应用于城市更新的社区生活圈的规划模拟测度与评价方法与流程

1.本发明属于社区生活圈的测度技术领域，具体涉及一种应用于城市更新的社区生活圈的规划模拟测度与评价方法。


背景技术：

2.社区生活圈越来越多应用在公共服务设施配置、社区规划管理以及居民日常出行行为研究等多个领域中，对提升居民幸福感、城市宜居水平有重要意义。
3.目前，针对于社区生活圈的划分技术方法已有较多的进展，主要是围绕现状社区生活圈的识别与测度进行，以下为现阶段主要应用的技术手段：(1)基于物质空间数据划分社区生活圈，包括行政或物理边界、公共服务设施布局以及道路网可达性等。(2)基于移动通信数据识别居民的真实行为特征，以此划分社区生活圈。如，公告号cn108810818b的中国发明专利一种居民生活圈的划分方法及装置公开了一种根据手机基站测度居民日常活动停留时间占比划分社区生活圈的方法；公告号为cn110972073b的中国发明专利一种基于手机大数据及步行可达性的生活圈划定方法公开了一种基于手机信令数据和步行可达性测算的社区生活圈划分方法。
4.然而，随着国家大力推进城市更新行动，位于城市建成地区的更新通过全面更新的方式提升人居环境品质，也随之带来原有社区生活圈的重构需求。一方面现有城市更新模式多采用全面改造的方式，将对更新地区的居民人口规模和结构、城市建成环境带来巨大改变，城市更新区域以及周边区域的社区生活圈均将因此发生重构；另一方面，城市更新地区通常承载着大量中低收入居民，并提供着较为丰富和便利的设施，更新方案实施后可能对原有城市空间组织肌理造成破坏，造成日常活动通勤距离的增加和居民社区生活圈便利度的下降，进一步引发中低收入群体社会公平性的问题。
5.为此，有必要在城市更新规划实施之前对未来社区生活圈开展模拟预测，以更好的完善社区公共服务设施配置和开展各项社区规划建设，但是，现有技术难以满足对未来社区生活圈的模拟测度，无法提供对社区生活圈划分的合理性评价。


技术实现要素：

6.本发明的目的是要解决上述的技术问题，提供一种应用于城市更新的社区生活圈的规划模拟测度与评价方法。
7.为了解决上述问题，本发明按以下技术方案予以实现的：
8.第一方面，本发明提供了一种应用于城市更新的社区生活圈的规划模拟测度与评价方法，包括以下步骤：
9.基于城市更新的规划方案，生成规划实施后的规划空间数据底板；
10.加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标；
11.基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指
标；
12.根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区；
13.获取样本社区的基站间日常活动od联系数据表，将基站间日常活动od联系数据表转换为现状地块间日常活动od联系数据表；
14.基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程；
15.测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表；
16.将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型；
17.基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；
18.基于预测日常活动联系频次，预测规划实施后规划居住地块的规划社区生活圈；
19.识别现状居住地块的现状社区生活圈，对规划实施前后的社区生活圈的优化程度及影响进行评估。
20.结合第一方面，本发明还提供了第一方面的第1种优选实施方式，具体的，基于规划方案，生成规划实施后的规划空间数据底板，具体包括：
21.加载规划方案的项目边界，生成规划范围的矢量数据；所述矢量数据为矢量面图形；
22.通过arcgis擦除工具，筛选得到规划方案范围外的现状空间数据；所述现状空间数据包括现状土地利用、交通路网和建筑房屋面；
23.加载规划方案的规划空间数据；所述规划空间数据包括规划土地利用、交通路网和建筑房屋面；
24.通过合并工具，将所述规划数据与规划方案范围外的现状空间数据合并，生成规划实施后的规划空间数据底板。
25.结合第一方面，本发明还提供了第一方面的第2种优选实施方式，具体的，加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标，具体包括：
26.加载规划方案所在城市的研究单元边界，得到矢量面图形的矢量数据；
27.在矢量数据中添加字段以记录各个单元的空间指标属性；
28.通过arcgis相交工具，叠合各个单元和现状各类空间数据；所述现状各类空间数据包括城市的现状土地利用、交通路网和房屋建筑面的空间数据；
29.基于社区建设模式特征筛选样本，从开发强度、空间肌理、聚居程度、功能特征四个维度构建空间指标体系，通过汇总统计工具，计算城市各研究单元的现状空间指标，所述现状空间指标包括容积率、建筑密度、人口密度和居住建筑量占比；
30.通过arcgis的连接功能，将现状空间指标记录在研究单元相应的字段中。
31.结合第一方面，本发明还提供了第一方面的第3种优选实施方式，具体的，基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标，具体包括：
32.加载所述规划空间数据底板；
33.识别规划方案所在研究单元，通过arcgis相交工具，将规划方案所在研究单元与规划空间数据底板相交，得到规划方案所在研究单元的各类规划空间数据；
34.测算规划方案所在的研究单元规划实施后的规划空间指标值；所述规划空间指标值包括容积率、建筑密度、人口密度和居住建筑量占比；
35.通过导出至excel工具，将规划实施后的规划空间指标记录在excel表格中。
36.结合第一方面，本发明还提供了第一方面的第4种优选实施方式，具体的，根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区，具体包括：
37.获取规划空间指标，基于
±
30％设置各项规划空间指标的阈值；
38.根据各项空间指标的阈值的交集，在研究城市的矢量边界数据中识别得到样本社区；其中，阈值交集表达式如下：
39.c＝a1∩a2∩a3∩a4
ꢀꢀ
(公式1)；
40.其中，a1、a2、a3、a4表示规划方案的各项规划空间指标
±
30％的阈值；
41.利用arcgis工具导出至地理数据库工具，将识别出的现状研究单元的空间边界导出并保存得到样本社区.shp文件，作为后续分析的样本社区边界。
42.结合第一方面，本发明还提供了第一方面的第5种优选实施方式，具体的，获取样本社区的基站间日常活动od联系数据表，具体包括：
43.基于居民的客观活动规律，通过手机信令数据识别得到居住地基站、工作地基站和日常活动地基站；
44.筛选样本社区内的每个居民的每次日常活动od联系数据；
45.叠加所有居民的居住地基站和所有日常活动地基站间的联系量，汇总形成各基站间的日常活动od联系数据表。
46.结合第一方面，本发明还提供了第一方面的第6种优选实施方式，具体的，将基站间日常活动od联系数据表转换为现状地块间日常活动od联系数据表，具体包括：
47.通过arcgis创建泰森多边形的功能，根据基站的位置信息，生成每个基站的服务区域；
48.通过arcgis工具，将每个服务区域与对应研究单元的现状土地利用数据进行叠合和相交；
49.计算每个现状用地地块在基站的服务区域中所占的面积比例；
50.依据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动od联系频次数据分解到地块上，形成居住地块与活动地块间的od联系频次矩阵；
51.经过汇总计算，形成所有居住地块与活动地块间的日常活动od联系数据表，得到现状地块间日常活动od联系数据表。
52.结合第一方面，本发明还提供了第一方面的第7种优选实施方式，具体的，基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程，具体包括：
53.基于居住活动出行发生量、活动地吸引力和两者间交通阻抗构建重力模型，建立地块间的日常活动联系模拟预测模型，生成多元线性回归方程的初始表达式；
54.基于居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建指标体系，筛选居住地块和活动地块间的特征自变量指标，特征自变量指标作为重力模型的解析
参数；
55.将特征自变量指标代入多元线性回归方程，构建地块间日常活动联系频次与地块特征自变量指标间的数理关系，具体公式如下所示：
56.ln(q
ij
)＝lnk+αln(o
i1
*o
i2
)+βln(d
j1
*d
j2(d)
)
‑
γln(r
ij1
*r
ij2(c)
)
ꢀꢀꢀ
(公式2)；
57.其中，q
ij
代表居住地块i和活动地块j间的活动联系次数，o
i1
为人口密度指标，o
i2
为建筑总量指标，d
j1
为设施规模指标，d
j2(d)
为设施等级指标，r
ij1
为步行距离指标，r
ij2(c)
为步行障碍指标。
58.结合第一方面，本发明还提供了第一方面的第8种优选实施方式，具体的，测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表，具体包括：
59.获取样本社区的居住地块，测算居住地块的人口密度o
i1
和建筑总量o
i2
指标；
60.筛选样本社区中与居住地块存在日常活动联系的活动地块，测算活动地块的设施规模d
j1
和设施等级d
j2(d)
指标；
61.测算所述居住地块与所述活动地块间的步行距离r
ij1
和步行障碍r
ij2(c)
；
62.计算样本社区所有居住地块和活动地块间的自变量指标值，并将地块间的日常活动od联系作为因变量q
ij
，整理汇总形成样本社区的回归变量指标表。
63.结合第一方面，本发明还提供了第一方面的第9种优选实施方式，具体的，将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型，具体包括：
64.通过所述多元线性回归方程，对样本社区的回归变量指标表中的各项指标取对数处理；
65.将处理后的回归变量指标表加载至spss软件，计算求出待定系数值；
66.将计算出的待定系数值代入所述多元线性回归方程中，生成样本社区的日常活动联系频次与地块自变量指标的定量模型。
67.结合第一方面，本发明还提供了第一方面的第10种优选实施方式，具体的，基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次，具体包括：
68.生成规划预测的最大空间范围的地块范围，具体为，基于规划空间数据底板，将规划方案所在研究单元的各居住地块5公里半径区域所涉及的全部建设用地地块，作为规划预测的活动地块；
69.分别测算规划实施后规划预测的最大空间范围内的所有地块的各项因子自变量指标，具体包括：
70.规划实施后该居住用地地块的人口密度o
i1
和建筑总量o
i2
指标；
71.规划实施后各活动地块的设施规模d
j1
和设施等级d
j2(d)
指标；
72.基于规划实施后的交通路网矢量底板测算反映居住地块质心与活动地块质心之间的交通阻抗的步行距离r
ij1
和步行障碍r
ij2(c)
指标；
73.将自变量指标代入所述定量模型中，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；梳理形成规划实施后的规划地块间的日常活动od联系数据表。
74.结合第一方面，本发明还提供了第一方面的第11种优选实施方式，具体的，基于预
测日常活动联系频次，预测规划实施后规划居住地块的规划社区生活圈，具体包括：
75.根据规划实施后的规划地块间的日常活动od联系数据表，汇总统计每个居住地块与其最大空间范围内的活动地块日常活动联系频次总量；
76.累计规划居住地块与周边地块间预测的日常活动联系频次，由单个居住地块出发，基于规划矢量路网，按照各居住地块质心与最大空间范围内的各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计；
77.其中，当累计频次达到该规划居住地块的最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围划定为该规划居住地块的规划社区生活圈边界。
78.结合第一方面，本发明还提供了第一方面的第12种优选实施方式，具体的，识别现状居住地块的现状社区生活圈，具体包括：
79.梳理现状地块间日常活动的日常活动联系频次和步行距离数据；
80.生成现状识别的最大空间范围的地块范围，具体为，基于现状空间数据底板，将规划方案所在研究单元的各现状居住地块5公里半径区域所涉及的全部现状建设用地地块，作为现状识别的最大空间范围的活动地块；
81.根据现状地块间日常活动的日常活动联系频次，汇总统计每个居住地块与其最大空间范围内的地块联系频次总量；
82.累计现状居住地块与其最大空间范围内的地块间现状的日常活动联系频次，由单个居住地块出发，基于现状矢量路网，按照各居住地块质心与最大空间范围内的各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计；
83.其中，当累计频次达到该现状居住地块最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围识别为该现状居住地块的现状社区生活圈。
84.结合第一方面，本发明还提供了第一方面的第13种优选实施方式，具体的，对规划实施前后的社区生活圈的优化程度及影响进行评估，具体包括：
85.按照单个居住地块质心到其生活圈边界内的各建设用地地块质心的最短路径距离平均值，作为该居住地块的社区生活圈半径；计算规划方案所在研究单元内，每个居住地块的现状社区生活圈半径和规划社区生活圈半径；
86.计算规划实施前，规划范围内所有居住地块的现状社区生活圈半径平均值和标准差；
87.计算规划实施后，规划范围内所有居住地块的规划社区生活圈半径的平均值和标准差；
88.对于规划方案的边界范围内，通过便利度和均衡度的测算，评价规划改造前后城市更新范围自身社区生活圈的优化程度，具体公式如下：
[0089][0090][0091]
其中，和分别代表城市更新规划范围内居住地块的现状社区生活圈半径平均值和规划社区生活圈半径平均值；和分别代表规划范围内各居住地块的现状社
区生活圈半径标准差和规划社区生活圈标准差；
[0092]
对于规划方案所在研究单元但处于规划范围以外的周边区域，通过比较各居住地块在规划改造前后的社区生活圈半径变化评估规划改造前后对周边地块社区生活圈的影响，具体公式如下：
[0093][0094]
其中，r
i
和r
i
′
分别表示单个居住地块i在现状及规划实施后的现状和规划社区生活圈半径指标。
[0095]
与现有技术相比，本发明的有益效果是：
[0096]
本发明的应用于城市更新的社区生活圈的规划模拟测度与评价方法，其突破现有技术方法仅能针对现状社区生活圈进行识别的局限性，提供了一种针对规划方案实施后的规划社区生活圈的空间模拟和划分方法。
[0097]
本发明通过将城市研究中常用的手机信令数据与回归分析相结合，基于居民行为特征进行生活圈的识别、预测、划分和评价，使得该方法兼具普适性和准确性。同时，本发明依托量化指标对城市更新规划实施前后所在区域的社区生活圈优化程度和对周边区域的影响进行评价，为决策提供参考，能够提高规划的社会效益。
附图说明
[0098]
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
[0099]
图1是本发明的应用于城市更新的社区生活圈的规划模拟测度与评价方法的流程示意图；
[0100]
图2是本发明实施例中的改造方案实施前后土地利用空间数据变化图；
[0101]
图3是本发明实施例中的基站a和基站b服务区涉及的现状用地地块面积示意图；
[0102]
图4是本发明实施例中的本区域现状地块间的日常活动联系od分布图；
[0103]
图5是本发明实施例中的居住地块和活动地块间的自变量指标测算示意图；
[0104]
图6是本发明实施例中的单个居住地块与周边活动地块日常活动联系频次模拟和社区生活圈预测的示意图；
[0105]
图7是本发明实施例中的改造前后规划方案周边居住地块的社区生活圈半径变化的示意图；
[0106]
图8是本发明应用于城市更新的社区生活圈的规划模拟测度与评价方法的研究框图。
具体实施方式
[0107]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0108]
基于申请人的研究发现，现有社区生活圈测度与划分技术方法，存在如下缺陷：
[0109]
(1)适用范围局限：现有技术方法适用于现状社区生活圈识别，无法进行规划社区生活圈的模拟预测。(2)数据采集受限：现有技术方法在数据采集上高度依赖现状居民手机信令数据，而对于城市更新地区，上述数据均难以获取，无法提供数据支持。(3)应用视角单
一：现有技术方法目的在于对社区生活圈空间范围进行划分，缺乏对社区生活圈划分合理性的评价。
[0110]
为此，本发明提供了应用于城市更新的社区生活圈的规划模拟测度与评价方法，突破现有技术方法仅能针对现状社区生活圈进行识别的局限性，提供了一种针对规划方案实施后的规划社区生活圈的空间模拟和划分方法。另一方面，本发明将城市研究中常用的手机信令数据与回归分析相结合，基于居民行为特征进行生活圈的识别、预测、划分和评价，使得该方法兼具普适性和准确性。依托量化指标对城市更新规划实施前后所在区域的社区生活圈优化程度和对周边区域的影响进行评价，为决策提供参考，能够提高规划的社会效益。
[0111]
参照图1所示，图1为本技术实施例提供的应用于城市更新的社区生活圈的规划模拟测度与评价方法的流程示意图，具体方法流程为：
[0112]
s100：基于城市更新的规划方案，生成规划实施后的规划空间数据底板。
[0113]
在一种优选实施中，实施基于规划方案生成规划实施后的规划空间数据底板，具体包括：
[0114]
s110：加载规划方案的项目边界，生成规划范围的矢量数据；所述矢量数据为矢量面图形；
[0115]
s120：通过arcgis擦除工具，筛选得到规划方案范围外的现状空间数据；所述现状空间数据包括现状土地利用、交通路网和建筑房屋面；
[0116]
示例性的，在arcgis中加载研究城市的现状的土地利用、交通路网和房屋建筑面空间数据，研究城市即规划方案所在的城市。利用arcgis擦除工具，擦除现状的土地利用、交通路网和房屋建筑面空间数据中涉及到规划方案所在区域内的数据，依次生成规划范围外的土地利用、交通路网和房屋建筑面现状空间数据，进而得到规划方案范围外的现状空间数据。
[0117]
s130：加载规划方案的规划空间数据；所述规划空间数据包括规划土地利用、交通路网和建筑房屋面；
[0118]
s140：通过合并工具，将所述规划数据与规划方案范围外的现状空间数据合并，生成规划实施后的规划空间数据底板。
[0119]
示例性的，将s120生成的规划方案范围外的现状空间数据导入arcgis软件中；利用arcgis的合并工具，依次将规划方案的土地利用、交通路网和建筑房屋面分别与s120中生成的规划范围外的同类现状空间数据进行合并，形成规划实施后的规划空间数据底板。
[0120]
s200：加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标。
[0121]
在一种优选实施中，本s200以研究城市的现状土地利用、交通路网、房屋建筑面等空间数据为数据基础，利用arcgis的相交工具和汇总统计工具，计算全市各个单元的现状空间指标。
[0122]
示例性的，各指标的计算方法和公式如表1所示。
[0123]
表1空间指标的测度方法
[0124][0125][0126]
示例性的，所述研究单元边界可以是如城市规划管理单元、居委行政边界、交通小区边界等。优选地，作为空间指标的测算单元，本实例选取规划管理单元作为研究单元边界。
[0127]
在一种优选实施中，步骤加载规划方案所在城市的研究单元边界，得到研究单元的矢量边界数据；基于矢量边界数据和现状空间数据，测算研究单元的现状空间指标，具体包括：
[0128]
s210:加载规划方案所在城市的研究单元边界，得到矢量面图形的矢量数据。
[0129]
在本实施例中，测算指标之前，可以单元边界如城市规划管理单元、居委行政边界、交通小区边界等，作为空间指标的测算单元，本实例选取规划管理单元作为研究单元边界。
[0130]
s220:在矢量数据中添加字段以记录各个单元的空间指标属性。
[0131]
在一种实施中，对单元边界的矢量面图形，添加“单元编号”字段记录单元的编号，区分城市内不同单元。同时，添加“容积率”、“建筑密度”、“人口密度”、“居住建筑量占比”字段以记录单元的空间指标。
[0132]
s230:通过arcgis相交工具，叠合各个单元和现状各类空间数据；所述现状各类空间数据包括城市的现状土地利用、交通路网和房屋建筑面的空间数据。
[0133]
在一种实施中，加载研究城市的现状土地利用、交通路网、房屋建筑面空间数据。利用arcgis相交工具，将现状各类空间数据与单元进行面相交，赋予现状各类空间数据“单元编号”字段。
[0134]
s240:基于社区建设模式特征筛选样本，从开发强度、空间肌理、聚居程度、功能特征四个维度构建空间指标体系，通过汇总统计工具，计算城市各研究单元的现状空间指标，所述现状空间指标包括容积率、建筑密度、人口密度和居住建筑量占比。
[0135]
申请人在研究中发现，由于不同社区建设模式和居住情况的居住社区，居民的日常活动特征差异巨大，因此首先需要确定建设模式、居住情况与规划方案相似的现状社区，通过对现状社区的居民日常活动特征的观测和归纳，从而实现对规划实施后社区居民日常活动特征的精准模拟。
[0136]
为此，本技术基于社区建设模式特征，根据判断相似社区的指标合理性和通过规划方案可计算以获取的原则，从开发强度、空间肌理、聚居程度、功能特征四个维度构建空间指标体系。测算容积率、建筑密度、人口密度和居住建筑量占比，以此筛选出与规划方案建设模式相似的现状样本社区。
[0137]
在一种实施中，利用“单元编号”字段，对研究城市的各单元的现状各类空间数据属性进行汇总统计。根据各项空间指标值的计算方法(见表1)，统计全市单元现状的各项空间指标值，并利用通过导出至excel工具，保存为“单元现状空间指标.xls”表格。
[0138]
s250:通过arcgis的连接功能，将现状空间指标记录在研究单元相应的字段中。
[0139]
示例性的，利用arcgis的表连接功能，根据“单元编号”字段值相同的“单元边界.shp”和“单元现状空间指标.xls”,采用arcgis字段计算器工具将“单元现状空间指标.xls”的各项空间指标值记录在“单元边界.shp”的相应字段中，其用于筛选样本社区。
[0140]
s300：基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标。
[0141]
本实施例将s200的研究单元边界和s100生成的规划实施后的空间数据底板为基础数据，测算规划方案所在研究单元规划实施后的规划空间指标值，研究单元规划实施前后的空间指标包括容积率、建筑密度、人口密度、居住建筑量占比。
[0142]
具体的，基于规划空间数据底板，测算规划方案所在研究单元在规划实施后的规划空间指标，具体包括：
[0143]
s310：加载所述规划空间数据底板；
[0144]
s320：识别规划方案所在研究单元，通过arcgis相交工具，将规划方案所在研究单元与规划空间数据底板相交，得到规划方案所在研究单元的各类规划空间数据；
[0145]
s330：测算规划方案所在的研究单元规划实施后的规划空间指标值；所述规划空间指标值包括容积率、建筑密度、人口密度和居住建筑量占比；
[0146]
s340：通过导出至excel工具，将规划实施后的规划空间指标记录在excel表格中。
[0147]
s400：根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区。
[0148]
在一种优选实施中，本实例以规划方案所在研究单元的每项空间指标的
±
30％为阈值区间，按取交集的方式识别出多个空间指标相似的现状单元，将现状单元作为后续分析的样本社区。
[0149]
进一步的，根据规划空间指标设置阈值，基于阈值在规划方案所在城市中识别目标样本社区，具体包括以下步骤：
[0150]
s410：获取规划空间指标，基于
±
30％设置各项规划空间指标的阈值。
[0151]
示例性的，设置筛选的阈值，本实例按
±
30％作为各项空间指标的筛选阈值。
[0152]
s420：根据各项空间指标的阈值的交集，在研究城市的矢量边界数据中识别得到样本社区；其中，阈值交集表达式如下：
[0153]
c＝a1∩a2∩a3∩a4ꢀꢀ
(公式1)；
[0154]
其中，a1、a2、a3、a4表示规划方案的各项规划空间指标
±
30％的阈值；
[0155]
s430：利用arcgis工具导出至地理数据库工具，将识别出的现状研究单元的空间边界导出并保存得到样本社区.shp文件，作为后续分析的样本社区边界。
[0156]
s500：获取样本社区的基站间日常活动od联系数据表，将基站间日常活动od联系数据表转换为现状地块间日常活动od联系数据表。
[0157]
本实施例基于居民客观活动规律，通过手机信令数据识别居民的居住地基站、工作地基站和日常活动地基站，统计出样本社区居住地基站与活动地基站间的od联系频次数据。
[0158]
进一步地，获取样本社区的基站间日常活动od联系数据表，具体包括：
[0159]
s510：基于居民的客观活动规律，通过手机信令数据识别得到居住地基站、工作地基站和日常活动地基站。
[0160]
在本发明中，根据城市居民的客观活动规律，通过手机信令识别出每位用户的居住地基站、工作地基站和日常活动发生地基站。在一种实施中，所述识别方法可如表2所示。
[0161]
表2：手机用户居住地、工作地和日常活动地基站位置识别方法
[0162][0163]
s520：筛选样本社区内的每个居民的每次日常活动od联系数据。
[0164]
具体的，基于表2的识别方法，识别出居住地基站在样本社区内的手机用户，根据每位用户每次日常活动发生地基站，以及该用户对应的居住地基站，将该用户的居住地基站和每次日常活动地基站间的联系量记为1。
[0165]
s530：叠加所有居民的居住地基站和所有日常活动地基站间的联系量，汇总形成各基站间的日常活动od联系数据表。
[0166]
另一方面，将基站间日常活动od联系数据表转换为现状地块间日常活动od联系数据表，具体包括：
[0167]
s540：通过arcgis创建泰森多边形的功能，根据基站的位置信息，生成每个基站的服务区域。
[0168]
示例性的，通过arcgis创建泰森多边形的功能，根据基站点的位置分布，生成每个基站的服务区范围，基站服务区内的任意点离该基站的直线距离均小于与其他基站的直线距离。
[0169]
s550：通过arcgis工具，将每个服务区域与对应研究单元的现状土地利用数据进行叠合和相交。
[0170]
s560：计算每个现状用地地块在基站的服务区域中所占的面积比例。
[0171]
示例性，在s550
‑
560中，通过arcgis的相交工具，将每个基站服务区与现状土地利用数据进行叠合，判断每个现状用地地块所从属的基站服务区，并计算出各基站服务区所涉及的现状用地地块在该基站服务区中所占的面积比例。
[0172]
s570：依据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动od联系频次数据分解到地块上，形成居住地块与活动地块间的od联系频次矩阵。
[0173]
示例性的，根据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动联系频次数据分解到地块上，按照同一组od联系数据的起点、终点对应关系，利用excel的数据透视表，以起点地块为行、终点地块为列、活动联系频次为值，从而形成居住地块与活动地块两两之间的od联系频次矩阵。
[0174]
s580：经过汇总计算，形成所有居住地块与活动地块间的日常活动od联系数据表，得到现状地块间日常活动od联系数据表。
[0175]
基于s570，将所有基站间的日常活动od联系数据分解转化至地块间，利用excel的汇总统计功能，以o点地块编号和d点地块编号为分组字段，以地块间的日常活动联系频次为汇总统计值，汇总计算后最终形成样本社区各居住地块与活动地块两两之间的日常活动联系od数据表。
[0176]
s600：基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程。
[0177]
本实施例以重力模型为基础，基于居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建重力模型的指标，将其应用于地块间的日常活动联系模拟，细致到地块精度。相比常规的将重力模型应用在应用维度和精度方面的技术，本发明在差异测算结果的精细度和准确性更高。
[0178]
在一种实施中，基于重力模型建立地块间的日常活动联系模拟预测模型，形成构建日常活动联系频次与地块自变量指标间的多元线性回归方程，具体包括如下步骤：
[0179]
s610：基于居住活动出行发生量、活动地吸引力和两者间交通阻抗构建重力模型，建立地块间的日常活动联系模拟预测模型，生成多元线性回归方程的初始表达式。
[0180]
本发明从居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建重力模型，生成回归模型的初始表达式，模型中两地间的联系次数同两地的吸引力大小成正相关，同两地间的交通阻抗成负相关；具体公式如下：
[0181][0182]
其中，q
ij
代表地块i和地块j间的活动联系次数，本实例中即为步骤s580中生成的居住地块i和活动地块j间的日常活动联系频次；g
i
和a
j
为地块i和地块j的吸引力函数，本实例中g
i
即为居住地块i的吸引力函数，a
j
即为活动地块j的吸引力函数；z
ij
为地块i和地块j间的交通阻抗函数，本实例中即为居住地块i和活动地块j间的交通阻抗函数；k、α、β、γ则为需要计算确定的系数。
[0183]
将重力模型函数取转化为多元线性回归函数。进一步地，对重力模型函数取对数，将重力模型的初始表达式转化为多元线性回归函数表达式，具体公式如下：
[0184]
ln(q
ij
)＝lnk+αln(g
i
)+βln(a
j
)
‑
γln(z
ij
)。
[0185]
s620：基于居住活动出行发生量、活动地吸引力和两者间交通阻抗三个维度构建指标体系，筛选居住地块和活动地块间的特征自变量指标，特征自变量指标作为重力模型的解析参数。
[0186]
经申请人研究发现，创造性的将用居住地块的人口密度和建筑总量表征居住活动出行发生量，用活动地块的设施规模和设施等级表征活动地吸引力，用最短步行距离和步行障碍表征两地块间的步行交通阻抗，构建居住地块吸引力函数(人口密度、建筑总量)、活动地块吸引力函数(设施规模、设施等级)、交通阻抗函数(步行距离、步行障碍)。
[0187]
示例性的，根据s610的重力模型，以根据规划方案的空间指标和空间矢量数据可测算为指标选取原则，选取自变量指标对居住地块吸引力函数g
i
、活动地块吸引力函数a
j
和两者间的交通阻抗函数z
ij
进行测算，各自变量的详细计算方法如表3所示。
[0188]
表3本实例样本社区的自变量指标测度方法
[0189]
[0190]
示例性的，1)居住地块吸引力函数g
i
的计算。
[0191]
选取居住地块人口密度和居为建筑总量指标以反映居住地块可能的活动人次，生成居住地块的吸引力函数，具体如下所示：
[0192]
g
i
＝o
i1
*o
i2
[0193]
其中o
i1
为人口密度指标，根据居住地块所在单元的平均人口密度测算，单位万人/平方千米；o
i2
为建筑总量指标，由居住地块的总建筑面积测算，单位为万平方米。
[0194]
2)活动地块吸引力函数a
j
的计算
[0195]
选取活动地块设施规模指标和设施等级以反映活动地块的吸引力大小，具体如下所示：
[0196]
a
j
＝d
j1
*d
j2(d)
[0197]
其中d
j1
为设施规模指标，由活动地块的总建筑面积与全市相同性质用地的总建筑面积比例测算，用地性质按《城市用地分类标准g850137
‑
2011》细分到小类，单位为万分(
‰
)；d
j2
为设施等级指标，根据活动地块上设施等级属性值d的不同进行不同的取值。
[0198]
3)交通阻抗函数z
ij
的计算
[0199]
选取步行距离和步行障碍指标以反映居住地块和活动地块间的步行难易程度，生成居住地块和活动地块间的交通阻抗函数，具体如下所示：
[0200]
z
ij
＝r
ij1
*r
ij2(c)
[0201]
其中r
ij1
为步行距离指标，根据居住地块质心至活动地块质心的最短步行路径距离测算，单位为米；r
ij2(c)
为步行障碍指标，c代表居住地块质心至活动地块质心的最短步行路径中需要上下天桥或地下通道的次数，步行障碍指数r
ij2(c)
根据c值的不同进行不同的取值。
[0202]
需要说明的是，本发明在居住地和活动地之间的交通阻抗的计算上，综合考虑了步行距离和步行障碍情况，一定程度上优化了常规重力模型中仅针对距离的考量。
[0203]
s630：将特征自变量指标代入多元线性回归方程，构建地块间日常活动联系频次与地块特征自变量指标间的数理关系，具体公式如下所示：
[0204]
ln(q
ij
)＝lnk+αln(o
i1
*o
i2
)+βln(d
j1
*d
j2(d)
)
‑
γln(r
ij1
*r
ij2(c)
)
ꢀꢀ
公式(2)；
[0205]
其中，q
ij
代表居住地块i和活动地块j间的活动联系次数，o
i1
为人口密度指标，o
i2
为建筑总量指标，d
j1
为设施规模指标，d
j2(d)
为设施等级指标，r
ij1
为步行距离指标，r
ij2(c)
为步行障碍指标。
[0206]
s700：测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表。
[0207]
本技术根据步骤s500中生成的样本社区地块间的日常活动联系od数据表，筛选其中的居住地块以及与之存在日常活动联系的活动地块，逐对测算居住地块与活动地块的自变量指标值，得到样本社区变量指标表。
[0208]
具体的，测算样本社区的居住地块和活动地块的自变量指标，得到回归变量指标表，具体包括：
[0209]
s710：获取样本社区的居住地块，测算居住地块的人口密度o
i1
和建筑总量o
i2
指标。
[0210]
在一种具体实施中，s710包括如下步骤：
[0211]
1)利用arcgis位置选择工具筛选出样本社区的全部居住地块，利用要素转点工
具，提取居住地块矢量面的质心并保存为“样本社区居住地块质心.shp”.
[0212]
2)测算居住地块所在单元的人口密度o
i1
。利用arcgis相交工具，将居住地块质心与s200中计算现状空间指标后的单元矢量面相交，各居住地块质心即获得其所在单元的现状空间指标属性，居住地块的人口密度指标o
i1
即等于单元的“人口密度”指标。
[0213]
3)记录居住地块的现状总建筑面积，即为居住地块的建筑总量o
i2
指标。
[0214]
s720：筛选样本社区中与居住地块存在日常活动联系的活动地块，测算活动地块的设施规模d
j1
和设施等级d
j2(d)
指标.
[0215]
在一种具体实施中，s720包括如下步骤：1)根据步骤s580中生成的现状地块间日常活动od联系表，利用arcgis属性选择工具筛选出与样本社区居住地块存在日常活动od联系的活动地块，利用要素转点工具，提取活动地块矢量面的质心并保存为“样本社区活动地块质心.shp”。2)测算活动地块的设施规模d
j1
。具体地，加载全市现状土地利用空间数据，根据现状土地利用空间数据的“用地性质”字段，利用arcgis的汇总统计功能，以“用地性质”字段为分组值，建筑面积为求和值，统计全市各小类用地的总建筑面积。将需要测算的活动地块的总建筑面积除以全市相同性质用地总建筑面积，测得设施规模d
j1
指标。3)根据活动地块的设施等级，测算设施等级d
j2(d)
指标。
[0216]
s730：测算所述居住地块与所述活动地块间的步行距离r
ij1
和步行障碍r
ij2(c)
。
[0217]
在一种具体实施中，s730包括如下步骤：
[0218]
1)加载上步生成的居住地块质心“样本社区居住地块质心.shp”和活动地块质心“样本社区活动地块质心.shp”。2)基于现状交通路网空间矢量数据，利用arcgis网络分析模块中的新建网络数据集工具，创建全市的现状道路拓扑网络。3)利用arcgis网络分析模块中的最短路径模块，加载“样本社区居住地块质心.shp”作为步行起点，“样本社区活动地块质心.shp”作为步行终点，求解各起点和终点间基于现状道路拓扑网络的最短路径，并导出保存为“样本社区od最短步行路径.shp”。4)利用arcgis的计算几何工具，计算“样本社区od最短步行路径.shp”的最短步行距离长度。5)利用arcgis的汇总统计工具，记录居住地块和活动地块间最短步行路径中上下天桥或地下通道的次数。
[0219]
s740：计算样本社区所有居住地块和活动地块间的自变量指标值，并将地块间的日常活动od联系作为因变量q
ij
，整理汇总形成样本社区的回归变量指标表。
[0220]
s800：将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型。
[0221]
本实例利用spss数据分析软件，将步骤s700中生成的样本社区回归变量指标表代入步骤s600中基于重力模型生成的多元线性回归方程，解出回归方程的待定系数，生成样本社区日常活动联系频次与地块自变量指标的定量模型。
[0222]
其中，将回归变量指标表的变量值代入所述多元线性回归方程解出待定系数，基于待定系数生成日常活动联系频次与地块自变量指标的定量模型，具体包括：
[0223]
s810：通过所述多元线性回归方程，对样本社区的回归变量指标表中的各项指标取对数处理。
[0224]
示例性的，根据公式(2)，即所述多元线性回归方程，在excel中加载步骤s700中生成回归变量指标表，根据每行数据的回归变量指标值，将其重新计算为ln(q
ij
)、ln(o
i1
*o
i2
)、ln(d
j1
*d
j2(d)
)、ln(r
ij1
*r
ij2(c)
)，生成进过对数处理后的回归变量指标表。
[0225]
ln(q
ij
)＝lnk+αln(o
i1
*o
i2
)+βln(d
j1
*d
j2(d)
)
‑
γln(r
ij1
*r
ij2(c)
)
ꢀꢀ
公式(2)；
[0226]
s820：将处理后的回归变量指标表加载至spss软件，计算求出待定系数值。
[0227]
示例性的，将处理后的回归变量指标表加载至spss软件，选择分析功能模块中的线性回归工具，将ln(q
ij
)作为因变量，ln(o
i1
*o
i2
)、ln(d
j1
*d
j2(d)
)和ln(r
ij1
*r
ij2(c)
)值作为自变量，选择求解方法为输入，求解回归方程函数。
[0228]
s830：将计算出的待定系数值代入所述多元线性回归方程中，生成样本社区的日常活动联系频次与地块自变量指标的定量模型。
[0229]
s900：基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次。
[0230]
本实施例将规划实施后的地块相关特征指标数据，作为自变量代入多元回归方程中，预测规划实施后居住地块与周边地块间的日常活动od联系频次。
[0231]
具体的，基于所述定量模型，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次，具体包括：
[0232]
s910：生成规划预测的最大空间范围的地块范围，具体为，基于规划空间数据底板，将规划方案所在研究单元的各居住地块5公里半径区域所涉及的全部建设用地地块，作为规划预测的活动地块；
[0233]
在研究过程中，申请人将预测范围通过普通居民的步行能力和离家活动的时空特征进行量化，具体的，根据普通居民的平均步行速度(5km/h)和离家进行日常活动的最大步行时间(1h)，将步行1小时的空间距离5公里作为规划预测的最大空间范围，并以此划定规划预测的活动地块。
[0234]
s920：分别测算规划实施后规划预测的最大空间范围内的所有地块的各项因子自变量指标，具体包括：
[0235]
参照步骤s600和表3中各项自变量指标的计算方法，对该居住地块以及步骤s910中确定的规划预测活动地块，依托步骤s100中形成的规划方案社区生活圈基础空间底板及相关矢量数据，根据步骤s700中的自变量指标测算方法，分别测算规划实施后的各项地块因子自变量指标，具体包括：
[0236]
s921：规划实施后该居住用地地块的人口密度o
i1
和建筑总量o
i2
指标；
[0237]
s922：规划实施后各活动地块的设施规模d
j1
和设施等级d
j2(d)
指标；
[0238]
s923：基于规划实施后的交通路网矢量底板测算反映居住地块质心与活动地块质心之间的交通阻抗的步行距离r
ij1
和步行障碍r
ij2(c)
指标；
[0239]
s930：将自变量指标代入所述定量模型中，模拟规划实施后的规划居住地块与周边地块之间的预测日常活动联系频次；梳理形成规划实施后的规划地块间的日常活动od联系数据表。
[0240]
具体地，将步骤s920中测算得到的指标作为自变量，分别代入根据样本社区所构建的多元回归方程中，从而预测计算出该居住地块与规划预测的最大空间范围内所有活动地块两两间的日常活动联系频次。
[0241]
s1000：基于预测日常活动联系频次，预测规划实施后规划居住地块的规划社区生活圈。
[0242]
本实施例以预测的居住地块与活动地块间日常活动联系频次为基础，依据居住地
块质心与周边活动地块质心之间的最短步行路径距离，从近到远汇总累计频次，当达到阈值则模拟识别出单个居住地块在规划方案实施后的社区生活圈边界。
[0243]
具体的，基于预测日常活动联系频次，预测规划实施后规划居住地块的规划社区生活圈，具体包括：
[0244]
s1100：根据规划实施后的规划地块间的日常活动od联系数据表，汇总统计每个居住地块与其最大空间范围内的活动地块日常活动联系频次总量；
[0245]
s1200：累计规划居住地块与周边地块间预测的日常活动联系频次，由单个居住地块出发，基于规划矢量路网，按照各居住地块质心与最大空间范围内的各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计；
[0246]
示例性的，以预测的规划居住地块与其最大空间范围内的活动地块间日常活动联系频次为基础，利用arcgis的属性筛选功能，根据测算的该规划居住地块到最大空间范围活动地块的最短路径步行距离r
ij1
指标，从近到远对od联系频次数据进行汇总累计；
[0247]
其中，当累计频次达到该规划居住地块的最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围划定为该规划居住地块的规划社区生活圈边界。
[0248]
s2000：识别现状居住地块的现状社区生活圈，对规划实施前后的社区生活圈的优化程度及影响进行评估。
[0249]
本实施例以改造方案所在单元的某块现状居住用地为例，基于步骤s500生成的现状地块间日常活动联系od数据表，依托现状矢量路网，按照居住地块与周边地块的步行距离，从近到远汇总od联系频次，当累计频次达到阈值比例即可识别出单个居住用地地块现状的社区生活圈范围。
[0250]
具体的，识别现状居住地块的现状社区生活圈，具体包括：
[0251]
s2100：梳理现状地块间日常活动的日常活动联系频次和步行距离数据；
[0252]
具体地，以该地块的编号为基础，梳理出步骤s500中生成的与该居住地块间存在日常活动联系的od数据表，整理出用于该块现状居住用地的现状社区生活圈的基础数据。
[0253]
s2200：按照各居住地块的最大空间范围，汇总统计每个居住地块与其最大空间范围内的地块联系频次总量。
[0254]
s2300：累计现状居住地块与其最大空间范围内的地块间现状的日常活动联系频次，由单个居住地块出发，基于现状矢量路网，按照各居住地块质心与最大空间范围内的各地块质心之间的最短步行路径距离，由近到远对日常活动联系频次数据进行汇总累计。
[0255]
示例性的，从该居住用地地块出发，利用arcgis的属性筛选功能，根据步骤s700中依托现状矢量路网计算出的该居住地块与周边活动地块的最短路径步行距离r
ij1
指标，从近到远对od联系频次数据进行汇总累计。
[0256]
其中，当累计频次达到该现状居住地块最大空间范围内日常活动联系频次总量的50％阈值比例时，将所涉及到的地块外轮廓范围识别为该现状居住地块的现状社区生活圈。
[0257]
示例性的，遵循上一步骤的汇总累计过程，当累计频次达到该现状居住地块最大空间范围内日常活动频次总量的50％阈值比例时，选择的活动地块利用arcgis的聚合面功能，生成所选择的地块外轮廓范围，即为该现状居住地块现状社区生活圈的空间范围。
[0258]
进一步的，本实施例测算规划方案所在研究单元居住地块现状与规划的生活圈半径指标，对于城市更新规划方案范围内，评价规划改造前后自身生活圈的优化程度；对于城市更新规划方案范围外的其他片区，评价规划前后对周边生活圈的影响，从而辅助规划策略与建议的提出。
[0259]
具体的，对规划实施前后的社区生活圈的优化程度及影响进行评估，具体包括：
[0260]
s2400:按照单个居住地块质心到其生活圈边界内的各建设用地地块质心的最短路径距离平均值，作为该居住地块的社区生活圈半径；计算规划方案所在研究单元内，每个居住地块的现状社区生活圈半径和规划社区生活圈半径。
[0261]
示例性的，根据上述步骤中识别和预测出的单个居住地块的现状社区生活圈边界和规划社区生活圈边界，计算该居住地块质心到其现状及规划生活圈边界内各建设用地地块质心最短路径距离的平均值，即为该居住地块的现状社区生活圈平均半径和规划社区生活圈半径。
[0262]
s2500:计算规划实施前，规划范围内所有居住地块的现状社区生活圈半径平均值和标准差。
[0263]
示例性的，测算现状社区生活圈半径的平均值和标准差。
[0264]
具体地，测算规划实施前，城市更新方案规划范围内所有居住地块的现状社区生活圈半径平均值和标准差指标，具体公式如下：
[0265][0266][0267]
其中，i表示城市更新规划方案范围内某居住地块i，n表示规划范围内所有居住地块的数量；代表规划范围内居住地块i的现状社区生活圈半径，表示规划范围内所有居住地块的现状社区生活圈半径的平均值，反映了城市更新区域现状社区生活圈的便利性，值越大代表居民需要在更大的空间内寻求日常服务，便利度越差；表示规划范围内所有居住地块现状社区生活圈半径的标准差，反映该规划范围内居民社区生活圈的均衡度，值越大代表居民间日常社区活动半径差异越大，社区内日常服务的均好性越差。
[0268]
s2600:计算规划实施后，规划范围内所有居住地块的规划社区生活圈半径的平均值和标准差；
[0269]
示例性的，测算规划后社区生活圈平均半径和半径标准差。
[0270]
同理,测算规划实施后,城市更新规划范围内所有居住地块的规划社区生活圈半径的平均值和标准差指标，具体公式如下：
[0271][0272][0273]
其中，代表规划范围内居住地块i的规划社区生活圈半径，表示规划范围内
所有居住地块的规划社区生活圈半径的平均值，表示规划范围内所有居住地块规划社区生活圈半径的标准差。。
[0274]
s2700:对于规划方案的边界范围内，通过便利度和均衡度的测算，评价规划改造前后城市更新范围自身社区生活圈的优化程度，具体公式如下：
[0275][0276][0277]
其中，指的是城市更新规划实施前后，该规划范围内居民地块社区生活圈半径平均值的变化，值为负，则代表规划社区生活圈半径平均值比现状低，规划实施后社区生活圈的便利性增强；城市更新规划实施前后，该规划范围内居民地块社区生活圈半径标准值的变化，值为负，则代表规划社区生活圈半径标准差比现状低，规划实施后社区生活圈的均好性增强。。
[0278]
s2800:对于规划方案所在研究单元但处于规划范围以外的周边区域，通过比较各居住地块在规划改造前后的社区生活圈半径变化评估城市更新改造规划方案实施前后对周边地块社区生活圈的影响，具体公式如下：
[0279][0280]
其中，r
i
和r
i
′
分别表示单个居住地块i在现状及规划实施后的现状和规划社区生活圈半径指标。
[0281]
具体地，对于规划方案所在研究单元但处于更新改造规划范围以外的周边区域，则通过比较各居住地块在规划改造前后的社区生活圈半径变化来评估规划实施对周边各居住地块社区生活圈的影响。
[0282]
实施例1
[0283]
本实施例1以广州市南大干线西片区改造为例，提供了一种基于现状手机信令数据，通过筛选后回归分析以模拟规划方案实施后居民的日常活动，从而对规划方案的社区生活圈进行科学划分和评估的方法，该方法包括以下步骤：
[0284]
s1、用城市更新规划方案替换所涉及的现状区域，生成规划实施后的空间数据底板。
[0285]
本实例用南大干线西片区改造规划方案的空间数据替换所涉及改造区域的现状空间数据，形成规划实施后的现状空间数据底板，其中规划范围内由规划方案的空间数据构成，规划范围外由现状空间数据构成，如图2所示。进一步，该步骤s1具体包括：
[0286]
s1
‑
1、加载城市更新改造规划方案的项目边界，生成规划范围的矢量面图形。
[0287]
s1
‑
2、筛选规划范围外的现状空间数据。具体地，在arcgis中加载研究城市现状的土地利用、交通路网和房屋建筑面空间数据；利用arcgis擦除工具，擦除现状土地利用、交通路网和房屋建筑面空间数据中涉及到规划范围区域的数据，依次生成规划范围外的土地利用、交通路网和房屋建筑面现状空间数据。
[0288]
s1
‑
3、加载规划方案的土地利用、交通路网和建筑房屋面。
[0289]
s1
‑
4、采用合并工具，拼合规划空间数据和规划范围外的现状空间数据，整理生成规划实施后的空间数据底板。具体地，在arcgis中加载s1
‑
2中生成的规划范围外的现状空
间数据；利用arcgis的合并工具，依次将规划方案的土地利用、交通路网和建筑房屋面分别与s1
‑
2中生成的规划范围外同类空间数据进行合并，形成规划实施后的空间数据底板。
[0290]
s2、加载研究研究单元边界，基于现状的各类空间数据，测算各个研究单元的现状空间指标。s2具体包括：
[0291]
s2
‑
1、加载城市更新项目所在城市的研究单元边界，生成矢量面图形“单元边界.shp”。具体地，在测算指标之前，可以单元边界如城市规划管理单元、居委行政边界、交通小区边界等，作为空间指标的测算单元，本实例选取规划管理单元作为研究单元边界。
[0292]
s2
‑
2、添加字段以记录单元的空间指标属性。具体地，对单元边界矢量面图形添加“单元编号”字段记录单元的编号，添加“容积率”、“建筑密度”、“人口密度”、“居住建筑量占比”字段以记录单元的空间指标。
[0293]
s2
‑
3、采用相交工具，叠合单元和现状各类空间数据。具体地，加载全市的现状土地利用、交通路网、房屋建筑面空间数据，利用arcgis相交工具，将现状各类空间数据与单元面相交，赋予现状各类空间数据“单元编号”字段。
[0294]
s2
‑
4、采用汇总统计工具，按照表1中公式计算各单元的现状空间指标。
[0295]
1)计算各单元的现状空间指标。具体地，利用“单元编号”字段，对研究城市各单元的现状各类空间数据属性进行汇总统计；根据各项空间指标值的计算方法，统计全市单元现状的各项空间指标值，并利用通过导出至excel工具，保存为“单元现状空间指标.xls”表格。
[0296]
2)将空间指标记录在对应字段中。具体地，利用arcgis的表连接功能，根据“单元编号”字段值相同的“单元边界.shp”和“单元现状空间指标.xls”,采用arcgis字段计算器工具将“单元现状空间指标.xls”的各项空间指标值记录在“单元边界.shp”的相应字段中，用于下一步筛选样本社区。
[0297]
s3、基于规划实施后的规划空间数据底板，测算规划方案所在单元规划实施后的规划空间指标。
[0298]
本实例以步骤s2中选取的单元边界和s1生成的规划实施后空间数据为基础数据，测算南大干线改造方案所在单元规划实施后的规划空间指标值，单元规划实施前后的空间指标结果如表4所示。
[0299]
表4：规划方案所在单元规划实施前后的空间指标表
[0300]
指标名称单元编号容积率建筑密度人口密度居住建筑量占比现状ab17012.341％2.148％规划实施后ab17012.733％2.561％
[0301]
从表4可知，本实例中南大干线改造方案所在的单元编号为ab1701,在改造规划方案实施后，单元各项空间指标发生变化，规划实施后的容积率为2.7、建筑密度33％、人口密度2.5万人/平方千米、居住建筑量占比61％。
[0302]
s4、根据空间指标设置阈值识别现状研究单元，作为后续分析的样本社区，样本社区的边界即为识别出的现状研究单元的空间边界。
[0303]
本实例以规划方案所在单元的每项技术指标
±
30％为阈值区间，按取交集的方式识别出37个空间指标相似的现状单元，作为后续分析的样本社区。进一步，该步骤s4具体包括：
[0304]
s4
‑
1、设置筛选阈值，本实例按
±
30％作为各项空间指标的筛选阈值。
[0305]
s4
‑
2、根据各项空间指标的阈值交集，识别出规划方案所在单元对应相似的现状样本社区，样本社区边界即为识别出的现状研究单元的空间边界。
[0306]
具体地，利用arcgis的属性选择工具，根据步骤s3中计算的规划方案所在单元规划实施前后的空间指标，采用各项指标求交集的方式公式(1),根据阈值设置筛选表达式，识别符合条件的单元。
[0307]
c＝a1∩a2∩a3∩a4ꢀꢀ
公式(1)；
[0308]
其中，a1、a2、a3、a4表示规划方案所在单元各项空间指标
±
30％的阈值，根据步骤s3计算出的规划实施后空间指标分布为，容积率为2.7、建筑密度为33％、人口密度2.5万人/平方千米、居住建筑量占比61％，设置arcgis字段属性选择表达式如表5所示。
[0309]
s4
‑
3、利用arcgis导出至地理数据库工具，导出并保存筛选出的“样本社区.shp”，作为后续分析的样本社区边界。
[0310]
表5 arcgis字段属性选择表达式
[0311][0312]
s5、识别样本社区的居民日常活动地基站，形成基站间的日常活动联系od数据表。
[0313]
本实施例基于居民客观活动规律，通过手机信令数据识别居民的居住地基站、工作地基站和日常活动地基站，统计出样本社区居住地基站与活动地基站间的od联系频次数据。实例所使用的手机信令数据为移动运营商2019年9月7日至22日连续16天基站精度定位数据，居住地基站在样本社区内对的手机用户共约35.89万，识别出基站间的日常活动共计23.13万对，如表6所示。具体的，s5包括如下步骤：
[0314]
进一步地，该步骤s5具体包括：
[0315]
s5
‑
1、识别居住地基站、工作地基站和日常活动地基站。具体地，根据城市居民的客观活动规律，通过手机信令识别出每位用户的居住地基站、工作地基站和日常活动发生地基站，识别方法如表5所示。
[0316]
s5
‑
3、叠加所有用户居住地基站和所有日常活动地基站间的联系量，汇总形成各基站间的日常活动联系od数据表。
[0317]
表6样本社区基站间的日常活动联系od数据表
[0318]
序号o点基站编号d点基站编号日常活动联系频次110571110328922134313406215
…………
231262347063255597
[0319]
s6、将样本社区基站间的od联系数据转化为地块间的日常活动联系od数据表。
[0320]
本实施例根据样本社区各基站服务区所涉及的现状用地地块在基站服务区中所占的面积比例，将基站间日常活动od联系数据，转化为居住地块与活动地块间的od联系活
动频次数据。本实例中样本社区形成地块间日常活动od联系共计40.6万对，利用arcgis中的xy转线工具可视化后的结果如图4所示。
[0321]
进一步地，该步骤s6具体包括：
[0322]
s6
‑
1、生成每个基站服务区范围。具体地，通过arcgis创建泰森多边形的功能，根据基站点的位置分布，生成每个基站的服务区范围，基站服务区内的任意点离该基站的直线距离均小于与其他基站的直线距离。
[0323]
s6
‑
2、计算每个现状用地地块在基站服务区中所占的面积比例。具体地，通过arcgis的相交工具，将每个基站服务区与现状土地利用数据进行叠合，判断每个现状用地地块所从属的基站服务区，并计算出各基站服务区所涉及的现状用地地块在该基站服务区中所占的面积比例。
[0324]
如图3所示，基站a服务区涉及现状用地地块a1、a2、a3，基站b服务区涉及现状用地地块b1、b2、b3，被基站a和基站b服务区切分在内的地块面积分别为a1、a2、a3和b1、b2、b3，则a1地块、b1地块在基站a和基站b服务区中所占的面积比例分别为：
[0325][0326][0327]
s6
‑
3、将基站间日常联系活动频次数据分解转化至地块间。
[0328]
具体地，根据现状用地地块在各基站服务区中所占的面积比例，将基站间日常活动联系频次数据分解到地块上，按照同一组od联系数据的起点、终点对应关系，利用excel的数据透视表，以起点地块为行、终点地块为列、活动联系频次为值，从而形成居住地块与活动地块两两之间的od联系频次矩阵。
[0329]
结合图3和表7所示，基站a和基站b间的日常活动联系频次为780次，则由基站a
‑
b间的日常活动od联系量分解至地块a1
‑
b1间的日常活动联系活动频次为：
[0330]
s
ab
＝g
a1
×
g
b1
×
780＝30.2％
×
31.6％
×
780＝74.36；
[0331]
表7基站a和基站b的od联系分解至地块的矩阵表
[0332][0333]
s6
‑
4、计算形成所有居住地块与活动地块间的日常活动联系od数据表。
[0334]
具体地，按上述步骤s6
‑
3，将所有基站间的日常活动od联系数据分解转化至地块间，利用excel的汇总统计功能，以o点地块编号和d点地块编号为分组字段，以地块间的日常活动联系频次为汇总统计值，汇总计算后最终形成样本社区居住地块与活动地块两两之
间的日常活动联系od数据表，如表8所示。
[0335]
表8样本社区现状地块间日常活动联系od数据表
[0336]
序号o点地块编号d点地块编号日常活动联系频次1210151305413.542305313437865.76
…………
406218437061549310.6
[0337]
本实例中，样本社区识别出基站间的23.13万对联系，分解形成地块间的日常活动od联系共计40.62万对，利用arcgis的xy转线工具可视化后如图4所示。
[0338]
s7、基于重力模型构建日常活动联系频次与地块自变量指标间的回归方程。
[0339]
本实例以重力模型为基础，将其转化为多元线性回归方程，以居住地块、活动地块以及两者间步行路径指标为自变量，以地块间日常活动联系频次为因变量，构建日常活动联系频次与地块自变量指标间的回归方程。
[0340]
ln(q
ij
)＝lnk+αln(o
i1
*o
i2
)+βln(d
j1
*d
j2(d)
)
‑
γln(r
ij1
*r
ij2(c)
)
ꢀꢀ
公式(2)；
[0341]
s8、测算样本社区居住地块和活动地块的自变量指标，生成回归变量指标表。
[0342]
本实例根据步骤s6中生成的样本社区地块间的日常活动联系od数据表，筛选其中的居住地块以及与之存在日常活动联系的活动地块，逐对测算居住地块与活动地块的自变量指标值，得到样本社区变量指标表。
[0343]
进一步，该步骤s8具体包括：
[0344]
s8
‑
1、筛选出样本社区的居住地块，测算人口密度o
i1
和建筑总量o
i2
指标。
[0345]
1)利用arcgis位置选择工具筛选出样本社区的全部居住地块，利用要素转点工具，提取居住地块矢量面的质心并保存为“样本社区居住地块质心.shp”。
[0346]
2)测算居住地块所在研究单元的人口密度o
i1
。具体地，利用arcgis相交工具，将居住地块质心与步骤2中计算现状空间指标后的研究单元矢量面相交，各居住地块质心即获得其所在研究单元的现状空间指标属性，居住地块的人口密度指标o
i1
即等于研究单元的“人口密度”指标。以图4示例中的居住地块为例，该居住地块所在的研究单元现状总人口为6.7万人，建设用地总面积为2.16平方千米，人口密度为3.1万人/平方千米，因此其对应的人口密度o
i1
指标值为3.1。
[0347]
3)记录居住地块的现状总建筑面积，即为居住地块的建筑总量o
i2
指标。具体地，以图4和表9示例中的居住地块为例，该居住地块的建筑总量为81.2万平方米，因此其对应的建筑总量o
i2
指标值为81.2。
[0348]
s8
‑
2、筛选与居住地块存在日常活动联系的活动地块，测算活动地块的设施规模d
j1
和设施等级d
j2(d)
指标。
[0349]
1)根据步骤s6中生成的地块间日常活动od联系表，利用arcgis属性选择工具筛选出与样本社区居住地块存在日常活动od联系的活动地块，利用要素转点工具，提取活动地块矢量面的质心并保存为“样本社区活动地块质心.shp”。
[0350]
2)测算活动地块的设施规模d
j1
。具体地，加载全市现状土地利用空间数据，根据现状土地利用空间数据的“用地性质”字段，利用arcgis的汇总统计功能，以“用地性质”字段为分组值，建筑面积为求和值，统计全市各小类用地的总建筑面积。将需要测算的活动地块
的总建筑面积除以全市相同性质用地总建筑面积，测得设施规模d
j1
指标。
[0351]
表9示例地块的自变量指标值计算方法
[0352][0353]
以图4和表9示例中的活动地块为例，该活动地块的用地性质为高中，属于《城市用地分类标准gb50137
‑
2011》的a33小类(中小学用地)，研究城市a33类用地的总建筑面积为1850.1万平方米，该活动地块的总建筑面积为7.3万平方米，占全市的万分之39.46，该活动地块的设施规模d
j1
指标值为39.46。
[0354]
3)根据活动地块的设施等级，测算设施等级d
j2(d)
指标。
[0355]
具体地，以图4和表9示例中的活动地块为例，该活动地块的用地性质为高中，属于街道级设施，根据表9中的计算方法该地块的设施等级d
j2(d)
指标为1.0。
[0356]
s8
‑
3、测算居住地块与活动地块间的步行距离r
ij1
和步行障碍r
ij2(c)
。
[0357]
1)加载步骤s8
‑
1生成的居住地块质心“样本社区居住地块质心.shp”和活动地块质心“样本社区活动地块质心.shp”。
[0358]
2)基于现状交通路网空间矢量数据，利用arcgis网络分析模块中的新建网络数据集工具，创建全市的现状道路拓扑网络。
[0359]
3)利用arcgis网络分析模块中的最短路径模块，加载“样本社区居住地块质心.shp”作为步行起点，“样本社区活动地块质心.shp”作为步行终点，求解各起点和终点间基于现状道路拓扑网络的最短路径，并导出保存为“样本社区od最短步行路径.shp”。
[0360]
4)利用arcgis的计算几何工具，计算“样本社区od最短步行路径.shp”的最短步行距离长度，以图5和表9示例中居住地块和活动地块为例，求解出的最短步行路径长度为1540.1米，因此该居住地块和活动地块对应的r
ij1
指标值为1540.1。
[0361]
5)利用arcgis的汇总统计工具，记录居住地块和活动地块间最短步行路径中上下天桥或地下通道的次数，以图5和表9示例中居住地块和活动地块为例，求解出的最短步行路径中需要经过1次天桥，根据表9的计算方法，对应的r
ij2(c)
指标值为1.2。
[0362]
s8
‑
4、计算样本社区所有居住地块和活动地块间的自变量指标值，并将地块间的日常活动od联系作为因变量q
ij
，整理汇总形成样本社区的回归变量指标表，如下表10所示。
[0363]
表10地块间日常活动联系频次和特征指标的回归变量指标表
[0364][0365]
s9、将变量值代入回归方程解出待定系数，生成日常活动联系频次与地块自变量指标的定量模型。
[0366]
本次实例求解后的回归模型调整后r2为0.67，各项自变量指标值均通过p＜0.05的显著性检验，计算出的α、β、γ和lnk的值分别为0.109、0.125、1.047和9.787。将计算出的待定系数值代入回归方程，生成样本社区日常活动联系频次与地块自变量指标的定量模型，具体公式如下所示：
[0367]
ln(q
ij
)＝0.109ln(o
i1
*o
i2
)+0.125ln(d
j1
*d
j2(d)
)
‑
1.047ln(r
ij1
*r
ij2(c)
)+9.787
ꢀꢀ
公式(3)；
[0368]
s10、模拟规划实施后居住地块与周边地块之间的日常活动od联系频次。
[0369]
本实施例将规划实施后的地块相关特征指标数据，作为自变量代入多元回归方程中，预测规划实施后居住地块与周边地块间的日常活动od联系频次。
[0370]
进一步地，该步骤s10具体包括：
[0371]
s10
‑
1、确定规划预测的最大空间范围的地块范围。具体地，针对本实例中南大干线西片区改造方案中的某块居住用地，通过arcgis的“缓冲区”工具生成5公里半径范围圈，按位置选择筛选出该居住用地5公里范围内所涉及到的全部建设用地地块，作为规划预测的最大空间范围的活动地块。。
[0372]
s10
‑
2、计算规划实施后该居住地块与活动地块的自变量指标。具体地，参照步骤s8和表9中各项自变量指标的计算方法，对该居住地块以及步骤s10
‑
1中确定的规划预测活动地块，依托步骤s1中形成的规划实施后的空间数据底板，根据步骤s8中的自变量指标测算方法。
[0373]
s10
‑
3、将自变量指标代入步骤s9中解出的回归方程公式(3)，模拟预测规划实施后居住地块和活动地块间的日常联系频次。具体地，将步骤s10
‑
2中测算得到的指标作为自变量，分别代入根据样本社区所构建的多元回归方程公式(3)中，从而预测计算出该居住地块与其最大空间范围内所有活动地块两两间的日常活动联系频次。
[0374]
以南大干线西片区改造方案中的某块居住用地为例，利用arcgis可视化表达后，该地块与其最大空间范围内活动地块的日常活动联系频次模拟结果如图6a所示。
[0375]
s11、预测规划实施后规划居住地块的规划社区生活圈边界。
[0376]
本实施例以预测的居住地块与活动地块间日常活动联系频次为基础，依据居住地块质心与周边活动地块质心之间的最短步行路径距离，从近到远汇总累计频次，当达到阈值则模拟识别出单个居住地块在规划方案实施后的社区生活圈边界范围。
[0377]
进一步地，该步骤s11具体包括：s11
‑
1、基于步骤s10
‑
4，汇总统计该居住地块其最
大空间范围内的地块联系频次总量。s11
‑
2、累计该居住地块与周边地块间预测的日常活动联系频次。
[0378]
具体地，以步骤s10中预测的居住地块与其最大空间范围内活动地块间日常活动联系频次为基础，利用arcgis的属性筛选功能，根据步骤s10
‑
2测算的该居住地块到最大空间范围内活动地块的最短路径步行距离r
ij1
指标，从近到远对od联系频次数据进行汇总累计。
[0379]
s11
‑
3、模拟划定各居住地块的规划社区生活圈。具体地，遵循上一步骤s11
‑
2的汇总累计过程，当累计频次达到该居住地块与其最大空间范围频次总量的50％阈值比例时，此时选择的活动地块如图6b所示；利用arcgis的聚合面功能，生成所选择的地块外轮廓范围，即为该居住地块规划社区生活圈的空间边界，如图6c所示。
[0380]
s12、识别规划实施前居住地块的现状社区生活圈空间边界。
[0381]
本实施例以南大干线西片区改造方案中所在单元的某块现状居住用地为例，基于步骤s6生成的现状地块间日常活动联系od数据表，依托现状矢量路网，按照居住地块与周边地块的步行距离，从近到远汇总od联系频次，当累计频次达到阈值比例即可识别出单个居住用地地块现状的社区生活圈范围。
[0382]
s13、对规划改造前后社区生活圈的优化程度及其影响进行评估。
[0383]
本实施例测算规划方案所在单元单个居住地块现状与规划的生活圈半径指标，对于城市更新规划方案范围内，评价规划改造前后自身生活圈的优化程度；对于规划范围外的其他片区，评价规划前后对周边生活圈的影响，从而辅助规划策略与建议的提出。
[0384]
本实施例更新改造规划范围内居住地块规划实施前后的社区生活圈平均半径由1901米降低至1431米，半径标准差由530米降低至371米，更新改造规划范围内的社区生活圈便利度和均衡度明显优化。
[0385]
表11规划实施前后更新改造规划范围社区生活圈优化程度
[0386]
评价指标现状规划实施后趋势便利度(平均半径)1901米1431米变好均衡度(半径标准差)530米371米变好
[0387]
进一步地，根据上述计算方法测算，本实例规划方案实施后，规划范围以外且位于单元内的周边绝大部分居住地块的社区生活圈半径均较现状有所下降，说明社区生活的便利性有所提升，改造方案实施后对周边整体影响较好。
[0388]
但需要注意的是，规划范围南部地块有少量社区生活圈半径增加的情况，可能原因是改造方案内绝大部分公共服务设施集中在方案北部，且拆除了原位于方案南部的部分公共服务设施，并改造为了居住地块，增加了规划范围南部的公共服务设施压力，如图7所示。
[0389]
基于规划改造前后社区生活圈的优化程度及其影响评估结果，规划方案整体合理，但建议规划方案进一步优化方案中的公共服务设施布局，尤其考虑在改造方案规划范围南侧减少部分居住用地，并增配一些公共服务设施。
[0390]
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。