型获得的环境美感评价值；其计算方法可参考文献Fan Zhang,Measuring human perceptions of a large-scale urban region usingmachine learning,Landscape and Urban Planning 180(2018)148-160；
311)所述商业吸引力中的分项评价指标包括人口热力值、行人分布及圈层结构、自行车使用热度以及机动车使用热度，其数据可来源于腾讯、百度或通信公司提供的手机信令数据；
312)非正规经营丰富度中的分项评价指标包括小摊贩数量；
313)风貌类型为风貌相似度；
314)风貌独特性为风貌特色指数。
每一个二级指标的所述二级指标值为各二级指标下面的分项评价指标数据的平均值。
轨道交通是公众出行的主要选择之一，在轨交站点周边生活、工作的便利程度是评价轨交站点环境的重要指标。
换乘便捷性从站点的公共交通及步行的可通达性、站点周边各类城市功能的丰富程度与复合程度等多个维度综合分析其便利程度。轨交可通性是对在该站点换乘及出站的通过交通能级的表征评价，通过北京市五环内轨交站点的出站口数量和轨交换乘线路数量计量。
接驳可达性是对轨交站点核心区范围内的接驳公交可到达的范围和能级进行量化评价，通过北京市五环内轨交站点核心区范围内的接驳公交站数量和公交线路总数量计量。
慢行可达性分为步行、骑行可达性进行分析。步行可达性是对在该站点周边步行的可达范围的表征评价。通过北京市五环内轨交站点到周边区域的步行时间，计算出各站点的5min和10min的等时圈，比较它们的面积来量化轨道交通的可达性。骑行可达性是对在该站点周边骑行的可达范围的表征评价。通过北京市五环内轨交站点到周边区域的骑行时间，计算出各站点的5min的骑行范围，比较它们的面积来量化轨道交通的可达性。
周边建成环境的设施多样性对该轨道交通站点的便利性会产生重大影响，通过检索周边步行范围内的餐饮、酒店、运动健身、休闲娱乐设施的数量，实现对周边设施多样性的综合评估。
用地复合性通过工作通勤方便程度和城市功能复合程度衡量，即一方面通过轨道交通站点周边研究范围内的居住及办公的POI数据点的数目衡量工作通勤方便程度，另一方面通过根据各站点在不同类别POI分布中的排名计分综合计算排名，评估该站点周边建成环境的城市功能复合程度。
轨道交通周边环境的舒适程度是公众选择公共交通出行的重要条件，通过评价轨交站点环境的空间品质和了解公众对站点环境的感知是了解站点环境舒适性的有效方式。本实施例从天空开阔度、绿化丰富度、照明情况、街道家具、街道安全感、街道美感等指标综合评价街道舒适性体验。
天空视觉覆盖率是指某个位置上天空相对整个视野的面积占比，用以描述该位置的天空可见程度。本实施例采用了机器学习天空影像识别模型，能够自动分割出全景视野中的天空部分并计算面积占比。
绿化视觉覆盖率即绿视率，最早是由日本的青木阳二所提出的，是指以人视角为基础的视野中绿化所占视野的比重，用以描述该位置的绿化在视觉中的覆盖程度。本实施例采用深度学习语意分割算法，计算视觉环境中的绿视指标。
夜晚从轨交站点出来，缺少路灯的地段会给行人的出行安全带来极大的影响。因此路灯的数量和明亮程度也在很大程度上影响轨交站点的安全性。本实施例通过对大量路灯影像数据的特征学习建立路灯识别模型，并采用城市街景影像数据和公众的UGC数据对轨交站点核心区范围内的路灯数量分布进行识别统计。
轨交站点周边的座椅分布对于区域内的行人步行舒适性有着重要的意义。本实施例通过深度学习算法识别街道座椅数量，并评估行人步行舒适度。
街道安全感、美感计量采用深度学习算法，利用来源于MIT百万级别的公众标定数据及本地化采集的海量专家与公众的标定数据研发。公众标定真实反应公众感知与偏好，数据样本足够大时，可减小标定个体偏好对整体模型的影响，更真实地反映公众群体感知的总体情况。
城市功能集聚于轨道交通站点附近，是城市发展建设的重要途径。然而集聚的功能是否带来集聚的人气也是评价站点周边建成环境质量的重要方面。本实施例从商业吸引力、非正规经营等维度综合分析其活力程度。
各站点的商业吸引力通过评估站点周边的人气得出，主要指标包括通过手机信令统计的24小时人流量、通过街景识别获取的行人分布、自行车使用热度及机动车使用热度等。
具体而言，地铁站点周边的城市空间一天内的人流总数可通过手机信令数据统计获得。手机信令数据可保存手机用户在不同时间的位置信息。本实施例统计了2017年11月8日一天内，各站点研究范围内24小时的人数累计值。
同时，行人是城市轨道交通的主要使用者。识别轨交站点核心区范围内的行人数量和分布情况，对分析站点的荷载需求和运行效率有着重要意义。本实施例对所有轨交站点核心区范围内的行人数量进行识别统计。
另外，轨交站点的交通接驳主要以步行、自行车等慢行交通方式为主。近年来随着共享单车的兴起，以“轨道交通+自行车”的组合方式完成城市交通出行逐渐成为了主流。对轨交站点外的自行车数量进行识别对于各站点交通接驳能力的评估有着重要的意义。本实施例对所有轨交站点核心区范围内的自行车数量进行了识别统计。
最后，机动车密度的分布可反映轨道交通站点周边区域的吸引力及城市发展繁荣程度，另一方面可反映轨道交通的潜在使用人群大小。而机动车密度也在一定程度上影响着人们对城市空间的美感及安全的感受。本实施例对所有轨交站点核心区范围内的机动车数量进行了识别统计。
城市中的小摊贩给公众生活提供便利的同时，混乱的管理和脏乱差的环境也给城市空间带来了负面的影响。轨交站点核心区范围是城市中步行活动最频繁的地区，往往也是小摊贩最集中的地区。对于小摊贩数量和分布的识别具有重要的意义。本实施例以通过对大量小摊贩的影像数据进行基于深度学习的特征提取构建小摊贩图像识别模型，能够较为准确地识别出城市街道影像中的小摊贩数量和分布。
轨道交通出站口周边的城市风貌往往是外地游客对于北京的“第一印象”。轨交站点周边的风貌特色性也影响着公众对北京的风貌认知与印象，具有特色的城市风貌有助于打造城市“门户空间”。
本实施例采集了北京各轨交站点周边研究范围内的共约200万张街景图片后，利用卷积神经网络抽取街景的特征，并以各站点为研究单位，分析其周边城市空间在视觉上的相似性，以此评估各站点周边环境的风貌特色性，并寻找风貌差异性较大及相似度较大的站点周边城市空间。
本实施例对相似度关系进行汇总统计，计算每个站点的总相似指数，对该指数取倒数作为衡量风貌特色的指数，通过聚类算法，利用计算机对根据各站点的街景影像特征，及所有站点的相似关系进行统计与分析，对站点风貌进行聚类。结果可分为6类风貌特征，各类风貌的主要特征包括：以高层建筑为主的风貌、道路宽开发强度低的城市郊区风貌、绿化好建筑少的城市公园风貌、以科技园区为主的风貌、以历史文化建筑与街区为主的风貌、以及以现代商务办公建筑为主的风貌。
步骤4)计算各轨交站点对应的步行等时圈的一级指标值：
41)对步骤3)中每一个轨交站点的二级指标值进行线性归一化，计算得到各二级指标的分数；
42)利用层次分析法确定二级评价指标在对应的所述一级评价指标中的权重；
43)将所述分数与对应的所述权重进行加权计算，得到每一个轨交站点的一级评价指标对应的一级指标值。
步骤5)将所有一级指标值整合到对应的轨交站点上，并将数据录入地理空间信息系统汇总，形成城市轨道交通站点周边建成环境特征数据库；
步骤6)采用综合图示方法将各个分项评价指标分析结果叠加表示，并绘制轨道交通站点周边环境发展状态图，如图6-1、图6-2、图6-3、图6-4所示，达到对轨道交通站点周边建成环境发展特征的可视化表达，便于后续对各轨道交通站点的评价指标分值提出规划调整策略。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (7)
1.一种基于TOD发展模式的轨道交通站点周边建成环境评价方法，其特征在于：其包括以下步骤：
步骤1)构建建成环境评价指标体系；所述建成环境评价指标体系包括一级评价指标与二级评价指标；
步骤2)计算各个轨交站点的步行等时圈：
21)借助互联网地图服务商的数据接口，计算任意两个地理位置间的步行时间；
22)以各轨交站点为对象，将到达同一个轨交站点的时间在设定时间范围内的地理位置标记出来形成一个区域范围，绘制出各个轨交站点的设定时间步行等时圈；
步骤3)计算各轨交站点对应的步行等时圈在各个二级评价指标上的二级指标值；
步骤4)计算各轨交站点对应的步行等时圈在各个一级评价指标上的一级指标值；
步骤5)将所有一级指标值整合到对应的轨交站点上，并将数据录入地理空间信息系统汇总，形成城市轨道交通站点周边建成环境特征数据库；
步骤6)采用综合图示方法将各个分项评价指标的结果叠加表示，并绘制轨道交通站点周边环境发展状态图。
2.如权利要求1所述的基于TOD发展模式的轨道交通站点周边建成环境评价方法，其特征在于：所述一级评价指标包括便利性、舒适性、活力度和风貌特色。
3.如权利要求2所述的基于TOD发展模式的轨道交通站点周边建成环境评价方法，其特征在于：所述二级评价指标中，所述便利性包括换乘便捷性、慢行可达性、设施多样性以及用地复合性；所述舒适性包括开阔度、绿化、照明、街道家具、安全感和美感；所述活力度包括商业吸引力和非正规经营丰富度；所述风貌特色包括风貌类型和风貌相似度。
4.如权利要求3所述的基于TOD发展模式的轨道交通站点周边建成环境评价方法，其特征在于：所述换乘便捷性中的分项评价指标包括地铁线路和出站口数量、接驳公交线路和站点数；
所述慢行可达性中的分项评价指标包括步行覆盖范围与骑行覆盖范围；
所述设施多样性中的分项评价指标包括餐饮、酒店、运动健身、以及休闲娱乐设施数量；
所述用地复合性中的分项评价指标包括步行等时圈内所含的企业数量与居住区数量、配套设施的排名综合分数；
所述开阔度为基于街景计算的天空占比；
所述绿化为基于街景计算的绿化占比；
所述照明为基于街景计算的路灯数量；
所述街道家具为基于街景计算的座椅数量；
所述安全感为基于机器学习评分模型获得的环境安全感评价值；
所述美感为基于机器学习评分模型获得的环境美感评价值；
所述商业吸引力中的分项评价指标包括人口热力值、行人分布及圈层结构、自行车使用热度以及机动车使用热度；
所述非正规经营丰富度中的分项评价指标包括小摊贩数量；
所述风貌类型为风貌相似度；
所述风貌独特性为风貌特色指数。
5.如权利要求4所述的基于TOD发展模式的轨道交通站点周边建成环境评价方法，其特征在于：所述步骤3)中，每一个二级评价指标对应的二级指标值为各二级评价指标下面的各分项评价指标数值的平均值。
6.如权利要求5所述的基于TOD发展模式的轨道交通站点周边建成环境评价方法，其特征在于：所述步骤4)包括：
41)对步骤3)中每一个轨交站点的二级指标值进行线性归一化，计算得到各二级评价指标的分数；
42)利用层次分析法确定二级评价指标在对应的所述一级评价指标中的权重；
43)将所述分数与对应的所述权重进行加权计算，得到每一个轨交站点的一级评价指标对应的一级指标值。
7.如权利要求1所述的基于TOD发展模式的轨道交通站点周边建成环境评价方法，其特征在于：所述设定时间为5～15分钟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110222686.9A CN113033959A (zh) | 2021-02-26 | 2021-02-26 | 基于tod发展模式的轨道交通站点周边建成环境评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110222686.9A CN113033959A (zh) | 2021-02-26 | 2021-02-26 | 基于tod发展模式的轨道交通站点周边建成环境评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113033959A true CN113033959A (zh) | 2021-06-25 |
Family
ID=76464882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110222686.9A Pending CN113033959A (zh) | 2021-02-26 | 2021-02-26 | 基于tod发展模式的轨道交通站点周边建成环境评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113033959A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792650A (zh) * | 2021-09-13 | 2021-12-14 | 上海市建筑科学研究院有限公司 | 一种绿视率测量方法和系统 |
| CN113947719A (zh) * | 2021-10-26 | 2022-01-18 | 北京工业大学 | 基于多源数据的轨道站点骑行接驳综合活力评估方法 |
| CN113988659A (zh) * | 2021-11-01 | 2022-01-28 | 西南交通大学 | 一种立体紧凑型数字化城市设计方法、装置和计算机设备 |
| CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
| CN116502960A (zh) * | 2023-06-27 | 2023-07-28 | 北京城建交通设计研究院有限公司 | 一种车站区域tod发展潜力评估方法、系统和电子设备 |
| CN116910853A (zh) * | 2023-06-28 | 2023-10-20 | 深圳市蕾奥规划设计咨询股份有限公司 | Tod立体慢行空间的行人出行仿真模拟方法及装置 |
-
2021
- 2021-02-26 CN CN202110222686.9A patent/CN113033959A/zh active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792650A (zh) * | 2021-09-13 | 2021-12-14 | 上海市建筑科学研究院有限公司 | 一种绿视率测量方法和系统 |
| CN113947719A (zh) * | 2021-10-26 | 2022-01-18 | 北京工业大学 | 基于多源数据的轨道站点骑行接驳综合活力评估方法 |
| CN113988659A (zh) * | 2021-11-01 | 2022-01-28 | 西南交通大学 | 一种立体紧凑型数字化城市设计方法、装置和计算机设备 |
| CN113988659B (zh) * | 2021-11-01 | 2022-10-21 | 西南交通大学 | 一种立体紧凑型数字化城市设计方法、装置和计算机设备 |
| CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
| CN114331058B (zh) * | 2021-12-15 | 2023-04-21 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
| CN116502960A (zh) * | 2023-06-27 | 2023-07-28 | 北京城建交通设计研究院有限公司 | 一种车站区域tod发展潜力评估方法、系统和电子设备 |
| CN116502960B (zh) * | 2023-06-27 | 2023-09-26 | 北京城建交通设计研究院有限公司 | 一种车站区域tod发展潜力评估方法、系统和电子设备 |
| CN116910853A (zh) * | 2023-06-28 | 2023-10-20 | 深圳市蕾奥规划设计咨询股份有限公司 | Tod立体慢行空间的行人出行仿真模拟方法及装置 |
| CN116910853B (zh) * | 2023-06-28 | 2024-05-17 | 深圳市蕾奥规划设计咨询股份有限公司 | Tod立体慢行空间的行人出行仿真模拟方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113033959A (zh) | 基于tod发展模式的轨道交通站点周边建成环境评价方法 | |
| Ma et al. | Intelligent smart city parking facility layout optimization based on intelligent IoT analysis | |
| Zhang et al. | Vitality evaluation of historical and cultural districts based on the values dimension: districts in Beijing City, 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. | |
| Shi et al. | From accessibility of traffic to accessibility of service: the spatial analysis of N-minute service circle of urban park system | |
| Xue et al. | Cycling environment investigation and optimization of urban central road in Qingdao | |
| Wang | The digital presentation of human-oriented urban design | |
| CN116757353A (zh) | 一种城市更新资源潜力评估方法、装置、终端及介质 | |
| Xie et al. | [Retracted] Tourism Resource Evaluation and Countermeasures Based on Network Communication and TOPSIS Algorithm | |
| Zeng et al. | Measuring cyclists’ subjective perceptions of the street riding environment using K-means SMOTE-RF model and street view imagery | |
| Liu | Urban complex public space design method based on support vector machine | |
| Soydan et al. | Evaluation of the smart city applications in terms of users: the case of Turkey | |
| Ma et al. | [Retracted] Conservation and Development of Residential‐Type Historical and Cultural Blocks in Guangzhou under Subjective Evaluation | |
| Fu et al. | Research on the daily life circle of college students in Shenyang based on the time and space behavior of College Students | |
| An et al. | Green tourism planning for Danang City after COVID-19, vision to 2050 | |
| US12033043B2 (en) | Identification method of urban functional areas based on mixing degree of functions and integrated learning | |
| US20240013091A1 (en) | Identification method of urban functional areas based on mixing degree of functions and integrated learning | |
| Li | Evaluation and Optimized Strategies of Walkability in Historic District Based on Data Augmentation | |
| Bi et al. | Numerical analysis and calculation for urban street landscape spatial pattern | |
| Chen et al. | Constructing a Framework for Measuring TOD Community Scenarios Based on Big Data Analysis | |
| Tang | Open block structure planning of eco city based on big data spatial syntax | |
| Yu et al. | Exploring the spatial and temporal performance of bike sharing: a case study of Ningbo, China | |
| Shi et al. | Spatial Layout of the UC Structure | |
| Jia et al. | Research on the Simulated Decision-Making of Spatio-Temporal Diversion Route Planning for Tourists in Heritage Sites during the Peak Tourism Seasons Based on a Case Study of Maiji Mountain |
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 |