CN113657688A - 一种社区生活圈的模拟测度方法 - Google Patents

一种社区生活圈的模拟测度方法 Download PDF

Info

Publication number
CN113657688A
CN113657688A CN202111017222.0A CN202111017222A CN113657688A CN 113657688 A CN113657688 A CN 113657688A CN 202111017222 A CN202111017222 A CN 202111017222A CN 113657688 A CN113657688 A CN 113657688A
Authority
CN
China
Prior art keywords
planning
plots
community
residential
plot
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
Application number
CN202111017222.0A
Other languages
English (en)
Other versions
CN113657688B (zh
Inventor
周岱霖
王烨
钟烨
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.)
Guangzhou Urban Planning Survey and Design Institute
Original Assignee
Guangzhou Urban Planning Survey and Design Institute
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 Guangzhou Urban Planning Survey and Design Institute filed Critical Guangzhou Urban Planning Survey and Design Institute
Priority to CN202111017222.0A priority Critical patent/CN113657688B/zh
Publication of CN113657688A publication Critical patent/CN113657688A/zh
Application granted granted Critical
Publication of CN113657688B publication Critical patent/CN113657688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • 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

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

Abstract

本发明公开了一种社区生活圈的模拟测度方法，本发明的一种社区生活圈的模拟测度方法，其突破现有技术方法仅能针对现状社区生活圈进行识别的局限性，提供了一种针对规划方案实施后的规划社区生活圈的空间模拟和划分方法。通过将城市研究中常用的手机信令数据与回归分析相结合，基于居民行为特征进行生活圈的识别、预测、划分和评价，使得该方法兼具普适性和准确性。

Description

一种社区生活圈的模拟测度方法
技术领域
本发明属于社区生活圈的测度技术领域，具体涉及一种社区生活圈的模拟测度方法。
背景技术
社区生活圈越来越多应用在公共服务设施配置、社区规划管理以及居民日常出行行为研究等多个领域中，对提升居民幸福感、城市宜居水平有重要意义。
目前，针对于社区生活圈的划分技术方法已有较多的进展，主要是围绕现状社区生活圈的识别与测度进行，以下为现阶段主要应用的技术手段：(1)基于物质空间数据划分社区生活圈，包括行政或物理边界、公共服务设施布局以及道路网可达性等。(2)基于移动通信数据识别居民的真实行为特征，以此划分社区生活圈。如，公告号CN108810818B的中国发明专利一种居民生活圈的划分方法及装置公开了一种根据手机基站测度居民日常活动停留时间占比划分社区生活圈的方法；公告号为CN110972073B的中国发明专利一种基于手机大数据及步行可达性的生活圈划定方法公开了一种基于手机信令数据和步行可达性测算的社区生活圈划分方法。
然而，随着国家及多个城市推进社区生活圈规划，提升“最后一公里”幸福指数，改善人居环境品质，改善人居环境品质，便捷、合理的社区生活圈建设重要性日趋提升。一方面，现有社区生活圈的划定基本仅限于面向现状社区，对于规划实施后的社区生活圈预测的相关研究方法尚且较为匮乏，对未来人居环境空间仍缺乏预判；另一方面，城市建设、社区改造等将对居民人口规模和结构、城市建成环境带来巨大改变，有必要对规划社区生活圈的情况提前进行模拟预测，以保证为居民提供丰富和便利的设施。
为此，有必要在城市建设、社区改造等规划实施之前对未来社区生活圈开展模拟预测，以更好的完善社区公共服务设施配置和开展各项社区规划建设。
发明内容
本发明的目的是要解决上述的技术问题，提供一种社区生活圈的模拟测度方法。
为了解决上述问题，本发明按以下技术方案予以实现的：
第一方面，本发明提供了一种社区生活圈的模拟测度方法，包括以下步骤：
基于社区的规划方案，生成规划实施后的规划空间数据底板；
加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标；
基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标；
根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区；
获取样本社区的基站间日常活动OD联系数据表，将基站间日常活动OD联系数据表转换为样本社区内的现状地块间日常活动OD联系数据表；
建立地块间的日常活动联系模拟预测模型基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程；
测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表；
将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型；
基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；
基于预测日常活动联系频次，预测规划实施后单个规划居住地块的规划社区生活圈边界；
逐块预测社区规划方案中各规划居住地块在规划实施后的规划社区生活圈边界，叠加形成该社区规划实施后的整体规划社区生活圈边界。
结合第一方面，本发明还提供了第一方面的第1种优选实施方式，具体的，基于规划方案，生成规划实施后的规划空间数据底板，具体包括：
加载规划方案的项目边界，生成规划范围的矢量数据；所述矢量数据为矢量面图形；
通过ArcGIS擦除工具，筛选得到规划范围外的现状空间数据，所述现状空间数据包括现状土地利用、交通路网和建筑房屋面；
加载规划方案的规划空间数据；所述规划空间数据包括规划土地利用、交通路网和建筑房屋面；
通过合并工具，将所述规划空间数据与规划范围外的现状空间数据合并，生成规划实施后的规划空间数据底板。
结合第一方面，本发明还提供了第一方面的第2种优选实施方式，具体的，加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标，具体包括：
加载规划方案所在城市的研究单元边界，得到矢量面图形的矢量数据；
在矢量数据中添加字段以记录各个单元的空间指标属性；
通过ArcGIS相交工具，叠合各个单元和现状各类空间数据；所述现状各类空间数据包括城市的现状土地利用、交通路网和房屋建筑面的空间数据；
基于社区建设模式特征筛选样本，从开发强度、空间肌理、聚居程度、功能特征四个维度构建空间指标体系，通过汇总统计工具，计算城市各研究单元的现状空间指标，所述现状空间指标包括容积率、建筑密度、人口密度和居住建筑量占比；
通过ArcGIS的连接功能，将现状空间指标记录在研究单元相应的字段中。
结合第一方面，本发明还提供了第一方面的第3种优选实施方式，具体的，基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标，具体包括：
加载所述规划空间数据底板；
识别规划方案所在研究单元，通过ArcGIS相交工具，将规划方案所在研究单元与规划空间数据底板相交，得到规划方案所在研究单元的规划空间数据；
测算规划方案所在的研究单元规划实施后的规划空间指标值；所述规划空间指标值包括容积率、建筑密度、人口密度和居住建筑量占比；
通过导出至EXCEL工具，将规划实施后的规划空间指标记录在excel表格中。
结合第一方面，本发明还提供了第一方面的第4种优选实施方式，具体的，根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区，具体包括：
获取规划空间指标，基于±30％设置各项规划空间指标的阈值；
根据各项空间指标的阈值的交集，在研究城市的矢量数据中识别得到样本社区；其中，阈值交集表达式如下：
C＝A1∩A2∩A3∩A4 (公式1)；
其中，A1、A2、A3、A4表示规划方案的各项规划空间指标±30％的阈值；
利用ArcGIS工具导出至地理数据库工具，将识别出的现状研究单元的空间边界导出并保存得到“样本社区.shp”文件，作为后续分析的样本社区边界。
结合第一方面，本发明还提供了第一方面的第5种优选实施方式，具体的，获取样本社区的基站间日常活动OD联系数据表，具体包括：
基于居民的客观活动规律，通过手机信令数据识别得到居住地基站、工作地基站和日常活动地基站；
筛选样本社区内的每个居民的每次日常活动OD联系数据；
叠加所有居民的居住地基站和所有日常活动地基站间的联系量，汇总形成各基站间的日常活动OD联系数据表。
结合第一方面，本发明还提供了第一方面的第6种优选实施方式，具体的，将基站间日常活动OD联系数据表转换为现状地块间日常活动OD联系数据表，具体包括：
通过ArcGIS创建泰森多边形的功能，根据基站的位置信息，生成每个基站的服务区域；
通过ArcGIS工具，将每个服务区域与对应研究单元的现状土地利用数据进行叠合和相交；
计算每个现状用地地块在基站的服务区域中所占的面积比例；
依据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动OD联系频次数据分解到地块上，形成居住地块与活动地块间的OD联系频次矩阵；
经过汇总计算，形成所有居住地块与活动地块间的日常活动OD联系数据表，得到现状地块间日常活动OD联系数据表。
结合第一方面，本发明还提供了第一方面的第7种优选实施方式，具体的，基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程，具体包括：
基于居住活动出行发生量、活动地吸引力和两者间交通阻抗构建重力模型，建立地块间的日常活动联系模拟预测模型，生成多元线性回归方程的初始表达式；
基于居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建指标体系，筛选居住地块和活动地块间的特征自变量指标，特征自变量指标作为重力模型的解析参数；
将特征自变量指标代入多元线性回归方程，构建地块间日常活动联系频次与地块特征自变量指标间的数理关系，具体公式如下所示：
ln(Qij)＝lnk+aln(Oi1*Oi2)+βln(Dj1*Dj2(d))-γln(Rij1*Rij2(c)) (公式2)；
其中，Qij代表居住地块i和活动地块j间的活动联系次数，Oi1为人口密度指标，Oi2为建筑总量指标，Dj1为设施规模指标，Dj2(d)为设施等级指标，Rij1为步行距离指标，Rij2(c)为步行障碍指标。
结合第一方面，本发明还提供了第一方面的第8种优选实施方式，具体的，测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表，具体包括：
获取样本社区的居住地块，测算居住地块的人口密度Oi1和建筑总量Oi2指标；
筛选样本社区中与居住地块存在日常活动联系的活动地块，测算活动地块的设施规模Dj1和设施等级Dj2(d)指标；
测算所述居住地块与所述活动地块间的步行距离Rij1和步行障碍Rij2(c)；
计算样本社区所有居住地块和活动地块间的自变量指标值，并将地块间的日常活动OD联系作为因变量Qij，整理汇总形成样本社区的回归变量指标表。
结合第一方面，本发明还提供了第一方面的第9种优选实施方式，具体的，将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型，具体包括：
通过所述多元线性回归方程，对样本社区的回归变量指标表中的各项指标取对数处理；
将处理后的回归变量指标表加载至SPSS软件，计算求出待定系数值；
将计算出的待定系数值代入所述多元线性回归方程中，生成样本社区的日常活动联系频次与地块自变量指标的定量模型。
结合第一方面，本发明还提供了第一方面的第10种优选实施方式，具体的，基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次，具体包括：
生成规划预测的最大空间范围的地块范围，具体为，基于规划空间数据底板，将规划方案所在研究单元的各居住地块5公里半径区域所涉及的全部建设用地地块，作为规划预测的最大空间范围的活动地块；
分别测算规划实施后规划预测的最大空间范围内的所有地块的各项因子自变量指标，具体包括：
规划实施后该居住用地地块的人口密度Oi1和建筑总量Oi2指标；
规划实施后各活动地块的设施规模Dj1和设施等级Dj2(d)指标；
基于规划实施后的交通路网矢量底板测算反映居住地块质心与活动地块质心之间的交通阻抗的步行距离Rij1和步行障碍Rij2(c)指标；
将自变量指标代入所述定量模型中，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；梳理形成规划实施后的规划地块间的日常活动OD联系数据表。
结合第一方面，本发明还提供了第一方面的第11种优选实施方式，具体的，基于预测日常活动联系频次，预测规划实施后单个规划居住地块的规划社区生活圈边界，具体包括：
根据规划实施后的规划地块间的日常活动OD联系数据表，汇总统计每个规划居住地块与其最大空间范围内活动地块日常活动联系频次总量；
累计规划居住地块与其最大空间范围内的地块间预测的日常活动联系频次，由单个规划居住地块出发，基于规划矢量路网，按照各规划居住地块质心与最大空间范围内各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计；
其中，当累计频次达到该规划居住地块最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围划定为该规划居住地块的规划社区生活圈边界。
结合第一方面，本发明还提供了第一方面的第12种优选实施方式，具体的，逐块预测社区规划方案中各规划居住地块在规划实施后的规划社区生活圈边界，叠加形成该社区规划实施后的整体规划社区生活圈边界，具体包括：
逐块预测社区规划方案中各规划居住地块在规划实施后的规划社区生活圈边界，规划地块的规划社区生活圈边界为矢量面数据；
通过ArcGIS的叠加功能，将各规划居住地块的规划社区生活圈矢量面数据进行叠加，合并形成该社区规划实施后的整体规划社区生活圈边界。
与现有技术相比，本发明的有益效果是：
本发明的一种社区生活圈的模拟测度方法，其突破现有技术方法仅能针对现状社区生活圈进行识别的局限性，提供了一种针对规划方案实施后的规划社区生活圈的空间模拟和划分方法。
本发明通过将城市研究中常用的手机信令数据与回归分析相结合，基于居民行为特征进行生活圈的识别、预测、划分和评价，使得该方法兼具普适性和准确性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1是本发明的一种社区生活圈的模拟测度方法的流程示意图；
图2是本发明实施例中的规划方案实施前后土地利用空间数据变化图；
图3是本发明实施例中的基站A和基站B服务区涉及的现状用地地块面积示意图；
图4是本发明实施例中的本区域现状地块间的日常活动联系OD分布图；
图5是本发明实施例中的居住地块和活动地块间的自变量指标测算示意图；
图6是本发明实施例中的单个居住地块与周边活动地块日常活动联系频次模拟和社区生活圈预测的示意图；
图7是本发明实施例中的规划前后规划方案周边居住地块的社区生活圈半径变化的示意图；
图8是本发明一种社区生活圈的模拟测度方法的研究框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
基于申请人的研究发现，现有社区生活圈测度与划分技术方法，存在如下缺陷：
(1)适用范围局限：现有技术方法适用于现状社区生活圈识别，无法进行规划社区生活圈的模拟预测。(2)数据采集受限：现有技术方法在数据采集上高度依赖现状居民手机信令数据，而对于城市更新、社区改造的地区，上述数据均难以获取，无法提供数据支持。
为此，本发明提供了一种社区生活圈的模拟测度方法，突破现有技术方法仅能针对现状社区生活圈进行识别的局限性，提供了一种针对规划方案实施后的规划社区生活圈的空间模拟和划分方法。另一方面，本发明将城市研究中常用的手机信令数据与回归分析相结合，基于居民行为特征进行生活圈的识别、预测、划分和评价，使得该方法兼具普适性和准确性。
参照图1所示，图1为本申请实施例提供的一种社区生活圈的模拟测度方法的流程示意图，具体方法流程为：
S100：基于社区的规划方案，生成规划实施后的规划空间数据底板。
在一种优选实施中，实施基于规划方案生成规划实施后的规划空间数据底板，具体包括：
S110：加载规划方案的项目边界，生成规划范围的矢量数据；所述矢量数据为矢量面图形；
S120：通过ArcGIS擦除工具，筛选得到规划范围外的现状空间数据，所述现状空间数据包括现状土地利用、交通路网和建筑房屋面；
示例性的，在ArcGIS中加载研究城市的现状的土地利用、交通路网和房屋建筑面空间数据，研究城市即规划方案所在的城市。利用ArcGIS擦除工具，擦除现状的土地利用、交通路网和房屋建筑面空间数据中涉及到规划方案所在区域内的数据，依次生成规划范围外的土地利用、交通路网和房屋建筑面现状空间数据，进而得到规划方案范围外的现状空间数据。
S130：加载规划方案的规划空间数据；所述规划空间数据包括规划土地利用、交通路网和建筑房屋面；
S140：通过合并工具，将所述规划空间数据与规划范围外的现状空间数据合并，生成规划实施后的规划空间数据底板。
示例性的，将S120生成的规划方案范围外现状空间数据导入ArcGIS软件中；利用ArcGIS的合并工具，依次将规划方案的土地利用、交通路网和建筑房屋面分别与S120中生成的规划范围外的同类现状空间数据进行合并，形成规划实施后的规划空间数据底板。
S200：加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标。
在一种优选实施中，本S200以研究城市的现状土地利用、交通路网、房屋建筑面等空间数据为数据基础，利用ArcGIS的相交工具和汇总统计工具，计算全市各个单元的现状空间指标。
示例性的，各指标的计算方法和公式如表1所示。
表1空间指标的测度方法
Figure BDA0003240327740000081
示例性的，所述研究单元边界可以是如城市规划管理单元、居委行政边界、交通小区边界等。优选地，作为空间指标的测算单元，本实例选取规划管理单元作为研究单元边界。
在一种优选实施中，步骤加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标，具体包括：
S210:加载规划方案所在城市的研究单元边界，得到矢量面图形的矢量数据。
在本实施例中，测算指标之前，可以单元边界如城市规划管理单元、居委行政边界、交通小区边界等，作为空间指标的测算单元，本实例选取规划管理单元作为研究单元边界。
S220:在矢量数据中添加字段以记录各个单元的空间指标属性。
在一种实施中，对单元边界的矢量面图形，添加“单元编号”字段记录单元的编号，区分城市内不同单元。同时，添加“容积率”、“建筑密度”、“人口密度”、“居住建筑量占比”字段以记录单元的空间指标。
S230:通过ArcGIS相交工具，叠合各个单元和现状各类空间数据；所述现状各类空间数据包括城市的现状土地利用、交通路网和房屋建筑面的空间数据。
在一种实施中，加载研究城市的现状土地利用、交通路网、房屋建筑面空间数据。利用ArcGIS相交工具，将现状各类空间数据与单元进行面相交，赋予现状各类空间数据“单元编号”字段。
S240:基于社区建设模式特征筛选样本，从开发强度、空间肌理、聚居程度、功能特征四个维度构建空间指标体系，通过汇总统计工具，计算城市各研究单元的现状空间指标，所述现状空间指标包括容积率、建筑密度、人口密度和居住建筑量占比。
申请人在研究中发现，由于不同社区建设模式和居住情况的居住社区，居民的日常活动特征差异巨大，因此首先需要确定建设模式、居住情况与规划方案相似的现状社区，通过对现状社区的居民日常活动特征的观测和归纳，从而实现对规划实施后社区居民日常活动特征的精准模拟。
为此，本申请基于社区建设模式特征，根据判断相似社区的指标合理性和通过规划方案可计算以获取的原则，从开发强度、空间肌理、聚居程度、功能特征四个维度构建空间指标体系。测算容积率、建筑密度、人口密度和居住建筑量占比，以此筛选出与规划方案建设模式和居住情况相似的现状目标样本社区。
在一种实施中，利用“单元编号”字段，对研究城市的各单元的现状各类空间数据属性进行汇总统计。根据各项空间指标值的计算方法(见表1)，统计全市单元现状的各项空间指标值，并利用通过导出至EXCEL工具，保存为“单元现状空间指标.xls”表格。
S250:通过ArcGIS的连接功能，将现状空间指标记录在研究单元相应的字段中。
示例性的，利用ArcGIS的表连接功能，根据“单元编号”字段值相同的“单元边界.shp”和“单元现状空间指标.xls”,采用ArcGIS字段计算器工具将“单元现状空间指标.xls”的各项空间指标值记录在“单元边界.shp”的相应字段中，其用于筛选样本社区。
S300：基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标。
本实施例将S200的研究单元边界和S100生成的规划实施后的空间数据底板为基础数据，测算规划方案所在研究单元规划实施后的规划空间指标值，研究单元规划实施前后的空间指标包括容积率、建筑密度、人口密度、居住建筑量占比。
具体的，基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标，具体包括：
S310：加载所述规划空间数据底板；
S320：识别规划方案所在研究单元，通过ArcGIS相交工具，将规划方案所在研究单元与规划空间数据底板相交，得到规划方案所在研究单元的规划空间数据；
S330：测算规划方案所在的研究单元规划实施后的规划空间指标值；所述规划空间指标值包括容积率、建筑密度、人口密度和居住建筑量占比；
S340：通过导出至EXCEL工具，将规划实施后的规划空间指标记录在excel表格中。
S400：根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区。
在一种优选实施中，本实例以规划方案所在研究单元的每项空间指标的±30％为阈值区间，按取交集的方式识别出多个空间指标相似的现状研究单元，将现状单元作为后续分析的目标样本社区。
需要说明的是，样本社区的边界即为识别出的现状研究单元的空间边界，为矢量面数据。
进一步的，根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区，具体包括以下步骤：
S410：获取规划空间指标，基于±30％设置各项规划空间指标的阈值。
示例性的，设置筛选的阈值，本实例按±30％作为各项空间指标的筛选阈值。
S420：根据各项空间指标的阈值的交集，在研究城市的矢量数据中识别得到样本社区；其中，阈值交集表达式如下：
C＝A1∩A2∩A3∩A4 (公式1)；
其中，A1、A2、A3、A4表示规划方案的各项规划空间指标±30％的阈值；
S430：利用ArcGIS工具导出至地理数据库工具，将识别出的现状研究单元的空间边界导出并保存得到样本社区.shp文件，作为后续分析的样本社区边界。
S500：获取样本社区的基站间日常活动OD联系数据表，将基站间日常活动OD联系数据表转换为样本社区内的现状地块间日常活动OD联系数据表。
本实施例基于居民客观活动规律，通过手机信令数据识别居民的居住地基站、工作地基站和日常活动地基站，统计出样本社区居住地基站与活动地基站间的OD联系频次数据。
进一步地，获取样本社区的基站间日常活动OD联系数据表，具体包括：
S510：基于居民的客观活动规律，通过手机信令数据识别得到居住地基站、工作地基站和日常活动地基站。
在本发明中，根据城市居民的客观活动规律，通过手机信令识别出每位用户的居住地基站、工作地基站和日常活动发生地基站。在一种实施中，所述识别方法可如表2所示。
表2：手机用户居住地、工作地和日常活动地基站位置识别方法
Figure BDA0003240327740000111
S520：筛选样本社区内的每个居民的每次日常活动OD联系数据。
具体的，基于表2的识别方法，识别出居住地基站在样本社区内的手机用户，根据每位用户每次日常活动发生地基站，以及该用户对应的居住地基站，将该用户的居住地基站和每次日常活动地基站间的联系量记为1。
S530：叠加所有居民的居住地基站和所有日常活动地基站间的联系量，汇总形成各基站间的日常活动OD联系数据表。
另一方面，将基站间日常活动OD联系数据表转换为现状地块间日常活动OD联系数据表，具体包括：
S540：通过ArcGIS创建泰森多边形的功能，根据基站的位置信息，生成每个基站的服务区域。
示例性的，通过ArcGIS创建泰森多边形的功能，根据基站点的位置分布，生成每个基站的服务区范围，基站服务区内的任意点离该基站的直线距离均小于与其他基站的直线距离。
S550：通过ArcGIS工具，将每个服务区域与对应研究单元的现状土地利用数据进行叠合和相交。
S560：计算每个现状用地地块在基站的服务区域中所占的面积比例。
示例性的，在S550-560中，通过ArcGIS的相交工具，将每个基站服务区与现状土地利用数据进行叠合，判断每个现状用地地块所从属的基站服务区，并计算出各基站服务区所涉及的现状用地地块在该基站服务区中所占的面积比例。
S570：依据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动OD联系频次数据分解到地块上，形成居住地块与活动地块间的OD联系频次矩阵。
示例性的，根据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动联系频次数据分解到地块上，按照同一组OD联系数据的起点、终点对应关系，利用Excel的数据透视表，以起点地块为行、终点地块为列、活动联系频次为值，从而形成居住地块与活动地块两两之间的OD联系频次矩阵。
S580：经过汇总计算，形成所有居住地块与活动地块间的日常活动OD联系数据表，得到现状地块间日常活动OD联系数据表。
基于S570，将所有基站间的日常活动OD联系数据分解转化至地块间，利用Excel的汇总统计功能，以O点地块编号和D点地块编号为分组字段，以地块间的日常活动联系频次为汇总统计值，汇总计算后最终形成样本社区各居住地块与活动地块两两之间的日常活动联系OD数据表。
S600：建立地块间的日常活动联系模拟预测模型基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程。
本实施例以重力模型为基础，基于居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建重力模型的指标，将其应用于地块间的日常活动联系模拟，细致到地块精度。相比常规的将重力模型应用在应用维度和精度方面的技术，本发明在差异测算结果的精细度和准确性更高。
在一种实施中，建立地块间的日常活动联系模拟预测模型基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程，具体包括如下步骤：
S610：基于居住活动出行发生量、活动地吸引力和两者间交通阻抗构建重力模型，建立地块间的日常活动联系模拟预测模型，生成多元线性回归方程的初始表达式。
本发明从居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建重力模型，生成回归模型的初始表达式，模型中两地间的联系次数同两地的吸引力大小成正相关，同两地间的交通阻抗成负相关；具体公式如下：
Figure BDA0003240327740000121
其中，Qij代表地块i和地块j间的活动联系次数，本实例中即为步骤S580中生成的居住地块i和活动地块j间的日常活动联系频次；Gi和Aj为地块i和地块j的吸引力函数，本实例中Gi即为居住地块i的吸引力函数，Aj即为活动地块j的吸引力函数；Zij为地块i和地块j间的交通阻抗函数，本实例中即为居住地块i和活动地块j间的交通阻抗函数；k、α、β、γ则为需要计算确定的系数。
将重力模型函数取转化为多元线性回归函数。进一步地，对重力模型函数取对数，将重力模型的初始表达式转化为多元线性回归函数表达式，具体公式如下：
ln(Qij)＝lnk+αln(Gi)+βln(Aj)-γln(Zij)。
S620：基于居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建指标体系，筛选居住地块和活动地块间的特征自变量指标，特征自变量指标作为重力模型的解析参数。
经申请人研究发现，创造性的将用居住地块的人口密度和建筑总量表征居住活动出行发生量，用活动地块的设施规模和设施等级表征活动地吸引力，用最短步行距离和步行障碍表征两地块间的步行交通阻抗，构建居住地块吸引力函数(人口密度、建筑总量)、活动地块吸引力函数(设施规模、设施等级)、交通阻抗函数(步行距离、步行障碍)。
示例性的，根据S610的重力模型，以根据规划方案的空间指标和空间矢量数据可测算为指标选取原则，选取自变量指标对居住地块吸引力函数Gi、活动地块吸引力函数Aj和两者间的交通阻抗函数Zij进行测算，各自变量的详细计算方法如表3所示。
表3本实例样本社区的自变量指标测度方法
Figure BDA0003240327740000131
Figure BDA0003240327740000141
示例性的，1)居住地块吸引力函数Gi的计算。
选取居住地块人口密度和居为建筑总量指标以反映居住地块可能的活动人次，生成居住地块的吸引力函数，具体如下所示：
Gi＝Oi1*Oi2
其中Oi1为人口密度指标，根据居住地块所在单元的平均人口密度测算，单位万人/平方千米；Oi2为建筑总量指标，由居住地块的总建筑面积测算，单位为万平方米。
2)活动地块吸引力函数Aj的计算
选取活动地块设施规模指标和设施等级以反映活动地块的吸引力大小，具体如下所示：
Ai＝＝Dj1*Dj2(d)
其中Dj1为设施规模指标，由活动地块的总建筑面积与全市相同性质用地的总建筑面积比例测算，用地性质按《城市用地分类标准GB50137-2011》细分到小类，单位为万分
Figure BDA0003240327740000142
Dj2为设施等级指标，根据活动地块上设施等级属性值d的不同进行不同的取值。
3)交通阻抗函数Zij的计算
选取步行距离和步行障碍指标以反映居住地块和活动地块间的步行难易程度，生成居住地块和活动地块间的交通阻抗函数，具体如下所示：
Zij＝Rij1*Rij2(c)
其中Rij1为步行距离指标，根据居住地块质心至活动地块质心的最短步行路径距离测算，单位为米；Rij2(c)为步行障碍指标，c代表居住地块质心至活动地块质心的最短步行路径中需要上下天桥或地下通道的次数,步行障碍指数Rij2(c)根据c值的不同进行不同的取值。
需要说明的是，本发明在居住地和活动地之间的交通阻抗的计算上，综合考虑了步行距离和步行障碍情况，一定程度上优化了常规重力模型中仅针对距离的考量。
S630：将特征自变量指标代入多元线性回归方程，构建地块间日常活动联系频次与地块特征自变量指标间的数理关系，具体公式如下所示：
ln(Qij)＝lnk+αln(Oi1*Oi2)+βln(Dj1*Dj2(d))-γln(Rij1*Rij2(c))公式(2)；
其中，Qij代表居住地块i和活动地块j间的活动联系次数，Oi1为人口密度指标，Oi2为建筑总量指标，Dj1为设施规模指标，Dj2(d)为设施等级指标，Rij1为步行距离指标，Rij2(c)为步行障碍指标。
S700：测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表。
本申请根据步骤S500中生成的样本社区地块间的日常活动联系OD数据表，筛选其中的居住地块以及与之存在日常活动联系的活动地块，逐对测算居住地块与活动地块的自变量指标值，得到样本社区变量指标表。
具体的，测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表，具体包括：
S710：获取样本社区的居住地块，测算居住地块的人口密度Oi1和建筑总量Oi2指标。
在一种具体实施中，S710包括如下步骤：
1)利用ArcGIS位置选择工具筛选出样本社区的全部居住地块，利用要素转点工具，提取居住地块矢量面的质心并保存为“样本社区居住地块质心.shp”.
2)测算居住地块所在单元的人口密度Oi1。利用ArcGIS相交工具，将居住地块质心与S200中计算现状空间指标后的单元矢量面相交，各居住地块质心即获得其所在单元的现状空间指标属性，居住地块的人口密度指标Oi1即等于单元的“人口密度”指标。
3)记录居住地块的现状总建筑面积，即为居住地块的建筑总量Oi2指标。
S720：筛选样本社区中与居住地块存在日常活动联系的活动地块，测算活动地块的设施规模Dj1和设施等级Dj2(d)指标.
在一种具体实施中，S720包括如下步骤：1)根据步骤S580中生成的现状地块间日常活动OD联系表，利用ArcGIS属性选择工具筛选出与样本社区居住地块存在日常活动OD联系的活动地块，利用要素转点工具，提取活动地块矢量面的质心并保存为“样本社区活动地块质心.shp”。2)测算活动地块的设施规模Dj1。具体地，加载全市现状土地利用空间数据，根据现状土地利用空间数据的“用地性质”字段，利用ArcGIS的汇总统计功能，以“用地性质”字段为分组值，建筑面积为求和值，统计全市各小类用地的总建筑面积。将需要测算的活动地块的总建筑面积除以全市相同性质用地总建筑面积，测得设施规模Dj1指标。3)根据活动地块的设施等级，测算设施等级Dj2(d)指标。
S730：测算所述居住地块与所述活动地块间的步行距离Rij1和步行障碍Rij2(c)。
在一种具体实施中，S730包括如下步骤：
1)加载S710生成的居住地块质心“样本社区居住地块质心.shp”和活动地块质心“样本社区活动地块质心.shp”。2)基于现状交通路网空间矢量数据，利用ArcGIS网络分析模块中的新建网络数据集工具，创建全市的现状道路拓扑网络。3)利用ArcGIS网络分析模块中的最短路径模块，加载“样本社区居住地块质心.shp”作为步行起点，“样本社区活动地块质心.shp”作为步行终点，求解各起点和终点间基于现状道路拓扑网络的最短路径，并导出保存为“样本社区OD最短步行路径.shp”。4)利用ArcGIS的计算几何工具，计算“样本社区OD最短步行路径.shp”的最短步行距离长度。5)利用ArcGIS的汇总统计工具，记录居住地块和活动地块间最短步行路径中上下天桥或地下通道的次数。
S740：计算样本社区所有居住地块和活动地块间的自变量指标值，并将地块间的日常活动OD联系作为因变量Qij，整理汇总形成样本社区的回归变量指标表。
S800：将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型。
本实例利用SPSS数据分析软件，将步骤S700中生成的样本社区回归变量指标表代入步骤S600中基于重力模型生成的多元线性回归方程，解出回归方程的待定系数，生成样本社区日常活动联系频次与地块自变量指标的定量模型。
其中，将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型，具体包括：
S810：通过所述多元线性回归方程，对样本社区的回归变量指标表中的各项指标取对数处理。
示例性的，根据公式(2)，即所述多元线性回归方程，在Excel中加载步骤S700中生成回归变量指标表，根据每行数据的回归变量指标值，将其重新计算为ln(Qij)、ln(Oi1*Oi2)、ln(Dj1*Dj2(d))、ln(Rij1*Rij2(c))，生成进过对数处理后的回归变量指标表。
ln(Qij)＝lnk+aln(Oi1*Oi2)+βln(Dj1*Dj2(d))-γln(Rij1*Rij2(c)) 公式(2)；
S820：将处理后的回归变量指标表加载至SPSS软件，计算求出待定系数值。
示例性的，将处理后的回归变量指标表加载至SPSS软件，选择分析功能模块中的线性回归工具，将ln(Qij)作为因变量，ln(Oi1*Oi2)、ln(Dj1*Dj2(d))和ln(Rij1*Rij2(c))值作为自变量，选择求解方法为输入，求解回归方程函数。
S830：将计算出的待定系数值代入所述多元线性回归方程中，生成样本社区的日常活动联系频次与地块自变量指标的定量模型。
S900：基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次。
本实施例将规划实施后的地块相关特征指标数据，作为自变量代入多元回归方程中，预测规划实施后居住地块与周边地块间的日常活动OD联系频次。
具体的，基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次，具体包括：
S910：生成规划预测的最大空间范围的地块范围，具体为，基于规划空间数据底板，将规划方案所在研究单元的各居住地块5公里半径区域所涉及的全部建设用地地块，作为规划预测的最大空间范围的活动地块；
在研究过程中，申请人将规划预测范围通过普通居民的步行能力和离家活动的时空特征进行量化，具体的，根据普通居民的平均步行速度(5km/h)和离家进行日常活动的最大步行时间(1h)，将步行1小时的空间距离5公里作为规划预测的最大空间范围，并以此划定规划预测的活动地块。S920：分别测算规划实施后规划预测的最大空间范围内的所有地块的各项因子自变量指标，具体包括：
参照步骤S600和表3中各项自变量指标的计算方法，对该居住地块以及步骤S910中确定的规划预测活动地块，依托步骤S100中形成的规划方案社区生活圈规划空间底板及相关矢量数据，根据步骤S700中的自变量指标测算方法，分别测算规划实施后的各项地块因子自变量指标，具体包括：
S921：规划实施后该居住用地地块的人口密度Oi1和建筑总量Oi2指标；
S922：规划实施后各活动地块的设施规模Dj1和设施等级Dj2(d)指标；
S923：基于规划实施后的交通路网矢量底板测算反映居住地块质心与活动地块质心之间的交通阻抗的步行距离Rij1和步行障碍Rij2(c)指标；
S930：将自变量指标代入所述定量模型中，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；梳理形成规划实施后的规划地块间的日常活动OD联系数据表。
具体地，将步骤S920中测算得到的指标作为自变量，分别代入根据样本社区所构建的多元回归方程中，从而预测计算出该居住地块与其最大空间范围内所有活动地块两两间的日常活动联系频次。
S1000：基于预测日常活动联系频次，预测规划实施后单个规划居住地块的规划社区生活圈边界。
本实施例以预测的居住地块与活动地块间日常活动联系频次为基础，依据居住地块质心与周边活动地块质心之间的最短步行路径距离，从近到远汇总累计频次，当达到阈值则模拟识别出单个居住地块在规划方案实施后的社区生活圈边界范围。
具体的，基于预测日常活动联系频次，预测规划实施后单个规划居住地块的规划社区生活圈边界，具体包括：
S1010：根据规划实施后的规划地块间的日常活动OD联系数据表，汇总统计每个规划居住地块与其最大空间范围内活动地块日常活动联系频次总量；
S1020：累计规划居住地块与其最大空间范围内的地块间预测的日常活动联系频次，由单个规划居住地块出发，基于规划矢量路网，按照各规划居住地块质心与最大空间范围内各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计；
示例性的，以预测的居住地块与其最大空间范围内活动地块间日常活动联系频次为基础，利用ArcGIS的属性筛选功能，根据测算的该居住地块到其最大空间范围内活动地块的最短路径步行距离Rij1指标，从近到远对OD联系频次数据进行汇总累计。
其中，当累计频次达到该规划居住地块最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围划定为该规划居住地块的规划社区生活圈边界。
S1100：逐块预测社区规划方案中各规划居住地块在规划实施后的规划社区生活圈边界，叠加形成该社区规划实施后的整体规划社区生活圈边界。
示例性，本发明给出如下具体步骤：
S1110：逐块预测社区规划方案中各规划居住地块在规划实施后的规划社区生活圈边界，规划地块的规划社区生活圈边界为矢量面数据；
S1120：通过ArcGIS的叠加功能，将各规划居住地块的规划社区生活圈矢量面数据进行叠加，合并形成该社区规划实施后的整体规划社区生活圈边界。
在本发明的研究过程中，申请人调研发现，现有生活圈测度技术难以满足对未来社区生活圈的模拟测度，无法提供对社区生活圈划分的合理性评价。且现有生活圈测度技术的应用视角单一。现有技术方法目的在于对社区生活圈空间范围进行划分，缺乏对社区生活圈划分合理性的评价。
为此，在本发明社区生活圈的模拟测度方法的基础上，申请人还提供了对社区生活圈规划后的评价技术手段，所述评价技术手段包括如下步骤：
S2000：识别现状居住地块的现状社区生活圈，对规划实施前后的社区生活圈的优化程度及影响进行评估。
本实施例以改造方案所在单元的某块现状居住用地为例，基于步骤S500生成的现状地块间日常活动联系OD数据表，依托现状矢量路网，按照居住地块与周边地块的步行距离，从近到远汇总OD联系频次，当累计频次达到阈值比例即可识别出单个居住用地地块现状的社区生活圈范围。
具体的，识别现状居住地块的现状社区生活圈，具体包括：
S2100：梳理现状地块间日常活动的日常活动联系频次和步行距离数据；
具体地，以该地块的编号为基础，梳理出步骤S500中生成的与该居住地块间存在日常活动联系的OD数据表，整理出用于该块现状居住用地的现状社区生活圈的基础数据。
S2200：按照各居住地块的最大空间范围，汇总统计每个居住地块与其最大空间范围内的地块联系频次总量。
S2300：累计现状居住地块与其最大空间范围内的地块间现状的日常活动联系频次，由单个居住地块出发，基于现状矢量路网，按照各居住地块质心与最大空间范围内的各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计。
示例性的，从该居住用地地块出发，利用ArcGIS的属性筛选功能，根据步骤S700中依托现状矢量路网计算出的该居住地块与周边活动地块的最短路径步行距离Rij1指标，从近到远对OD联系频次数据进行汇总累计。
其中，当累计频次达到该现状居住地块最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围识别为该现状居住地块的现状社区生活圈。
示例性的，遵循上一步骤的汇总累计过程，当累计频次达到该居住地块最大空间范围内日常活动频次总量的50％阈值比例时，选择的活动地块利用ArcGIS的聚合面功能，生成所选择的地块外轮廓范围，即为该居住地块现状社区生活圈的空间边界。
进一步的，本实施例测算规划方案所在研究单元居住地块现状与规划的生活圈半径指标，对于城市更新或社区改造规划方案范围内，评价规划改造前后自身生活圈的优化程度；对于城市更新或社区改造规划方案范围外的其他片区，评价规划前后对周边生活圈的影响，从而辅助规划策略与建议的提出。
具体的，对规划实施前后的社区生活圈的优化程度及影响进行评估，具体包括：
S2400:按照单个居住地块质心到其生活圈边界内的各建设用地地块质心的最短路径距离平均值，作为该居住地块的社区生活圈半径；计算规划方案所在研究单元内，每个居住地块的现状社区生活圈半径和规划社区生活圈半径。
示例性的，根据上述步骤中识别和预测出的单个居住地块的现状社区生活圈边界和规划社区生活圈边界，计算该居住地块质心到其现状及规划生活圈边界内各建设用地地块质心最短路径距离的平均值，即为该居住地块的现状社区生活圈平均半径和规划社区生活圈半径。
S2500:计算规划实施前，规划范围内所有居住地块的现状社区生活圈半径平均值和标准差。
示例性的，测算现状社区生活圈半径的平均值和标准差。
具体地，测算规划实施前，城市更新或社区改造方案规划范围内所有居住地块的现状社区生活圈半径平均值和标准差指标，具体公式如下：
Figure BDA0003240327740000201
Figure BDA0003240327740000202
其中，i表示城市更新或社区改造规划方案范围内某居住地块i，n表示规划范围内所有居住地块的数量；
Figure BDA0003240327740000203
代表规划范围内居住地块i的现状社区生活圈半径，
Figure BDA0003240327740000204
表示规划范围内所有居住地块的现状社区生活圈半径的平均值，反映了城市更新或社区改造区域现状社区生活圈的便利性，值越大代表居民需要在更大的空间内寻求日常服务，便利度越差；
Figure BDA0003240327740000205
表示规划范围内所有居住地块现状社区生活圈半径的标准差，反映该规划范围内居民社区生活圈的均衡度，值越大代表居民间日常社区活动半径差异越大，社区内日常服务的均好性越差。
S2600:计算规划实施后，规划范围内所有居住地块的规划社区生活圈半径的平均值和标准差；
示例性的，测算规划后社区生活圈平均半径和半径标准差。
同理,测算规划实施后,城市更新或社区改造规划范围内所有居住地块的规划社区生活圈半径的平均值和标准差指标，具体公式如下：
Figure BDA0003240327740000211
Figure BDA0003240327740000212
其中，
Figure BDA0003240327740000213
代表规划范围内居住地块i的规划社区生活圈半径，
Figure BDA0003240327740000214
表示规划范围内所有居住地块的规划社区生活圈半径的平均值，
Figure BDA0003240327740000215
表示规划范围内所有居住地块规划社区生活圈半径的标准差。。
S2700:对于规划方案的边界范围内，通过便利度和均衡度的测算，评价规划改造前后城市更新或社区改造范围自身社区生活圈的优化程度，具体公式如下：
Figure BDA0003240327740000216
Figure BDA0003240327740000217
其中，
Figure BDA0003240327740000218
指的是城市更新或社区改造规划实施前后，该规划范围内居民地块社区生活圈半径平均值的变化，值为负，则代表规划社区生活圈半径平均值比现状低，规划实施后社区生活圈的便利性增强；
Figure BDA0003240327740000219
城市更新或社区改造规划实施前后，该规划范围内居民地块社区生活圈半径标准值的变化，值为负，则代表规划社区生活圈半径标准差比现状低，规划实施后社区生活圈的均好性增强。。
S2800:对于规划方案所在研究单元但处于规划范围以外的周边区域，通过比较各居住地块在规划改造前后的社区生活圈半径变化
Figure BDA00032403277400002110
评估城市更新或社区改造改造规划方案实施前后对周边地块社区生活圈的影响，具体公式如下：
Figure BDA00032403277400002111
其中，ri和ri′分别表示单个居住地块i在现状及规划实施后的现状和规划社区生活圈半径指标。
具体地，对于规划方案所在研究单元但处于更新改造规划范围以外的周边区域，则通过比较各居住地块在规划改造前后的社区生活圈半径变化
Figure BDA00032403277400002112
来评估规划实施对周边各居住地块社区生活圈的影响。
本发明依托量化指标对规划实施前后所在区域的社区生活圈优化程度和对周边区域的影响进行评价，为决策提供参考，能够提高规划的社会效益。
实施例1
本实施例1以广州市南大干线西片区改造为例，提供了一种基于现状手机信令数据，通过筛选后回归分析以模拟规划方案实施后居民的日常活动，从而对规划方案的社区生活圈进行科学划分和评估的方法，该方法包括以下步骤：
S1、用城市更新或社区改造的规划方案替换所涉及的现状区域，生成规划实施后的空间数据底板。
本实例用南大干线西片区改造规划方案的空间数据替换所涉及改造区域的现状空间数据，形成规划实施后的规划空间数据底板，其中规划范围内由规划方案的空间数据构成，规划范围外由现状空间数据构成，如图2所示。进一步，该步骤S1具体包括：
S1-1、加载城市更新或社区改造的改造规划方案的项目边界，生成规划范围的矢量面图形。
S1-2、筛选规划范围外的现状空间数据。具体地，在ArcGIS中加载研究城市现状的土地利用、交通路网和房屋建筑面空间数据；利用ArcGIS擦除工具，擦除现状土地利用、交通路网和房屋建筑面空间数据中涉及到规划范围区域的数据，依次生成规划范围外的土地利用、交通路网和房屋建筑面现状空间数据。
S1-3、加载规划方案的土地利用、交通路网和建筑房屋面。
S1-4、采用合并工具，拼合规划方案和规划范围外的现状空间数据，整理生成规划实施后的空间数据底板。具体地，在ArcGIS中加载S1-2中生成的规划范围外的现状空间数据；利用ArcGIS的合并工具，依次将规划方案的土地利用、交通路网和建筑房屋面分别与S1-2中生成的规划范围外同类空间数据进行合并，形成规划实施后的空间数据底板。
S2、加载研究研究单元边界，基于现状的各类空间数据，测算各个研究单元的现状空间指标。S2具体包括：
S2-1、加载城市更新或社区改造项目所在城市的研究单元边界，生成矢量面图形“单元边界.shp”。具体地，在测算指标之前，可以单元边界如城市规划管理单元、居委行政边界、交通小区边界等，作为空间指标的测算单元，本实例选取规划管理单元作为研究单元边界。
S2-2、添加字段以记录单元的空间指标属性。具体地，对单元边界矢量面图形添加“单元编号”字段记录单元的编号，添加“容积率”、“建筑密度”、“人口密度”、“居住建筑量占比”字段以记录单元的空间指标。
S2-3、采用相交工具，叠合单元和现状各类空间数据。具体地，加载全市的现状土地利用、交通路网、房屋建筑面空间数据，利用ArcGIS相交工具，将现状各类空间数据与单元面相交，赋予现状各类空间数据“单元编号”字段。
S2-4、采用汇总统计工具，按照表1中公式计算各单元的现状空间指标。
1)计算各单元的现状空间指标。具体地，利用“单元编号”字段，对研究城市各单元的现状各类空间数据属性进行汇总统计；根据各项空间指标值的计算方法，统计全市单元现状的各项空间指标值，并利用通过导出至EXCEL工具，保存为“单元现状空间指标.xls”表格。
2)将空间指标记录在对应字段中。具体地，利用ArcGIS的表连接功能，根据“单元编号”字段值相同的“单元边界.shp”和“单元现状空间指标.xls”,采用ArcGIS字段计算器工具将“单元现状空间指标.xls”的各项空间指标值记录在“单元边界.shp”的相应字段中，用于下一步筛选样本社区。
S3、基于规划实施后的各类空间数据，测算规划方案所在单元规划实施后的规划空间指标。
本实例以步骤S2中选取的单元边界和S1生成的规划实施后空间数据为基础数据，测算南大干线改造方案所在单元规划实施后的规划空间指标值，单元规划实施前后的空间指标结果如表4所示。
表4：规划方案所在单元规划实施前后的空间指标表
指标名称 单元编号 容积率 建筑密度 人口密度 居住建筑量占比
现状 AB1701 2.3 41％ 2.1 48％
规划实施后 AB1701 2.7 33％ 2.5 61％
从表4可知，本实例中南大干线改造方案所在的单元编号为AB1701,在改造规划方案实施后，单元各项空间指标发生变化，规划实施后的容积率为2.7、建筑密度33％、人口密度2.5万人/平方千米、居住建筑量占比61％。
S4、根据空间指标设置阈值识别现状研究单元，作为后续分析的样本社区，样本社区的边界即为识别出的现状研究单元的空间边界。。
本实例以规划方案所在单元的每项技术指标±30％为阈值区间，按取交集的方式识别出37个空间指标相似的现状单元，作为后续分析的样本社区。进一步，该步骤S4具体包括：
S4-1、设置筛选阈值，本实例按±30％作为各项空间指标的筛选阈值。
S4-2、根据各项空间指标的阈值交集，识别出规划方案所在单元对应相似的现状样本社区，样本社区边界即为识别出的现状研究单元的空间边界。
具体地，利用ArcGIS的属性选择工具，根据步骤S3中计算的规划方案所在单元规划实施前后的空间指标，采用各项指标求交集的方式公式(1),根据阈值设置筛选表达式，识别符合条件的单元。
C＝A1∩A2∩A3∩A4公式 (1)；
其中，A1、A2、A3、A4表示规划方案所在单元各项空间指标±30％的阈值，根据步骤S3计算出的规划实施后空间指标分布为，容积率为2.7、建筑密度为33％、人口密度2.5万人/平方千米、居住建筑量占比61％，设置ArcGIS字段属性选择表达式如表5所示。
S4-3、利用ArcGIS导出至地理数据库工具，将识别出的现状研究单元的空间边界导出并保存得到“样本社区.shp”，作为后续分析的样本社区边界。
表5ArcGIS字段属性选择表达式
Figure BDA0003240327740000241
S5、识别样本社区的居民日常活动地基站，形成基站间的日常活动联系OD数据表。
本实施例基于居民客观活动规律，通过手机信令数据识别居民的居住地基站、工作地基站和日常活动地基站，统计出样本社区居住地基站与活动地基站间的OD联系频次数据。实例所使用的手机信令数据为移动运营商2019年9月7日至22日连续16天基站精度定位数据，居住地基站在样本社区内对的手机用户共约35.89万，识别出基站间的日常活动共计23.13万对，如表6所示。具体的，S5包括如下步骤：
进一步地，该步骤S5具体包括：
S5-1、识别居住地基站、工作地基站和日常活动地基站。具体地，根据城市居民的客观活动规律，通过手机信令识别出每位用户的居住地基站、工作地基站和日常活动发生地基站，识别方法如表5所示。
S5-3、叠加所有用户居住地基站和所有日常活动地基站间的联系量，汇总形成各基站间的日常活动联系OD数据表。
表6样本社区基站间的日常活动联系OD数据表
序号 O点基站编号 D点基站编号 日常活动联系频次
1 10571 11032 89
2 21343 13406 215
… … … …
231262 34706 32555 97
S6、将样本社区基站间的OD联系数据转化为地块间的日常活动联系OD数据表。
本实施例根据样本社区各基站服务区所涉及的现状用地地块在基站服务区中所占的面积比例，将基站间日常活动OD联系数据，转化为居住地块与活动地块间的OD联系活动频次数据。本实例中样本社区形成地块间日常活动OD联系共计40.6万对，利用ArcGIS中的XY转线工具可视化后的结果如图4所示。
进一步地，该步骤S6具体包括：
S6-1、生成每个基站服务区范围。具体地，通过ArcGIS创建泰森多边形的功能，根据基站点的位置分布，生成每个基站的服务区范围，基站服务区内的任意点离该基站的直线距离均小于与其他基站的直线距离。
S6-2、计算每个现状用地地块在基站服务区中所占的面积比例。具体地，通过ArcGIS的相交工具，将每个基站服务区与现状土地利用数据进行叠合，判断每个现状用地地块所从属的基站服务区，并计算出各基站服务区所涉及的现状用地地块在该基站服务区中所占的面积比例。
如图3所示，基站A服务区涉及现状用地地块A1、A2、A3，基站B服务区涉及现状用地地块B1、B2、B3，被基站A和基站B服务区切分在内的地块面积分别为a1、a2、a3和b1、b2、b3，则a1地块、b1地块在基站A和基站B服务区中所占的面积比例分别为：
Figure BDA0003240327740000251
Figure BDA0003240327740000252
S6-3、将基站间日常联系活动频次数据分解转化至地块间。
具体地，根据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动联系频次数据分解到地块上，按照同一组OD联系数据的起点、终点对应关系，利用Excel的数据透视表，以起点地块为行、终点地块为列、活动联系频次为值，从而形成居住地块与活动地块两两之间的OD联系频次矩阵。
结合图3和表7所示，基站A和基站B间的日常活动联系频次为780次，则由基站A-B间的日常活动OD联系量分解至地块A1-B1间的日常活动联系活动频次为：
SAB＝Ga1×Gb1×780＝30.2％×31.6％×780＝74.36；
表7基站A和基站B的OD联系分解至地块的矩阵表
Figure BDA0003240327740000261
S6-4、计算形成所有居住地块与活动地块间的日常活动联系OD数据表。
具体地，按上述步骤S6-3，将所有基站间的日常活动OD联系数据分解转化至地块间，利用Excel的汇总统计功能，以O点地块编号和D点地块编号为分组字段，以地块间的日常活动联系频次为汇总统计值，汇总计算后最终形成样本社区各居住地块与活动地块两两之间的日常活动联系OD数据表，如表8所示。
表8样本社区现状地块间日常活动联系OD数据表
序号 O点地块编号 D点地块编号 日常活动联系频次
1 21015 13054 13.54
2 30531 34378 65.76
… … … …
406218 43706 15493 10.6
本实例中，样本社区识别出基站间的23.13万对联系，分解形成地块间的日常活动OD联系共计40.62万对，利用ArcGIS的XY转线工具可视化后如图4所示。
S7、基于重力模型构建日常活动联系频次与地块自变量指标间的回归方程。
本实例以重力模型为基础，将其转化为多元线性回归方程，以居住地块、活动地块以及两者间步行路径指标为自变量，以地块间日常活动联系频次为因变量，构建日常活动联系频次与地块自变量指标间的回归方程。
ln(Qij)＝lnk+αln(Oi1*Oi2)+βln(Dj1*Dj2(d))-γln(Rij1*Rij2(c)) 公式(2)；
S8、测算样本社区居住地块和活动地块的自变量指标，生成回归变量指标表。
本实例根据步骤S6中生成的样本社区地块间的日常活动联系OD数据表，筛选其中的居住地块以及与之存在日常活动联系的活动地块，逐对测算居住地块与活动地块的自变量指标值，得到样本社区变量指标表。
进一步，该步骤S8具体包括：
S8-1、筛选出样本社区的居住地块，测算人口密度Oi1和建筑总量Oi2指标。
1)利用ArcGIS位置选择工具筛选出样本社区的全部居住地块，利用要素转点工具，提取居住地块矢量面的质心并保存为“样本社区居住地块质心.shp”。
2)测算居住地块所在研究单元的人口密度Oi1。具体地，利用ArcGIS相交工具，将居住地块质心与步骤2中计算现状空间指标后的研究单元矢量面相交，各居住地块质心即获得其所在研究单元的现状空间指标属性，居住地块的人口密度指标Oi1即等于研究单元的“人口密度”指标。以图4示例中的居住地块为例，该居住地块所在的研究单元现状总人口为6.7万人，建设用地总面积为2.16平方千米，人口密度为3.1万人/平方千米，因此其对应的人口密度Oi1指标值为3.1。
3)记录居住地块的现状总建筑面积，即为居住地块的建筑总量Oi2指标。具体地，以图4和表9示例中的居住地块为例，该居住地块的建筑总量为81.2万平方米，因此其对应的建筑总量Oi2指标值为81.2。
S8-2、筛选与居住地块存在日常活动联系的活动地块，测算活动地块的设施规模Dj1和设施等级Dj2(d)指标。
1)根据步骤S6中生成的地块间日常活动OD联系表，利用ArcGIS属性选择工具筛选出与样本社区居住地块存在日常活动OD联系的活动地块，利用要素转点工具，提取活动地块矢量面的质心并保存为“样本社区活动地块质心.shp”。
2)测算活动地块的设施规模Dj1。具体地，加载全市现状土地利用空间数据，根据现状土地利用空间数据的“用地性质”字段，利用ArcGIS的汇总统计功能，以“用地性质”字段为分组值，建筑面积为求和值，统计全市各小类用地的总建筑面积。将需要测算的活动地块的总建筑面积除以全市相同性质用地总建筑面积，测得设施规模Dj1指标。
表9示例地块的自变量指标值计算方法
Figure BDA0003240327740000271
Figure BDA0003240327740000281
以图4和表9示例中的活动地块为例，该活动地块的用地性质为高中，属于《城市用地分类标准GB50137-2011》的A33小类(中小学用地)，研究城市A33类用地的总建筑面积为1850.1万平方米，该活动地块的总建筑面积为7.3万平方米，占全市的万分之39.46，该活动地块的设施规模Dj1指标值为39.46。
3)根据活动地块的设施等级，测算设施等级Dj2(d)指标。
具体地，以图4和表9示例中的活动地块为例，该活动地块的用地性质为高中，属于街道级设施，根据表9中的计算方法该地块的设施等级Dj2(d)指标为1.0。
S8-3、测算居住地块与活动地块间的步行距离Rij1和步行障碍Rij2(c)。
1)加载S8-2生成的居住地块质心“样本社区居住地块质心.shp”和活动地块质心“样本社区活动地块质心.shp”。
2)基于现状交通路网空间矢量数据，利用ArcGIS网络分析模块中的新建网络数据集工具，创建全市的现状道路拓扑网络。
3)利用ArcGIS网络分析模块中的最短路径模块，加载“样本社区居住地块质心.shp”作为步行起点，“样本社区活动地块质心.shp”作为步行终点，求解各起点和终点间基于现状道路拓扑网络的最短路径，并导出保存为“样本社区OD最短步行路径.shp”。
4)利用ArcGIS的计算几何工具，计算“样本社区OD最短步行路径.shp”的最短步行距离长度，以图5和表9示例中居住地块和活动地块为例，求解出的最短步行路径长度为1540.1米，因此该居住地块和活动地块对应的Rij1指标值为1540.1。
5)利用ArcGIS的汇总统计工具，记录居住地块和活动地块间最短步行路径中上下天桥或地下通道的次数，以图5和表9示例中居住地块和活动地块为例，求解出的最短步行路径中需要经过1次天桥，根据表9的计算方法,对应的Rij2(c)指标值为1.2。
S8-4、计算样本社区所有居住地块和活动地块间的自变量指标值，并将地块间的日常活动OD联系作为因变量Qij，整理汇总形成样本社区的回归变量指标表，如下表10所示。
表10地块间日常活动联系频次和特征指标的回归变量指标表
Figure BDA0003240327740000282
Figure BDA0003240327740000291
S9、将变量值代入回归方程解出待定系数，生成日常活动联系频次与地块自变量指标的定量模型。
本次实例求解后的回归模型调整后R2为0.67，各项自变量指标值均通过P＜0.05的显著性检验，计算出的α、β、γ和lnk的值分别为0.109、0.125、1.047和9.787。将计算出的待定系数值代入回归方程，生成样本社区日常活动联系频次与地块自变量指标的定量模型，具体公式如下所示：
ln(Qij)＝0.109ln(Oi1*Oi2)+0.125ln(Dj1*Dj2(d))-1.047ln(Rij1*Rij2(c))+9.787公式(3)；
S10、模拟规划实施后居住地块与周边地块之间的日常活动OD联系频次。
本实施例将规划实施后的地块相关特征指标数据，作为自变量代入多元回归方程中，预测规划实施后居住地块与周边地块间的日常活动OD联系频次。
进一步地，该步骤S10具体包括：
S10-1、确定规划预测的最大空间范围的地块范围。具体地，针对本实例中南大干线西片区改造方案中的某块居住用地，通过ArcGIS的“缓冲区”工具生成5公里半径范围圈，按位置选择筛选出该居住用地5公里范围内所涉及到的全部建设用地地块，作为规划预测的最大空间范围的活动地块。
S10-2、计算规划实施后该居住地块与活动地块的自变量指标。具体地，参照步骤S8和表9中各项自变量指标的计算方法，对该居住地块以及步骤S10-1中确定的规划预测活动地块，依托步骤S1中形成的规划实施后的空间数据底板，根据步骤S8中的自变量指标测算方法。
S10-3、将自变量指标代入步骤S9中解出的回归方程公式(3)，模拟预测规划实施后居住地块和活动地块间的日常联系频次。具体地，将步骤S10*2中测算得到的指标作为自变量，分别代入根据样本社区所构建的多元回归方程公式(3)中，从而预测计算出该居住地块与其最大空间范围内所有活动地块两两间的日常活动联系频次。
以南大干线西片区改造方案中的某块居住用地为例，利用ArcGIS可视化表达后，该地块与其最大空间范围内活动地块的日常活动联系频次模拟结果如图6a所示。
S11、预测规划实施后单个规划居住地块的规划社区生活圈边界空间边界。
本实施例以预测的规划居住地块与活动地块间日常活动联系频次为基础，依据居住地块质心与周边活动地块质心之间的最短步行路径距离，从近到远汇总累计频次，当达到阈值则模拟识别出单个居住地块在规划方案实施后的规划社区生活圈边界范围，通过合并规划方案社区内所有居住地块的规划社区生活圈边界，生成规划方案社区在规划实施后的整体规划社区生活圈边界。
进一步地，该步骤S11具体包括：S11-1、基于步骤S10-4，汇总统计该居住地块与其最大空间范围内的地块联系频次总量。S11-2、累计该居住地块与周边地块间预测的日常活动联系频次。
具体地，以步骤S10中预测的居住地块与其最大空间范围内活动地块间日常活动联系频次为基础，利用ArcGIS的属性筛选功能，根据步骤S10-2测算的该居住地块到其最大空间范围内活动地块的最短路径步行距离Rij1指标，从近到远对OD联系频次数据进行汇总累计。
S11-3、模拟划定各居住地块的规划社区生活圈。具体地，遵循上一步骤S82的汇总累计过程，当累计频次达到该居住地块与其最大空间范围内频次总量的50％阈值比例时，此时选择的活动地块如图6b所示；利用ArcGIS的聚合面功能，生成所选择的地块外轮廓范围，即为该居住地块规划社区生活圈的空间边界，如图6c所示。
S11-4、叠加形成该社区规划实施后的整体规划社区生活圈边界。具体地，基于步骤S11-1、S11-2、S11-3,逐块预测南大干线西片区改造规划方案中各规划居住地块在规划实施后的规划社区生活圈边界，规划地块的规划社区生活圈边界为矢量面数据；通过ArcGIS的叠加功能，将各规划居住地块的规划社区生活圈矢量面数据进行叠加，合并形成该改造规划方案实施后的整体规划社区生活圈边界。
进一步的，本发明还提供了对规划实施前后的评价技术手段：
S12、识别规划实施前居住地块的现状社区生活圈空间边界。
本实施例以南大干线西片区改造方案中所在单元的某块现状居住用地为例，基于步骤S6生成的现状地块间日常活动联系OD数据表，依托现状矢量路网，按照居住地块与周边地块的步行距离，从近到远汇总OD联系频次，当累计频次达到阈值比例即可识别出单个居住用地地块现状的社区生活圈范围。
S13、对规划改造前后社区生活圈的优化程度及其影响进行评估。
本实施例测算规划方案所在单元单个居住地块现状与规划的生活圈半径指标，对于城市更新或社区改造的规划方案范围内，评价规划改造前后自身生活圈的优化程度；对于规划范围外的其他片区，评价规划前后对周边生活圈的影响，从而辅助规划策略与建议的提出。
本实施例更新改造规划范围内居住地块规划实施前后的社区生活圈平均半径由1901米降低至1431米，半径标准差由530米降低至371米，更新改造规划范围内的社区生活圈便利度和均衡度明显优化。
表11规划实施前后更新改造规划范围社区生活圈优化程度
评价指标 现状 规划实施后 趋势
便利度(平均半径) 1901米 1431米 变好
均衡度(半径标准差) 530米 371米 变好
进一步地，根据上述计算方法测算，本实例规划方案实施后，规划范围以外且位于单元内的周边绝大部分居住地块的社区生活圈半径均较现状有所下降，说明社区生活的便利性有所提升，改造方案实施后对周边整体影响较好。
但需要注意的是，规划范围南部地块有少量社区生活圈半径增加的情况，可能原因是改造方案内绝大部分公共服务设施集中在方案北部，且拆除了原位于方案南部的部分公共服务设施，并改造为了居住地块，增加了规划范围南部的公共服务设施压力，如图7所示。
基于规划改造前后社区生活圈的优化程度及其影响评估结果，规划方案整体合理，但建议规划方案进一步优化方案中的公共服务设施布局，尤其考虑在改造方案规划范围南侧减少部分居住用地，并增配一些公共服务设施。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。

Claims (10)

1.一种社区生活圈的模拟测度方法，其特征在于，包括以下步骤：
基于社区的规划方案，生成规划实施后的规划空间数据底板；
加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标；
基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标；
根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区；
获取样本社区的基站间日常活动OD联系数据表，将基站间日常活动OD联系数据表转换为样本社区内的现状地块间日常活动OD联系数据表；
基于重力模型建立地块间的日常活动联系模拟预测模型，构建日常活动联系频次与地块自变量指标间的多元线性回归方程；
测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表；
将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型；
基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；
基于预测日常活动联系频次，预测规划实施后单个规划居住地块的规划社区生活圈边界；
逐块预测社区规划方案中各规划居住地块在规划实施后的规划社区生活圈边界，叠加形成该社区规划实施后的整体规划社区生活圈边界。
2.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，基于社区的规划方案，生成规划实施后的规划空间数据底板，具体包括：
加载规划方案的项目边界，生成规划范围的矢量数据；所述矢量数据为矢量面图形；
通过ArcGIS擦除工具，筛选得到规划范围外的现状空间数据，所述现状空间数据包括现状土地利用、交通路网和建筑房屋面；
加载规划方案的规划空间数据；所述规划空间数据包括规划土地利用、交通路网和建筑房屋面；
通过合并工具，将所述规划空间数据与规划范围外的现状空间数据合并，生成规划实施后的规划空间数据底板。
3.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标，具体包括：
加载所述规划空间数据底板；
识别规划方案所在研究单元，通过ArcGIS相交工具，将规划方案所在研究单元与规划空间数据底板相交，得到规划方案所在研究单元的规划空间数据；
测算规划方案所在的研究单元规划实施后的规划空间指标值；所述规划空间指标值包括容积率、建筑密度、人口密度和居住建筑量占比；
通过导出至EXCEL工具，将规划实施后的规划空间指标记录在excel表格中。
4.根据权利要求3所述的一种社区生活圈的模拟测度方法，其特征在于，根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区，具体包括：
获取规划空间指标，基于±30％设置各项规划空间指标的阈值；
根据各项空间指标的阈值的交集，在研究城市的矢量数据中识别得到样本社区；其中，阈值交集表达式如下：
C＝A1∩A2∩A3∩A4 (公式1)；
其中，A1、A2、A3、A4表示规划方案所在单元的各项规划空间指标±30％的阈值；
利用ArcGIS工具导出至地理数据库工具，将识别出的现状研究单元的空间边界导出并保存得到样本社区.shp文件，作为后续分析的样本社区边界。
5.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，获取样本社区的基站间日常活动OD联系数据表，将基站间日常活动OD联系数据表转换为样本社区内的现状地块间日常活动OD联系数据表，具体包括：
基于居民的客观活动规律，通过手机信令数据识别得到居住地基站、工作地基站和日常活动地基站；
筛选样本社区内的每个居民的每次日常活动OD联系数据；
叠加所有居民的居住地基站和所有日常活动地基站间的联系量，汇总形成各基站间的日常活动OD联系数据表；
通过ArcGIS创建泰森多边形的功能，根据基站的位置信息，生成每个基站的服务区域；
通过ArcGIS工具，将每个服务区域与对应研究单元的现状土地利用数据进行叠合和相交；
计算每个现状用地地块在基站的服务区域中所占的面积比例；
依据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动OD联系频次数据分解到地块上，形成居住地块与活动地块间的OD联系频次矩阵；
经过汇总计算，形成所有居住地块与活动地块间的日常活动OD联系数据表，得到现状地块间日常活动OD联系数据表。
6.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，基于重力模型建立地块间的日常活动联系模拟预测模型，构建日常活动联系频次与地块自变量指标间的多元线性回归方程，具体包括：
基于居住活动出行发生量、活动地吸引力和两者间交通阻抗构建重力模型，建立地块间的日常活动联系模拟预测模型，生成多元线性回归方程的初始表达式；
基于居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建指标体系，筛选居住地块和活动地块间的特征自变量指标，特征自变量指标作为重力模型的解析参数；
将特征自变量指标代入多元线性回归方程，构建地块间日常活动联系频次与地块特征自变量指标间的数理关系，具体公式如下所示：
ln(Qij)＝lnk+aln(Oi1*Oi2)+βln(Dj1*Dj2(d))-γln(Rij1*Rij2(c)) (公式2)；
其中，Qij代表居住地块i和活动地块j间的活动联系次数，Oi1为人口密度指标，Oi2为建筑总量指标，Dj1为设施规模指标，Dj2(d)为设施等级指标，Rij1为步行距离指标，Rij2(c)为步行障碍指标。
7.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表，具体包括：
获取样本社区的居住地块，测算居住地块的人口密度Oi1和建筑总量Oi2指标；
筛选样本社区中与居住地块存在日常活动联系的活动地块，测算活动地块的设施规模Dj1和设施等级Dj2(d)指标；
测算所述居住地块与所述活动地块间的步行距离Rij1和步行障碍Rij2(c)；
计算样本社区所有居住地块和活动地块间的自变量指标值，并将地块间的日常活动OD联系作为因变量Qij，整理汇总形成样本社区的回归变量指标表。
8.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型，具体包括：
通过所述多元线性回归方程，对样本社区的回归变量指标表中的各项指标取对数处理；
将处理后的回归变量指标表加载至SPSS软件，计算求出待定系数值；
将计算出的待定系数值代入所述多元线性回归方程中，生成样本社区的日常活动联系频次与地块自变量指标的定量模型。
9.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次，具体包括：
生成规划预测的最大空间范围的地块范围，具体为，基于规划空间数据底板，将规划方案所在研究单元的各居住地块5公里半径区域所涉及的全部建设用地地块，作为规划预测的最大空间范围的活动地块；
分别测算规划实施后规划预测的最大空间范围内的所有地块的各项因子自变量指标，具体包括：
规划实施后该居住用地地块的人口密度Oi1和建筑总量Oi2指标；
规划实施后各活动地块的设施规模Dj1和设施等级Dj2(d)指标；
基于规划实施后的交通路网矢量底板测算反映居住地块质心与活动地块质心之间的交通阻抗的步行距离Rij1和步行障碍Rij2(c)指标；
将自变量指标代入所述定量模型中，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；梳理形成规划实施后的规划地块间的日常活动OD联系数据表。
10.根据权利要求1所述的一种社区生活圈的模拟测度方法，其特征在于，基于预测日常活动联系频次，预测规划实施后单个规划居住地块的规划社区生活圈边界，具体包括：
根据规划实施后的规划地块间的日常活动OD联系数据表，汇总统计每个规划居住地块与其最大空间范围内活动地块日常活动联系频次总量；
累计规划居住地块与其最大空间范围内的地块间预测的日常活动联系频次，由单个规划居住地块出发，基于规划矢量路网，按照各规划居住地块质心与最大空间范围内各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计；
其中，当累计频次达到该规划居住地块最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围划定为该规划居住地块的规划社区生活圈边界。
CN202111017222.0A 2021-08-31 2021-08-31 一种社区生活圈的模拟测度方法 Active CN113657688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111017222.0A CN113657688B (zh) 2021-08-31 2021-08-31 一种社区生活圈的模拟测度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111017222.0A CN113657688B (zh) 2021-08-31 2021-08-31 一种社区生活圈的模拟测度方法

Publications (2)

Publication Number Publication Date
CN113657688A true CN113657688A (zh) 2021-11-16
CN113657688B CN113657688B (zh) 2022-04-01

Family

ID=78482623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111017222.0A Active CN113657688B (zh) 2021-08-31 2021-08-31 一种社区生活圈的模拟测度方法

Country Status (1)

Country Link
CN (1) CN113657688B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114817427A (zh) * 2022-02-28 2022-07-29 中国城市建设研究院有限公司 适老小区筛选方法、装置、电子设备及计算机可读介质
CN115099542A (zh) * 2022-08-26 2022-09-23 深圳市城市交通规划设计研究中心股份有限公司 跨城通勤出行生成和分布预测方法、电子设备及存储介质
CN115687549A (zh) * 2022-09-28 2023-02-03 广州市城市规划设计有限公司 一种快速高效的生活圈划定方法、装置、设备及介质
CN116415499A (zh) * 2023-04-07 2023-07-11 广州市城市规划勘测设计研究院 一种社区舒适感模拟预测方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622346A (zh) * 2017-09-13 2018-01-23 广州市城市规划勘测设计研究院 一种公共设施布局均衡性评估方法
CN108520142A (zh) * 2018-04-04 2018-09-11 兰州交通大学 一种城市群边界识别方法、装置、设备及存储介质
KR20180104367A (ko) * 2017-03-13 2018-09-21 한국전자통신연구원 커뮤니티를 위한 수요 반응 서비스 실행 방법 및 수요 반응 서비스 실행 시스템
CN110413713A (zh) * 2019-06-28 2019-11-05 广东省城乡规划设计研究院 一种基于复杂性网络分析及其空间效应评价方法
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
CN111275597A (zh) * 2020-01-16 2020-06-12 华南理工大学 社区生活圈空间识别方法、系统、计算机设备及存储介质
CN112069573A (zh) * 2020-08-24 2020-12-11 深圳大学 一种基于元胞自动机的城市群空间模拟方法、系统及设备
CN112087716A (zh) * 2020-08-17 2020-12-15 同济大学 社区生活圈边界测度方法、系统、计算机设备及存储介质
CN112348404A (zh) * 2020-11-26 2021-02-09 广州市白云区城市规划设计研究所 一种村庄规划实施评估系统
CN112949997A (zh) * 2021-02-04 2021-06-11 上海营邑城市规划设计股份有限公司 用于城市规划设计中的社区画像的系统和方法
CN113032504A (zh) * 2021-03-15 2021-06-25 北京农业智能装备技术研究中心 村镇社区公共服务时空数据汇聚方法及装置
CN113284030A (zh) * 2021-06-28 2021-08-20 南京信息工程大学 一种城市交通网络社区划分方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180104367A (ko) * 2017-03-13 2018-09-21 한국전자통신연구원 커뮤니티를 위한 수요 반응 서비스 실행 방법 및 수요 반응 서비스 실행 시스템
CN107622346A (zh) * 2017-09-13 2018-01-23 广州市城市规划勘测设计研究院 一种公共设施布局均衡性评估方法
CN108520142A (zh) * 2018-04-04 2018-09-11 兰州交通大学 一种城市群边界识别方法、装置、设备及存储介质
CN110413713A (zh) * 2019-06-28 2019-11-05 广东省城乡规划设计研究院 一种基于复杂性网络分析及其空间效应评价方法
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
CN111275597A (zh) * 2020-01-16 2020-06-12 华南理工大学 社区生活圈空间识别方法、系统、计算机设备及存储介质
CN112087716A (zh) * 2020-08-17 2020-12-15 同济大学 社区生活圈边界测度方法、系统、计算机设备及存储介质
CN112069573A (zh) * 2020-08-24 2020-12-11 深圳大学 一种基于元胞自动机的城市群空间模拟方法、系统及设备
CN112348404A (zh) * 2020-11-26 2021-02-09 广州市白云区城市规划设计研究所 一种村庄规划实施评估系统
CN112949997A (zh) * 2021-02-04 2021-06-11 上海营邑城市规划设计股份有限公司 用于城市规划设计中的社区画像的系统和方法
CN113032504A (zh) * 2021-03-15 2021-06-25 北京农业智能装备技术研究中心 村镇社区公共服务时空数据汇聚方法及装置
CN113284030A (zh) * 2021-06-28 2021-08-20 南京信息工程大学 一种城市交通网络社区划分方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DAILIN ZHOU: "EXAMINATION OF THE 15-MINUTE LIFE CYCLE PROGRAM OF A CHINESE MEGA CITY:CASE STUDY OF GUANGZHOU", 《THE SUSTAINABLE CITY XIII》 *
刘耀林等: "基于手机数据的城市内部就业人口流动特征及形成机制分析――以武汉市为例", 《武汉大学学报(信息科学版)》 *
柴彦威 等: "社区生活圈的新时间地理学研究框架", 《地理科学进展》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114817427A (zh) * 2022-02-28 2022-07-29 中国城市建设研究院有限公司 适老小区筛选方法、装置、电子设备及计算机可读介质
CN115099542A (zh) * 2022-08-26 2022-09-23 深圳市城市交通规划设计研究中心股份有限公司 跨城通勤出行生成和分布预测方法、电子设备及存储介质
CN115099542B (zh) * 2022-08-26 2023-02-03 深圳市城市交通规划设计研究中心股份有限公司 跨城通勤出行生成和分布预测方法、电子设备及存储介质
CN115687549A (zh) * 2022-09-28 2023-02-03 广州市城市规划设计有限公司 一种快速高效的生活圈划定方法、装置、设备及介质
CN115687549B (zh) * 2022-09-28 2024-04-02 广州市城市规划设计有限公司 一种快速高效的生活圈划定方法、装置、设备及介质
CN116415499A (zh) * 2023-04-07 2023-07-11 广州市城市规划勘测设计研究院 一种社区舒适感模拟预测方法
CN116415499B (zh) * 2023-04-07 2024-02-27 广州市城市规划勘测设计研究院 一种社区舒适感模拟预测方法

Also Published As

Publication number Publication date
CN113657688B (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
CN113657688B (zh) 一种社区生活圈的模拟测度方法
CN113642928B (zh) 应用于城市更新的社区生活圈的规划模拟测度与评价方法
CN109978224B (zh) 一种分析获取不同性质建筑的交通出行率的方法
CN106909692B (zh) 一种计算城市公共设施覆盖辐射指数的方法
WO2022198963A1 (zh) 基于大数据的商业空间品质评价方法、系统、设备及介质
CN107292484A (zh) 基于城市空间大数据的城市再开发土地识别方法及系统
CN110413855B (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN113112068A (zh) 一种村镇公共设施选址布局的方法及其系统
CN114202146A (zh) 村镇社区公共服务便利性评价方法及装置
CN112288311A (zh) 一种基于poi数据的居住区配套设施便捷度计量方法
CN110705904A (zh) 一种在线交通承载能力评价系统
CN112966900A (zh) 基于改进潜能模型的养老机构可达性评估方法
CN117196197A (zh) 一种公共交通站点布局优化方法
CN116437291A (zh) 一种基于手机信令的文化圈规划方法和系统
CN110728433B (zh) 一种基于手机信令的地块居住人口测算方法
CN110288125B (zh) 一种基于手机信令数据的通勤模型建立方法及应用
CN112954623A (zh) 一种基于手机信令大数据的居民入住率估算方法
CN115049215A (zh) 一种城市交通流量空间分布模型的构建方法
CN115456295A (zh) 轨道新线开通客流分析方法以及分析系统
Aydinoglu et al. Determining parking demand and locating parking areas using geographic analytics methods
CN115600855A (zh) 基于gis的城市规划用地强度分区方法、系统及存储介质
NL2032723A (en) A method to evaluate the walkable accessibility of public service facilities at street unit level
Qiu et al. RPSBPT: A route planning scheme with best profit for taxi
CN116957280A (zh) 基于供需平衡的山地村镇社区生活圈公服设施配置方法
CN116502837B (zh) 一种基于大数据的体育设施配置方法、装置及储存介质

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