一种城市活力与空间社会特征相关性的测度方法及应用

摘要

本发明公开了一种城市活力与空间社会特征相关性的测度方法及应用，该方法基于大数据，在一定城市范围内，以路网分割得到的街区作为基本空间分析单元；将人口密度数据作为城市活力的衡量指标；获取交通路网数据和建筑矢量数据，计算得到城市形态的衡量指标；获取范围内的POI数据，计算得到城市功能的衡量指标；获取人口画像数据，计算得到社会经济特征的衡量指标；建立城市形态、城市功能、社会经济特征与城市活力的多元回归模型，由此得到城市活力与空间社会特征之间的相关性。本发明能够准确获取城市活力与空间社会特征的联系，拓展了城市活力评价体系，为提高城市活力的规划实践提供了指导依据。

说明书

技术领域

本发明涉及城市规划设计技术领域，具体涉及一种城市活力与空间社会特征相关性的测度方法及应用。

背景技术

增强城市空间的活力对城市的发展至关重要，这不仅涉及到人口和资本的高度集中，还与居民健康、社会发展及空间联系紧密相关。当城市空间和社会空间不匹配，城市就会变得单调缺乏活力，甚至出现住宅空置、人口流失、过度开发等城市问题。城市问题的出现，日益降低了城市结构的稳定和城市系统的可持续性，越来越多的研究利用城市活力来理解大城市背后错综复杂的社会和经济秩序。传统的数据环境缺乏定量评价城市活力的方法支持，通常采取代表性有限的实地观察、问卷调查等，然而这些方法费时费力，数据的代表性有限，限制了城市活力研究的深度和广度。随着城市化进程的发展，人们的生活方式发生了巨大变化，许多地图平台提供了基本城市空间数据，新的数据和方法为塑造城市形态奠定了充分的数据基础。鉴于此，城市活力的创造机制，尤其是与空间社会特征相关性的研究需要一种综合、高效、客观的方法来弥补上述不足。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种城市活力与空间社会特征相关性的测度方法，本发明综合考虑了城市建筑环境的物理特性以及与人类高度相关的社会经济特征，可以为城市活力的创造机制提供新的基础性技术支撑。

本发明的第二目的在于提供一种城市活力与空间社会特征相关性的测度系统。

本发明的第三目的在于提供一种存储介质。

本发明的第四目的在于提供一种计算设备。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种城市活力与空间社会特征相关性的测度方法，包括下述步骤：

根据交通路网将城市区域划分为多个街区，作为基本空间分析单元；

获取人口网格数据并计算街区人口密度参数，作为衡量城市活力的指标；

获取交通路网数据计算路网交叉口密度、路网连接度和路网整合度，获取建筑矢量数据，计算街区容积率和建筑密度，将路网交叉口密度、路网连接度、路网整合度、街区容积率和建筑密度作为衡量城市形态的指标；

获取POI数据，计算各个街区功能混合度和POI密度，作为衡量城市功能的指标；

获取人口画像数据，计算街区人口比例和人群比例参数，作为衡量社会经济特征的指标；

建立城市形态、城市功能、社会经济特征与城市活力的多元回归模型，测度城市活力与空间社会特征之间的相关性。

作为优选的技术方案，所述根据交通路网将城市区域划分为多个街区，具体步骤包括：

根据交通路网中的主干路、次干路和重要支路，将围合形成的街区地块作为基本空间分析单元。

作为优选的技术方案，所述街区人口密度参数包括平均人口密度、居住人口密度和工作人口密度。

作为优选的技术方案，所述获取交通路网数据计算路网交叉口密度、路网连接度和路网整合度，具体步骤包括：

通过道路网的交点形成道路交叉口，将道路交叉口通过ArcGIS计算核密度，并将核密度数值提取至点，通过交集制表将各点数值连接进街区地块，计算地块核密度点代表值的总和与地块内核密度点的数量的比值，得到交叉口密度；

采用空间句法模式，利用Depthmap软件生成路网连接度和路网整合度。

作为优选的技术方案，所述计算各个街区功能混合度和POI密度，具体步骤包括：

功能混合度的计算公式为：

其中，n表示地块内POI类型的数量，P

计算地块内POI的总数量与地块面积的比值，得到POI密度。

作为优选的技术方案，所述获取人口画像数据，计算街区人口比例和人群比例参数，所述人口画像数据包括居住人口数量、工作人口数量、性别、年龄段、收入水平和消费水平属性；

所述街区人口比例包括街区居住人口比例、工作人口比例和中青年人口比例；

所述人群比例参数包括中高收入人群比例、高消费人群比例和高收入人群密度。

作为优选的技术方案，所述建立城市形态、城市功能、社会经济特征与城市活力的多元回归模型，具体步骤包括：

将城市活力作为因变量，将城市形态指标作为自变量，构建多元回归线性模型A，表示为：

D

其中，IDI表示交叉口密度，FAR表示容积率，BDI表示建筑密度，C表示路网连接度，I表示路网整合度，β

将城市形态及城市功能指标作为自变量，构建多元回归线性模型B，表示为：

D

其中，EPOI表示功能混合度，DPOI表示POI密度，β

将城市形态、城市功能及社会经济特征指标共同作为自变量，构建多元回归线性模型C，表示为：

D

其中，RPR表示居住人口比例，WPR表示工作人口比例，YMR表示中青年人口比例，PMHIG表示中高收入人群比例，PHCG表示高消费人群比例，HIPD表示高收入人群密度，β

分别将居住活力与工作活力作为因变量，将城市形态指标作为自变量，构建两个多元回归线性模型D

D

D

将城市形态及城市功能指标作为自变量，构建两个多元回归线性模型D

D

D

将城市形态、城市功能及社会经济特征指标共同作为自变量，构建两个多元回归线性模型D

D

D

得到城市活力与空间社会特征之间的相关性。

为了达到上述第二目的，本发明采用以下技术方案：

一种城市活力与空间社会特征相关性的测度系统，包括：划分模块、城市活力指标构建模块、城市形态指标构建模块、城市功能指标构建模块、社会经济特征指标构建模块、多元回归模型构建模块、相关性测度输出模块；

所述划分模块用于根据交通路网将城市区域划分为多个街区，作为基本空间分析单元；

所述城市活力指标构建模块用于获取人口网格数据并计算街区人口密度参数，作为衡量城市活力的指标；

所述城市形态指标构建模块用于获取交通路网数据计算路网交叉口密度、路网连接度和路网整合度，获取建筑矢量数据，计算街区容积率和建筑密度，将路网交叉口密度、路网连接度、路网整合度、街区容积率和建筑密度作为衡量城市形态的指标；

所述城市功能指标构建模块用于获取POI数据，计算各个街区功能混合度和POI密度，作为衡量城市功能的指标；

所述社会经济特征指标构建模块用于获取人口画像数据，计算街区人口比例和人群比例参数，作为衡量社会经济特征的指标；

所述多元回归模型构建模块用于建立城市形态、城市功能、社会经济特征与城市活力的多元回归模型；

所述相关性测度输出模块用于测度城市活力与空间社会特征之间的相关性。

为了达到上述第三目的，本发明采用以下技术方案：

一种存储介质，存储有程序，所述程序被处理器执行时实现上述城市活力与空间社会特征相关性的测度方法。

为了达到上述第四目的，本发明采用以下技术方案：

一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述城市活力与空间社会特征相关性的测度方法。

本发明与现有技术相比，具有如下优点和有益效果：

(1)传统的技术方法大多只集中在城市建筑环境的物理特性对城市活力的影响方面，而与人类高度相关的社会经济特征则尚未加入讨论，本发明将三种类型的指标同时加入指标体系，形成一种基于大数据的城市活力与空间社会特征相关性的测度方法，在指标的完整性及与活力的分析方面进一步实现了创新和完善，拓展了城市活力的研究方法。

(2)本发明采用了大数据与计算机分析，将研究区域的城市活力与城市形态、城市功能及社会经济特征指标综合起来，并区分了职住活力的形成机制有何不同，有助于理解不同城市活力的创造机制，解决了传统城市活力研究耗费人力、不够客观、效率低下的技术问题，达到了城市活力生成机制生成更加全面、高效、合理的技术效果。

附图说明

图1为本实施例城市活力与空间社会特征相关性的测度方法流程示意图；

图2为本实施例的城市综合活力空间分布图；

图3为本实施例的居住活力空间分布图；

图4为本实施例的工作活力空间分布图；

图5为本实施例的交叉口密度空间分布图；

图6为本实施例的容积率空间分布图；

图7为本实施例的建筑密度空间分布图；

图8为本实施例的功能混合度空间分布图；

图9为本实施例的功能密度空间分布图；

图10为本实施例的居住人口比例空间分布图；

图11为本实施例的工作人口比例空间分布图；

图12为本实施例的中青年人口比例空间分布图；

图13为本实施例的高收入人口比例空间分布图；

图14为本实施例的高消费人口比例空间分布图；

图15为本实施例的高收入人口密度空间分布图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

本实施例采用一个应用实例，以广东省广州市中心生活区作为研究对象进行实践，包括越秀区、天河区、海珠区部分区域，总面积共37363公顷，该片区囊括了广州的老中心和新中心，其自古至今较为繁华的地位使其成为城市活力分析的良好选择。

如图1所示，本实施例提供一种基于大数据的城市活力与空间社会特征相关性的测度方法，具体包括以下步骤：

1)在研究范围内，依据交通路网将城市区域划分为若干街区，作为基本空间分析单元。

1.1)依据OpenStreetMap开放地图平台下载的路网以及城市现状交通路网，利用主干路、次干路和重要支路，其围合形成的街区地块为基本单元，本次实例的基本空间分析单元共682个地块；

2)获取人口网格数据，计算得到街区人口密度作为衡量城市活力的指标；

2.1)通过商业地理智能数据平台获取百度慧眼数据，本实施例使用的百度慧眼数据涵盖2018年10月至2019年10月的200*200m网格数据，共记录了居住人口数量、工作人口数量，以及性别、年龄段、收入水平、消费水平等属性；通过居住人口数量、工作人口数量计算出平均人口密度、居住人口密度、工作人口密度，用来衡量城市活力。(本实施例的工作人口与居住人口取2018年及2019年的平均数)；

2.1.1)平均人口＝(工作人口+居住人口)/2

2.1.2)城市总体活力＝平均人口密度＝平均人口/地块面积

2.1.3)居住活力＝居住人口密度＝居住人口/地块面积

2.1.4)工作活力＝工作人口密度＝工作人口/地块面积

如图2、图3和图4所示，在ArcGIS中可得到城市活力综合活力空间分布图，以及居住活力空间分布图和工作活力空间分布图；

3)获取交通路网数据和建筑矢量数据，计算得到衡量城市形态的指标；

3.1)利用OpenStreetMap开放地图平台下载研究范围的交通路网数据，计算路网交叉口密度、路网连接度、路网整合度；

3.1.1)通过道路网的交点形成道路交叉口，其次将道路交叉口通过ArcGIS计算核密度，并将核密度数值提取至点，最后通过交集制表将各点数值连接进街区地块，如图5所示，最后可算出，交叉口密度(IDI)＝地块核密度点代表值的总和/地块内核密度点的数量；

3.2)空间句法是20世纪70年代Bill Hillier提出用于描述和分析空间关系的方法，根据空间分割方法，空间句法可以导出相应的连接图，从连接图导出一系列的形态变量，本实施例采用空间句法模式，利用Depthmap软件生成路网连接度(C)和路网整合度(I)；

3.3)利用高德开放平台下载研究范围的建筑矢量数据，获得了建筑数据，包括建筑空间坐标、基准轮廓、楼层以及占地面积，如图6、图7所示，计算街区容积率、建筑密度，作为衡量城市形态的指标；

3.3.1)容积率(FAR)＝地块总建筑面积/地块面积

3.3.2)建筑密度(BDI)＝建筑基底面积/地块面积；

3.4)至此，可获得城市形态的全部指标；

4)获取POI数据，计算得到衡量城市功能的指标；

4.1)通过百度地图开放平台的地点检索API接口，编写python代码获取，本实施例获取的POI数据库涵盖了19种类型的设施，共有222718个POI，分别包括：出入口、房地产、公司企业、交通设施、教育培训、金融、酒店、旅游景点、美食、生活服务、休闲娱乐、医疗、运动健身以及政府机构等；

4.2)如图8、图9所示，利用POI数据计算得到各个街区功能混合度、POI密度作为衡量城市功能的指标；

4.2.1)功能混合度

4.2.2)POI密度(DPOI)＝地块内POI的总数量/地块面积

4.3)至此，可获得城市功能的全部指标。

5)获取人口画像数据，计算得到衡量社会经济特征的指标。

5.1)通过百度慧眼获取研究范围涵盖居住人口数量、工作人口数量、性别、年龄段、收入水平、消费水平等属性的人口画像数据。

5.2)如图10、图11、图12、图13、图14和图15所示，计算得到街区居住人口比例、工作人口比例、中青年人口比例、中高收入人群比例、高消费人群比例、高收入人群密度作为衡量社会经济特征的指标，本实施例的居住人口数量与工作人口数量均取2018和2019年的平均值；

5.2.1)居住人口比例(RPR)＝居住人口数量/地块平均人数

5.2.2)工作人口比例(WPR)＝工作人口数量/地块平均人数

5.2.3)中青年人口比例(YMR)＝20至54岁人口数量/地块平均人数

5.2.4)中高收入人群比例(PMHIG)＝月收入2500以上人口数量/地块平均人数

5.2.5)高消费人群比例(PHCG)＝周消费500以上人口数量/地块平均人数

5.2.6)高收入人群密度(HIPD)＝月收入4000以上人口数量/地块平均人数

5.3)至此，可获得社会经济特征的全部指标。

6)建立城市形态、城市功能、社会经济特征与城市活力的多元回归模型，由此得到城市活力与空间社会特征之间的相关性。

6.1)将城市总体活力作为因变量，将城市形态指标作为自变量，构建多元回归线性模型A：

D

其中，IDI表示交叉口密度，FAR表示容积率，BDI表示建筑密度，C表示路网连接度，I表示路网整合度，β

将城市形态及城市功能指标作为自变量，构建多元回归线性模型B：

D

其中，EPOI表示功能混合度，DPOI表示POI密度，β

将城市形态、城市功能及社会经济特征指标共同作为自变量，构建多元回归线性模型C：

D

其中，RPR表示居住人口比例，WPR表示工作人口比例，YMR表示中青年人口比例，PMHIG表示中高收入人群比例，PHCG表示高消费人群比例，HIPD表示高收入人群密度，β

利用上述三个多元回归线性模型，通过SPSS的回归分析，获得相关性结果如下表1所示，该结果可看出Model A、B、C调整后的R

表1三个多元回归线性模型的相关性结果表

6.2)分别将居住活力与工作活力作为因变量，将城市形态指标作为自变量，构建两个多元回归线性模型D

D

D

将城市形态及城市功能指标作为自变量，构建两个多元回归线性模型D

D

D

将城市形态、城市功能及社会经济特征指标共同作为自变量，构建两个多元回归线性模型D

D

D

利用上述六个多元回归线性模型，通过SPSS的回归分析，获得相关性结果如下表2所示，该结果可看出居住活力的三组模型R

通过模型D

模型D

模型D

表2六个多元回归线性模型的相关性结果表

本实施例的基于大数据的城市活力与空间社会特征相关性的测度方法将物质空间与社会经济特征结合起来，在研究范围内，依据交通路网将城市区域划分为若干街区，作为基本空间分析单元；获取人口网格数据，计算得到街区人口密度作为衡量城市活力的指标；获取交通路网数据和建筑矢量数据，计算得到衡量城市形态的指标；获取POI数据，计算得到衡量城市功能的指标；获取人口画像数据，计算得到衡量社会经济特征的指标；建立城市形态、城市功能、社会经济特征与城市活力的多元回归模型，由此得到城市活力与空间社会特征之间的相关性。本发明综合考虑了城市的物质空间形态，又结合了与人类生活息息相关的社会经济指标，体现了大数据背景下网络数据收集的城市测度，拓展了城市活力的研究方法。

实施例2

一种城市活力与空间社会特征相关性的测度系统，包括：划分模块、城市活力指标构建模块、城市形态指标构建模块、城市功能指标构建模块、社会经济特征指标构建模块、多元回归模型构建模块、相关性测度输出模块；

在本实施例中，划分模块用于根据交通路网将城市区域划分为多个街区，作为基本空间分析单元；

在本实施例中，城市活力指标构建模块用于获取人口网格数据并计算街区人口密度参数，作为衡量城市活力的指标；

在本实施例中，城市形态指标构建模块用于获取交通路网数据计算路网交叉口密度、路网连接度和路网整合度，获取建筑矢量数据，计算街区容积率和建筑密度，将路网交叉口密度、路网连接度、路网整合度、街区容积率和建筑密度作为衡量城市形态的指标；

在本实施例中，城市功能指标构建模块用于获取POI数据，计算各个街区功能混合度和POI密度，作为衡量城市功能的指标；

在本实施例中，社会经济特征指标构建模块用于获取人口画像数据，计算街区人口比例和人群比例参数，作为衡量社会经济特征的指标；

在本实施例中，多元回归模型构建模块用于建立城市形态、城市功能、社会经济特征与城市活力的多元回归模型；

在本实施例中，相关性测度输出模块用于测度城市活力与空间社会特征之间的相关性。

实施例3

本实施例提供一种存储介质，存储介质可以是ROM、RAM、磁盘、光盘等储存介质，该存储介质存储有一个或多个程序，所述程序被处理器执行时，实现实施例1的城市活力与空间社会特征相关性的测度方法。

实施例4

本实施例提供一种计算设备，所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有显示功能的终端设备，该计算设备包括该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，实现实施例1的城市活力与空间社会特征相关性的测度方法。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。