CN114066272A - 基于人流网络分析的社区公服设施评估方法和系统 - Google Patents
基于人流网络分析的社区公服设施评估方法和系统 Download PDFInfo
- Publication number
- CN114066272A CN114066272A CN202111384768.XA CN202111384768A CN114066272A CN 114066272 A CN114066272 A CN 114066272A CN 202111384768 A CN202111384768 A CN 202111384768A CN 114066272 A CN114066272 A CN 114066272A
- Authority
- CN
- China
- Prior art keywords
- network
- people flow
- ideal
- actual
- public service
- 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 31
- 238000003012 network analysis Methods 0.000 title claims abstract description 13
- 238000009826 distribution Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 6
- 230000011664 signaling Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- IGKGSULCWCKNCA-SRVKXCTJSA-N Glu-Arg-Gly-Met Chemical compound CSCC[C@@H](C(O)=O)NC(CNC([C@H](CCCNC(N)=N)NC([C@H](CCC(O)=O)N)=O)=O)=O IGKGSULCWCKNCA-SRVKXCTJSA-N 0.000 claims 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000007619 statistical method Methods 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001131 transforming effect 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
-
- 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)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人流网络分析的社区公服设施评估方法和系统,其采用了最大流算法和网络统计分析相结合的方法,根据社区公共服务设施和人口分布,构建理想人流网络,其是基于现状设施分布下,使得设施的服务能力得到最大的人流最优解,并将其与根据海量轨迹定位数据构建的实际人流网络进行对比,测度社区公共设施布局存在的供需不平衡问题,识别导致社区供需错配的关键影响因素。本发明从居民时空行为需求视角评估现有社区公共服务设施的布局问题,能够为社区公共设施的精准化配置和布局优化提供科学依据。
Description
技术领域
本发明涉及计算机数据处理技术领域,尤其涉及一种基于人流网络分析的社区公服设施评估方法和系统。
背景技术
社区生活圈是居民日常活动所需各项公共服务设施及其服务范围所构成的空间集合,社区生活圈规划的核心目标是突破传统标准化的配置方式,通过公共服务设施的精准化配置实现供需平衡。目前公共服务设施评估方法主要从空间可达性和空间公平性两方面来评价公共服务的服务范围以及人们获得公共服务的机会和能力。
(1)空间可达性评价:利用最小距离模型法、比例模型法、引力模型法、两步移动搜寻法等可达性评价方法,利用基于距离统一划定的服务半径,对供需匹配关系进行评价。未考虑不同类型居民的差异化需求,不能反设施供给与居民需求的匹配情况。
(2)空间公平性评价:以空间可达性为方法基础,利用洛佩兹曲线等方法,在考虑人口社会经济属性的基础上,评价设施分布的空间公平性和服务均等性,特别关注弱势群体获取医疗、教育、绿地公共服务设施或空间等的机会和能力。从静态视角出发,忽视了居民时空行为特征,不能反映不同群体使用设施的实际情况和动态需求。
上述方法可以测度人们潜在获得服务的机会的公平性和平等性,但它们并没有考虑人们的实际行为需求,不能有效识别公共服务设施供需错配的问题。
发明内容
技术目的:针对上述技术问题,本发明公开了一种基于人流网络分析的社区公服设施评估方法和系统,从人的流动性角度去评估社区现有公共服务设施分布是否可理,充分考虑了人们的实际行为需求,能够有效识别公共服务设施供需错配的问题。
技术方案:为实现上述技术目的,本发明采用了如下技术方案:
一种基于人流网络分析的社区公服设施评估方法,其特征在于,包括步骤:
(1)根据实际的公共服务设施和实际的人口空间分布数据,构建理想人流网络;
(2)基于海量轨迹定位数据,构建实际人流网络;
(3)将理想人流网络与实际人流网络对比,评估社区公共服务设施的分布与人类活动匹配的状态,并利用随机指数图模型ERGM识别出关键影响因素。
作为优选,步骤(1)具体包括步骤:
(1.1)以居住地或工作地点作为源u、公共服务设施作为汇v,构建一个多源多汇的理想人流网络G=(V,E),其中,V表示所有源节点和汇节点,E表示所有边;
(1.2)在理想人流网络中,添加一个虚拟超级源节点S和一个虚拟超级汇节点T,虚拟节点S通过边连接源节点u,虚拟节点T通过边连接汇节点v,网络中的所有流遵循S→u→v→T的路径;
(1.3)定义分配给每条边e∈E有限容量的容量函数c(e):
其中,popi表示源节点i的人口规模,poij表示汇节点j中的POI数量,distij表示源节点i和源节点j之间的距离,eij表示连接源节点i和汇节点j的边,c(eij)表示边eij对应的容量;
(1.4)使用最大流量算法,计算满足以下约束条件的流量函数f(e):
满足约束条件的理想人流网络中,对于任何给定的边,两节点间的流量小于边的容量;各节点流入的数量与流出的数量相匹配。
作为优选,步骤(2)具体包括步骤:
将居住地或工作地点记为网格a、访问的公共服务设施记为网格b,网格a访问网格b,在a和b之间形成连接;
构建一个有向网络作为实际人流网络Ga=(V’,E‘,W),其中,V’表示所有网格a和网格b,E‘是所有连接网格a和网格b的边,W是E‘的权重,E‘根据网格a在一个月内访问网格b的次数计算得出。
作为优选,所述步骤(3)具体包括步骤:
(3.2)通过Diffij=Actualij-Optimalij计算理想人流网络和实际人流网络之间的差异,Actualij和Optimalij表示从网格i到网格j的实际流量和理想流量;
(3.3)根据理想人流网络和实际人流网络之间的差异,得到三个独立的网络,即正网络、负网络和平衡网络,分别代表实际人流流量大于、小于和接近设施理想流量的三种情况;如果正网络在整个评估区域的占比大于预设范围,则区域存在供应不足的问题;如果负网络在整个评估区域的占比大于预设范围,则区域存在供给过剩的问题;正网络和负网络在整个评估区域中交叉的区域,存在供需错配问题;
(3.4)利用随机指数图模型ERGM方法分析正网络、负网络和平衡网络三个网络的影响因素。
作为优选,所述步骤(3.4)中,影响因素包括网络结构因素和节点属性因素;使用的随机指数图模型ERGM模型的公式如下:
一种基于理想和实际人流网络对比的公共服务设施评估系统,其特征在于,包括:
人口分布确定模块,用于采集评估区域内人口分布数据,包括居住人口和就业人口;
公共服务设施分布确定模块,用于采集评估区域内的公共服务设施分布的数据;
理想人流网络构建模块,根据人口分布确定模块和公共服务设施分布确定模块获得的数据,采用最大流量法,构建出一个理想人流网络;
手机信令数据获取模块,根据手机大数据获取每个手机用户的包括出行轨迹、出行时间、活动频率在内的数据;
实际人流网络构建模块,根据手机信令数据获取模块获得的数据,构建一个实际人流网络;
网络对比运算模块,用于对比得到的理想人流网络和实际人流网络之间的差异;通过对比评估区域内,相同的源节点访问相同的汇节点的实际流量和理想流量之间的差异,得出理想人流网络和实际人流网络之间的差异,并得到正网络、负网络和平衡网络三个网络;
随机指数图模型构建模块,利用随机指数图模型ERGM方法分析正网络、负网络和平衡网络三个网络的影响因素;
输出模块:以表格或文字形式输出随机指数图模型构建模块得出的结论。
一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现所述方法。
有益效果:与现有技术相比,本发明具有如下技术效果:
1、本发明提出的方法基于现有公共服务设施和人口的分布情况下,存在使得设施服务能力得到最大的人流最优解这一假设,获得一个可反映出设施的供给情况的理想人流网络;然后通过将理想人流网络与实际人流网络进行对比,可以更好地评估设施供给与需求之间的匹配情况。
2、本发明采用网络统计分析方法,能够识别导致供需错配问题的关键因素,弥补传统方法未考虑居民行为需求的不足,本发明利用海量人类活动轨迹数据集,基于人口流动特征,动态分析社区公共服务设施供给与居民需求的匹配关系,可用于社区公共服务设施的动态评估和监测,发现社区公共服务设施布局存在的问题,为社区公共服务设施布局优化提供决策支撑。
附图说明
图1为本发明基于人流网络分析的社区公服设施评估方法的流程图;
图2为本发明所列实施例的研究区域的示意图,其中,(a)表示研究区域,(b) 表示公服设施分布,(c)表示居住人口分布,(d)表示就业人口分布;
图3为图2所示区域中实际人流网络和理想人流网络的示意图;
图4为图2所示区域中实际人流网络和理想人流网络的偏斜度分布示意图;
图5为采用本发明方法对图2所示区域供需匹配情况的分析结果示意图。
具体实施方式
下面结合附图对本发明做详细的说明。
本发明提出了一种基于理想和实际人流网络对比的社区公共服务设施评估方法,包括步骤:(1)基于公共服务设施分布和人口的空间分布,估算使得设施服务能力得到最大的理想人流网络;(2)使用海量轨迹定位数据计算实际人流网络;(3)通过理想与实际人流网络的对比,找出公共服务设施与人类活动不匹配的问题,进而利用随机指数图模型(ERGM)识别造成这些问题的建筑环境、人口和网络结构因素。步骤(1) 中的人口空间分布可以是用手机数据估算的居住地人口,即通过手机数据识别出用户的居住地,进而统计各节点/网格的居住人口数量,也可以用普查数据。
(1)理想人流网络估算
在城市系统中,有多个源(居住地)和汇(公共服务设施),表明人们迁入和迁出的位置。标准的单源单汇最大流量问题旨在找到一个解决方案,以便通过网络将最大流量从给定源发送到给定汇。本发明将理想人流网络建模为多源多汇最大流量问题。多源多汇最大流问题的典型解决方案是通过添加虚拟超级源节点S和虚拟超级汇节点T将其简化为单个问题。虚拟节点S以无限容量的边连接到所有源节点u,虚拟节点T以相同的方式连接到所有汇聚节点v。
通过定义一个图G=(V,E),其中V表示图中的所有节点,E表示所有边,一组指定为源的节点集s,一组指定为汇的节点集t,以及一个分配给每条边e∈E有限容量的容量函数c(e)。其中c(e)≥0,c(e)定义如下:
distij表示节点i和节点j之间的距离,eij表示连接源节点i和汇节点j的边,c(eij)表示边eij对应的容量。
本发明面向规划和建设15分钟社区生活圈的实践需求,而规划15分钟城市的一个关键是在15分钟时间阈值内确定可进入区域。本发明中以步行作为主要的出行模式。假设平均步行速度为每小时6公里,使用1.5km作为设施提供服务的阈值。考虑到计算复杂性,此处使用的是欧几里德距离,边容量的计算取决于边连接的两个节点之间的距离。如果距离超过1.5km,则边的容量等于零,因为不会产生人口流动(方程1)。对于距离小于1.5km的两个节点,连接两个节点的边的容量根据人口数量和POI数量使用重力模型计算。重力模型Tij=αθiθjf(rij)中,其中Tij表示节点i和节点j之间的流量,θi与θj表示与从i出发或到达j的出行数量有关的因素,f(rij)表示从i到j出行的成本效应,通常表示为距离的函数,α是常数。本发明中,考虑从源节点i到汇聚节点j的流量与节点i中的人口数和节点j的吸引力成正比,其中节点j的吸引力由POI数量来量化。因此,如果两个节点之间的距离小于或等于1.5km,边的容量计算使用方程2进行计算,其中popi表示源节点i的人口规模(包括居住人口和就业人口),poij表示汇节点j中的 POI数量,即公共服务设施数量。
最大流量计算使用满足以下约束条件的流量函数f(e):
对于任何给定的边,两节点间的流量小于边的容量(方程式3)。此外,网络中的所有流都遵循S→u→v→T这样的路径,S,T是网络中虚拟的源和汇节点,u,v网络中实际的源和汇节点。等式4确保流入的数量与流出的数量相匹配,从而确保网络中没有剩余流。在求解最大流问题的各种算法中,考虑到其计算效率,可采用了Dinic算法,首先通过将虚拟源节点连接到所有源节点、虚拟汇节点连接到所有汇节点、源节点连接到汇节点来构造图Go。
Dinic算法代码
(2)实际人流网络构建
首先,根据人类活动轨迹数据识别每个个体的活动点。通过停留时长与停留时间规则设置,如果一个人在一个地点停留超过30分钟,该地点将被视为活动点,个人白天访问的第一个和最后一个地点记录为活动点,对于每个个人,其居住和工作地点根据以下规则进行识别:居住地点是个人在连续一个月的晚上9点到早上8点期间访问最多的活动点;工作地点是个人在连续一个月的上午9点到下午5点期间访问最多的活动点。然后根据确定的居住和工作地点计算每个空间单元的居住人口和就业人口,从而建立人口数据库。对于每个人来说,非工作活动点与其居住位置相连。
然后在网格级别聚合个体的出行。对于每对网格(a,b),如果有人居住在网格a中并访问网格b,则在a和b之间形成连接。构造一个有向网络Ga=(V,E,W),其中V是用户居住或访问的网格,E是连接人们居住和访问的地方的边,W是边的权重,该权重由居住在网格a中的人在一个月内访问网格b的次数计算得出。网格a和网格b,相当于前面的源节点i和汇节点j。
(3)供需不匹配问题识别
为了使两种网络具有可比性,使用对任意两个网格之间的流量进行标准化处理,其中fo是任意两个网格之间的流量,fmax与fmin是实际或理想网络的最大值和最小值。通过Diffij=Actualij-Optimalij计算两个网络之间的差异, Actualij和Optimalij表示从网格i到网格j的实际流量和理想流量。由于实际和理想网络之间的差值分布接近正态分布,本发明考虑两个网络流量差值在两个标准差以下或以上的差值是异常的。在此基础上得到三个独立的网络,即正网络、负网络和平衡网络,代表实际人流流量大于、小于和接近设施理想流量的三种情况。
如果正或负网络占比大于2平方公里(即8个连续网格)的区域中的80%的网络,则认为该区域存在供应不足(正网络占主导地位)或供给过剩(负网络占主导地位)。否则,该区域将被视为存在供需错配问题,因为该区域内的积极因素和消极因素的比例非常接近。
进一步,利用ERGM方法分析三个网络的影响因素。ERGM是用于推理驱动网络中链接形成的动机。除了网络的描述性统计外,ERGM还研究了影响网络链路存在的机制。
通常认为两种类型的因素会影响网络中链路的出现。一是内生效应,如网络结构。假设网络中形成链路的概率取决于出现其他链路的概率。另一种是外部效应,如节点属性,假设链路的概率受链路连接的节点属性的影响。
ERGM识别内生变量和外生变量的统计显著性,并基于系数估计量化变量的影响。方程5是ERGM模型的一种常用形式。
为了获得一个合理的概率分布,网络的概率通过在一组具有相同数量节点的可能网络X中加上网络结构参数x来标准化。参数θ是根据使用马尔可夫链莫特卡洛(MCMC) 模拟生成的相同分布的一组图估计的。识别使图形的可能性最大化的参数。解释变量的影响通过θ的系数估计来量化。如果节点属性变量的估计系数显著为正,则链接更有可能连接具有此类属性的节点。
实施例:
案例研究在中国某城市进行。根据2020年第七次全国人口普查,该市行政面积6600 平方公里,总人口930万。中心城区由四部分组成:主城、副城一、副城二和副城三,如图2所示。
1、实际和理想网络的特征
对于这两个网络,较高的流量集中在人口密度较高的区域,如图3所示。然而,在设施理想网络中观察到更强的流聚集模式。这两个网络的描述性统计进一步表明了网络之间的差异,参照表1。节点的数量表示人口移入或移出的网格单元数。在本研究中,这一数字受人口和公共设施所在地的影响。实际人流网络的节点数量略少,这表明一些本来应该有人流的网格单元丢失了。边的数量表示不同网格之间存在的连接数。与实际人流网络相比,设施理想网络的边缘数量要小得多,这表明某些节点对之间没有交互作用。网络密度测量了网络中节点交互的密度。受较低边数的影响,设施理想网络也具有较低的网络密度。
表1实际和理想网络的描述性统计
节点数量 | 边数量 | 密度 | 节点度均值 | |
实际人流网络 | 3364 | 56380 | 0.00498 | 16.76 |
设施理想网络 | 3486 | 16827 | 0.00139 | 4.83 |
在有向图中,节点度是与节点相邻的链接数。设施理想网络的节点度均值要低得多。对节点度分布的进一步检查表明,实际人流网络具有偏斜度分布,而设施理想网络的度分布接近正态分布,如图4所示。这一结果证实了一个假设,即理想情况下,15分钟城市生活圈规划的目标是实现公共设施的更均匀分布。鼓励人们使用附近的设施,从而实现更均匀分布的网络模式。实际人流网络表明,相当多的节点在网络中拥有大量链路(近 15%的节点的节点度为54)。确定的偏态分布表明,与其他网格相比,节点度高的网格具有更强的吸引力,并且可能会因人流过多而超载。
2、实际和理想网络的对比
基于实际人流网络和设施理想网络之间的比较,生成正网络(理想人流小于实际人流)和负网络(理想人流大于实际人流)。参照表2,描述性统计表明,与负网络相比,正网络具有较少的节点和边,但具有较高的网络和较大的平均节点度,表明负网络中存在更明显的连接。
表2正网络和负网络的描述性统计
节点数量 | 边数量 | 密度 | 节点度均值 | |
正网络 | 663 | 1201 | 0.00273 | 1.81 |
负网络 | 1399 | 2029 | 0.00103 | 1.45 |
从空间角度来看,正网络中理想人流小于实际人流显著的区域主要分布在主城和副城的郊区,而负网络中理想人流大于实际人流显著的区域则出现在主城,如图5所示。然而,两个网络之间存在一些空间重叠(即,区域同时存在正网络和负网络)。
ERGM进一步用于确定与两个网络形成相关的关键因素,参照表3。对于内生变量,变量边数是表示网络中边数的网络统计信息。它类似于线性回归模型的截距,对结果影响不大。互惠性揭示了一对节点具有相互关系的可能性,其在正网络中具有显著的积极意义。也就是说,在这两个网络中,如果存在从节点i到节点j的流,则极有可能存在从节点j到节点i的流。到市中心的距离与两个网络的形成负相关。
表3 ERGM结果
2.1正网络
ERGM模型的结果表明,居住人口对正网络的形成具有积极影响,表明更多的人会产生更高的需求,从而提高流动性水平。商业和生活设施POI与正网络的形成正相关,而体育和文化POI则相反(β=-1.62,p<0.05)。商业和生活POI通常与人员流动性增加相关,而主要的体育设施POI和文化设施POI通常位于人口密度和流动性相对较低的地方。
2.2负网络
居住人口和就业人口都与负网络的形成呈正相关。路网密度、人行道密度和商业设施POI对于负网络也很重要。更高的人口密度和服务泊松被认为会产生大量的流动性流。然而,当一些人口和商业密集地区的实际流动性低于预期时,可能会发生这种情况,这表明供需之间存在潜在的不匹配。休闲POI、体育POI和医疗POI数量较多的地区,其流动性可能高于最佳情况。
2.3供需不匹配问题
在比较两个网络和ERGM结果的基础上,进一步归纳了供需不匹配问题及其成因。考虑到存在正网络和负网络共存的领域,本发明将供需失衡问题分为三类:供给不足、供给过剩和供需不匹配。图5显示了已确定的供需失衡问题的空间分布,并突出了几个具有代表性的地方。
2.3.1供应不足
如图5中的示例1为奥运村,存在供应不足的问题。奥运村建于2014年,一些公寓后来被重新开发为商品房,并于2019年向公众开放。EGRM结果表明,商业POI和积极网络之间存在正相关关系,在奥运村的情况下,奥运村周围的服务设施正在转型,因为它们主要是为来体育场的人设计的。没有足够的服务设施来满足日益增多的当地居民的日常需求可能是确定的供应不足问题的关键。
2.3.2供给过剩
供应过剩的问题主要出现在主城和三个副城的郊区。与负网络的ERGM结果一致,公共设施的过度供应可能发生在服务设施POI充足且道路密度高的地方。
在副城中,大学校园周围的地方普遍存在供应过剩的问题,如图5中的示例2、3、4。大学内通常设有便利商店、餐厅、健身房、银行和诊所等周边居民无法进入的设施。最佳流动网络的估计没有考虑到这种情况,可能会在大学设施和当地居民之间有流动产生。此外,大学附近通常有商务服务、生活服务和娱乐设施。一方面,所观察到的供应过剩表明,可能会为大学生开发更多必要的便利设施。另一方面,设施主要是为大学生开发的,可能无法满足当地居民的需求,导致他们转而使用更远的设施(即在15分钟可达区之外)。因此,设施的活力低于预期。
高速公路和立交桥周围的一些地方也存在供应过剩的问题,如图5中的示例4、5。以宏运大道为例,住宅区和服务设施群虽然在步行距离之内,但被一条立交桥隔开。居民不能步行前往服务设施,也不能选择使用附近的服务设施。此外,几家受欢迎的大卖场相距3-4公里(10-15分钟车程),吸引了更多的当地居民来到大卖场而不是附近的卖场。这与ERGM结果一致,因为在负网络中,不太可能确定相互影响,这可能是因为公路和立交桥道路将社区分隔开,或使居民其难以步行到达。
2.3.3供需错配
主城和副城的中心部分都存在供需错配的问题。在主城区,公共设施供应充足,人类活动活跃。主城区的公共设施通常不仅服务于附近的居民,而且服务于整个城市的居民。如图5中的例6,是该城市最繁忙的商业区,吸引着来自城市周围甚至附近城市的人们。尽管该区拥有丰富的公共设施,但一些设施,如豪华购物或高端餐饮业务,可能无法满足当地居民的日常需求。因此,观察到供需不匹配,因为居民可能会前往不在步行距离内的便利设施,以获得适当的服务。在副城三,如图5中的示例7,中也观察到类似的情况,因为确定的区域正在发展成为副城的新中心,并吸引来自城市其他部分的人。
在副城一和副城二,供需错配的问题主要出现在工业园区附近,如图5中的示例8、9。这些相对新建的工业园区大多是为高科技公司开发的,并为工人提供了充足的城市服务。然而,工人的需求和当地居民的需求之间可能存在差异。以工业园区为例,园区位于老中心城市与新副城市的交界处,由以高层管理人员或工人收入较高的新型高端商品住宅区和低收入人群经济适用房组成。人口群体之间的巨大差异可能导致城市服务选择的差异。观察到的供需不匹配表明,需要综合城市服务来满足当地居民的多样化需求。
本发明基于现有公共服务设施和人口的分布情况,采用最大流假设和网络统计分析方法,利用海量人类活动轨迹数据集,基于人口流动特征,动态分析社区公共服务设施供给与居民需求的匹配关系,发现社区公共服务设施布局存在的问题,为社区公共服务设施布局优化提供决策支撑。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于人流网络分析的社区公服设施评估方法,其特征在于,包括步骤:
(1)根据实际的公共服务设施和实际的人口空间分布数据,构建理想人流网络;
(2)基于海量轨迹定位数据,构建实际人流网络;
(3)将理想人流网络与实际人流网络对比,评估社区公共服务设施的分布与人类活动匹配的状态,并利用随机指数图模型ERGM识别出关键影响因素。
2.根据权利要求1所述的一种基于人流网络分析的社区公服设施评估方法,其特征在于,步骤(1)具体包括步骤:
(1.1)以居住地或工作地点作为源u、公共服务设施作为汇v,构建一个多源多汇的理想人流网络G=(V,E),其中,V表示所有源节点和汇节点,E表示所有边;
(1.2)在理想人流网络中,添加一个虚拟超级源节点S和一个虚拟超级汇节点T,虚拟节点S通过边连接源节点u,虚拟节点T通过边连接汇节点v,网络中的所有流遵循S→u→v→T的路径;
(1.3)定义分配给每条边e∈E有限容量的容量函数c(e):
其中,popi表示源节点i的人口规模,poij表示汇节点j中的POI数量,distij表示源节点i和源节点j之间的距离,eij表示连接源节点i和汇节点j的边,c(eij)表示边eij对应的容量;
(1.4)使用最大流量算法,计算满足以下约束条件的流量函数f(e):
满足约束条件的理想人流网络中,对于任何给定的边,两节点间的流量小于边的容量;各节点流入的数量与流出的数量相匹配。
3.根据权利要求1所述的一种基于人流网络分析的社区公服设施评估方法,其特征在于,步骤(2)具体包括步骤:
将居住地或工作地点记为网格a、访问的公共服务设施记为网格b,网格a访问网格b,在a和b之间形成连接;
构建一个有向网络作为实际人流网络Ga=(V’,E‘,W),其中,V’表示所有网格a和网格b,E‘是所有连接网格a和网格b的边,W是E‘的权重,E‘根据网格a在一个月内访问网格b的次数计算得出。
4.根据权利要求3所述的一种基于人流网络分析的社区公服设施评估方法,其特征在于:所述步骤(3)具体包括步骤:
(3.2)通过Diffij=Actualij-Optimalij计算理想人流网络和实际人流网络之间的差异,Actualij和Optimalij表示从网格i到网格j的实际流量和理想流量;
(3.3)根据理想人流网络和实际人流网络之间的差异,得到三个独立的网络,即正网络、负网络和平衡网络,分别代表实际人流流量大于、小于和接近设施理想流量的三种情况;如果正网络在整个评估区域的占比大于预设范围,则区域存在供应不足的问题;如果负网络在整个评估区域的占比大于预设范围,则区域存在供给过剩的问题;正网络和负网络在整个评估区域中交叉的区域,存在供需错配问题;
(3.4)利用随机指数图模型ERGM方法分析正网络、负网络和平衡网络三个网络的影响因素。
6.一种基于人流网络分析的社区公服设施评估系统,其特征在于,包括:
人口分布确定模块,用于采集评估区域内人口分布数据,包括居住人口和就业人口;
公共服务设施分布确定模块,用于采集评估区域内的公共服务设施分布的数据;
理想人流网络构建模块,根据人口分布确定模块和公共服务设施分布确定模块获得的数据,采用最大流量法,构建出一个理想人流网络;
手机信令数据获取模块,根据手机大数据获取每个手机用户的包括出行轨迹、出行时间、活动频率在内的数据;
实际人流网络构建模块,根据手机信令数据获取模块获得的数据,构建一个实际人流网络;
网络对比运算模块,用于对比得到的理想人流网络和实际人流网络之间的差异;通过对比评估区域内,相同的源节点访问相同的汇节点的实际流量和理想流量之间的差异,得出理想人流网络和实际人流网络之间的差异,并得到正网络、负网络和平衡网络三个网络;
随机指数图模型构建模块,利用随机指数图模型ERGM方法分析正网络、负网络和平衡网络三个网络的影响因素;
输出模块:以表格或文字形式输出随机指数图模型构建模块得出的结论。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384768.XA CN114066272A (zh) | 2021-11-19 | 2021-11-19 | 基于人流网络分析的社区公服设施评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384768.XA CN114066272A (zh) | 2021-11-19 | 2021-11-19 | 基于人流网络分析的社区公服设施评估方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114066272A true CN114066272A (zh) | 2022-02-18 |
Family
ID=80278648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111384768.XA Pending CN114066272A (zh) | 2021-11-19 | 2021-11-19 | 基于人流网络分析的社区公服设施评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066272A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219379A (zh) * | 2022-02-22 | 2022-03-22 | 北京融信数联科技有限公司 | 一种适用于社区服务圈的资源配套评估方法、及系统 |
CN115099675A (zh) * | 2022-07-14 | 2022-09-23 | 海门市三德体育用品有限公司 | 一种健身场所布局规划方法 |
CN115759431A (zh) * | 2022-11-16 | 2023-03-07 | 内蒙古工业大学 | 一种草原牧区公共服务空间组织建设决策方法及系统 |
CN118134111A (zh) * | 2024-05-06 | 2024-06-04 | 清华大学 | 一种基于手机信令数据的社区生活圈规划现状评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563666A (zh) * | 2020-04-24 | 2020-08-21 | 武汉理工大学 | 一种基于网络热度的城市公共服务设施空间配置评价方法 |
CN113239316A (zh) * | 2021-05-08 | 2021-08-10 | 中科宁图技术江苏有限公司 | 一种顾及人群消费特征的城市商服设施布局合理性评价方法及系统 |
-
2021
- 2021-11-19 CN CN202111384768.XA patent/CN114066272A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563666A (zh) * | 2020-04-24 | 2020-08-21 | 武汉理工大学 | 一种基于网络热度的城市公共服务设施空间配置评价方法 |
CN113239316A (zh) * | 2021-05-08 | 2021-08-10 | 中科宁图技术江苏有限公司 | 一种顾及人群消费特征的城市商服设施布局合理性评价方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219379A (zh) * | 2022-02-22 | 2022-03-22 | 北京融信数联科技有限公司 | 一种适用于社区服务圈的资源配套评估方法、及系统 |
CN114219379B (zh) * | 2022-02-22 | 2022-05-24 | 北京融信数联科技有限公司 | 一种适用于社区服务圈的资源配套评估方法、及系统 |
CN115099675A (zh) * | 2022-07-14 | 2022-09-23 | 海门市三德体育用品有限公司 | 一种健身场所布局规划方法 |
CN115099675B (zh) * | 2022-07-14 | 2022-11-15 | 海门市三德体育用品有限公司 | 一种健身场所布局规划方法 |
CN115759431A (zh) * | 2022-11-16 | 2023-03-07 | 内蒙古工业大学 | 一种草原牧区公共服务空间组织建设决策方法及系统 |
CN115759431B (zh) * | 2022-11-16 | 2023-09-12 | 内蒙古工业大学 | 一种草原牧区公共服务空间组织建设决策方法及系统 |
CN118134111A (zh) * | 2024-05-06 | 2024-06-04 | 清华大学 | 一种基于手机信令数据的社区生活圈规划现状评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114066272A (zh) | 基于人流网络分析的社区公服设施评估方法和系统 | |
Zhong et al. | Detecting the dynamics of urban structure through spatial network analysis | |
Hoshino et al. | Measuring the benefits of neighbourhood park amenities: Application and comparison of spatial hedonic approaches | |
Pan et al. | Resilience model and recovery strategy of transportation network based on travel OD-grid analysis | |
CN108447255B (zh) | 一种城市道路动态交通网络结构信息系统 | |
CN108874911A (zh) | 基于区域环境与犯罪事件数据的疑犯位置预测方法 | |
Daniel et al. | GIS-based study on the association between road centrality and socio-demographic parameters: A case study | |
Burgalassi | Defining and measuring polycentric regions: the case of Tuscany | |
Zhang et al. | Unveiling transit mobility structure towards sustainable cities: An integrated graph embedding approach | |
Zhong et al. | Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China | |
Cai et al. | A novel vector-based dynamic path planning method in urban road network | |
Ağaç et al. | Optimal site selection of a pandemic hospital using multi-criteria decision-making approach | |
Grêt-Regamey et al. | Planning from a future vision: inverse modeling in spatial planning | |
Liu et al. | Understanding the correlation between destination distribution and urban built environment from taxi GPS data | |
CN113641749A (zh) | 一种基于二部图的人口流动网络估计方法及系统 | |
Di Pinto et al. | A configurational approach based on geographic information systems to support decision-making process in real estate domain | |
CN115730711A (zh) | 空间划分方法、装置及存储介质 | |
Yongdong et al. | Analysis of road travel behaviour based on big trajectory data | |
Azri et al. | Classified and clustered data constellation: An efficient approach of 3D urban data management | |
Irandegani et al. | Investigating temporal and spatial effects of urban planning variables on crime rate: A Gwr and Ols based approach | |
CN113723859B (zh) | 一种多层城市群综合客运网络稳定性评价方法 | |
Liang et al. | Understanding customer behavior in shopping mall from indoor tracking data | |
Hansuwa et al. | Scenario-based stochastic shelter location-allocation problem with vulnerabilities for disaster relief network design | |
CN114091140A (zh) | 一种城市空间密度数据的网络构建方法 | |
Cauteruccio et al. | Investigating the Scope of a Thing in a Multiple Internet of Things Scenario. |
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 |