CN116777168A - 一种最优利用空间的土地智慧推荐方法 - Google Patents

Abstract

本发明公开了一种最优利用空间的土地智慧推荐方法。为了克服现有技术没有考虑用地基本成本、也没用从内涵式发展的思路上提供本质上的参考的问题；本发明包括以下步骤：收集包括控制性详细规划的土地信息数据，建立时空地理数据库；设定基础条件指标，以控制性详细规划为基础进行初步筛选；计算存量土地使用比例，标准化指标综合计算，根据标准得分排序获得推荐方案。基于自然资源、社会经济发展的土地利用数据作为本底数据，通过应用不通深度模型，融合土地多维特征，建立符合实情的优利用空间的土地智能推荐模型，实现智能化选址，为决策提供参考。

Description

一种最优利用空间的土地智慧推荐方法

技术领域

本发明涉及土地规划领域，尤其涉及一种最优利用空间的土地智慧推荐方法。

背景技术

城镇建设用地的急剧扩张是高速城镇化进程中的显著特征，也为社会经济提供广阔发展空间的同时，给自然资源的合理利用及生态保护带来了巨大的压力。在保障社会经济高质量发展的前提下，明晰城镇扩张机理、合理预控规模、改善空间格局是当前城镇运行的工作重点。

近来年，众多学者专家在智慧选址等方面做了众多研究，如行业在地理时空大数据的框架下，谋划以控规等数据作为资源为项目落地提供参考；互联网行业则更多利用区位、周边配套、人流等大数据为商业服务业选址提供辅助决策；但对于今后走内涵式发展的没有参考意义，如何在在建设用地总量框定、走内涵式发展的政务部门土地选址、推荐，则需要融合多源地理数据，从“增存并重”、最优利用空间的角度更加充分的考虑。

现阶段智慧选择更多的是利用规划用地、储备用地或者供应计划作为数据来源，通过设定条件结合地块本身的规划、属性设定的值进行选择；更加深入的做法是结合社会经济因素、环境因素、交通设施条件等基础配套等正负标签的形式实现地块选址；上述这些方式方法一方面没有考虑用地基本成本、也没用从内涵式发展的思路上为决策提供本质上的参考。

例如，一种在中国专利文献上公开的“城市建筑用地智能规划系统及方法”，其公告号CN113850350A，该系统包括区域数据采集模块、深度学习模块、修正模块、预测调查模块、建筑用地智能规划模块；所述区域数据采集模块的输出端与所述深度学习模块的输入端相连接；所述深度学习模块的输出端与所述修正模块的输入端相连接；所述修正模块的输出端与所述预测调查模块的输入端相连接；所述预测调查模块的输出端与所述建筑用地智能规划模块的输入端相连接。该方案一方面没有考虑用地基本成本、也没用从内涵式发展的思路上提供本质上的参考。

发明内容

本发明主要解决现有技术没有考虑用地基本成本、也没用从内涵式发展的思路上提供本质上的参考的问题；提供一种最优利用空间的土地智慧推荐方法，基于自然资源、社会经济发展的土地利用数据作为本底数据，通过应用不通深度模型，融合土地多维特征，建立符合实情的优利用空间的土地智能推荐模型，实现智能化选址，为决策提供参考。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种最优利用空间的土地智慧推荐方法，包括以下步骤：

收集包括控制性详细规划的土地信息数据，建立时空地理数据库；

设定基础条件指标，以控制性详细规划为基础进行初步筛选；

计算存量土地使用比例，标准化指标综合计算，根据标准得分排序获得推荐方案。

基于自然资源、社会经济发展的土地利用数据作为本底数据，通过应用不通深度模型，融合土地多维特征，建立符合实情的优利用空间的土地智能推荐模型，实现智能化选址，为决策提供参考。

作为优选，所述的土地信息数据包括

规划数据，包括国土空间规划、控制性详细规划和专项规划；

以及不动产登记数据，土地利用现状数据，农转用数据，土地供应数据，土地征收标准数据，储备地块数据，产业用地数据，基准地价数据，交通和公建配套数据。以土地信息作为本底数据，通过应用不通深度模型，建立符合实情的优利用空间的土地智能推荐模型。

作为优选，所述的基础条件指标包括用地区位、用地面积和用地类型以及考虑可用新增建设用地指标。设定基础需求指标数据。

作为优选，以控制性详细规划数据为基础，实现用地区位、用地面积和用地类型的初步筛选。

作为优选，计算批而未供、供而未用、低效用地占比，作为计算权重，结合控规地块叠加三类存量土地资源，实现控规地块的存量结构分析。

因三类存量结构占比类型不同，不利于在后续设置存量类型评价权重，因此设计存量类型批而未供、供而未用、低效用地占比进行标准化赋值，以确定的指标标准值，对相应指标进行标准化打分。

作为优选，采用比例换算法作为正向指标计算方法，单项指标Y的得分计算公式如下：

Y_i＝t_i/max(t_i)×100

其中，t_i为第i项指标的赋值；

max(t_i)为第i项指标的最大赋值。

存量土地使用比例即在土地匹配推介过程中的正相关指标，即指标值越大对最终推荐结果负相关影响越小。因此采用比例换算法作为正向指标计算方法。

作为优选，确定每项指标的计算权重W_i，进行指标标准化得分F_i计算，计算公式如下：

F_i＝Y_i×W_i/100

根据每项标准化指标值，进行最终得分F计算，计算公式如下：

其中，n为指标总数。

融合城市内涵式发展理念，根据上述每宗地地综合得分排序，最终得到标准得分的地块排序，实现最优空间利用的土地推荐模型与方法。

本发明的有益效果是：

基于自然资源、社会经济发展的土地信息作为本底数据，通过应用不通深度模型，融合土地多维特征，建立符合实情的优利用空间的土地智能推荐模型，实现智能化选址，为决策提供参考。

附图说明

图1是本发明的最优利用空间的土地智慧推荐方法的流程图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

本实施例的一种最优利用空间的土地智慧推荐方法，如图1所示，包括以下过程：

1)收集土地信息数据，建立时空地理数据库。

土地信息数据包括国土空间规划、控制性详细规划和专项规划；以及不动产登记数据、土地利用现状数据、农转用数据、土地供应数据、土地征收标准数据、储备地块数据、产业用地数据、基准地价数据、交通和公建配套数据等。

收集土地信息数据形成时空地理数据库。

2)设定基础条件指标。

基础条件指标包括用地区位、用地面积和用地类型以及考虑可用新增建设用地指标。

设定区位、面积、用地类型、可用新增建设用地指标等基础需求指标数据。

3)以控制性详细规划为基础进行初步筛选。

以控制性详细规划数据为基础，实现用地区位、用地面积和用地类型的初步筛选。

以某地为例，其需求为在某地级市的行政区中选择一宗100左右的工业用地。以控制性详细规划数据为基础，选择区域是某地级市的行政区、用地性质是M0/M1/M2/M3类型、面积在90～110亩的工业用地，共有50宗。

4)存量土地使用比例计算。

计算批而未供、供而未用、低效用地占比，结合控规地块叠加三类存量土地资源，实现控规地块的存量结构分析。

因三类存量结构占比类型不同，不利于在后续设置存量类型评价权重，因此设计存量类型批而未供、供而未用、低效用地占比进行标准化赋值，以确定的指标标准值，对相应指标进行标准化打分。各项指标的满分为100分。

存量土地使用比例即在土地匹配推介过程中的正相关指标，即指标值越大对最终推荐结果负相关影响越小，因此采用比例换算法作为正向指标计算方法，单项指标Y的得分计算公式如下：

Y_i＝t_i/max(t_i)×100

其中，Y_i为第i项指标的得分；

t_i为第i项指标的赋值；

max(t_i)为第i项指标的最大赋值。

将上例中50宗用地分别于批而未供、供而未用、低效用地进行空间分析，获取每宗地占用的批而未供、供而未用、低效用地面积，并换算比例，该地块总面积100.44亩，占用低效用地69.65亩，占用批而未供6.33亩，换成比例，低效占比为69.34％，批而未供占比为6.3％。

根据存量优先的原则，此步骤删除未与存量土地宗地，最终保留10宗，存量占比及清单如表1所示：

表1.存量占比及清单

指标标准化得分计算：

采用比例换算法作为正向指标计算方法，进行指标标准化赋分，具体如表2所示。

表2.指标标准化赋分表

5)综合计算。

确定参与计算的指标，确定每项指标的计算权重W_i(百分制)，进行指标标准化得分F_i计算，计算公式如下：

F_i＝Y_i×W_i/100

根据每项标准化指标值，进行最终得分F计算，计算公式如下：

其中，n为指标总数。

设定权重：

如在上例中的地级市所述省在工业低效整治促进经济高质量发展的背景下，设定低效权重为50％，批而未供30％，供而未用20％，进行最终综合得分计算，计算结果如表3所示：

表3.综合得分结果

6)最优利用空间的土地推荐。

融合城市内涵式发展理念，根据上述每宗地地综合得分排序，最终得到标准得分的地块排序，实现最优空间利用的土地推荐模型与方法。

根据上例中综合得分计算结果，确定推荐备选方案如表4所示：

表4.推荐备选方案表

地块编号	用地性质名称	用地性质	面积(亩)	综合得分	排名
						PY0706-02	一类工业用地	M1	98.62	69.84	1
PY0506-09	一类工业用地	M1	101.44	61.49	2
						LZ1006-M1-37	一类工业用地	M1	90.71	51.82	3

本实施例的方案基于自然资源、社会经济发展的土地利用数据作为本底数据，通过应用不通深度模型，融合土地多维特征，建立符合实情的优利用空间的土地智能推荐模型，实现智能化选址，为决策提供参考。

应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (7)

1.一种最优利用空间的土地智慧推荐方法，其特征在于，包括以下步骤：

收集包括控制性详细规划的土地信息数据，建立时空地理数据库；

设定基础条件指标，以控制性详细规划为基础进行初步筛选；

计算存量土地使用比例，标准化指标综合计算，根据标准得分排序获得推荐方案。

2.根据权利要求1所述的一种最优利用空间的土地智慧推荐方法，其特征在于，所述的土地信息数据包括

规划数据，包括国土空间规划、控制性详细规划和专项规划；

以及不动产登记数据，土地利用现状数据，农转用数据，土地供应数据，土地征收标准数据，储备地块数据，产业用地数据，基准地价数据，交通和公建配套数据。

3.根据权利要求1或2所述的一种最优利用空间的土地智慧推荐方法，其特征在于，所述的基础条件指标包括用地区位、用地面积和用地类型以及考虑可用新增建设用地指标。

4.根据权利要求3所述的一种最优利用空间的土地智慧推荐方法，其特征在于，以控制性详细规划数据为基础，实现用地区位、用地面积和用地类型的初步筛选。

5.根据权利要求1或2或4所述的一种最优利用空间的土地智慧推荐方法，其特征在于，计算批而未供、供而未用、低效用地占比，作为计算权重，结合控规地块叠加三类存量土地资源，实现控规地块的存量结构分析。

6.根据权利要求5所述的一种最优利用空间的土地智慧推荐方法，其特征在于，采用比例换算法作为正向指标计算方法，单项指标Y的得分计算公式如下：

Y_i＝t_i/max(t_i)×100

其中，t_i为第i项指标的赋值；

max(t_i)为第i项指标的最大赋值。

7.根据权利要求6所述的一种最优利用空间的土地智慧推荐方法，其特征在于，确定每项指标的计算权重W_i，进行指标标准化得分F_i计算，计算公式如下：

F_i＝Y_i×W_i/100

根据每项标准化指标值，进行最终得分F计算，计算公式如下：

其中，n为指标总数。