本发明涉及城市规划技术领域，尤其涉及城市用地容积率值域确定方法。
背景技术：
容积率是用地上总建筑面积与用地面积的比值，它反映了土地利用程度和累积承载密度的高低，是政府用地调控和规划管理的主要内容之一，也是控制性详细规划编制中的关键问题，对于城市的经济、环境、社会、景观等各方面发展具有重要影响。目前已有容积率判定方法主要包括：
(1)经验判断法。主要由相关专家和专业技术人员通过借鉴相关城市用地开发及所在城市近期开发经验，综合考虑用地性质、区位、基础设施条件、空间环境等因素，对用地容积率数值直接做出估算。该方法在容积率判定的实践中较多采用，主要依靠规划师主观经验，难度大，很多时候难以达成共识。
(2)试做方案法。通过在用地进行建筑设计方案排布，推算出在满足城市规划和建筑主要规范及使用要求的前提下，兼顾适当的空间形态效果，在某一用地上所能达到的容积率数值。该方法判定结果虽然相对可信，但程序复杂而耗时，只适合对于个别地块的详细研究，而且其判定结果同样存在较大主观性，主要依赖于试做方案者的经验和水平。
(3)单一向度模型建构法。即仅从功能优化和投资收益等经济因素出发做出“理性”决策[1]；或者仅将日照要求作为唯一理想条件进行单因子测算和研究[2][3]；或者主张容积率的确定从“技术理性走向政策属性”[4]，彰显其公共管理意涵。应当说，该类研究对于容积率生成机制的认识有着重要意义，但他们基本着眼于用地本身单一视角的研究，而且没有考虑用地外部关联关系这一重要因素。
(4)多向度模型值域整合法。是以经济、环境、日照等条件分别约束下的极限状态为依据，取其区间交集[5]，再结合城市设计意图及政策判断来最终确定取值范围；或者通过分析地块及片区不同层面内影响容积率取值的相关因素，构建出相关因素与容积率的数理关系模型，从而得出针对不同用地类型和不同用地尺度的容积率值域区间[6][7][8][9]。该方法比上一种方法更为全面而综合，但仍然忽视了容积率判定时用地之间相互影响这一关键因素。
(5)用地因子叠加法。通常以描述用地可建设潜力的各影响因子评价为依据，得到相对合理的开发强度中间值，然后通过适当修正与浮动以划定取值区间[10][11]。该方法具有较为扎实的数据支持，也为本专利方法建立了部分数据起点，但该方法以简单的因子叠加来判定容积率，过于依赖因子评价与容积率之间的正相关性，忽视了用地的多种可能性以及用地之间的复杂关系。
此外，有研究者提出了一种新的思路[12]，对基于用地之间的相似关系来判定容积量进行了初步探索。然而，该方法仍存在以下问题：首先，容积量指标与容积率指标虽有一定相关性，但是明显不同的两个指标：容积量是用地上的建筑体积与用地面积的比值(单位：米)，容积率是用地上的建筑面积与用地面积的比值(无单位)。更重要地，从方法层面看：(1)上述方法没有区分可建设潜力因子与单纯体现用地关系属性的因子；(2)上述方法在用地参照选择时简单将各相似用地取平均值作为参照目标，没有考虑实际决策中必要的概率偶然性及各用地不同的参照权衡状态；(3)上述方法中，每块用地容积率的计算结果都是固定数值，而没有形成体现该用地特点的不同容积率值域区间，不符合实际容积率管控中对不同用地的差别性区间要求。
参考文献：
[1]赵奎涛，胡克，王冬艳，等.经济容积率在城镇土地利用潜力评价中的思考.国土资源科技管理，2005，22(3)：18-20
[2]宋小冬，孙澄宇.日照标准约束下的建筑容积率估算方法探讨.城市规划汇刊，2004，(6)：70-73
[3]张方，田鑫.用人工神经网络求解最大容积率估算问题.计算机应用与软件，2008，25(7)：163-164，179
[4]孙峰.从技术理性到政策属性--规划管理中容积率控制对策研究.城市规划,2009，33(11)：32-38
[5]咸宝林，陈晓键.合理容积率确定方法探讨.规划师，2008，24(11)：60-65
[6]黄明华，黄汝钦.控制性详细规划中商业性开发项目容积率“值域化”研究[J].规划师，2010，26(10)：28—33.
[7]黄明华，王阳.值域化：绩效视角下的城市新建区开发强度控制思考.城市规划汇刊，2013(4)：54-59
[8]黄明华，丁亮.科学性、合理性、操作性：经济利益和公共利益双视角下的独立商业地块容积率“值域化”研究.城市规划，2014(6)：50-58
[9]郭静，李佳，刘科伟.城市新区容积率控制阈值探讨：以居住和商业用地为例.西北大学学报(自然科学版)，2014，44(5)：808-812
[10]刘根发，王森.基于GIS的开发强度模型研究：以上海市中心城为例.城市规划学刊，2008，(增刊1):272-275
[11]冯意刚，喻定权，尹长林等.城市居住容积率研究：以长沙市为例.北京：中国建筑工业出版社，2009
[12]王建国，张愚，冯瀚.城市设计干预下基于用地属性相似关系的开发强度决策模型[J].中国科学：技术科学，2010，40(09)：983-993
技术实现要素：
本发明所要解决的技术问题在于克服现有技术不足，提供一种基于概率参照的城市用地容积率值域确定方法，以城市中相似地块作为参照，使用概率参照算法迭代计算待确定用地单元的容积率值域，可快速准确地确定用地单元的合理容积率范围，为城市规划设计提供科学的依据。
本发明具体采用以下技术方案解决上述技术问题：
一种基于概率参照的城市用地容积率值域确定方法，包括以下步骤：
步骤1、对城市中各用地单元的各属性进行量化，并归一化为相应的范围在(0，1)的属性因子，同一用地单元的所有属性因子所构成的向量作为该用地单元的属性特征向量；所述用地单元的属性包括直接与用地可建设潜力相关的控制属性，以及不与用地可建设潜力直接相关的关系属性；所述用地单元包括一组容积率未知的待确定用地单元和一组容积率已知的已知用地单元；
步骤2、根据所述属性特征向量，从所有用地单元中选择出与各待确定用地单元之间的相似系数最大的部分用地单元，作为相应待确定用地单元的相似地块；
步骤3、使用概率参照算法迭代计算各待确定用地单元的容积率值域，具体如下：
步骤3-1、初始化各待确定用地单元的容积率为A0；
步骤3-2、以相似系数作为选择概率，利用轮盘赌算法从各待确定用地单元的相似地块中选择至少一个相似地块作为相应待确定用地单元的参照地块；
步骤3-3、对每一个待确定用地单元，对当前第i次迭代步中该待确定用地单元的容积率Ai进行更新，然后转至步骤3-2，进行下一次迭代；所述更新具体如下：对每一个当前参照地块，分别按照下式求得相应的Ai+1，然后求平均值作为该待确定用地单元在本轮迭代的容积率输出:
其中，v为预设的取值范围为(0，1)的波动控制因子，Bi为当前参照地块的容积率，Sab为待确定用地单元与当前参照地块的相似系数，D为取值范围为(Sab，1)的差异度修正参数；函数Rand(X,Y)表示在(X,Y)范围内取一个随机数；
步骤3-4、如达到迭代终止条件，则对每一个待确定用地单元，从最后若干轮迭代所得到的该待确定用地单元的容积率中选取最大值和最小值，分别作为该待确定用地单元的容积率上限、下限，从而得到城市中各待确定用地单元最优的容积率值域。
优选地，任意两个用地单元之间的相似系数为这两个用地单元在属性特征空间中的距离。距离度量可采用欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、汉明距离等，本发明优选最常用的欧氏距离。
上述技术方案通过少量已知容积率的已知用地单元，通过迭代计算，可得到各待确定用地的合理容积率波动区间；然而，已知用地单元的容积率未必是合理的，这会对最终待确定用地单元的容积率值域判定产生影响，为避免这种情况，本发明进一步提出以下改进方案：所述已知用地单元的容积率为经专家修正的合理容积率。
相比现有技术，本发明技术方案具有以下有益效果：
本发明借鉴机器学习中的相似性度量方法，根据地块间的相似性建立起地块之间的类比参照关系；然后在相似用地中以相似系数为概率随机选取参照地块，从而根据少量合理容积率地块的数值，通过迭代计算得到各用地不同的合理容积率波动区间。更符合规划决策经验和实际的公平性，体现了容纳现实偶然性的决策理性。
本发明在考虑地块间相似性时，不仅考虑传统的直接与用地可建设潜力相关的控制属性，还充分考虑了不与用地可建设潜力直接相关的关系属性，用地关系描述更加细致，参照地块的选择更加全面合理，得到的容积率值域更科学。
附图说明
图1为具体实施方式中本发明容积率值域确定方法的流程示意图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明：
本发明针对现有技术不足，借鉴机器学习中的相似性度量方法，根据地块间的相似性建立起地块之间的类比参照关系，并且在考虑地块间相似性时，不仅考虑传统的直接与用地可建设潜力相关的控制属性，还充分考虑了不与用地可建设潜力直接相关的关系属性；然后在相似用地中以相似系数为概率随机选取参照地块，从而根据少量合理容积率地块的数值，通过迭代计算得到各用地不同的合理容积率波动区间。
为了便于公众理解，下面以一个具体实施例来对本发明技术方案进行详细说明。
本发明城市用地容积率值域确定方法，包括以下步骤：
步骤1、对城市中各用地单元的各属性进行量化，并归一化为相应的范围在(0，1)的属性因子，同一用地单元的所有属性因子所构成的向量作为该用地单元的属性特征向量；所述用地单元的属性包括直接与用地可建设潜力相关的控制属性，以及不与用地可建设潜力直接相关的关系属性；所述用地单元包括一组容积率未知的待确定用地单元和一组容积率已知的已知用地单元；
通过整合城市现状分析和现有规划成果，从用地性质、用地可达性等方面，对每一用地单元的建设潜力进行因子评分，获得每块地的各项因子Fk(0<Fk≤1)。(不同城市可针对其特点选取不同的评价因子)。传统方案的地块因子仅考虑直接与用地可建设潜力相关的属性，例如可达性、土地价格、文保范围控制等，这类因子与容积率有着正相关或者负相关的关系。而本发明将地块的所有属性区分为两类：(a)直接与用地可建设潜力相关的控制属性(即传统方法中所考虑的地块属性)；(b)不与用地可建设潜力直接相关，只反映用地特点差异与联系的关系属性。相应的因子分别称为控制因子和关系因子。传统的控制因子与用地容积率之间存在着较为密切的正相关性，例如，可达性作为控制因子，那是因为可达性好的用地，一般来说应具有较高的容积率；而关系因子并不存在这种正相关性，但区分了不同的用地特点及其联系，例如，一般很难决定城市绿地周边或者城市景观带周边的用地容积率应更高或更低，但在决策一个位于城市绿地周边的用地容积率时，可以参照其他紧邻城市绿地的合理用地容积率数值做出判定，再如，用地面积也只能作为关系因子，不能作为控制因子，因为并非用地面积越大，其容积率就应越高或越低，但面积大小接近的用地可以相互参照其开发模式，因此往往具有比较接近的容积率指标。所以，是否与城市绿地相邻、用地面积这类因子不能作为控制属性因子，而应作为关系属性因子来描述。
城市中各个地块(包括已知容积率的已知用地单元和容积率未知的待确定用地单元)的属性因子即可构成反映该地块特征的特征向量。其中，已知用地单元的容积率可采用其实际容积率，但这些已知用地单元的实际容积率并不一定是科学合理的，如果利用这些容积率数值来确定待确定用地单元的容积率，显然会导致结果偏差。为此，本发明进一步对这些已知用地单元的容积率进行修正，如通过专家评估得到这些已知用地单元的合理容积率。由于本发明采用反复迭代的方式进行后续计算，仅需要少量具有合理容积率的已知用地单元，因此可将其余已知用地单元剔除或者直接将其作为待确定用地单元。
步骤2、根据所述属性特征向量，从所有用地单元中选择出与各待确定用地单元之间的相似系数最大的部分用地单元，作为相应待确定用地单元的相似地块；
本发明借鉴机器学习中的相似性度量方法，根据各地块的属性特征向量，可计算出所有地块两两之间的相似系数。相似系数的度量可采用特征向量空间中的欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、汉明距离等，或者信息熵、相关系数等。本具体实施方式中任意两个地块a与地块b间的相似系数Sab可通过式(1)计算，相似系数越大，则两个地块间的相似度越高：
式中，n为地块的属性特征向量的维度，亦即属性的总类别数；Fk(a)、Fk(b)分别为a、b两个地块的第k个属性的属性因子；Wk为第k个属性的权值。
通过预先设定的相似系数阈值S1，筛选出地块之间的关联关系，即只有两地块相似系数大于S1，才认为他们彼此之间互为相似地块；还可进一步对相邻地块单独设置的相似系数阈值S2，S2可以大于S1也可以小于S1。这样即可为每一个待确定用地单元选定相应的相似地块集合。
步骤3、使用概率参照算法迭代计算各待确定用地单元的容积率值域，具体如下：
步骤3-1、初始化各待确定用地单元的容积率为A0；
由于本发明采用迭代算法逐步逼近最优容积率，因此初始容积率A0可随意设定，例如可设置为0。
步骤3-2、以相似系数作为选择概率，利用轮盘赌算法从各待确定用地单元的相似地块中选择至少一个相似地块作为相应待确定用地单元的参照地块；
对每个待确定用地单元，从其相似地块集合中，以相似系数Sab为概率，随机选取Num个地块作为该待确定用地单元的参照地块，即相似系数越高的地块，被选取参照的几率越大。本实施例中采用轮盘赌选择法：依照各参照地块相似系数的选择概率来分割轮盘赌中的圆盘，然后产生一个[0，1]之间的随机数，将该随机数作为选择指针来确定被选个体。Num的值可以为1，也可以为大于1的整数(即选取多个参照地块)。
步骤3-3、对每一个待确定用地单元，对当前第i次迭代步中该待确定用地单元的容积率Ai进行更新，然后转至步骤3-2，进行下一次迭代；
对每一个当前参照地块，根据其当前参照地块的容积率Bi以及两个地块间的相似系数来确定自身在本轮迭代中的容积率Ai+1:
其中，v为预设的取值范围为(0，1)的波动控制因子，用来控制地块变化波动的幅度，v值越接近1，结果的波动幅度越大，v值越接近0，结果波动越平滑；Bi为当前参照地块的容积率；Sab为待确定用地单元与当前参照地块的相似系数；D为取值范围为(Sab，1)的差异度修正参数；函数Rand(X,Y)表示在(X,Y)范围内取一个随机数。如果所选取参照地块的个数Num大于1，则将每个参照地块对应的Ai+1进行平均后作为该待确定用地单元在本轮迭代的结果输出。
步骤3-4、如达到迭代终止条件，则对每一个待确定用地单元，从最后若干轮迭代所得到的该待确定用地单元的容积率中选取最大值和最小值，分别作为该待确定用地单元的容积率上限、下限，从而得到城市中各待确定用地单元最优的容积率值域；
迭代算法中的终止条件通常为达到预设的最大迭代次数或者收敛程度得到预设指标。本发明同样可采用预设的最大迭代次数作为终止条件，或者以各待确定用地单元的容积率变化波动趋于稳定作为迭代终止条件。例如，具体迭代终止运算条件可设置为：每一待确定用地单元连续10轮计算结果平均值与之前10轮计算结果平均值的差都小于某一数值(例如0.2)。运算终止后，取每块地在最后若干轮(如10轮或20轮)的计算结果中的最大值和最小值输出，作为其合理容积率值域的上、下限。
上述整个算法的流程如如图1所示。