CN113792999A - 一种基于时空大数据平台的智慧选址系统及方法 - Google Patents

一种基于时空大数据平台的智慧选址系统及方法 Download PDF

Info

Publication number
CN113792999A
CN113792999A CN202111011821.1A CN202111011821A CN113792999A CN 113792999 A CN113792999 A CN 113792999A CN 202111011821 A CN202111011821 A CN 202111011821A CN 113792999 A CN113792999 A CN 113792999A
Authority
CN
China
Prior art keywords
index
evaluation
indexes
site selection
big data
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
CN202111011821.1A
Other languages
English (en)
Inventor
林本江
闫冬
王潇
李嵩
赵奕
于卫红
邵洋
丁灿
李诗林
李星阳
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.)
Jinan Planning And Design Institute
Original Assignee
Jinan Planning 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 Jinan Planning And Design Institute filed Critical Jinan Planning And Design Institute
Priority to CN202111011821.1A priority Critical patent/CN113792999A/zh
Publication of CN113792999A publication Critical patent/CN113792999A/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
    • 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
    • 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
    • G06Q10/06315—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)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及智慧城市选址方法技术领域，尤其是涉及一种基于时空大数据平台的智慧选址系统及方法。本发明的一种基于时空大数据平台的智慧选址系统及方法，其在项目选址过程中综合智慧决策底图整合方法、地块筛选方法、指标评价系统和方案评价方法，可为项目选址提供依据有效的技术支撑，辅助实现精准规划。

Description

一种基于时空大数据平台的智慧选址系统及方法
技术领域
本发明涉及智慧城市选址方法技术领域，尤其是涉及一种基于时空大数据平台的智慧选址系统及方法。
背景技术
新时代国土空间规划体系将推动新型智慧城市的建设，实现城市治理体系和治理能力智慧化。随着各地数字城市地理空间框架建设项目的全面完成，智慧城市时空大数据平台试点工作正在各地开展，智慧选址决策支持系统作为智慧城市时空大数据平台的重要组成部分，是国土空间规划成果得以应用的信息化载体。
现阶段选址规划项目更多停留在人工层面，导致基础数据收集效率低、选址指标测算模糊困难，选址结果受主观意识影响严重，而且多数项目选址时间紧，难以对所有用地进行全面统筹，无法保证选址的准确性与科学性。如何充分的利用时空大数据信息，通过融合、挖掘数据，形成一套项目选址的决策底图，搭建灵活、科学、高效的智慧选址系统，还需进一步的研究。
近年来，专家学者在选址规划方面进行了相关的研究，建立了选址决策模型和评价指标体系，互联网公司相继开发了智能选址系统，为实体店经营者提供门店智能选址与优化服务。以上的研究和应用更多的集中于超市、银行网点等零售行业的选址，对于政府的招商引资、规上企业、集团总部等项目的选址未能进行充分考虑。
发明内容
为了解决现有技术的问题，本发明提供了一种基于时空大数据平台的智慧选址系统及方法，其在项目选址过程中综合智慧决策底图整合方法、地块筛选方法、指标评价系统和方案评价方法，可为项目选址提供依据有效的技术支撑，辅助实现精准规划。
本发明所采用的技术方案如下：
一种基于时空大数据平台的智慧选址系统，包括：
需求分析模块，所述的需求分析模块用于根据项目类型、规模以及项目周边的条件需求，得到决策底图数据；
条件筛选模块，所述的条件筛选模块用于根据基础条件、区域位置、交通条件、配套设施和兴趣点，对所述的需求分析模块得到的决策底图数据进行筛选，得到备选方案；
方案评价模块，所述的方案评价模块用于根据建立的评价指标体系，通过建立选址决策模型，利用所述的选址决策模型对所述的备选方案进行评价决策，得到最终推荐方案的集合。
方案评价模块中，所述的评价指标体系包括社会经济因素指标、环境因素指标、交通设施条件指标和交通可达性指标；
所述的社会经济因素指标包括周边产业配套条件指标和周边生活配套条件指标，定义为效益类指标；
所述的环境因素指标包括周边高能耗高污染企业数量指标，定义为成本类指标；
所述的交通设施条件指标包括周边主/次/支路网密度指标，周边停车设施数量指标，周边公交站点数量指标，周边公交线路数量指标，周边轨道站点数量指标，定义为效益类指标；
所述的交通可达性指标包括30min小汽车可达区域指标，定义为效益类指标；所述的交通可达性指标还包括与航空枢纽空间距离指标，与公路客运枢纽空间距离指标，与客运铁路枢纽空间距离指标，与货运枢纽、站场空间距离指标，与高速公路匝道空间距离指标，定义为成本类指标；
所述的成本类指标的算法为：
Figure BDA0003239207340000021
所述的效益类指标的算法为：
Figure BDA0003239207340000022
3、根据权利要求1所述的一种基于时空大数据平台的智慧选址系统，其特征在于，所述的方案评价模块中，所述的选址决策模型采用如下算法：
Figure BDA0003239207340000023
s.t.X∈R(X)
R(X)＝{X|gk(X)≥0，k＝1，2，...，m}
其中：X是选址方案集，R(X)是选址可行方案集，dij为第j个选址方案对应的第i个目标值；Wi为第i个目标指标的总权值，由层次分析法计算得出；
利用熵值法评价指标体系的权重：评价体系中指标个数为m，样本量为n，那么初始数据集合为X＝{xij}n×m(0≤i≤n，0≤j≤m)；其中，Xij表示第i个评价指标在第j个节域下的评价指标值，计算步骤为：
(1)计算各项指标下每个样本指标值的比重Pij：
Figure BDA0003239207340000031
其中，Pij为第i个评价指标在第j个节域下指标值的比重；
(2)计算各项指标的信息熵值：
Figure BDA0003239207340000032
其中，
Figure BDA0003239207340000033
为常数，ei为第i个评价指标的信息熵值，且0≤ei≤1，ei与该系统的混乱程度成反比，即ei＝0时系统为绝对有序状态；
(3)计算各指标的信息效用值：
di＝1-ei
其中di为第i个评价指标的信息效用值；
(4)计算各个指标在综合评价体系中的权重值：
Figure BDA0003239207340000034
一种基于时空大数据平台的智慧选址方法，包括以下步骤：
E、项目需求分析；
F、条件筛选；
G、方案评价
H、生成项目选址方案集合。
步骤A具体包括：
根据项目类型、项目规模、周边条件需求，分析得到项目的需求。
步骤B具体包括：
B1、根据基础条件进行筛选；
B2、根据区域位置进行筛选；
B3、根据交通条件进行筛选；
B4、根据配套设置进行筛选；
B5、根据POI指数进行筛选。
步骤C中，方案评价的具体方法包括：
C1、构建评价指标体系；
C2、建立选址决策模型；
C3、利用所述的选址决策模型对所述的备选方案进行评价决策，得到最终推荐方案的集合。
本发明提供的技术方案带来的有益效果是：
本发明的一种基于时空大数据平台的智慧选址系统及方法，可以理解为“一个数据库和一个分析工具”。一个数据库即容纳可选址空间的基本信息数据库，打通地上、地下和地面基础数据间的孤岛，融合过去、现在和未来的基础数据信息；一个分析工具即用来开展地块比选的分析工具，根据不同企业需求开展个性化、精准化分析。
通过对不同类型企业、不同用地选址需求的分析，本发明的一种基于时空大数据平台的智慧选址系统及方法可以概括为“五筛选、一评价”。
“五筛选”为候选地块库筛选，包括基础条件筛选、区域位置筛选、交通条件筛选、配套设施筛选和POI筛选，另外，将危险性设施、历史文化用地、永久基本农田等因素纳入筛选条件中，满足不同企业在项目选址中的特殊条件，具体筛选指标如图所示。
“一评价”为候选地块库评价，该流程是项目选址的核心功能。体现了选址的内在逻辑，实现了选址分析的智慧化。主要流程包括对候选地块库中的地块进行认知、综合比选，通过电脑对方案进行量化打分；依据地块周边现状条件和未来规划发展的认知，对地块进行定性打分，实现人脑参与；最终依据人脑+电脑的打分结果确定最优地块。
本发明的一种基于时空大数据平台的智慧选址系统及方法，作为国土空间规划智慧化建设的基础设施,是选址工作由人工向智慧化转变的重要探索。其依据“五筛选，一评价”的选址工作流程，对内部与外部的时空大数据信息进行整合与梳理，为项目选址提供了智能决策底图；结合不同企业选址需求，从定性和定量的角度为不同业态构建了选址服务评价指标体系和选址决策模型，实现项目选址智能筛选，提升项目选址的科学性和可操作性；最后利用大数据、云计算及物联网等新一代信息技术搭建了智慧选址系统。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种基于时空大数据平台的智慧选址系统及方法的方法流程图；
图2为本发明的一种基于时空大数据平台的智慧选址系统及方法的条件筛选的方法流程图；
图3为本发明的一种基于时空大数据平台的智慧选址系统及方法的具体实施方式中，地块1与机场间距离计算示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本实施例提供一个XX市智慧选址的具体方案：
步骤一：将XX市控制性规划为基础，剔除非建设用地、公园绿地得到剩余用地P11；
步骤二：以现状建设用地为底图，剔除非建设用地、公园绿地、村庄得到现状开发建设用地P12；
步骤三：汇总已供地数据(工程许可证、工程核实证、用地许可证、出具规划条件、征收落实数据、供地数据、公共服务设施数据)和现状开发建设用地P12作为不可建设用地P13；
步骤四：从P11中剔除P13，并剔除小于0.3公顷的用地，得到剩余可建设用地。
步骤五：根据用地规模、容积率、用地性质等基础条件从剩余可建设用地中初选地块得到P21；
步骤六：根据项目所需的区域(区县、重点建设区、规划控制区或自定义区域)从P21中确定满足区域需求的地块P22；
步骤七：根据项目所需的交通条件(轨道站点距离、客货枢纽距离、高速匝道距离)在P22的基础上选择满足交通需求的地块P23；
步骤八：根据项目所需的配套条件(教育、科技、医疗卫生、文化、体育)在P23的基础上选择满足配套需求的地块P24；
步骤九：根据项目所需的POI条件(银行、绿地、住宅、商业、餐饮、娱乐等)在P24的基础上选择满足POI需求的地块P25；
步骤十：统计地块P25中每个地块的POI设施数量、配套设施数量、道路网密度、距离枢纽可达时间等指标；
步骤十一：计算地块P25中每个地块的经济因素、环境因素、交通设施条件和交通可达性的指标得分。
Figure BDA0003239207340000061
①成本类指标
该类指标的值越高，代表对地块选址的影响越差，则其指标得分越低。主要包括周边燃气站、热电厂、炼油厂等企业数量B3、与航空枢纽距离B10、与公路客运枢纽距离B11、与客运铁路枢纽距离B12、与货运枢纽、站场空间距离B13、与高速公路匝道空间距离B14。
指标评分方法：
Figure BDA0003239207340000062
②效益类指标
该类指标的值越高，则代表地块选址的区位越优，则其指标得分越高。指标主要包括：周边产业配套条件B1、周边生活配套条件B2、周边主/次/支路网密度B4、周边停车设施数量B5、周边公交站点数量B6、周边公交线路数量B7以及周边轨道站点数量B8、30min小汽车可达区域B9.
指标评分方法：
Figure BDA0003239207340000071
③(评价范围优化)距离半径确定公式
地块面积为S，计算周边1公里内的指标数量，评价距离半径r计算公式为：
Figure BDA0003239207340000072
步骤十二：确定每个指标的权重。
在利用熵值法评价指标体系的权重。评价体系中指标个数为m，样本量为n，那么初始数据集合为X＝{xij}n×m(0≤i≤n，0≤j≤m)。其中，Xij表示第i个评价指标在第j个节域下的评价指标值。计算步骤为：
计算各项指标下每个样本指标值的比重Pij：
Figure BDA0003239207340000073
其中，Pij为第i个评价指标在第j个节域下指标值的比重。
计算各项指标的信息熵值：
Figure BDA0003239207340000074
其中，
Figure BDA0003239207340000075
为常数，ei为第i个评价指标的信息熵值，且0≤ei≤1，ei与该系统的混乱程度成反比，即ei＝0时系统为绝对有序状态。
计算各指标的信息效用值：
di＝1-ei
其中di为第i个评价指标的信息效用值。
计算各个指标在综合评价体系中的权重值：
Figure BDA0003239207340000076
步骤十三：确定最优的选址地块。
地块选址评价是一项复杂的多目标决策问题，可将最大化问题转化为求下列选址决策模型的最优化问题,模型如下：
Figure BDA0003239207340000077
s.t. X∈R(X)R(X)＝{X|gk(X)≥0，k＝0，1，2，...，m}
其中：X是选址方案集，R(X)是选址可行方案集，dij为第j个选址方案对应的第i个目标值；Wi为第i个目标指标的总权值，由熵值法计算得出。
下面给出一个具体实例，来说明以上方法：
科技产业园区选址项目。
Figure BDA0003239207340000081
步骤一：在剩余建设可用地1107个地块中，选择用地面积400-800亩的工业用地，得到满足基础条件的地块共29个；
步骤二：在满足基础条件的地块中选择科创大走廊内的用地，得到满足区域位置的地块共5个，标记1-5的编号；
步骤三：通过Dijkstra最短路径法计算每个地块距离交通枢纽的距离，得到满足交通条件的地块共5个如下表。
表1：地块距枢纽最短距离
地块编号 距枢纽最短距离
1 3.7
2 4.9
3 7.1
4 6.5
5 3.8
如图3所示，以地块1与机场间距离计算为例。
步骤3.1集合S＝<地块1>(S为已求出最短路径的顶点集合)，U＝<节点1，节点2，节点3，节点4.机场>(U为未确定最短路径的顶点集合)，D＝0(D为最短路径值)；
步骤3.2计算地块1与临近节点的距离，地块1—节点1＝6，地块1—节点2＝3，最短路径集S＝<地块1，节点2>；
步骤3.3重复步骤3.2计算S至节点3、节点4的距离，直至将机场纳入S集中；
步骤3.4加和计算S集中地块1至机场的最短路径为9。
步骤四：通过Dijkstra最短路径法筛选距地块5km内有医疗设施的地块，得到满足配套设施的地块共2个。
表2：地块距医疗最短距离
地块编号 距医疗最短距离
1 4.9
2 3.7
步骤五：通过Dijkstra最短路径法筛选距地块5km内有住宅小区的地块，得到满足POI的地块共2个，以上两个地块作为方案选择集。
表3：地块距住宅最短距离
地块编号 距住宅最短距离
1 4.5
2 3.6
步骤六：计算地块评价范围优化。
Figure BDA0003239207340000091
地块1评价范围
Figure BDA0003239207340000092
地块2评价范围
Figure BDA0003239207340000093
表4：地块评价范围半径r
地块编号 S值(平方公里) r值(公里)
1 0.36 1.34
2 0.46 1.38
步骤七：统计地块评价因素数据和得分。
(1)产业配套条件
地块1周边产业配套条件，统计半径范围内地块周边银行、税务、会计、会议会展设施共计7家；
地块2周边产业配套条件，统计半径范围内地块周边银行、税务、会计、会议会展设施共计7家；
地块1周边产业配套条件得分:
Figure BDA0003239207340000101
地块2周边产业配套条件得分：
Figure BDA0003239207340000102
(2)生活配套条件
地块1周边生活配套条件，统计半径范围内地块周边餐饮、零售、公寓、住宅、学校、医疗、健身共计15家；
地块2周边生活配套条件，统计半径范围内地块周边餐饮、零售、公寓、住宅、学校、医疗、健身共计18家；
地块1周边生活配套条件得分：
Figure BDA0003239207340000103
地块2周边生活配套条件得分：
Figure BDA0003239207340000104
(3)路网条件
地块1周边路网密度1.98公里/平方公里；
地块2周边路网密度1.20公里/平方公里；
地块1周边路网密度得分：
Figure BDA0003239207340000105
地块2周边路网密度分
Figure BDA0003239207340000106
(4)公交站条件
地块1周边公交站4处；地块2周边公交站5处；
地块1周边公交站得分：
Figure BDA0003239207340000107
地块2周边公交站得分：
Figure BDA0003239207340000108
(5)公交线路条件
地块1周边公交线路2条；地块2周边公交线路3条；
地块1周边公交线路得分：
Figure BDA0003239207340000109
地块2周边公交线路得分：
Figure BDA00032392073400001010
(6)30min可达面积
地块1，30min小汽车可达区域427平方公里；地块2，30min小汽车可达区域431平方公里；
地块1，30min小汽车可达得分
Figure BDA00032392073400001011
地块2，30min小汽车可达得分
Figure BDA00032392073400001012
(7)周边枢纽条件
地块1与航空枢纽距离25.8公里；地块2与航空枢纽距离27.1公里；
地块1与航空枢纽得分
Figure BDA0003239207340000111
地块2与航空枢纽得分
Figure BDA0003239207340000112
地块1与公路枢纽距离14.1公里；地块2与公路枢纽距离15.4公里；
地块1与公路枢纽距离得分
Figure BDA0003239207340000113
地块2与公路枢纽距离
Figure BDA0003239207340000114
地块1与铁路枢纽距离4.9公里；地块2与铁路枢纽距离3.7公里；
地块1与铁路枢纽距离得分
Figure BDA0003239207340000115
地块2与铁路枢纽距离得分
Figure BDA0003239207340000116
地块1与货运枢纽、站场距离20.6公里；地块2与货运枢纽、站场距离21.9公里；
地块1与货运枢纽、站场距离得分
Figure BDA0003239207340000117
地块2与货运枢纽、站场距离得分
Figure BDA0003239207340000118
地块1与高速公路匝道距离8.2公里；地块1与高速公路匝道距离9.8公里。
地块1与高速公路匝道距离得分
Figure BDA0003239207340000119
地块1与高速公路匝道距离得分
Figure BDA00032392073400001110
步骤八：确定每个指标的权重。
8.1：计算各项指标下每个样本指标值的比重
Figure BDA00032392073400001111
其中，Pi为第i个评价指标的比重。
表5：评价指标权重评分表
Figure BDA00032392073400001112
Figure BDA0003239207340000121
8.2：计算各项指标信息熵值
Figure BDA0003239207340000122
其中，
Figure BDA0003239207340000123
为常数，ei为第i个评价指标的信息熵值。
表6：评价指标信息熵表
Figure BDA0003239207340000124
8.3：计算各项指标权重
Figure BDA0003239207340000125
表7：评价指标权重值
Figure BDA0003239207340000131
步骤九：确定最优方案。
选择决策底图中共有可用地块1107个，地块选址方案集为X＝{X1，X2，...，X1107}；
选址目标体系为F(X)＝(f1(X)，f2(X)，......，f1107(X))T
根据筛选流程，可行选址方案集为R(X)＝{X|g1(x)，g2(x)}；
选址方案的评价函数
Figure BDA0003239207340000132
可行选址方案集的评价值分别为f1(X)＝9.0902，f2(X)＝9.2855
选址决策模型的最优化问题
Figure BDA0003239207340000133
max F(X)＝maxj{9.0902，9.2855}＝9.2855
最终得出结论：
科技产业园区选址项目选址最优方案为地块2。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于时空大数据平台的智慧选址系统，包括：
需求分析模块，所述的需求分析模块用于根据项目类型、规模以及项目周边的条件需求，得到决策底图数据；
条件筛选模块，所述的条件筛选模块用于根据基础条件、区域位置、交通条件、配套设施和兴趣点，对所述的需求分析模块得到的决策底图数据进行筛选，得到备选方案；
方案评价模块，所述的方案评价模块用于根据建立的评价指标体系，通过建立选址决策模型，利用所述的选址决策模型对所述的备选方案进行评价决策，得到最终推荐方案的集合。
2.根据权利要求1所述的一种基于时空大数据平台的智慧选址系统，其特征在于，所述的方案评价模块中，所述的评价指标体系包括社会经济因素指标、环境因素指标、交通设施条件指标和交通可达性指标；
所述的社会经济因素指标包括周边产业配套条件指标和周边生活配套条件指标，定义为效益类指标；
所述的环境因素指标包括周边高能耗高污染企业数量指标，定义为成本类指标；
所述的交通设施条件指标包括周边主/次/支路网密度指标，周边停车设施数量指标，周边公交站点数量指标，周边公交线路数量指标，周边轨道站点数量指标，定义为效益类指标；
所述的交通可达性指标包括30min小汽车可达区域指标，定义为效益类指标；所述的交通可达性指标还包括与航空枢纽空间距离指标，与公路客运枢纽空间距离指标，与客运铁路枢纽空间距离指标，与货运枢纽、站场空间距离指标，与高速公路匝道空间距离指标，定义为成本类指标；
所述的成本类指标的算法为：
Figure FDA0003239207330000011
所述的效益类指标的算法为：
Figure FDA0003239207330000012
3.根据权利要求1所述的一种基于时空大数据平台的智慧选址系统，其特征在于，所述的方案评价模块中，所述的选址决策模型采用如下算法：
Figure FDA0003239207330000021
s.t.X∈R(X)
R(X)＝{X|gk(X)≥0，k＝1，2，...，m}
其中：X是选址方案集，R(X)是选址可行方案集，dij为第j个选址方案对应的第i个目标值；Wi为第i个目标指标的总权值，由层次分析法计算得出；
利用熵值法评价指标体系的权重：评价体系中指标个数为m，样本量为n，那么初始数据集合为X＝{xij}n×m(0≤i≤n，0≤j≤m)；其中，Xij表示第i个评价指标在第j个节域下的评价指标值，计算步骤为：
(1)计算各项指标下每个样本指标值的比重Pij：
Figure FDA0003239207330000022
其中，Pij为第i个评价指标在第j个节域下指标值的比重；
(2)计算各项指标的信息熵值：
Figure FDA0003239207330000023
其中，
Figure FDA0003239207330000024
为常数，ei为第i个评价指标的信息熵值，且0≤ei≤1，ei与该系统的混乱程度成反比，即ei＝0时系统为绝对有序状态；
(3)计算各指标的信息效用值：
di＝1-ei
其中di为第i个评价指标的信息效用值；
(4)计算各个指标在综合评价体系中的权重值：
Figure FDA0003239207330000025
4.一种基于时空大数据平台的智慧选址方法，包括以下步骤：
A、项目需求分析；
B、条件筛选；
C、方案评价
D、生成项目选址方案集合。
5.根据权利要求4所述的一种基于时空大数据平台的智慧选址方法，其特征在于，所述的步骤A具体包括：
根据项目类型、项目规模、周边条件需求，分析得到项目的需求。
6.根据权利要求4所述的一种基于时空大数据平台的智慧选址方法，其特征在于，所述的步骤B具体包括：
B1、根据基础条件进行筛选；
B2、根据区域位置进行筛选；
B3、根据交通条件进行筛选；
B4、根据配套设置进行筛选；
B5、根据POI指数进行筛选。
7.根据权利要求4所述的一种基于时空大数据平台的智慧选址方法，其特征在于，所述的步骤C中，方案评价的具体方法包括：
C1、构建评价指标体系；
C2、建立选址决策模型；
C3、利用所述的选址决策模型对所述的备选方案进行评价决策，得到最终推荐方案的集合。
CN202111011821.1A 2021-08-31 2021-08-31 一种基于时空大数据平台的智慧选址系统及方法 Pending CN113792999A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111011821.1A CN113792999A (zh) 2021-08-31 2021-08-31 一种基于时空大数据平台的智慧选址系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111011821.1A CN113792999A (zh) 2021-08-31 2021-08-31 一种基于时空大数据平台的智慧选址系统及方法

Publications (1)

Publication Number Publication Date
CN113792999A true CN113792999A (zh) 2021-12-14

Family

ID=78876682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111011821.1A Pending CN113792999A (zh) 2021-08-31 2021-08-31 一种基于时空大数据平台的智慧选址系统及方法

Country Status (1)

Country Link
CN (1) CN113792999A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114863684A (zh) * 2022-06-07 2022-08-05 中国城市规划设计研究院 一种城市交通网络设施特征分析系统
CN116151839A (zh) * 2023-04-18 2023-05-23 中汽传媒(天津)有限公司 一种汽车售后点动态规划方法及系统
CN116777168A (zh) * 2023-06-29 2023-09-19 浙江万维空间信息技术有限公司 一种最优利用空间的土地智慧推荐方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403255A (zh) * 2017-06-30 2017-11-28 亳州中药材商品交易中心有限公司 中药材价格综合指数评定方法及系统
CN110598921A (zh) * 2019-08-30 2019-12-20 泰华智慧产业集团股份有限公司 基于最短路径算法的建筑项目辅助选址方法及系统
CN112700045A (zh) * 2020-12-31 2021-04-23 武汉市土地利用和城市空间规划研究中心 一种基于土地储备实施监测模型的智能选址系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403255A (zh) * 2017-06-30 2017-11-28 亳州中药材商品交易中心有限公司 中药材价格综合指数评定方法及系统
CN110598921A (zh) * 2019-08-30 2019-12-20 泰华智慧产业集团股份有限公司 基于最短路径算法的建筑项目辅助选址方法及系统
CN112700045A (zh) * 2020-12-31 2021-04-23 武汉市土地利用和城市空间规划研究中心 一种基于土地储备实施监测模型的智能选址系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
夏亮;陈学安;张烈;张成江;高明华;: "住宅小区选址评价指标体系和模型分析", 建筑管理现代化, no. 01, pages 31 - 35 *
游中琼;邹强;: "基于灰色关联理想解法的水库正常蓄水位优选", 人民长江, no. 1 *
许俊波;严广乐;: "基于AHP-TOPSIS模型的电子商务企业配送中心选址综合评价", 农村经济与科技, no. 03 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114863684A (zh) * 2022-06-07 2022-08-05 中国城市规划设计研究院 一种城市交通网络设施特征分析系统
CN116151839A (zh) * 2023-04-18 2023-05-23 中汽传媒(天津)有限公司 一种汽车售后点动态规划方法及系统
CN116151839B (zh) * 2023-04-18 2023-06-27 中汽传媒(天津)有限公司 一种汽车售后点动态规划方法及系统
CN116777168A (zh) * 2023-06-29 2023-09-19 浙江万维空间信息技术有限公司 一种最优利用空间的土地智慧推荐方法

Similar Documents

Publication Publication Date Title
CN113792999A (zh) 一种基于时空大数据平台的智慧选址系统及方法
Yang et al. Does High‐Speed Rail Promote Enterprises Productivity? Evidence from China
Fraile et al. Decision model for siting transport and logistic facilities in urban environments: A methodological approach
US20240013091A1 (en) Identification method of urban functional areas based on mixing degree of functions and integrated learning
CN108182196B (zh) 一种基于poi的城市交通需求预测方法
CN110413855A (zh) 一种基于出租车下客点的区域出入口动态提取方法
Kang et al. Potential of urban land use by autonomous vehicles: Analyzing land use potential in Seoul capital area of Korea
CN114154880A (zh) 一种评价街道单元层面公共服务设施步行可达性的方法
Ahmed et al. A GIS-assisted optimal Baghdad metro route selection based on multi criteria decision making
Bao et al. Optimization of airport shuttle bus routes based on travel time reliability
CN116502781A (zh) 基于gps数据的公交线路规划与影响因素可视分析方法
Ismiyati et al. Control of urban parking based on zoning rates in the context of sustainable transportation
Blachowski et al. Application of multi-criteria analysis in GIS for optimal planning of house development areas. Case study of Wrocław Functional Area
EL ELA et al. MONITORING SOME SMART CITY GEOGRAPHICAL CHARACTERISTICS OF MEDINA IN SAUDI ARABIA.
Esztergár-Kiss et al. Mobility mapping based on a survey from the city of Berlin
Møller-Jensen Assessing spatial aspects of school location-allocation in Copenhagen
Musolino et al. Freight Distribution in Urban Area: Estimating the Impact of Commercial Vehicles on Traffic Congestion
Garipagaoglu et al. Prioritization of smart bicycle cage locations at district level using AHP method: Case of Istanbul
Prah et al. Optimal Bus stops’ allocation: a school Bus routing problem with respect to terrain elevation
Loakaewnoo site selection of Housing Development Projects in thailand and Malaysia border trade Areas by Modified Sieve Analysis
Hoi The Application of GIS Technology in the Management and Development of Ho Chi Minh City.
WIERZBICKA et al. ANALYSIS OF THE PROBLEM OF TRANSPORT EXCLUSION IN POLAND.
Jin et al. Identifying Optimal Rest Spaces for Food Takeaway Workers using Digital Marketing Insights Based on ArcGIS–A Case Study in Xujiahui Street, Shanghai
Qin et al. Identifying Taxi Commuting Traffic Analysis Zones Using Massive GPS Data
TAŞKAYA GROUND RESIDENCE AREA ESTIMATION OF ZONING PLOTS BY SUBSET METHOD IN BLOCK BUILDING ZONING AREAS

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