CN111401692B - 一种度量城市空间功能紧凑度的方法 - Google Patents
一种度量城市空间功能紧凑度的方法 Download PDFInfo
- Publication number
- CN111401692B CN111401692B CN202010111744.6A CN202010111744A CN111401692B CN 111401692 B CN111401692 B CN 111401692B CN 202010111744 A CN202010111744 A CN 202010111744A CN 111401692 B CN111401692 B CN 111401692B
- Authority
- CN
- China
- Prior art keywords
- city
- land
- plot
- residential
- compactness
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000000694 effects Effects 0.000 claims abstract description 60
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 37
- 238000011160 research Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000007 visual effect 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种度量城市空间功能紧凑度的方法，该方法中包括：S1：获取待测城市的兴趣点数据、夜间灯光数据和路网数据；S2：根据获取的兴趣点数据在待测城市中分布的密度确定待测城市的城市核心区；S3：根据路网数据将城市核心区划分为多个地块；S4：根据兴趣点数据确定每个地块的类型，根据夜间灯光数据确定每个地块的人为活动强度；S5：根据待测城市的城市核心区中所有地块的类型和人为活动强度确定待测城市的空间功能紧凑度。本发明可以反映城市形态紧凑度不能表达的维度，从功能上评估城市布局的合理性，为城市紧凑度的度量提供新的视角。
Description
技术领域
本发明涉及城市空间度量领域，尤其涉及一种度量城市空间功能紧凑度的方法。
背景技术
过去几十年来，城市人口不断增加，城市建设用地迅速扩张，导致了城市蔓延的产生，引发了一系列社会和环境问题。为了解决这些问题，学者、政府人员、规划设计人员提出了很多理念、方法，紧凑发展就是其中之一。1973年，紧凑城市的理念被首次提出。随后，学者们对紧凑城市的概念、特征、作用、可行性以及紧凑发展与可持续发展之间的关系等方面进行了研究。其中，如何度量城市紧凑度一直是众学者研究的热点和难点之一。
关于紧凑城市的研究已近半个世纪。虽然对于紧凑城市的概念仍然没有形成统一的定义，但众学者对于紧凑城市至少应该包含城市空间形态紧凑和功能紧凑两方面已经达成共识(Burton 2002；Dantzig and Saaty 1973；Dempsey 2010；Ewing 1997；Galster etal.2001；Jabareen 2006)。因此，城市紧凑度的度量至少也应该包括城市空间形态紧凑度的度量和城市空间功能紧凑度的度量。在城市空间形态紧凑性方面，学者们进行了较丰富的研究，可以概括为四类：Ⅰ.测度城市建成区外部轮廓的形态特征：如Gibbs紧凑度(Gibbs1961)、Cole紧凑度(Cole1964)、Richardson紧凑度(Richardson 1973)；Ⅱ.测度城市建成区斑块与特定位置的关系：如Bertaud&Malpezzi紧凑度(Bertaud and Malpezzi 1999)；Ⅲ.测度城市建成区内部地块之间的关联程度，如Thinh et al.紧凑度(Thinh etal.2002)；Ⅳ.测度建筑密度(Galster et al.2001)。
相比之下，在城市功能紧凑性研究方面，由于数据以及技术手段的限制，过往研究相对较少。现有对城市功能紧凑性的度量通常用土地利用混合程度来测度或者间接通过经济等指标的表现来衡量。城市土地利用混合程度越高，城市功能越紧凑。土地利用混合性的度量方法可以分为三种(Ewing and Hamidi2014)：I：区域内工作数量与人口的相对平衡程度(balance between jobs and population)，常用指标为区域内总工作数量与居民数量的比值，服务型工作岗位与居民数量的比值(Angel et al.2018；Ewing et al.2002；Songand Knaap 2004)，居住用地与非居住用地两种不同类型的土地利用类型在同一块区域的混合程度(Burton 2002；Galster et al.2001)；II：区域内不同地点的非住宅用地与住宅用地之间的可达性(distances to walkable destinations)，常用指标包括从住宅到最近商业区的距离，从住宅到最近公共机构用地的距离，从住宅到最近工业用地的距离，从住宅到最近公园的距离等(Song and Knaap 2004)，1公里范围内拥有购物场所的居民比例，拥有小学等基础教育设施居民的比例(Ewing et al.2002；Habibi and Zebardast 2016)等；III：区域内土地利用类型的多样性，常用指标为不同用地类型(商业用地，居住用地，工业用地，公共机构用地，公园等)的占比(Burton2002；Habibi and Zebardast 2016；Song andKnaap 2004)或者Entropy index(Lu et al.2018；Musakwa and Niekerk 2013；Shi etal.2016；Song et al.2013)。不难发现，上述测度城市空间功能紧凑度的方法所适用的研究尺度有所不同，I和II所需数据一般来源于问卷或实地调查，需要耗费大量人力物力和时间，适用于街区、社区等较小尺度的研究；方法III一般以遥感解译所得到的土地利用数据为基础，适用于较大尺度的研究，但无法体现局部的功能紧凑性。并且城市空间功能紧凑度表示不同用地类型的地块上人为活动强度的大小，土地利用混合不能完全反映功能紧凑程度。因此急需探寻一种适于较大尺度城市空间功能紧凑性评价的方法，该方法可体现出局部的功能紧凑性，适用于多个城市之间的比较，并且可以综合反映人为活动强度、居住用地与其他用地之间可达性和不同类型用地混合程度。
发明内容
为了解决上述问题，本发明提出了一种度量城市空间功能紧凑度的方法。
具体方案如下：
一种度量城市空间功能紧凑度的方法，包括以下步骤：
S1：获取待测城市的兴趣点数据、夜间灯光数据和路网数据；
S2：根据获取的兴趣点数据在待测城市中分布的密度确定待测城市的城市核心区；
S3：根据路网数据将城市核心区划分为多个地块；
S4：根据兴趣点数据确定每个地块的类型，根据夜间灯光数据确定每个地块的人为活动强度；
S5：根据待测城市的城市核心区中所有地块的类型和人为活动强度确定待测城市的空间功能紧凑度。
进一步的，步骤S2中城市核心区的确定过程包括以下步骤：
S21：根据待测城市范围内的兴趣点密度变化趋势，提取密度等值线，将密度等值线所对应的面作为密度等值面，从城市中心开始按顺序计算相邻两个密度等值面的面积变化量，当相邻两个密度等值面的面积变化量大于面积变化阈值时，将该相邻两个密度等值面中靠近城市中心的密度等值面的范围设定为初步城市核心范围；
S22：选取初步城市核心范围中面积最大的板块；
S23：将面积最大的板块和与该板块通过道路相连且距离不超过距离阈值的板块设为城市核心区。
进一步的，步骤S4中，针对不包含居住类兴趣点的地块，将该地块包含的所有类型兴趣点中所占比例最大的兴趣点对应的类型作为该地块的类型。
进一步的，步骤S4中，当地块中没有兴趣点时，根据地块的面积和与该地块相邻的其他地块中兴趣点的类型确定该地块的类型。
进一步的，当地块面积小于居住小区的平均面积时，设定地块的类型为道路用地；否则，根据该地块相邻的其他地块中兴趣点的类型确定该地块的类型。
进一步的，步骤S5中待测城市的空间功能紧凑度的计算过程包括以下步骤：
S51：根据城市核心区中每个地块的类型将分为居住类地块和非居住类地块；
S52：针对每种非居住类地块，计算其人为活动强度与居住类地块的人为活动强度之间的空间引力FRX：
其中，i表示居住类地块中各地块的序号；j表示某类非居住类地块中各地块的序号；Ri表示居住类地块中第i个地块的人为活动强度；Xj表示第X类非居住类地块中第j个地块的人为活动强度；d(i,j)表示居住类地块中第i个地块与第X类非居住类地块中第j个地块之间的欧式距离；M表示居住类地块中包含的地块的总数；N表示某类非居住类地块包含的地块的总数；c为常量；
S53：将所有类型非居住类地块的人为活动强度与居住类地块的人为活动强度之间的空间引力求和得到待测城市的空间功能紧凑度。
本发明采用如上技术方案，根据待测城市的兴趣点数据、夜间灯光数据和路网数据来分析城市空间功能紧凑度，可以反映城市形态紧凑度不能表达的维度，从功能上评估城市布局的合理性，为城市紧凑度的度量提供新的视角。
附图说明
图1所示为本发明实施例一的流程图。
图2所示为该实施例中功能区不同混合状态下的FCI值。
图3所示为该实施例中FCI值与服务半径图。
图4所示为该实施例中各城市的FCI和CI值。
图5所示为该实施例中FCI值与城市规模大小的关系图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一：
本发明实施例提供了一种度量城市空间功能紧凑度的方法，如图1所示，包括以下步骤：
S1：获取待测城市的兴趣点(Points of Interest，POIs)数据、夜间灯光数据和路网数据。
兴趣点是指涉及特定位置或真实世界地理空间实体的零维要素，如历史遗迹、地标、公共服务设施、商店、学校、餐馆等。本实施例中获取的兴趣点数据源于高德地图，每条兴趣点数据均包含名称、类别、经纬度、地址等信息。获取的兴趣点数据总共包含14个大类，分别是餐饮服务、购物服务、科教文化服务、风景名胜、公共设施、公司企业、交通设施服务、金融保险服务、商务住宅、生活服务、体育休闲服务、医疗保健服务、政府机构及社会团体和住宿服务。所有获取的兴趣点数据均经过清洗和坐标转换处理。
该实施例中获取的夜间灯光数据为NPP/VIIRS夜间灯光数据，其是遥感卫星在夜间无云条件下捕捉到的城镇灯光、渔船灯光、火点等可见光。该夜间灯光数据源于美国国家海洋与大气管理局下属的国家地理数据中心(generation to the Earth ObservationGroup,NOAA/NCEI)。
该实施例中获取的路网数据为Road network of OpenStreetMap(RNO)，其是有关城市道路信息的矢量数据，该数据源于OpenStreetMap(OSM)，OSM诞生于UniversityCollege London in July 2004，是一款由公众打造的免费开源、可编辑的地图服务。OSM提供了较为详细的道路及街道信息，可用于构建本实施例中分析所需的基本空间单元。
S2：根据获取的兴趣点数据在待测城市中分布的密度确定待测城市的城市核心区。
本实施例中基于兴趣点数据和路网(RNO)数据来识别城市中的各地块，由于兴趣点数据与地理空间实体对应的程度与研究结果的准确性相关，因此，该实施例中将兴趣点数据较丰富的城市核心区作为主要研究对象。
城市核心区是城市经济、政治、文化等活动集中发生的区域，是城市的公共活动的核心范围。该实施例中根据兴趣点数据密度的变化提取城市范围，具体包括以下步骤：
S21：根据待测城市范围内的兴趣点密度变化趋势，提取密度等值线，将密度等值线所对应的面作为密度等值面，等值线的值一般从城市中心由内往外逐渐变小，等值面面积则由内向外逐渐增大，从城市中心开始按顺序计算相邻两个密度等值面的面积变化量，当相邻两个密度等值面的面积变化量大于面积变化阈值时(即等值面面积发生突变时)，将该相邻两个密度等值面中靠近城市中心的密度等值面的范围设定为初步城市核心范围。所述面积变化阈值本领域技术人员可以根据经验值进行设定。
S22：选取初步城市核心范围中面积最大的板块。
S23：将面积最大的板块和与该板块通过道路相连且距离不超过距离阈值的板块设为城市核心区。
该实施例中设定距离阈值为500m，本领域技术人员可以根据实际情况对其进行调整。
S3：根据路网数据将城市核心区划分为多个地块。
城市地块的划分首先需要确定用于分析的基本空间单元。所述基本空间单元的确定一般分为两种，一种以规则格网(如正方形)作为基本空间单元，另一种是以不规则格网作为基本空间单元。本实施例中采用的Street Blocks方法属于后者，它是由城市道路划分形成的形态大小各异的地块(即街区)，是城市形态结构、城市功能、城市管理及城市认知的基本单元。
S4：根据兴趣点数据确定每个地块的类型，根据夜间灯光数据确定每个地块的人为活动强度。
根据中国国家标准《城市用地分类与规划建设用地标准》将城市功能划分为6类，分别是：
1)居住用地，指主要用于人们生活居住的房基地及其附属设施土地。
2)商业服务业设施用地，主要用于商业、服务业的土地。
3)公共管理与公共管理与公共服务用地，指用于机关团体、新闻出版、科教文卫、公用设施的土地。
4)交通运输用地，指用于运输通行的地面线路、场站等土地。
5)休闲旅游设施。
6)其他用地。
各类用地对应兴趣点类别如表1所示。
表1
每个地块都有主导的功能属性，将该主导的功能属性作为该地块的类型。每个地块的主导功能属性由该地块中占主导功能的兴趣点来确定。
结合遥感影像发现单个地块内居住类兴趣点的商业价值较小，且具有一定的私人属性，兴趣点的数量往往较少；相比之下，商业类兴趣点具有较大商业价值，其数量与真实地理实体相当。因此判断地块属性时，不同类型兴趣点所占权重不同。结合实际情况，将商业价值较小的居住类兴趣点和商业价值较大或具有公共属性的其余五类兴趣点分别处理。
居住类兴趣点大部分都是真实的居住用地，但有小部分兴趣点位于商业区，这些兴趣点所属的地块从属性上更偏向于商业服务业设施用地。为了更准确的判定居住类地块，该实施例中对居住类兴趣点加入一个修正指数，具体方法是对商业类兴趣点进行核密度分析，得到商业类兴趣点的核密度图，运用突变检测法(L.Imhoff,M.,Lawrence,W.T.,Stutzer,D.C.,&Elvidge,C.D.(1997).Atechnique for using composite DMSP/OLS“CityLights”satellite data to map urban area.Remote Sensing of Environment,61,361-370)将值发生突变的区域设为商业服务业设施地块。最后得到由居住类兴趣点所识别的居住类地块和商业服务业设施地块。
非居住类兴趣点对应的地块的类型则由该地块内各类兴趣点所占的比例确定，将所占比例最大的兴趣点的类型作为该地块的类型。各类兴趣点所占比例的计算公式如下：
其中，i表示兴趣点的类型，ni表示地块内第i种类型兴趣点的数量，N表示该地块内兴趣点的总数，Fi表示第i种类型兴趣点占该地块内兴趣点总数的比例。如商业服务业设施用地类兴趣点所占的比例最大，即可判定该地块的类型为商业服务业设施类。
经过对非居住区兴趣点的分类，绝大多数地块已经被赋予属性，但仍有一小部分地块因没有兴趣点与之对应而无法判断功能属性。对于这部分地块，根据地块的面积和与该地块相邻的其他地块中兴趣点的类型确定该地块的类型，该实施例中，当地块面积小于居住小区的平均面积(90,000m2)时，设定地块的类型为道路用地；否则，根据该地块相邻的其他地块中兴趣点的类型确定该地块的类型。
设定每个地块的平均夜间灯光强度为该地块的人为活动强度。
S5：根据待测城市的城市核心区中所有地块的类型和人为活动强度确定待测城市的空间功能紧凑度。
该实施例中具体计算方法包括以下步骤：
S51：根据城市核心区中每个地块的类型将分为居住类地块和非居住类地块。
S52：针对每种非居住类地块，计算其人为活动强度与居住类地块的人为活动强度之间的空间引力FRX：
其中，i表示居住类地块中各地块的序号；j表示某类非居住类地块中各地块的序号；Ri表示居住类地块中第i个地块的人为活动强度；Xj表示第X类非居住类地块中第j个地块的人为活动强度；d(i,j)表示居住类地块中第i个地块与第X类非居住类地块中第j个地块之间的欧式距离；M表示居住类地块中包含的地块的总数；N表示某类非居住类地块包含的地块的总数；c为常量，c＝100W.cm-2sr-1.m2，以使计算结果无量纲化。
该实施例中X的值为2,3,4,5，对应的Xj分别代表商业服务业设施用地、公共管理与公共服务用地、交通运输用地、休闲旅游设施用地四种地块的人为活动强度。在其他实施例中，X的取值可以随情况改变。
S53：将所有类型非居住类地块的人为活动强度与居住类地块的人为活动强度之间的空间引力求和得到待测城市的空间功能紧凑度。
该实施例中具体计算公式为：
FCI＝∑FRX (X＝2,3,4,5)
其中，FCI为总城市空间功能紧凑度，其值越大，城市空间功能越紧凑。
模拟验证：
为了探讨不同城市规模下，城市在功能紧凑度上的差异，该实施例中选取了城市地区(Urban areas)形态相似的中国的四座城市(北京、上海、西安和厦门)作为案例城市进行验证。北京是中国的政治中心，位于115°25′～117°35′E，39°28′～41°03′N之间，是典型的平原城市，城市呈规则的环状发展；上海是中国的经济中心，位于120°52′-122°12′E，30°40′-31°53′N，是长江三角洲冲积平原的一部分，地势平坦；西安是中国西部地区的重要中心城市，地形以位于107°24′～109°29′E和33°25′～34°27′N之间，地势东南高，西北与西南低；厦门是东南沿海的重要中心城市，位于117°53'～118°26'E，24°23'～24°54'N，地形以滨海平原、台地和丘陵为主，属于典型的地形限制型城市。
根据本实施例方法得到各城市中的各地块的功能类型。在各城市区内分别生成随机点(北京199个，上海190个，西安180个，厦门164个)，通过街景地图、Google Earth以及附近兴趣点的属性综合判断随机点的属性。将随机点的属性与地块属性比对，最后得到各城市地块区的划分精度，分别是北京95.48％，上海92.63％，西安94.44％，厦门87.20％。四个城市地块区划分总体精度在87％以上。
(1)情景分析
本实施例中结合城市布局的实际情况，模拟了4个情景来验证本实施例计算模型的有效性如图2所示(图中不同灰度的圆表示不同类型的用地，圆的大小表示人为活动强弱，图中圆的大小用自然间断点法分5类显示，圆越大表示人为活动强度越大，圆越小，人为活动强度越小)，模拟的街区大小为300m*300m。情景a，b，c模拟人为活动强度相同，用地类型不同混合状态下FCI结果的变化情况。具体方法为使情景a，b，c中除居住用地以外的其他4种用地集聚分布，依次改变居住用地与其他4种用地的混合状况。情景a中，5种用地完全聚集，居住用地分布在另外4种类型用地中间；情景b将居住用地与其他类型用地混合布局，居住类用地部分被其他类型用地包围，其他类型用地完全聚集；情景c将居住用地与其他类型用地混合，但居住用地完全分布在其他类型用地的外围。a，b，c 3种情景中，b的功能最紧凑，FCI等于75.75，c的功能最不紧凑，FCI值最小，为57.46。几种情景FCI大小分别是b＞a＞c，说明以居住用地为中心的布局下(居住用地被其他用地包围)，居住用地与其他用地越混合，居住用地与其他用地之间的平均距离越短，城市功能越紧凑。情景a，d模拟用地类型分布完全一致的情况下，人为活动强弱与FCI的关系。a和d的用地布局相同，d的总体人为活动强度大于a，a的功能紧凑度为72.96，d的功能紧凑度为278.84，由此可知人为活动强度越大，城市功能越紧凑。
(2)服务半径分析
不同类型设施往往具有最佳服务半径，本实施例中分析了以居住用地为中心不同服务半径下FCI值的变化情况。当服务半径在1km-8km范围内，FCI先随着服务半径的增加而迅速增加，服务半径大于8km后，FCI的增加速度变缓，当服务半径达到20km之后，FCI值基本稳定，只轻微增长，如图3所示，因此计算FCI时无需考虑居住区服务半径的大小。
(3)与CI指数计算结果对比
4座城市的CI皆不相同，如图4所示，上海由于城市规模大，且长江穿城而过将上海分割成两部分，导致上海的形态紧凑度最低；北京城市规模最大，城市形态完整CI仅高于上海；西安和厦门的城市规模较小，CI分别次高，最高。各研究区的功能紧凑度与形态紧凑度有明显差异，厦门FCI最大，为8.59，西安、上海次之，北京最小。
分析居住用地与其他四种地类之间的城市空间功能紧凑度，如表2所示。居住用地与公共管理与公共服务用地的之间的引力一般比较大，说明公共管理与公共服务用地的分布与居住用地匹配性较高；居住用地与休闲旅游设施用地之间的引力较小，居住用地的分布与休闲旅游设施用地匹配性较差，但上海除外，主要是因为上海的主要景点都位于城市中心的商业区，如东方明珠，豫园，外滩等，这些景点及其周围的用地十分繁华，人为活动强度强。每个城市分开来看，北京与公共管理与公共服务用地和交通运输用地的紧凑度最好；上海与公共管理与公共服务用地和休闲旅游设施用地的紧凑度最高；西安和厦门的居住用地与交通运输用地和公共管理与公共服务用地的紧凑度最高。
表2
整体上看，四座城市的FCI与城市规模呈反比关系。进一步分析FCI与城市规模的关系。以城市几何中心为原点，以半径为1km的圆为初始大小，建立半径以1km增长的缓冲区，计算不同半径下城市的FCI，如图5所示。在半径1km范围内，城市的FCI最高，上海FCI达到1459，北京为473，西安为535，厦门除外，FCI为73。随着城市范围的增加，FCI值急剧减小。1-13km内西安北京的值接近，13km之后，西安超过了北京但低于厦门和上海。北京13km后人为活动强度不足。西安在10km后人为活动强度不足。上海13km后人为活动强度不足。北京、上海、西安等规模相对较大的城市FCI值下降趋势迅猛，而规模较小的城市厦门随着城市规模的扩大FCI下降较缓慢，并且在10-11km处逐渐超过西安和北京，在13km处超过上海。
本实施例具有以下有益效果：
1.相比Landsat卫星影像，直接以兴趣点数据来确定城市核心区的范围更加方便，节约时间，且兴趣点数据本身是地理实体的零维要素，与地理实体之间存在一定的对应关系：越靠近城市中心，兴趣点数据越完整，选择兴趣点数据相对较多的城市核心区来研究，可以一定程上提高功能区的划分精度。兴趣点数据，RNO数据和NPP/VIIRS夜间灯光数据的可获取性为大尺度对比研究各城市的功能紧凑度提供了可能性。
2.本实施例提出的FCI模型从功能上考量城市布局的合理性，相较于以往度量城市空间功能紧凑度的方法，具有三个优点：第一，在4种情景分析中发现，人为活动强度越大，城市功能越紧凑，居住用地与其他功能用地越混合，城市越紧凑，因此本实施例提出的FCI模型可以综合反映人为活动强度、居住用地与其他用地之间的可达性和不同类型用地混合程度。但简单的将不同功能用地混合，忽略居住用地的位置并不能有效提高城市功能紧凑度，只有以居住用地为中心布局其他功能用地，让人们将日常生活活动集中在一个较小范围内解决，使相同地块内的功能效益发挥到最大，才能有效缩短居住用地与其他用地的平均距离，提升城市活动，最终提高城市功能紧凑性。第二，居住用地服务半径的大小对于FCI模型的结果没有影响。一般情况下不同社区配套都有自己的最佳服务半径，如小学的服务半径不宜大于500m，中学的服务半径不宜大于1000m，我们假设居住用地也有一个最佳的服务半径，那么FCI结果应该随着居住区服务半径的变化呈倒“U”型或者倒“V”型，但实际计算结果呈倒“U”型的左半部分形态，即随着居住区服务半径的增加，FCI先快速增加后缓慢增加，最后达到稳定，因此计算FCI无需考虑居住用地的服务半径的大小。第三，FCI不仅可以表现城市整体的功能紧凑度还能反映城市局部的功能紧凑度。在上述的案例分析中，厦门的功能紧凑度最大，FCI为8.59，西安、上海次之，FCI分别为6.63、5.78，北京最低，FCI为4.69。与CI结果有明显差异，相对于CI，FCI能较好的区分出不同城市功能布局上的差异。对FCI与城市规模的关系的探索发现北京、上海、西安等规模较大的城市中心人为活动强度强，但外围活力不足，人为活动强度区域差异较大。而厦门虽然城市中心人为活力比其余三座城市小，但人为活动强度均衡，整体功能紧凑度最优。
3.FCI模型建立在万有引力模型的基础上，考虑了城市内部地块之间的空间距离，这和CI模型相同。FCI模型与CI模型的不同之处主要体现在以下三点：
(1)两个模型分析的基本空间单元不同。CI模型分析的基本空间单元为规则格网，随着格网尺度的变化，CI结果也会发生相应变化，需要对尺度进行分析，选择合适的网格尺度，如文献“Zhao,J.,Song,Y.,Shi,L.,&Tang,L.(2011).Study on the compactnessassessment model of urban spatial form.Acta Ecologica Sinica,31,6338-6343”中，在对格网尺度较小分析之后，选取了300m×300m的格网。文献“Thinh,N.X.,Arlt,G.,Heber,B.,Hennersdorf,J.,&Lehmann,I.(2002).Evaluation of urban land-usestructures with a view to sustainable development.Environmental ImpactAssessment Review,22,475-492”中在评估了不同格网尺度与CI的关系后，认为不同格网尺度的平均值与500m×500m尺度下的值相近，因此选取该尺度作为最终的格网大小。而本实施例中以道路划分形成的不规则格网-街区作为分析的基本空间单元，街区是城市中人类活动的基本空间单元，对于反映城市的空间布局具有独特的优势，在计算城市FCI时，无需再对尺度的选取进行讨论。
(2)参与模型计算的数据不同。CI模型运行所需基础数据为城市不透水面或者城市建成区等，数据一般源于遥感影像分类，或当地的土地利用数据库。FCI模型所需基础数据为城市功能分区和人为活动强度，两种数据分别由POI数据和NPP/VIIRS夜间灯光数据提供。
(3)两种模型所表达的含义不相同。CI模型描述城市内部地块之间的关联程度，表现的是城市物理形态的紧凑程度，FCI模型从功能上考量城市布局的合理性，反映不同类型地块上人为活动强度引力的大小，FCI模型并不能替代CI模型，而是与CI模型相匹配的紧凑度模型。
4.选取城市核心区作为每个城市的研究范围，根据兴趣点数据密度的变化来判定城市核心区的范围。对于城市范围的确定一般根据遥感影像提取城市不透水面或建成区等信息来获取，对于大尺度的研究，遥感影像的收集及处理是一项较大的工程。兴趣点数据作为本实施例中已获取的数据之一，直接用其提取城市核心区节省了大量的时间。另外，兴趣点数据在城市发达的区域数据量更加全面，而在郊区等区域数据较少，城市核心区是城市经济、政治、文化等活动集中发生的区域，是城市公共活动的核心范围。因此，选取城市核心区作为城市的研究范围，一方面可以从理论层面上提高功能区的划分精度，另一方面可以节省数据收集处理的时间，有利于较快实现多个城市功能紧凑度的比较。
5.采用的城市地块的提取方法与现有方法不同，本实施例中根据兴趣点数据的特征将兴趣点分为居住类和非居住类：居住类兴趣点具有私人属性、商业性较低；非居住类兴趣点具有公共属性、较高商业性的特点，将兴趣点数据分为两大类分别处理，经过精度验证，四个研究区的总体划分精度在87％以上，北方城市街区相对于南方更加规则，划分精度更高；经济越发达的城市，精度越高，这与兴趣点数据的特征和实际情况相符合。本实施例所提出的地块划分方法具有较高精度和较好的适用性，为FCI模型的运算提供了良好的数据基础。
实施例二：
本发明还提供一种度量城市空间功能紧凑度的终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地，作为一个可执行方案，所述度量城市空间功能紧凑度的终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述度量城市空间功能紧凑度的终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述度量城市空间功能紧凑度的终端设备的组成结构仅仅是度量城市空间功能紧凑度的终端设备的示例，并不构成对度量城市空间功能紧凑度的终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述度量城市空间功能紧凑度的终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述度量城市空间功能紧凑度的终端设备的控制中心，利用各种接口和线路连接整个度量城市空间功能紧凑度的终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述度量城市空间功能紧凑度的终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述度量城市空间功能紧凑度的终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。
Claims (5)
1.一种度量城市空间功能紧凑度的方法，其特征在于，包括以下步骤：
S1：获取待测城市的兴趣点数据、夜间灯光数据和路网数据；
S2：根据获取的兴趣点数据在待测城市中分布的密度确定待测城市的城市核心区；
S3：根据路网数据将城市核心区划分为多个地块；
S4：根据兴趣点数据确定每个地块的类型，根据夜间灯光数据确定每个地块的人为活动强度；
S5：根据待测城市的城市核心区中所有地块的类型和人为活动强度确定待测城市的空间功能紧凑度；空间功能紧凑度的计算过程包括以下步骤：
S51：根据城市核心区中每个地块的类型将分为居住类地块和非居住类地块；
S52：针对每种非居住类地块，计算其人为活动强度与居住类地块的人为活动强度之间的空间引力FRX：
其中，i表示居住类地块中各地块的序号；j表示某类非居住类地块中各地块的序号；Ri表示居住类地块中第i个地块的人为活动强度；Xj表示第X类非居住类地块中第j个地块的人为活动强度；d(i,j)表示居住类地块中第i个地块与第X类非居住类地块中第j个地块之间的欧式距离；M表示居住类地块中包含的地块的总数；N表示某类非居住类地块包含的地块的总数；c为常量；
S53：将所有类型非居住类地块的人为活动强度与居住类地块的人为活动强度之间的空间引力求和得到待测城市的空间功能紧凑度。
2.根据权利要求1所述的度量城市空间功能紧凑度的方法，其特征在于：步骤S2中城市核心区的确定过程包括以下步骤：
S21：根据待测城市范围内的兴趣点密度变化趋势，提取密度等值线，将密度等值线所对应的面作为密度等值面，从城市中心开始按顺序计算相邻两个密度等值面的面积变化量，当相邻两个密度等值面的面积变化量大于面积变化阈值时，将该相邻两个密度等值面中靠近城市中心的密度等值面的范围设定为初步城市核心范围；
S22：选取初步城市核心范围中面积最大的板块；
S23：将面积最大的板块和与该板块通过道路相连且距离不超过距离阈值的板块设为城市核心区。
3.根据权利要求1所述的度量城市空间功能紧凑度的方法，其特征在于：步骤S4中，针对不包含居住类兴趣点的地块，将该地块包含的所有类型兴趣点中所占比例最大的兴趣点对应的类型作为该地块的类型。
4.根据权利要求1所述的度量城市空间功能紧凑度的方法，其特征在于：步骤S4中，当地块中没有兴趣点时，根据地块的面积和与该地块相邻的其他地块中兴趣点的类型确定该地块的类型。
5.根据权利要求4所述的度量城市空间功能紧凑度的方法，其特征在于：当地块面积小于居住小区的平均面积时，设定地块的类型为道路用地；否则，根据该地块相邻的其他地块中兴趣点的类型确定该地块的类型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010111744.6A CN111401692B (zh) | 2020-02-24 | 2020-02-24 | 一种度量城市空间功能紧凑度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010111744.6A CN111401692B (zh) | 2020-02-24 | 2020-02-24 | 一种度量城市空间功能紧凑度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111401692A CN111401692A (zh) | 2020-07-10 |
| CN111401692B true CN111401692B (zh) | 2022-09-09 |
Family
ID=71430399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010111744.6A Active CN111401692B (zh) | 2020-02-24 | 2020-02-24 | 一种度量城市空间功能紧凑度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111401692B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148821B (zh) * | 2020-08-25 | 2022-05-03 | 中国地质大学（武汉） | 一种城市混合职住空间计算方法和系统 |
| CN112884208A (zh) * | 2021-01-26 | 2021-06-01 | 中国测绘科学研究院 | 一种城市街区智能划分方法 |
| CN112966899B (zh) * | 2021-02-03 | 2021-10-29 | 北京大学 | 一种影响人口密度的城市公共服务设施建设决策方法 |
| CN113065481A (zh) * | 2021-04-09 | 2021-07-02 | 中国测绘科学研究院 | 一种运输投送环境下融合多源数据的城市建成区提取方法 |
| CN113610165B (zh) * | 2021-08-10 | 2024-02-13 | 河南大学 | 基于多源高维特征的城市土地利用分类确定方法和系统 |
| CN114580975A (zh) * | 2022-05-05 | 2022-06-03 | 成都数联云算科技有限公司 | 街区活力获得方法及系统及装置及介质 |
| CN116127330B (zh) * | 2022-09-14 | 2023-11-03 | 兰州交通大学 | 一种路网语义相似性度量模型 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006338633A (ja) * | 2005-05-30 | 2006-12-14 | Shigeto Yoshikawa | コンパクトシティーモデル化手法（ｃｃｍｍ）とｃｃ効果 |
| CN109284918A (zh) * | 2018-09-11 | 2019-01-29 | 中国科学院城市环境研究所 | 一种城市立体空间紧凑性测度方法及系统 |
-
2020
- 2020-02-24 CN CN202010111744.6A patent/CN111401692B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006338633A (ja) * | 2005-05-30 | 2006-12-14 | Shigeto Yoshikawa | コンパクトシティーモデル化手法（ｃｃｍｍ）とｃｃ効果 |
| CN109284918A (zh) * | 2018-09-11 | 2019-01-29 | 中国科学院城市环境研究所 | 一种城市立体空间紧凑性测度方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Relationship between transit modal split and intra-city trip ratio by car for;Seungil Lee等;《Cities》;20170620;第11-21页 * |
| 低碳视角下城市空间形态紧凑度研究;吕斌，孙婷;《地理研究》;20130630;第32卷(第6期);第1057-1067页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111401692A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111401692B (zh) | 一种度量城市空间功能紧凑度的方法 | |
| Lan et al. | Measuring urban compactness based on functional characterization and human activity intensity by integrating multiple geospatial data sources | |
| Zheng et al. | Assessing the completeness and positional accuracy of OpenStreetMap in China | |
| 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 | |
| WO2016150407A1 (zh) | 一种基于地址解析数据的建设用地类型快速识别方法 | |
| Guan et al. | The concept of urban intensity and China's townization policy: Cases from Zhejiang Province | |
| CN107133900B (zh) | 城市土地混合利用特征格网计算方法及装置 | |
| US20210263957A1 (en) | Method and apparatus for dividing region, storage medium, and electronic device | |
| CN108665149A (zh) | 一种基于城市功能混合度的测算方法及系统 | |
| CN110458333A (zh) | 一种基于POIs数据的人口空间分布预测方法及系统 | |
| Zagorskas | GIS-based modelling and estimation of land use mix in urban environment | |
| Liu et al. | Road selection based on Voronoi diagrams and “strokes” in map generalization | |
| CN114708521A (zh) | 基于街景图像目标关系感知网络的城市功能区识别方法及系统 | |
| CN114548811A (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
| Yin et al. | Residential location and the biophysical environment: exurban development agents in a heterogeneous landscape | |
| CN111047217B (zh) | 一种结合电子地图兴趣点的城市功能空间紧凑性测度方法 | |
| CN114663602A (zh) | 一种基于大数据的城市设计实景三维测绘系统 | |
| Mazhi et al. | Site selection of retail shop based on spatial analysis and machine learning | |
| Mubea et al. | Spatial effects of varying model coefficients in urban growth modeling in Nairobi, Kenya | |
| CN115525642A (zh) | 逆地理编码方法、装置及电子设备 | |
| CN113610346B (zh) | 基于多源数据的村庄发展潜力评价及村庄分类方法及装置 | |
| CN111582683B (zh) | 一种基于网络热度的城市公共服务设施供给效率评价方法 | |
| Taran | Measuring Accessibility to Health Care Centers in the City of Al-Mafraq Using Geographic Information Systems. | |
| CN109635047B (zh) | 地理网格的信息处理方法、装置、设备及可读存储介质 | |
| CN115146990A (zh) | 一种集成多源地理大数据的城市活力定量评价方法 |
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 |