一种城市街区智能划分方法

摘要

本发明涉及空间区域规划技术领域，具体涉及一种城市街区智能划分方法。包括以下步骤：(1)将城市切割划分为若干个最小分割单元，计算面积；(2)估算每个最小分割单元的人口数量；(3)计算每个最小分割单元的功能混合度；(4)构建街区约束条件，将城市划分为若干街区，将每个最小分割单元归入各个街区；(5)构建街区面积均衡目标函数、街区人口均衡目标函数、街区功能混合度最大化目标函数和街区边界紧凑度最高目标函数；(6)构建综合目标函数。本发明利用智能划分方法将城市空间划为街区，可以保证各个街区人口数量均衡、面积相对均衡、街区内部功能较为完善，在城市空间优化及精细化治理等领域具有重要意义。

说明书

技术领域

本发明涉及空间区域规划技术领域，具体涉及一种城市街区智能划分方法。

背景技术

街区是由城市道路网围合形成的、具有一定尺度和规模的场所，是城市的 基本单元，也是人们日常生活的重要载体。街区优化整理可以改善人居环境、 提高城市治理能力。街区包含了丰富的城市形态学和文化学内涵，也是城市文 化和城市生活得以延续的基础。当前中国主要以街道和社区作为基础人居管理 单元和人口普查单元，而城市社区和街道普遍以沿革性规划为主，存在空间结 构设置不合理、公共产品和服务供给不足等问题。归根到底,主要原因在于街道 或社区的空间划分不明确，对于管辖的范围在空间上没有统一的划分标准，甚 至出现“飞地式”社区或街道，为城市综合治理工作带来诸多不便。

然而街区划分是一项复杂问题，受到区域面积、人口密度、功能完善等诸 多因素的影响，对于不同城市或者同一城市的不同地区，其街区尺度大小也存 在一定的差异，还要保证每个街区的边界完整、不重叠、不疏漏等特性，是一 项耗力大、耗时多的工程。此外，由于手工划分受主观性与计算能力的限制， 广域范围内无法精确地按照优化目标进行街区划分。计算机技术的迅速发展和 应用，为现代化街区划分以及提高城市治理能力等带来了根本性突破。

街区划分是一个典型的有关资源配置的数学问题，针对此类问题，目前空 间计算及空间优化领域已有相关专利尝试提出了面向空间资源的分配解决方案。 例如《一种估计资源均衡分配的空间分区优化方法》(申请号：201010188482.X) 公开了一种基于Delaunay三角网的空间分区优化方法；《一种顾及多尺度的土地 资源优化配置方法》(申请号：201810054741.6)公开了一种基于运筹学原理的 顾及多尺度的土地资源优化配置方法；《一种基于情景的空间分区多目标优化决 策方法》(申请号：201310616547.X)公开了一种基于情景分析(如矿山生态修 复、农业面源污染控制、河流生态修复等)的空间分区多目标优化决策方法。 以上专利对多种资源空间分配问题提出了相应的解决方法，但是对于城市治理 领域的街区划分问题，还没有专利提出切实可行的划分方法。

发明内容

为了解决上述技术问题，本发明提出了一种顾及区域面积、人口数量、城 市功能完善的智能化街区划分方法，实现了街区初步划分的智能化决策处理。

为了实现上述目的，本发明的技术方案是：(1)依据道路、铁路、河流等 阻碍边界将城市切割划分为若干个最小分割单元，并计算每个最小分割单元的 面积；

具体为：①根据国家标准将城市道路进行分级，分为快速路、主干路、次 干路以及支路，为避免最小分割单元的面积零碎，取次干路以上的道路以及河 流、铁路作为障碍边界；

②按照①的边界进行城市区域分割；

③检查分割结果是否存在微小单元问题，若存在则将微小单元合并到临近 的分割单元，重复②，若不存在，则得到正确的最小分割单元C

④计算每个最小分割单元C

(2)估算每个最小分割单元的人口数量；

具体为：利用房屋建筑调查数据、社区人口统计数据叠加计算得到每个最 小分割单元的人口数量，包括①叠加社区单元和建筑调查数据，估算社区内部 每栋建筑的人口总数，公式如下：

其中，B

其中，P

NP

其中MinP

(3)计算每个最小分割单元的功能混合度。

具体为：利用信息熵模型和POI数据计算每个最小分割单元的功能混合度， 信息熵是信息论中用于度量信息量的一个概念，一个系统越是复杂，信息熵就 越高；在本专利中，用每个区域POI的信息熵表征功能混合度，其值越高，表 示POI的种类越多，街区功能更加完善。

①首先将POI进行分类，根据其功能，分为餐饮美食、汽车及非四轮车服 务、运动休闲、地产小区、购物、生活服务、医疗卫生、宾馆酒店、旅游景点、 政府机构、文化教育、交通设施(不包括道路等线要素)、金融行业共13类， 依此顺序，按照1～13进行编号；

②计算各最小分割单元功能混合度，公式如下：

式(4)中，H

(4)构建街区约束条件，将城市划分为若干街区，将每个最小分割单元归 入各个街区，在约束条件下，城市划分为若干街区的方案为多个。

具体为：约束条件是该街区划分模型的重要组成部分，通过等式或不等式的 约束条件，保证模型求解的可行性和收敛性，主要包括街区空间约束、街区人 口数量范围、街区面积范围3类约束条件：

①街区空间连续性约束条件构建：

a.初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.设第e个街区中的最小分割单元个数为y，则可定义为集合K

d.设决策变量t

e.防止出现“飞地式”街区，应保证每个街区的边界应当连续，首先计算所有 最小分割单元的二进制邻接矩阵：

其中，第1行和第1列为所有最小分割单元编号，内部值表示C

基于上述邻接矩阵构建每个最小分割单元i的相邻单元集合为N

约束每个最小分割单元必须且仅会被划分到一个街区：

其中，K

构建空间连续性约束条件：

其中

②构建其他决策变量约束条件：

③街区人口数量范围约束：

设P

其中，P

④街区面积范围约束

设A

其中，A

(5)构建街区面积均衡目标函数、街区人口均衡目标函数、街区功能混合 度最大化目标函数和街区边界紧凑度最高目标函数。

具体为：

①街区面积均衡目标函数

因城市治理需求，各街区的面积不能差异较大，因此以所有街区的面积均衡为 目标构建目标函数，同理，须使得所有街区面积的方差最小，目标函数构建步 骤如下：

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.目标函数为：

其中，A

②街区人口均衡目标函数

基于各街区人口均衡构建目标函数，要保证各街区人口的均衡性，须使得 所有街区人口数量的方差最小，目标函数构建步骤如下：

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.目标函数为：

其中，P

③街区功能混合度最大化目标函数

利用信息熵模型计算所得的功能混合度，构建最大功能混合度目标函数， 保证每个街区的功能足够完善，目标函数构建步骤如下：

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.目标函数为：

其中，H

④街区边界紧凑度最高目标函数

该目标函数是为了保证街区边界的形状紧凑、规则，避免出现形状狭长、 分散、不规则的街区，目标函数构建步骤如下：

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.紧凑度指数：

其中，A为形状面积，P为形状周长；

d.目标函数为：

基于(21)式，定义街区边界紧凑度目标函数：

其中，A

(6)构建综合目标函数。

具体为：基于上述步骤，该街区优化方法是一个较为复杂的多目标问题， 其优化目标共有4个，分别为：人口均衡、面积均衡、功能混合度最高、边界 紧凑度最大。采用基于分解的多目标综合方法，将被优化的所有子目标组合为 单个目标，组合方法如下：

F＝ω

其中F为综合后的目标函数，F(Pop)、F(Area)、F(Diversity)、F(Compactness)分别指步骤(5)中确立的目标函数，考虑到不同量纲的可比较性，F(Pop)、F(Area)、 F(Diversity)、F(Compactness)中的参数都是归一化后的数值。其中F(Pop)和 F(Area)为最小化函数，F(Diversity)和F(Compactness)为最大化函数，因此乘以 -1来保证目标函数的符号一致性；ω

(7)将步骤(4)中多个街区划分方案依次代入步骤(6)的综合目标函数 中，计算目标函数值，以目标函数最小值方案作为最终街区划分方案。

(8)最终构建的街区划分模型如下：

Minimize：

F＝F(Pop)+F(Area)-F(Diversity)-F(Compactness) (24)

Subject to：

本发明利用计算机技术，统筹考虑人口规模密度、地域面积、街区功能等 因素，优化街道行政区划设置，优化调整街道社区规模，提升城市精细化管理 水平，具有潜在的价值。

附图说明

下面结合附图对本发明进行进一步说明。

图1为本发明一种城市街区智能划分方法流程示意图；

图2为本发明实施例利用街道切割的最小分割单元结果；

图3为本发明实施例计算得到的最小分割单元人口数量；

图4为本发明实施例计算得到的最小分割单元功能混合度；

图5为本发明实施例最终街区划分结果。

具体实施方式

为详细说明本发明的技术内容，以下结合实施例和附图予以说明。

以武汉市汉口片区的街区划分为例，第一步将武汉市汉口片区切割为462 个最小分割单元，如图2所示，，并计算每个最小分割单元的面积，并进行归一 化，归一化后最大值为1，最小值为0.1767；

第二步，利用公式(1)和公式(2)计算相对人口数量，如图3所示，并利用公 式(3)对其进行归一化，归一化后最大值为1，最小值为0.1952；

第三步，利用POI数据和公式(4)、(5)计算每个最小分割单元的功能混合度， 如图4所示，并对其进行归一化，归一化后最大值为1，最小值为0.1881；

第四步按照规划目标将城市划分为61个街区，将每个最小分割单元归入各 个街区，在约束条件下，将每个最小分割单元归入61个街区的方案为无穷个；

第五步构建街区面积均衡目标函数、街区人口均衡目标函数、街区功能混合 度最大化目标函数和街区边界紧凑度最高目标函数。

①街区面积均衡目标函数

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.目标函数为：

k为预期想要划分的街区数量，本实验中，综合考虑每个街区的面积及人口，约 以8∶1的比例将最小分割单元合并为k个街区，最终预设k＝61；x

②街区人口均衡目标函数

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.目标函数为：

k＝61，为预期想要划分的街区数量，P

③街区功能混合度最大化目标函数

利用信息熵模型计算所得的功能混合度，构建最大功能混合度目标函数， 保证每个街区的功能足够完善，目标函数构建步骤如下：

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.目标函数为：

k＝61，为预期想要划分的街区数量；其中，H

④街区边界紧凑度最大目标函数

a.设初始最小分割单元为集合C＝{C

b.设最终划分街区为集合K＝{K

c.紧凑度指数：

其中，A为形状面积，P为形状周长；

d.目标函数为：

基于(21)式，定义街区边界紧凑度目标函数：

其中，A

第六步构建综合目标函数：

F＝ω

其中F为综合后的目标函数，F(Pop)、F(Area)、F(Diversity)、F(Compactness)分别指步骤(5)中确立的目标函数；其中F(Pop)和F(Area)为最小化函数， F(Diversity)和F(Compactness)为最大化函数，因此乘以-1来保证目标函数的符 号一致性；ω

第七步将第四步中街区划分方案按照第六步的综合目标函数求解最优解，以 目标函数最小值方案作为最终街区划分方案。计算的最小目标函数值为0.4817， 最终街区划分方案的划分结果如图5所示。

表1

本公开提供的城市街区智能划分方法，以武汉市汉口片区的街道区域为例进 行了示例实施，示例区域(简称示例区，内部单元简称街区)总面积25.1平方 千米，当前共划分形成了196个街区。根据图1所示的方法实施流程，进行了 街区重划分，然后对比原有的示例区形态、人口、功能混合度进行了效果评估。 表1为原划分状态与方法实施后的最终方案的效果对比，从表1可以看出，本 公开提供的方案实施后，从示例区形态来看，内部街区数量从原来的195个单 元优化为61个单元，压缩比为31.28％，街区平均紧凑度由0.7504提高到0.7545， 示例区破碎度由0.076个/hm

以上所述，均属本发明的较佳实施例而已，本发明并不限于上述实施方式 的结构，只要以其相同的手段达到本发明的技术效果，都应属于本发明的保护 范围。