基于概率参照的城市用地限高确定方法

基于概率参照的城市用地限高确定方法
【专利摘要】本发明公开了一种基于概率参照的城市用地限高确定方法，属于城市规划技术领域。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；然后在相似地块、邻近地块和相同用地性质的地块中以相似系数为概率随机选取参照地块，从而根据少量具有合理限高地块的数值，通过迭代计算得到各用地不同的合理限高。本发明可快速准确地确定用地单元的合理限高，为城市规划设计提供科学的依据。
【专利说明】
基于概率参照的城市用地限高确定方法
技术领域
[0001] 本发明涉及城市规划技术领域，尤其涉及一种城市用地限高确定方法。
【背景技术】
[0002] 城市用地限高，即用地控制高度，是用地建设时所允许的最高建筑高度，它是控制 性详细规划编制中的一项重要技术指标，对于城市的经济、环境、景观风貌等各方面具有重 要影响。随着城市建设的迅猛发展，人们越来越关注城市用地限高的确定依据和方法。目前 已有用地限高判定方法及其问题主要包括：
[0003] (1)经验判断法。主要由相关专家和专业技术人员通过其对于城市空间形态的整 体认知，结合其专业经验，综合考虑用地条件和区位等因素，对用地限高直接做出估算。该 方法主要依靠规划师主观经验，难度大，很多时候难以达成共识；同时，这种经验往往难以 做出精确判断，所以通常以24米、50米、100米等为边界做出粗略的梯级控制，或者做出大范 围等高的分区控制，不够细致，不利于城市建设的管理和调控。
[0004] (2)视觉模拟法。有时会通过试做建筑设计方案，通过不同角度的视觉模拟来做出 判断;有时甚至会在实际场地上用气球等漂浮物模拟建筑轮廓线，观察用地上不同高度的 影响范围和效果，从而做出合理限高的判定。该方法程序复杂，成本高，效率低，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，仍然主要依赖于判定专家的 经验和水平。
[0005] (3)视线分析法。该方法主要基于视点和视觉对象的关系，通过视觉辅助线、轮廓 线度量、视锥分析等方法做出判定。就固定视点来说，该类方法主要针对眺望视点的高度控 制 [1]，也可以针对文保区或标志性风貌区周边的高度控制[2]，或者重要地段的城市天际线 控制 [3]。就动态视点来说，可进行互动与多维的视线分析与叠加[4][5]，从而做出高度控制判 断。该类方法主要局限于可视性分析这一单项因素，完全忽略了用地可建设条件的研究，因 此往往分析结果在实际中难以实现其控制目标。
[0006] (4)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 用地高度之间的大致关系，然后通过适当修正与调整来判定各地块限高 [6][7][8]。该方法基 于用地本身潜在条件的数据分析，具有一定合理性，但该方法以简单的因子叠加来判定用 地限高，过于依赖因子评价与用地限高之间的正相关性，忽视了用地之间相互参照影响的 复杂关系。
[0007] 综上可知，现有城市用地限高的确定方法存在较大不足，亟需提供一种更科学且 更快速准确的城市用地限高确定方法。
[0008] 参考文献：
[0009] [1]苏东宾，聂志勇.浅谈如何通过建筑物高度控制来形成良好的城市景观.国际 城市规划，2007(2) :104-108.
[0010] [2]谢晖，周庆华.历史文物古迹保护区外围空间高度控制初探一以西安曲江新区 为例.城市规划，2014(3) :60-64.
[0011] [3]纽心毅，李凯克.基于视觉影响的城市天际线定量分析方法.城市规划学刊， 2013(3):99-105.
[0012] [4]胡一可.基于互动式眺望模型的风景区边缘区建筑高度控制研究.中国园林， 2014,6:22-27
[0013] [5]彭建东.多维视线分析_人行动态视感分析维度下的高度控制新方法.规划师， 2015,3:57-63
[0014] [6]王建国，高源，胡明新.基于高层建筑管控的南京老城空间形态优化.城市规 划，2005，29( 1):45-51
[0015] [7]王天青，宿天彬，马培娟.高层建筑空间布局决策机制研究：以青岛市为例.城 市规划，2008,12:53-57
[0016] [8]罗曦.基于多因子评价的长沙市高层建筑布局规划研究.城市规划学刊，2007， 2:113-117

【发明内容】

[0017] 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 市用地限高确定方法，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 地单元的限高，可快速准确地确定用地单元的合理限高，为城市规划设计提供科学的依据。
[0018] 本发明具体采用以下技术方案解决上述技术问题：
[0019] -种基于概率参照的城市用地限高确定方法，包括以下步骤：
[0020] 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;控制属性的属性因子为控制因子，关系属性的属性因子为关 系因子;所述用地单元包括一组限高未知的待确定用地单元和一组限高已知的已知用地单 元；
[0021] 步骤2、根据所述属性特征向量，从所有用地单元中、邻近用地单元中、及具有相同 用地性质的用地单元中，分别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，然后合并在一起，作为相应待确定用地单元的相似地块；
[0022] 步骤3、使用概率参照算法迭代计算各待确定用地单元的限高值域，具体如下： [0023] 步骤3-1、初始化各待确定用地单元的限高为Ao;
[0024] 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；
[0025] 步骤3-3、对每一个待确定用地单元，根据该待确定用地单元的控制因子加权和 Suma与当前参照地块的控制因子加权和Sumb之间关系，对当前第i次迭代步中该待确定用地 单元的限高仏进行更新，然后转至步骤3-2，进行下一次迭代;所述更新具体如下：
[0026]对每一个当前参照地块，分别按照以下方法求得相应的A1+1，然后求平均值作为该 待确定用地单元在本轮迭代的临时限高输出：
[0028] 若 Suma = Sumb，且 Ai < Bi，贝 lj: Ai+i = Ai+[ Bi+ (Bi/Sab-Bi) *D2_Ai ] v;
[0029] 若 Suma = Sumb，且 Ai < Bi，贝 lj: Ai+i = Ai+[ Bi+ (Bi*Sab_Bi) *D3_Ai ] v;
[0030] 若 Suma = Sumb，且 Ai = Bi，贝 lj: Ai+i = Ai = Bi;
[0031] 其中，v为预设的取值范围为(〇，l)的波动控制因子，m为控制因子的种类数，D^Ds、 D3均为预设的差异度修正参数，Bi为当前参照地块的限高，Sab为待确定用地单元与当前参 照地块的相似系数；
[0032] 如所述临时限高输出超出法定限高，贝lj以法定限高作为该待确定用地单元在本轮 迭代的最终限高输出，否则，以所述临时限高输出作为该待确定用地单元在本轮迭代的最 终限高输出；
[0033] 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限高中选取最大的几个值，并以这几个值的均值作为该待确 定用地单元的最优限高。
[0034] 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。
[0035] 上述技术方案通过少量已知限高的已知用地单元，通过迭代计算，可得到各待确 定用地的合理限高;然而，已知用地单元的限高未必是合理的，这会对最终待确定用地单元 的限高判定产生影响，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 元的限高为经专家修正的合理限高。
[0036] 相比现有技术，本发明技术方案具有以下有益效果：
[0037] 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 具有合理限高地块的数值，通过迭代计算得到各用地的合理限高。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。
[0038] 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，得到的限高参数更科学。
【附图说明】
[0039] 图1为【具体实施方式】中本发明限高确定方法的流程示意图。
【具体实施方式】
[0040] 下面结合附图对本发明的技术方案进行详细说明：
[0041] 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，从而根据少量具有合理限高 地块的数值，通过迭代计算得到各用地不同的合理限高。
[0042]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。
[0043] 本发明方法包括以下步骤：
[0044] 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;控制属性的属性因子为控制因子，关系属性的属性因子为关 系因子;所述用地单元包括一组限高未知的待确定用地单元和一组限高已知的已知用地单 元；
[0045] 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 用地单元属性进行因子评分，获得每块地的各项因子F k(0〈Fk<l)。（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，这类因子与用地限高有着正相关或者负相关的关 系。而本发明在此之外，还考虑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 的关系因子。关系因子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限高应更高或更低，但在决策一个位于城市绿地周边的用地限 高时，可以参照其他紧邻城市绿地的合理用地限高数值做出判定，再如，用地面积也只能作 为关系因子，因为并非用地面积越大，其限高就应越高或越低，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限高数值。所以，是否与城市绿地相邻、用 地面积这类因子都可作为用地关系属性的描述纳入计算。城市中各个地块(包括已确定限 高参数的已知用地单元和限高未知的待确定用地单元)的控制因子和关系因子即可构成反 映该地块特征的特征向量。其中，已知用地单元的限高可采用其实际限高参数，但这些已知 用地单元的实际限高参数并不一定是科学合理的，如果利用这些限高参数来确定待确定用 地单元的限高，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限高参数 进行修正，如通过专家评估得到这些已知用地单元的合理限高。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限高的已知用地单元，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。
[0046] 步骤2、根据所述属性特征向量，从所有用地单元中、邻近用地单元中、及具有相同 用地性质的用地单元中，分别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，然后合并在一起，作为相应待确定用地单元的相似地块；
[0047] 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S ab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：
[0049]式中，η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。
[0050]通过预先设定的相似系数阈值51，筛选出地块之间的关联关系，即只有两地块相 似系数大于Si，才认为他们彼此之间互为相似地块，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。本发明主要分为三部分来为待确定用地单元选择相似地块:第一 部分是从所有用地单元中选择与待确定用地单元之间相似系数最高的仏个用地单元作为 相似地块；第二部分是仅从待确定用地单元的邻近用地单元（通常是用地中心点距离500 米-1000米范围）中选择相似系数最高的N2个用地单元;第三部分是与待确定用地单元具有 相同用地性质的用地单元中选择相似系数最高的N 3个用地单元。这三部分选择的并集作为 相似地块，供后续的概率选择和参照。上述三部分选择的都可根据实际需要自行设 定。
[0051]步骤3、使用概率参照算法迭代计算各待确定用地单元的限高值域，具体如下： [0052] 步骤3-1、初始化各待确定用地单元的限高为Ao;
[0053] 由于本发明采用迭代算法逐步逼近最优限高值，因此初始限高Ao可随意设定，例 如可设置为〇或者最大的法定限高。
[0054] 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；
[0055] 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。 N?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）。
[0056] 步骤3-3、对每一个待确定用地单元，根据该待确定用地单元的控制因子加权和 Suma与当前参照地块的控制因子加权和Sumb之间关系，对当前第i次迭代步中该待确定用地 单元的限高仏进行更新，然后转至步骤3-2，进行下一次迭代；
[0057] 任一用地单元的控制因子加权和Sum可表示为：
[0059] 式中的m表示控制因子的类别总数，Wk为第k个控制因子Fk的权值。
[0060] 对于每个待确定用地单元，根据其当前参照地块的限高仏来确定自身在本轮迭代 中的临时限高输出Ai+ι，临时限高Ai+ι的计算根据该待确定用地单元的控制因子加权和Sum a 与当前参照地块的控制因子加权和Sumb之间关系的不同而不同，具体如下：
[0062] 若 Suma = Sumb，且 Ai < Bi，贝 lj: Ai+i = Ai+[ Bi+ (Bi/Sab-Bi) *D2_Ai ] v;
[0063] 若 Suma = Sumb，且 Ai < Bi，贝 lj: Ai+ι = Ai+[ Bi+ (Bi*Sab_Bi) *D3_Ai ] v;
[0064] 若 Suma = Sumb，且 Ai = Bi，贝 lj: Ai+ι = Ai = Bi;
[0065] 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值越接近〇,结果波动越平滑;m为控制因子的种类 数;均为预设的差异度修正参数，（可自行设置，通常取值为1)，其作用在于控制属 性相似用地之间的差异度，即两地块相似系数所描述的其差异程度与其实际开发强度差异 之间的换算关系为当前参照地块的限高，S ab为待确定用地单元与当前参照地块的相似 系数。
[0066] 如果所选取参照地块的个数N?大于1，则对每个参照地块对应的临时限高输出A1+1 取平均值作为最终的临时限高输出Ai+1。
[0067] 由于历史街区、航空管制区、文保单位保护范围等区域都有明确的法定限高，所以 须将最终的临时限高输出A1+1与法定限高进行比较，如果临时限高输出超出法定限高，则用 法定限高对限高输出进行调整，即以法定限高作为该待确定用地单元在本轮迭代的最终限 高输出，否则，以所述临时限高输出作为该待确定用地单元在本轮迭代的最终限高输出。
[0068] 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限高中选取最大的几个值，并以这几个值的均值作为该待确 定用地单元的最优限高。
[0069]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 输出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。 运算终止后，取每块地在最后若干轮(例如最后3轮或最后五轮）限高输出的平均值作为该 待确定用地单元的最优限高。
[0070]上述整个算法的流程如图1所示。
【主权项】
1. 一种基于概率参照的城市用地限高确定方法，其特征在于，包括W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(〇，1)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，W及不与用地可建设潜力 直接相关的关系属性;控制属性的属性因子为控制因子，关系属性的属性因子为关系因子； 所述用地单元包括一组限高未知的待确定用地单元和一组限高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、邻近用地单元中、及具有相同用地 性质的用地单元中，分别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，然后合并在一起，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限高值域，具体如下： 步骤3-1、初始化各待确定用地单元的限高为Ao; 步骤3-2、W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，根据该待确定用地单元的控制因子加权和Suma与 当前参照地块的控制因子加权和Sumb之间关系，对当前第i次迭代步中该待确定用地单元 的限高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W下方法求得相应的Aw，然后求平均值作为该待确 定用地单元在本轮迭代的临时限高输出： 若如ma声Su邮，贝ij:若如 ma = Sumb，且 Ai < Bi，贝 ij: Ai+i=Ai+ [ Bi+ (Bi/Sab-Bi)蝴 2-Ai ] V; 若如 nia = Sumb，且 Ai < Bi，贝 ij: Ai+i=Ai+ [ Bi+ (Bi*Sab-Bi)蝴 3-Ai ] V; 若 Suma = Su邮，且 Ai = Bi，贝 ij: Ai+i=Ai = Bi; 其中，V为预设的取值范围为(0，1)的波动控制因子，m为控制因子的种类数，Di、D2、D3均 为预设的差异度修正参数，Bi为当前参照地块的限高，Sab为待确定用地单元与当前参照地 块的相似系数； 如所述临时限高输出超出法定限高，则W法定限高作为该待确定用地单元在本轮迭代 的最终限高输出，否则，W所述临时限高输出作为该待确定用地单元在本轮迭代的最终限 高输出； 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限高中选取最大的几个值，并W运几个值的均值作为该待确定用 地单元的最优限高。2. 如权利要求1所述方法，其特征在于，任意两个用地单元之间的相似系数为运两个用 地单元在属性特征空间中的距离。3. 如权利要求2所述方法，其特征在于，所述距离为欧氏距离。4. 如权利要求1所述方法，其特征在于，所述迭代终止条件具体为:达到预设的最大迭 代次数，或者连续多次迭代输出的变化均小于预设的变化阔值。5. 如权利要求1所述方法，其特征在于，所述已知用地单元的限高为经专家修正的合理 限高。
【文档编号】G06F19/00GK106096296SQ201610443131
【公开日】2016年11月9日
【申请日】2016年6月17日
【发明人】张愚, 王建国
【申请人】东南大学