CN114881309A - 一种城市活力与碳排空间特征相关性的测度方法 - Google Patents
一种城市活力与碳排空间特征相关性的测度方法 Download PDFInfo
- Publication number
- CN114881309A CN114881309A CN202210446815.7A CN202210446815A CN114881309A CN 114881309 A CN114881309 A CN 114881309A CN 202210446815 A CN202210446815 A CN 202210446815A CN 114881309 A CN114881309 A CN 114881309A
- Authority
- CN
- China
- Prior art keywords
- vitality
- urban
- carbon
- evaluation
- activity
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 102
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000000694 effects Effects 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 238000009826 distribution Methods 0.000 claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 238000010276 construction Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000008447 perception Effects 0.000 claims abstract description 8
- 230000009471 action Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000011160 research Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000029142 excretion Effects 0.000 claims 4
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 3
- 238000003763 carbonization Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035899 viability Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 244000111306 Torreya nucifera Species 0.000 description 1
- 235000006732 Torreya nucifera Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/04—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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市活力与碳排空间特征相关性的测度方法，适用于城市与生态环境领域。采用路网划分提取街区作为基本空间单元；处理兴趣点、网络评数据和空气质量数据，在统一时空坐标系下结合深度残差网络、空间句法和希尔数模型方法分别获得社会、经济、文化和环境活力评价；构建空间权重优劣解距离法模型计算城市活力，获得多视角的城市活力感知；采用空间自相关分析得到不同活力和城市碳排空间分布特征之间的共性和差异性；采用地理探测器探索城市活力营造要素对碳排空间分布特征的作用规律，由此得到城市活力与碳排空间分布特征的相关性测度。能够准确获取并分析城市活力对碳排空间分布特征的影响机制，为低碳城市建设提供分析方法。
Description
技术领域
本发明涉及一种城市活力与碳排空间特征相关性的测度方法，尤其适用于城市与生态环境领域。
背景技术
随着工业化的快速发展，中国城镇化进程也在不断加速，城市规模和复杂度与日俱增，同时城市中的各种负面效应和“城市病”也大量涌现，严重影响着城市的健康发展。同时，由于温室气体的大量排放带来的负面影响已经在各方面开始凸显，资源紧张、环境污染、气候变化成为未来面临的三大挑战，严重威胁人类的生存与发展。作为最大排放源的城市是否能够实现低碳化的可持续发展，是整个社会实现低碳化可持续发展的重中之重。快速城镇化是我国现阶段社会的重要特征，但粗放型的发展模式严重破坏了城市及郊区的自然生态基础，城市生态环境压力日益增大、环境承载力不断减弱、城市温室效应严重加剧、废弃物排放量巨大，为确保城市的可持续发展，急需对城市发展模式进行低碳转型。
城市碳排与城市规模、土地开发、交通规划、建筑形态、基础设施、人口密度等具有紧密的联系。因此，对城市空间形态进行优化逐渐成为建设低碳城市的研究关键。然而，传统的城市碳排影响因素研究往往集中在区域碳排放总量或单一碳源时空变化研究中，难以反映微观尺度下城市空间的碳排分布特征，且多数方案仅仅建立不同要素与碳排之间的数学关系，鲜有考察城市活力对碳排空间的具体影响，并没有从实际应用意义上解决如何兼顾城市建设和减排问题。
现有技术包括：
专利号为201510565762.0公开了一种基于Landsat TM和ETM影像的城市形态与碳排放相关关系量算方法，该方法基于能源消费数据采用计量经济模型定量核算城市形态相关指标与碳排放之间的相关关系，为城市空间结构优化提供科学的调控依据。然而上述基于能源消费数据的核算只针对城市或区域内排放量统计，无法客观揭示城市空间内微观碳排放空间分布特征，且在该优化方法中，仅仅考虑城市形态对碳排放的影响，忽略经济社会环境等因素的共同作用，并没有发挥真正的实际应用。
专利号为201810093623.6公开了一种基于城市统计数据的城市碳排放影响因素分析方法，该方法基于历年统计数据建立城市能耗历史数据集，采用Kaya恒等式和对数平均迪氏分解模型计算碳排放各影响因素效应贡献量，一定程度上降低了碳排放影响因素分析的成本和工作量。但是由于城市复杂的自然和非自然环境，仅仅考虑时间序列而忽略空间分析，难以确定其结果的科学性和准确性。
鉴于城市内部不同区域的交通状况、人口密度和设施分布等具有较大差异，而目前关于城市碳排的研究多为城市尺度，不能有效揭示大城市内部碳排规律；其次，目前针对碳减排的研究视角不够全面，没有考虑到城市碳排是一个综合影响的结果。
发明内容
技术问题：为了克服现有技术存在的缺陷和不足，提供一种城市活力和碳排空间分布特征相关性的测度方法，该方法综合考虑了社会、经济、文化和环境四个方面对城市活力进行评价，挖掘城市活力和碳排强度的空间相关性和影响机制，可以为低碳城市的建设提供新的支撑。
为实现上述技术目的，本发明一种城市活力和碳排空间分布特征相关性的测度方法，包括:通过路网划分城市，将城市的街区作为基本空间单元；处理兴趣点、大众点评数据和空气质量数据，在统一时空坐标系下结合深度残差网、空间句法和希尔数模型方法分别获得该城市的社会、经济、文化和环境活力评价；利用上述评价构建空间权重优劣解距离法模型计算城市活力，获得多视角的城市活力感知；采用空间自相关分析得到不同活力和城市碳排空间分布特征之间的共性和差异性；采用地理探测器探索城市活力营造要素对碳排空间分布特征的作用规律，由此得到城市活力与碳排空间分布特征的相关性测度。
具体步骤如下：
S1、采集开放街道图Open Street Map,OSM数据，选择快速路、主干道和次干道作为边界将目标城市空间划分为多个街区，实现研究区域空间离散化；将划分后的各个街区作为基本空间单元；
S2、筛选剧院、纪念馆、艺术馆、少年宫、文化馆、图书馆、博物馆和美术馆作为兴趣点，计算兴趣点设施密度作为衡量城市的文化活力指标；根据道路OSM数据和兴趣点POI数据，计算各个基本空间单元的街区可达性、功能混合度和人群活动强度，以作为衡量每个基本空间单元的社会活力指标；
S3、采集各个基本空间单元中的企业数据和大众点评数据，分析产业结构特征和消费水平，作为衡量经济活力的指标；
S4、采集各个基本空间单元的城市空气质量数据和百度街景数据，分析得到空气质量评价和街景环境活力评价，作为衡量城市的环境活力指标；
S5、基于S2-S4获得的街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境评价指标，基于空间TOPSIS模型构建城市活力评价指标体系，得到基本空间单元的整体活力评价；
S6、基于GIS软件结合人为碳排放清单数据Open-source Data Inventory forAnthropogenic CO2,ODIAC计算各基本空间单元的CO2排放量，然后将上述得到各个基本空间单元的社会活力指标、经济活力指标、文化活力指标、环境活力指标、整体活力指标与CO2排放量进行空间连接和空间匹配，将每种活力评价分别与CO2排放量进行比较，从而获得对应的自相关系数，分析不同活力以及城市碳排之间的空间分布特征关系；
S7、基于地理探测器探索城市活力营造要素对城市碳排空间分布特征的影响作用规律，并进行因子交互探测分析，得到各影响要素之间交互作用的结果，测度城市活力和碳排空间分布的相关性。
进一步，S2中的街区可达性包括：每条道路的连接值、控制度、整合度和全局深度，将每条包括边界的道路的值赋予道路所在基本空间单元。
进一步，S2中功能混合度的衡量内容包括：街区中的兴趣点丰富度、无序度和聚集度，并利用下式对丰富度、无序度和聚集度对功能混合度qD进行测算；
其中，n表示POI类型数量；Pi表示POI类型i出现的频率；参数q为阶数(0-2)，q＝0、1、2时分别表示兴趣点POI丰富度、无序度和聚集度。
进一步，S4中获得街景环境评价具体方法：将具有各个单元社会活力、经济活力、文化活力、环境活力、整体活力和碳排放量信息的目标城市矢量文件输入ArcGIS中，创建100*100米渔网和采样点最后输出，得到带有经纬度的间隔100米的区域内部采样点图层，通过百度街景地图获取各采样点前后左右的街景图片并合成全景图片，基于“Place Pulse2.0”数据库训练集采用深度残差网络Resnet50进行迁移学习，获得每个采样点的街景活力感知得分数据并与对应基本空间单元进行空间连接和空间匹配。
进一步，S5中基于街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境，以上八种评价指标构建城市活力评价指标体系，具体步骤包括：
5.1数据预处理：
将上述八种评价指标的所有数据建立一个矩阵，矩阵中xij为第i个基本空间单元的第j个指标的值，n为基本空间单元个数，初始矩阵为(Xij)n×8，对每一列的数据进行正向化和标准化处理，最后得到修正后的标准化矩阵；
5.2计算空间距离权重矩阵：
八种评价指标经过正向化和标准化的修正之后，得到一个多维的最大值指标Z+＝(max{x11,x21,...,xn1},max{x12,x22,...,xn2},...,max{x18,x28,...,xn8})，最小值指标Z-＝(min{x11,x21,...,xn1},min{x12,x22,...,xn2},...,min{x18,x28,...,xn8})，即最优方案
和最劣方案
最后，在计算活力评价结果时加入空间权重Wij，具体公式为：
其中，DISTij指第i个基本空间单元第j个指标到对应指标最优解所在基本空间单元的空间距离，DISTi指第i个基本空间单元到其他所有基本空间单元的距离之和；
5.3计算评价结果：
计算各评价对象与最优方案
和最劣方案
的接近程度
和
具体公式为：
其中，Wij为第i个基本空间单元第j个指标的权重；
利用下式计算各基本空间单元与最优方案的贴近程度Ci：
最后根据贴近程度Ci大小将各个基本空间单元进行排序，得出最后的评价结果。
进一步，S6中所述分析不同活力以及城市碳排之间的空间分布特征关系是将社会活力评价、经济活力评价、文化活力评价、环境活力评价和碳排放量融合到统一的时空坐标系并关联到基本研究单元中，输入ArcGIS后利用空间自相关工具计算两两之间的空间相关系数，得到不同活力自相关分析结果，不同活力之间两两相关分析结果，不同活力和碳排强度相关分析结果。
进一步，S7中所述探究城市活力营造要素对城市碳排空间分布特征的影响作用规律，具体步骤包括：
将碳排放量作为因变量Y，将城市活力营造要素街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境评价作为自变量M1，M2，M3，M4，M5，M6，M7，M8，利用下式计算不同变量分层对因变量的解释程度q：
其中h为变量分层，Nh和N分别为层h和全区的单元数，
和σ2分别为层h和全区碳排放量Y值的方差，q值越大，表明该变量对碳排放量的影响越大，得到不同变量对城市碳排强度的影响规律。
进一步，利用ArcGIS构建两两自变量相互作用对城市碳排强度空间分布的作用规律模型，首先结合主成分分析筛选因子以保证城市碳排影响因素的独立性，然后使用ArcGIS中将任意两个自变量Ma、Mb(a,b＝1,2.....,8)的图层进行叠置分析后并计算相应q值，最后对q(Ma)、q(Mb)与q(Ma∩Mb)进行比较，判断因子Ma和Mb共同作用时是否会增加或减弱对因变量Y的解释力，得到各影响要素之间交互作用的结果。
有效益果：
本方法基于多源城市感知数据，相较于传统方法可以快速准确、大范围地反映活力空间特征与变化，从社会、经济、文化和环境方面对城市活力进行评价，解决了现有技术中使用单一视角表征城市活力的单一且有偏性问题，为城市活力的评价提供新方法。
通过将研究区的碳排空间分布与城市活力及其营造要素指标综合起来，首次定量揭示城市活力与碳排强度的相关关系，为城市碳排的影响因素研究提供新视角，计算结果完全实现定量化，可以根据相关系数和显著性判断不同的效应方向。
本方法以道路为边界将城市研究区空间离散化，基于大数据和GIS相关手段获取研究数据，相比传统数据更加具有准确性，从精细尺度结合空间规律定量研究不同因素对城市碳排的影响规律；此外，由于城市活力和城市碳排影响因素的高度重合性，而城市活力可以很好地反映一个区域的发展情况，本发明考虑从城市活力的角度选取了经济、环境、社会和文化四个方面的影响因素，综合全面地建立了活力评价模型，解析城市活力和碳排放的相关关系。
附图表说明
图1是本发明的城市活力与碳排空间分布特征相关性的测度方法主要流程图。
图2是本发明中构建研究区城市活力评价指标体系技术路线图。
图3是本发明中城市活力与碳排的空间自相关分析技术路线图。
图4是本发明中城市碳排分布特征的影响因素分析技术路线图。
具体实施方法
下面结合附图和实例对本发明方法作进一步描述：
如图1所示，本发明所述的一种城市活力与碳排空间分布特征相关性的测度方法主要流程图，首先，用Python等技术获取量化各指标并建立模型，获得各街区的城市活力评价，然后分析不同活力的空间分布特征及各活力之间分布的异同性。其次，结合ODIAC碳排数据，研究城市碳排和活力之间的空间分布特征关系，采用地理探测器进行因子探测和交互作用探测，分析城市活力各营造要素对碳排空间分布特征的影响机制。
本发明的一种城市活力和碳排空间分布特征相关性的测度方法，主要包括以下步骤:
S1、采集开放街道图Open Street Map,OSM数据，选择快速路、主干道和次干道作为边界将目标城市空间划分为多个街区，实现研究区域空间离散化；将划分后的各个街区作为基本空间单元；
S2、筛选剧院、纪念馆、艺术馆、少年宫、文化馆、图书馆、博物馆和美术馆作为兴趣点，计算兴趣点设施密度作为衡量城市的文化活力指标；根据道路OSM数据和兴趣点POI数据，计算各个基本空间单元的街区可达性、功能混合度和人群活动强度，以作为衡量每个基本空间单元的社会活力指标；
功能混合度的衡量内容包括：街区中的兴趣点丰富度、无序度和聚集度，并利用下式对丰富度、无序度和聚集度对功能混合度qD进行测算；
其中，n表示POI类型数量；Pi表示POI类型i出现的频率；参数q为阶数(0-2)，q＝0、1、2时分别表示兴趣点POI丰富度、无序度和聚集度；
S3、采集各个基本空间单元中的企业数据和大众点评数据，分析产业结构特征和消费水平，作为衡量经济活力的指标；
S4、采集各个基本空间单元的城市空气质量数据和百度街景数据，分析得到空气质量评价和街景环境活力评价，作为衡量城市的环境活力指标；
S5、基于S2-S4获得的街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境评价指标，基于空间TOPSIS模型构建城市活力评价指标体系，得到基本空间单元的整体活力评价；
S6、基于GIS软件结合人为碳排放清单数据Open-source Data InventoryforAnthropogenic CO2,ODIAC计算各基本空间单元的CO2排放量，然后将上述得到各个基本空间单元的社会活力指标、经济活力指标、文化活力指标、环境活力指标、整体活力指标与CO2排放量进行空间连接和空间匹配，将每种活力评价分别与CO2排放量进行比较，从而获得对应的自相关系数，分析不同活力以及城市碳排之间的空间分布特征关系；
S7、基于地理探测器探索城市活力营造要素对城市碳排空间分布特征的影响作用规律，并进行因子交互探测分析，得到各影响要素之间交互作用的结果，测度城市活力和碳排空间分布的相关性。
如图2所示，运用空间句法结构、希尔数模型、ResNET方法量化各指标构建城市活力评价模型，具体步骤如下：
1.首先从https://www.openstreetmap.org/网站下载OSM路网数据，在ArcGIS中进行坐标转换、数据清洗和拓扑检查，保留主干路、次干路和主要支路，基于道路划分基本研究单元。
2.基于网络开源平台，获取POI、大众点评数据、空气质量数据等多源数据，结合ResNET、空间句法和希尔数模型等方法量化各指标并进行归一化处理，从社会、经济、文化、环境四个方面构建城市活力指标体系，实现多视角的城市活力感知，主要包括以下方面：
a.获得社会活力评价
通过高德地图爬取POI数据计算功能混合度包括丰富度、无序度和聚集度，通过腾讯宜出行平台爬取人口流量数据人群活动强度，将OSM数据输入Depthmap获得街区可达性包括连接值、控制度、整合度和全局深度，结合功能混合度、人群活动强度和街区可达性作为衡量社会活力的指标。
b.获得文化活力评价
将POI数据输入ArcGIS，筛选文化馆、图书馆、博物馆、美术馆、纪念馆、剧院、少年宫和文化广场等文化场所兴趣点，计算设施密度(设施点个数/单位研究区面积)作为衡量文化活力的指标。
c.获得经济活力评价
基于企查查平台获取研究区范围内的企业数据分析产业结构特征，通过大众点评平台爬取小吃店、快餐、茶馆、咖啡厅和烘焙店等，统计小型餐饮企业数量表征消费水平，结合产业结构特征与消费水平作为衡量经济活力的指标。
d.获得环境活力评价
下载空气质量指数(AQI)数据作为空气质量评价，将研究区矢量文件输入ArcGIS中，创建100*100米渔网和采样点，得到带有经纬度的间隔100米的区域内部采样点图层，通过百度街景地图平台获取各采样点前后左右的街景图片并合成全景图片，最后基于“PlacePulse 2.0”数据库训练集采用深度残差网络Resnet50进行迁移学习，获得街景活力感知得分数据街景环境活力评价，结合空气质量指数和街景活力评价作为衡量环境活力的指标。
3.基于街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境评价指标类型，引入空间权重构建城市活力评价指标体系，得到整体活力评价，基本步骤如下：
a.数据预处理
根据指标类型将所有数据进行不同方法的正向化处理，对每一列的数据进行消除量纲即标准化处理，最后得到处理后的标准化矩阵。
b.引入空间距离权重
经过正向化和标准化的修正之后，得到一个多维的最大值指标
Z+＝(max{x11,x21,...,xn1},max{x12,x22,...,xn2},...,max{x18,x28,...,xn8})，最小值指标
Z-＝(min{x11,x21,...,xn1},min{x12,x22,...,xn2},...,min{x18,x28,...,xn8})，即最优方案
和最劣方案
最后，在构建空间TOPSIS模型时加入空间权重，具体公式为：
其中，DISTjk指第j个研究单元到最优解的空间距离，DISTj指第j个研究单元到其他所有研究单元的距离之和。
a.计算评价结果
计算各评价对象与最优方案、最劣方案的接近程度，具体公式为：
计算各研究单元与最佳方案的贴近程度Ci，具体公式为：
最后根据Ci大小进行排序，得出最后的评价结果。
如图3所示，本发明基于上述获得的社会活力、经济活力、文化活力、环境活力和整体活力评价，结合ODIAC碳排数据融合到统一的时空坐标系并关联对应基本研究单元中，输入ArcGIS后利用空间自相关工具计算两两之间的自相关系数，得到不同活力以及城市碳排之间的空间分布特征关系。
如图4所示，本发明基于地理探测器探索城市活力营造要素对城市碳排空间分布特征的影响作用规律，并进行因子交互探测分析，得到各影响要素之间交互作用的结果，测度营造要素对城市碳排空间分布特征的影响作用规律，具体步骤包括：
a.因子探测
将碳排强度作为因变量Y，将城市活力营造要素街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境评价作为自变量X1，X2，X3，X4，X5，X6，X7，X8，计算不同变量分层对因变量的解释程度q，计算公式为：
其中h为变量分层，Nh和N分别为层h和全区的单元数，
和σ2分别为层h和全区Y值的方差，得到不同变量对城市碳排强度的影响规律。
b.因子交互作用探测
首先结合主成分分析筛选因子以保证城市碳排影响因素的独立性，再计算两个变量Xi和Xj对应的q值，然后再ArcGIS中将对应两个图层进行叠置分析后并计算相应q值，最后对q(Xi)、q(Xj)与q(Xi∩Xj)进行比较，判断因子i和j共同作用时是否会增加或减弱对因变量Y的解释力，得到各影响要素之间交互作用的结果。
Claims (8)
1.一种城市活力与碳排空间分布特征相关性的测度方法，其特征在于：通过路网划分城市，将城市的街区作为基本空间单元；处理兴趣点、大众点评数据和空气质量数据，在统一时空坐标系下结合深度残差网、空间句法和希尔数模型方法分别获得该城市的社会、经济、文化和环境活力评价；利用上述评价构建空间权重优劣解距离法模型计算城市活力，获得多视角的城市活力感知；采用空间自相关分析得到不同活力和城市碳排空间分布特征之间的共性和差异性；采用地理探测器探索城市活力营造要素对碳排空间分布特征的作用规律，由此得到城市活力与碳排空间分布特征的相关性测度。
具体步骤如下：
S1、采集开放街道图Open Street Map,OSM数据，选择快速路、主干道和次干道作为边界将目标城市空间划分为多个街区，实现研究区域空间离散化；将划分后的各个街区作为基本空间单元；
S2、筛选剧院、纪念馆、艺术馆、少年宫、文化馆、图书馆、博物馆和美术馆作为兴趣点，计算兴趣点设施密度作为衡量城市的文化活力指标；根据道路OSM数据和兴趣点POI数据，计算各个基本空间单元的街区可达性、功能混合度和人群活动强度，以作为衡量每个基本空间单元的社会活力指标；
S3、采集各个基本空间单元中的企业数据和大众点评数据，分析产业结构特征和消费水平，作为衡量经济活力的指标；
S4、采集各个基本空间单元的城市空气质量数据和百度街景数据，分析得到空气质量评价和街景环境活力评价，作为衡量城市的环境活力指标；
S5、基于S2-S4获得的街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境评价指标，基于空间TOPSIS模型构建城市活力评价指标体系，得到基本空间单元的整体活力评价；
S6、基于GIS软件结合人为碳排放清单数据Open-source Data InventoryforAnthropogenic CO2,ODIAC计算各基本空间单元的CO2排放量，然后将上述得到各个基本空间单元的社会活力指标、经济活力指标、文化活力指标、环境活力指标、整体活力指标与CO2排放量进行空间连接和空间匹配，将每种活力评价分别与CO2排放量进行比较，从而获得对应的自相关系数，分析不同活力以及城市碳排之间的空间分布特征关系；
S7、基于地理探测器探索城市活力营造要素对城市碳排空间分布特征的影响作用规律，并进行因子交互探测分析，得到各影响要素之间交互作用的结果，测度城市活力和碳排空间分布的相关性。
2.根据权利要求1所述的城市活力与碳排空间分布特征相关性的测度方法，其特征在于S2中的街区可达性包括：每条道路的连接值、控制度、整合度和全局深度，将每条包括边界的道路的值赋予道路所在基本空间单元。
3.根据权利要求1所述的城市活力与碳排空间分布特征相关性的测度方法，其特征在于S2中功能混合度的衡量内容包括：街区中的兴趣点丰富度、无序度和聚集度，并利用下式对丰富度、无序度和聚集度对功能混合度qD进行测算；
其中，n表示POI类型数量；Pi表示POI类型i出现的频率；参数q为阶数(0-2)，q＝0、1、2时分别表示兴趣点POI丰富度、无序度和聚集度。
4.根据权利要求1所述的城市活力与碳排空间分布特征相关性的测度方法，其特征在于S4中获得街景环境评价具体方法：将具有各个单元社会活力、经济活力、文化活力、环境活力、整体活力和碳排放量信息的目标城市矢量文件输入ArcGIS中，创建100*100米渔网和采样点最后输出，得到带有经纬度的间隔100米的区域内部采样点图层，通过百度街景地图获取各采样点前后左右的街景图片并合成全景图片，基于“Place Pulse 2.0”数据库训练集采用深度残差网络Resnet50进行迁移学习，获得每个采样点的街景活力感知得分数据并与对应基本空间单元进行空间连接和空间匹配。
5.根据权利要求1所述的城市活力与碳排空间分布特征相关性的测度方法，其特征在于S5中基于街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境，以上八种评价指标构建城市活力评价指标体系，具体步骤包括：
5.1数据预处理：
将上述八种评价指标的所有数据建立一个矩阵，矩阵中xij为第i个基本空间单元的第j个指标的值，n为基本空间单元个数，初始矩阵为(Xij)n×8，对每一列的数据进行正向化和标准化处理，最后得到修正后的标准化矩阵；
5.2计算空间距离权重矩阵：
八种评价指标经过正向化和标准化的修正之后，得到一个多维的最大值指标Z+＝(max{x11,x21,...,xn1},max{x12,x22,...,xn2},...,max{x18,x28,...,xn8})，最小值指标Z-＝(min{x11,x21,...,xn1},min{x12,x22,...,xn2},...,min{x18,x28,...,xn8})，即最优方案
和最劣方案
最后，在计算活力评价结果时加入空间权重Wij，具体公式为：
其中，DISTij指第i个基本空间单元第j个指标到对应指标最优解所在基本空间单元的空间距离，DISTi指第i个基本空间单元到其他所有基本空间单元的距离之和；
5.3计算评价结果：
计算各评价对象与最优方案
和最劣方案
的接近程度
和
具体公式为：
其中，Wij为第i个基本空间单元第j个指标的权重；
利用下式计算各基本空间单元与最优方案的贴近程度Ci：
最后根据贴近程度Ci大小将各个基本空间单元进行排序，得出最后的评价结果。
6.根据权利要求1所述的城市活力与碳排空间分布特征相关性的测度方法，其特征在于S6中所述分析不同活力以及城市碳排之间的空间分布特征关系是将社会活力评价、经济活力评价、文化活力评价、环境活力评价和碳排放量融合到统一的时空坐标系并关联到基本研究单元中，输入ArcGIS后利用空间自相关工具计算两两之间的空间相关系数，得到不同活力自相关分析结果，不同活力之间两两相关分析结果，不同活力和碳排强度相关分析结果。
7.根据权利要求6所述的城市活力与碳排空间分布特征相关性的测度方法，其特征在于S7中所述探究城市活力营造要素对城市碳排空间分布特征的影响作用规律，具体步骤包括：将碳排放量作为因变量Y，将城市活力营造要素街区可达性、功能混合度、人群活动强度、设施密度、产业结构、消费水平、空气质量和街景环境评价作为自变量M1，M2，M3，M4，M5，M6，M7，M8，利用下式计算不同变量分层对因变量的解释程度q：
其中h为变量分层，Nh和N分别为层h和全区的单元数，
和σ2分别为层h和全区碳排放量Y值的方差，q值越大，表明该变量对碳排放量的影响越大，得到不同变量对城市碳排强度的影响规律。
8.根据权利要求7所述的城市活力与碳排空间分布特征相关性的测度方法，其特征在于：利用ArcGIS构建两两自变量相互作用对城市碳排强度空间分布的作用规律模型，首先结合主成分分析筛选因子以保证城市碳排影响因素的独立性，然后使用ArcGIS中将任意两个自变量Ma、Mb(a,b＝1,2.....,8)的图层进行叠置分析后并计算相应q值，最后对q(Ma)、q(Mb)与q(Ma∩Mb)进行比较，判断因子Ma和Mb共同作用时是否会增加或减弱对因变量Y的解释力，得到各影响要素之间交互作用的结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210446815.7A CN114881309B (zh) | 2022-04-26 | 2022-04-26 | 一种城市活力与碳排空间特征相关性的测度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210446815.7A CN114881309B (zh) | 2022-04-26 | 2022-04-26 | 一种城市活力与碳排空间特征相关性的测度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114881309A true CN114881309A (zh) | 2022-08-09 |
| CN114881309B CN114881309B (zh) | 2024-10-18 |
Family
ID=82672078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210446815.7A Active CN114881309B (zh) | 2022-04-26 | 2022-04-26 | 一种城市活力与碳排空间特征相关性的测度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114881309B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
| CN118518824A (zh) * | 2024-05-15 | 2024-08-20 | 山东省菏泽生态环境监测中心 | 基于碳排放分析的空气质量监测分析方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
| KR20140102095A (ko) * | 2013-02-13 | 2014-08-21 | 청주대학교 산학협력단 | 도시재생사업지구의 탄소배출저감형의 토지이용패턴과 교통정책 및 환경정책 통합모형 시뮬레이션 시스템 |
| CN106446314A (zh) * | 2015-09-09 | 2017-02-22 | 中国科学院地理科学与资源研究所 | 基于Landsat TM和ETM影像的城市形态与碳排放相关关系量算方法 |
| CN112819319A (zh) * | 2021-01-29 | 2021-05-18 | 华南理工大学 | 一种城市活力与空间社会特征相关性的测度方法及应用 |
| WO2021248335A1 (zh) * | 2020-06-09 | 2021-12-16 | 中山大学 | 一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统 |
| 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 |
-
2022
- 2022-04-26 CN CN202210446815.7A patent/CN114881309B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140102095A (ko) * | 2013-02-13 | 2014-08-21 | 청주대학교 산학협력단 | 도시재생사업지구의 탄소배출저감형의 토지이용패턴과 교통정책 및 환경정책 통합모형 시뮬레이션 시스템 |
| CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
| CN106446314A (zh) * | 2015-09-09 | 2017-02-22 | 中国科学院地理科学与资源研究所 | 基于Landsat TM和ETM影像的城市形态与碳排放相关关系量算方法 |
| WO2021248335A1 (zh) * | 2020-06-09 | 2021-12-16 | 中山大学 | 一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统 |
| CN112819319A (zh) * | 2021-01-29 | 2021-05-18 | 华南理工大学 | 一种城市活力与空间社会特征相关性的测度方法及应用 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 李国栋;赵自胜;张俊华;程弘毅;张洵赫;田海峰;: "气候变化背景下的城市低碳发展水平测度", 气象与减灾研究, no. 04, 20 December 2012 (2012-12-20) * |
| 陈静;程东祥;诸大建;: "基于灰理想关联分析的中国城市低碳竞争力评价", 资源科学, no. 09, 15 September 2012 (2012-09-15) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
| CN115876964B (zh) * | 2023-01-31 | 2024-01-23 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
| CN118518824A (zh) * | 2024-05-15 | 2024-08-20 | 山东省菏泽生态环境监测中心 | 基于碳排放分析的空气质量监测分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114881309B (zh) | 2024-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222661B (zh) | 一种城市规划实施效果分析评估方法 | |
| CN110458048A (zh) | 顾及城镇格局特征的人口分布时空演变与认知 | |
| CN114936957B (zh) | 基于移动监测数据的城市pm25浓度分布模拟及场景解析模型 | |
| CN114881309A (zh) | 一种城市活力与碳排空间特征相关性的测度方法 | |
| CN102096072B (zh) | 一种城市部件自动化测量方法 | |
| CN107730115A (zh) | 一种基于ahp的多源位置轨迹数据的质量评估方法 | |
| CN116975576A (zh) | 基于关键信息统计的山区公路地质灾害危险性评价方法 | |
| CN111199322A (zh) | 房价预测方法及计算机可读存储介质 | |
| Ahmed | Modelling spatio-temporal urban land cover growth dynamics using remote sensing and GIS techniques: A case study of Khulna City | |
| Sarkar et al. | Dynamic simulation of urban expansion based on Cellular Automata and Markov Chain Model: a case study in Siliguri Metropolitan Area, West Bengal | |
| CN107392252A (zh) | 计算机深度学习图像特征并量化感知度的方法 | |
| CN102646164A (zh) | 一种结合空间滤波的土地利用变化建模方法及其系统 | |
| CN115293570A (zh) | 一种基于gis国土空间规划系统及方法 | |
| CN112954623B (zh) | 一种基于手机信令大数据的居民入住率估算方法 | |
| CN105844031B (zh) | 一种基于手机定位数据的城市交通廊道识别方法 | |
| CN114662774A (zh) | 一种城市街区活力预测方法、存储介质和终端 | |
| CN113901348A (zh) | 一种基于数学模型的钉螺分布影响因素识别与预测方法 | |
| Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
| CN116415756A (zh) | 一种基于vr技术的城市虚拟场景体验管理系统 | |
| KR101545998B1 (ko) | 유출-수리모형 데이터 통합 관리 방법 및 그 시스템 | |
| Liang et al. | Multi-Scale Dynamic Partitioning System of Urban Spatial Units | |
| Igbokwe et al. | Evaluation of development dynamics of Awka capital territory, Anambra state, using remote sensing | |
| CN118379175B (zh) | 一种顾及动态交互作用的城市健康韧性时空特征建模方法 | |
| de Araujo et al. | Geographic Feature Engineering with Points-of-Interest from OpenStreetMap | |
| CN118153984A (zh) | 一种基于全景影像的道路交通碳排放预测方法、装置、设备及介质 |
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 |