CN117407470A - 基于大数据的绿色空间生态优化决策辅助***及方法 - Google Patents
基于大数据的绿色空间生态优化决策辅助***及方法 Download PDFInfo
- Publication number
- CN117407470A CN117407470A CN202311436923.7A CN202311436923A CN117407470A CN 117407470 A CN117407470 A CN 117407470A CN 202311436923 A CN202311436923 A CN 202311436923A CN 117407470 A CN117407470 A CN 117407470A
- Authority
- CN
- China
- Prior art keywords
- ecological
- analysis
- data
- space
- green
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 119
- 238000010276 construction Methods 0.000 claims abstract description 30
- 238000009423 ventilation Methods 0.000 claims abstract description 20
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 15
- 238000002076 thermal analysis method Methods 0.000 claims abstract description 4
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 15
- 238000011161 development Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 238000004141 dimensional analysis Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008642 heat stress Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000004089 microcirculation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Child & Adolescent Psychology (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及绿色空间优化技术领域,公开了一种基于大数据的绿色空间生态优化决策辅助***及方法,其方法包括以下步骤:S1,采集多源数据;并基于多源数据,构建绿色空间生态要素数据库和绿色空间供需数据库;S2,基于绿色空间生态要素数据库,进行生态构建多维分析;所述生态构建多维分析包括生态敏感性分析、通风廊道分析和多源数据空间叠加分析;基于绿色空间供需数据库,进行空间品质多维分析;所述空间品质多维分析包括绿地可达性分析、绿地热力分析、绿地周边人群画像分析和绿地使用满意度分析;S3,联合生成生态优化建议。本发明能够完成全面地、多维度地、动态化地、定量化地绿色空间分析及优化,有助于提升绿色空间生态优化决策的准确性。
Description
技术领域
本发明涉及绿色空间优化技术领域,具体涉及一种基于大数据的绿色空间生态优化决策辅助***及方法。
背景技术
城市绿色空间是城市得以产生、形成和发展的自然环境本底,是城市生态***的重要组成。目前,城市发展由大规模增量建设进入存量提质优化的新阶段,以“内涵发展”、“盘活存量”、“集约高效”为关注点的城市更新规划工作开始在大中城市相继铺开。城市绿色空间的结构是影响绿色空间服务水平的重要因素,通过合理构建绿色空间,可以有效促进城市建设向着生态友好型转变。
在此背景下,现有许多针对绿色空间的规划建设方案,能够从数量配置、空间布局等方面,对城市绿色空间的规划优化提供参考。但是,随着生态建设需求的逐日提升,现有的规划方案在实际应用中,存在着较多的问题。包括:(1)所考量的规划维度较为单一,局限于绿色要素堆叠或最大化利用空间绿化等角度,数据接收和规划信息采集分析存在片面性,不能对生态城市整体可持续化发展做出全面的预估,影响最终的规划效果。(2)忽略了空间使用者的感受,缺少对体验感的考量。(3)设定的规划方案无法对空间中相对实时发生的事件进行反馈,实时性欠缺;且设定的规划方案易于与已有的规划方案存在冲突,动态性不足。(4)规划效率低,人力成本高;采用传统的统计方法和统计模式,容易造成数据的丢失和信息的不全面整合,且需要人为归纳处理。
发明内容
本发明意在提供一种基于大数据的绿色空间生态优化决策辅助***及方法,能够完成全面地、多维度地、动态化地、定量化地绿色空间分析及优化,有助于提升绿色空间生态优化决策的准确性。
为达到上述目的,本发明提供的基础方案为:
方案一
基于大数据的绿色空间生态优化决策辅助方法,包括以下步骤:
S1,采集多源数据;并基于多源数据,构建绿色空间生态要素数据库和绿色空间供需数据库;
S2,基于绿色空间生态要素数据库,进行生态构建多维分析;所述生态构建多维分析包括生态敏感性分析、通风廊道分析和多源数据空间叠加分析;
基于绿色空间供需数据库,进行空间品质多维分析;所述空间品质多维分析包括绿地可达性分析、绿地热力分析、绿地周边人群画像分析和绿地使用满意度分析;
S3,基于生态构建多维分析结果和空间品质多维分析结果,联合生成生态优化建议。
方案二
基于大数据的绿色空间生态优化决策辅助***,用于执行如方案一所述的基于大数据的绿色空间生态优化决策辅助方法;包括数据采集模块、数据分析模块和建议生成模块;
所述数据采集模块用于采集多源数据;所述数据分析模块用于基于多源数据,构建绿色空间生态要素数据库和绿色空间供需数据库;并进行生态构建多维分析和空间品质多维分析;所述建议生成模块用于基于生态构建多维分析结果和空间品质多维分析结果,联合生成生态优化建议。
本发明的工作原理及优点在于:
第一,本方案基于多源大数据,分设了绿色空间生态要素数据库和绿色空间供需数据库,以进行绿色空间分析及优化。构建的数据库中涵盖有多维数据,能够满足不同指标的分析需求,数据整合全面。第二,本方案中,通过生态构建多维分析和空间品质多维分析,能够从空间布局和服务水平两个角度,为绿色空间品质提升提供支撑,相较于现有的单一分析,本方案提供的生态优化决策辅助更为精准。
其中,生态构建多维分析包含有生态敏感性分析、通风廊道分析和多源数据空间叠加分析等多项分析项目,能够对地理空间进行细致化的分析,有助于提升辅助决策的准确性。空间品质多维分析包含有绿地可达性分析、绿地热力分析、绿地周边人群画像分析和绿地使用满意度分析等多项分析项目,能够从绿地的不同供需角度,对绿地现状进行准确评估。通过绿地可达性分析和绿地热力分析,能够得到绿色空间的供需关系分布情况,结合绿地相关规划可以有效指导新建绿地的空间布局和建设时序两个方面进行优化。通过绿地周边人群画像分析和绿地使用满意度分析,能够得到绿色空间的使用特征和满意度,有助于从功能定位和设施环境等方面生成针对性的品质提升策略;并且,能够将空间使用者纳入到绿色空间生态评估中,有助于辅助生成空间使用者的体验感优化建议。
第三,本方案最终输出的生态优化建议为联合考量了生态构建多维分析和空间品质多维分析的综合优化建议,能够对绿色空间整体的可持续化发展做出全面的评估和引导。
附图说明
图1为本发明基于大数据的绿色空间生态优化决策辅助***及方法实施例一的结构示意图;
图2为本发明基于大数据的绿色空间生态优化决策辅助***及方法实施例一的生态敏感性评价的指标体系示意图;
图3为本发明基于大数据的绿色空间生态优化决策辅助***及方法实施例一的准侧层指标因子对应的可视化分析图形;
图4为本发明基于大数据的绿色空间生态优化决策辅助***及方法实施例一的综合生态敏感分析图形;
图5为本发明基于大数据的绿色空间生态优化决策辅助***及方法实施例一的通风廊道示意图;
图6为本发明基于大数据的绿色空间生态优化决策辅助***及方法实施例一的多源要素数据信息叠加图像。
具体实施方式
下面通过具体实施方式进一步详细的说明:
实施例一
实施例基本如附图1所示:基于大数据的绿色空间生态优化决策辅助方法,包括以下步骤:
S1,采集多源数据;并基于多源数据,构建绿色空间生态要素数据库和绿色空间供需数据库。所述多源数据包括用于构建绿色空间生态要素数据库的基础地理数据、卫星遥感数据和气象环境数据,以及,用于构建绿色空间供需数据库的基础空间数据和活动数据。且多源数据为待分析的空间范围内的数据。
具体地,本实施例中,绿色空间生态要素数据库中具体包含的数据类型及来源如表1所示;其中,基础地理数据包括行政边界数据、路网数据、河流水域数据、自然保护地数据,属于shp矢量数据格式,不仅包含了各类要素的空间位置信息,还存储了空间对象的各类属性信息。卫星遥感数据包括高程(DEM)数据、土地利用数据、植被覆盖数据(NDVI)、卫星遥感影像数据,属于栅格数据格式,栅格数据将空间分割成有规律的网格,并在各单元上赋予相应的属性值来表示实体。气象环境数据,包括风向频率数据,为表格统计数据,包含了某一地区多年平均的风向频率信息。为便于空间数据的分析处理,所有数据均转换为统一的坐标及投影***。
表1绿色空间生态要素数据库数据来源及类型
绿色空间供需数据库包括供给数据库和需求数据库,具体包含的数据类型及来源如表2所示;其中,供给数据库包括道路矢量数据、绿地源点数据、小区界限三类数据,主要涉及的类型是基础地理数据,属于shp数据格式,可以存储几何位置以及空间对象的属性信息等,如道路的路网信息、绿地的位置信息、小区的边界信息。需求数据库包括百度poi数据、人群画像数据、空间点评数据构成,反映的是人群分布活动、绿地使用特征等信息。本实施例中所指的绿地指代绿色空间,不仅包括公共绿地,还包括设有植被的公园、社区花园、公共休息区、广场等。
表2绿色空间供需数据库数据来源及类型
本方案构建的数据库,涵盖了区域内直接或间接影响绿色空间生态的各类要素数据信息,以及,绿色空间内的服务覆盖情况、需求热度、需求特征以及活动特征情况,能够为后续的生态优化分析提供充足的数据基础。
S2,基于绿色空间生态要素数据库,进行生态构建多维分析;所述生态构建多维分析包括生态敏感性分析、通风廊道分析和多源数据空间叠加分析。
本实施例中,采用层次分析法进行生态敏感性分析及评价,并建立目标层为生态敏感性评价的指标体系,如附图2所示,确定准则层生态敏感性因子有为水生态敏感性(B1)、水土流失敏感性(B2)、保护地敏感性(B3)、道路交通敏感性(B4),,在分析各方面的内在特点及相互关系的基础上,指标层选取了14个指标因子。其中水生态敏感性方面包括水域范围(C1)、水域缓冲区范围(C2)、水土流失敏感性方面包括植被覆盖度(C3)、高程(C4)、坡度(C5)、土地利用(C6);自然保护地敏感性方面包括国家公园(C7)、自然保护区(C8)、湿地公园(C7)、森林公园(C10)、地质公园(C11)、风景名胜区(C12);道路交通敏感性方面包括铁路(C13)、国道、省道(C14)。
并构建判断矩阵,将隶属于同一指标的各指标之间的相对重要性进行比较,并获得各指标的权重值。
进一步地,所述生态敏感性分析包括以下子步骤:
步骤1,对多源数据进行重分类,并分为多个基础数据集。重分类的分类基准为指标层的14个指标因子,将多源数据划分为对应于14个指标因子的14个基础数据集。并且,在重分类中,按照预设的生态敏感性指标量化标准,将基础数据集中的原始数据进行量化处理,利用Arc GIS中的重分类工具进行赋值打分。本实施例中,生态敏感性指标量化标准可采用现有规范、标准以及文献给出的标准。
步骤2,输出单因子分析图形,并给各个基础数据集赋予二级权重值。
具体地,所述单因子分析图形为基于各个基础数据集,形成单个指标层指标因子对应的可视化分析图形。二级权重值为上述通过判断矩阵获得的指标层指标因子的权重值。
步骤3,输出准侧层生态敏感分析图形,并对基础数据集进行重分类;并给各个重分类后的基础数据集赋予一级权重值。
其中,重分类的分类基准为准侧层的指标因子。准侧层生态敏感分析图形为基于各个基础数据集,形成准侧层指标因子对应的可视化分析图形,如附图3所示。
在重分类中,利用ArcGIS重分类工具对以上准则层分析结果再次进行赋值打分,4个级别(高敏感、较高敏感、中敏感、低敏感)从高到低对应得分9分、7分、5分、3分,并对应各准则层赋一级权重。一级权重值为上述通过判断矩阵获得的准侧层指标因子的权重值,本实施例中,一级权重值设为:B1=0.2178,B2=0.4613,B3=0.2178,B4=0.1031。
步骤4,输出综合生态敏感分析图形及评分,如附图4所示。
具体地,利用栅格计算器进行空间叠加和分值计算,得到目标层得分结果,即生态敏感性综合得分结果。最后再将生态敏感性综合得分结果划分为高敏感、较高敏感、中敏感、低敏感4个级别。
所述生态敏感性分析还包括:实时采集生态环境信息,并从中提取出与绿色空间存在生态影响关联性的影响信息;并根据影响信息,对一级权重值进行微调。
具体地,所述生态影响关联性指,该信息事件的发生会对土壤、水流、空气等自然资源造成直接或间接的负面影响。以生态环境信息中的大型污水排放/泄漏信息为例,该信息事件的发生会对排放对接水流、排放对接水流的河岸带的土壤、以及排放对接水流的部分流段的空气环境造成负面影响。在捕捉到该排放信息后,根据的排放地点信息,采集与该排放地点对接的管网排布信息或河流信息,并根据排放量预测排放影响范围,对排放影响范围内的河流和管网对应的基础数据集的一级权重值进行微调。
通过此操作,本方案能够对区域空间的生态情况变化进行有效捕捉及分析,得到的生态敏感性分析结果更具有实时性,更为贴合实际空间情况。
所述通风廊道分析包括:构建通风廊道模型;并进行最小成本路径分析;基于最小成本路径,计算得出通风廊道最小阻力路径。具体地,本实施例中,选择基于ArcGIS进行通风廊道分析,并将通风廊道的阻力因子设为高程、坡度和土地利用类型,权重依次设为0.3108、0.1958、0.4934。在空间内以16个方位角为基准选取通风廊道目标源点,通风廊道目标源点和阻力面构成了通风廊道最小阻力模型。基于上述模型,能够得到一综合阻力得分结果,即通风廊道阻力面。再配合以最小成本路径分析,能够计算出各个风向下城市潜在的通风廊道,如附图5所示。
所述多源数据空间叠加分析包括:基于多源数据,构建数据图层;基于ArcGIS,将数据图层进行视觉信息叠加,并形成多源要素数据信息叠加图像,如附图6所示。
具体地,在构建数据图层时,均以栅格数据格式或矢量数据格式进行数据图层构建,以便于统一数据坐标和格式,便于进行多源数据集成分析。
所述多源数据空间叠加分析还包括:实时采集生态环境信息,并从中提取出与绿色空间存在生态影响关联性的影响信息;并根据影响信息,构建模拟数据图层;在进行视觉信息叠加时,还叠加模拟数据图层。
所述生态环境信息的采集方式与前述生态环境信息采集方式相同,在此不做赘述。同样以生态环境信息中的大型污水排放/泄漏信息为例,采集到与该排放地点对接的管网排布信息或河流信息后,根据排放量预测排放影响范围,对应设定模拟数据图层,图层中展示排放事件影响下会带来的生态敏感性误差、绿地可达性误差和绿地使用满意度误差。
在生态构建多维分析中,还综合生成空间布局角度的第一优化建议。例如,针对高敏感区域,加强生态保护,降低人为干扰,选择加强河流水域、自然保护区、森林公园等区域生态管控以及,加强铁路、区域道路沿线生态防护林建设,构建区域道路生态廊道;结合区域内水生态廊道,形成促进城区气流微循环的通风廊道格局;对坡度较大且植被覆盖度低的区域应进行生态修复。并生成森林生态保护与修复区域、流域生态保护与综合治理修复带、饮用水源保护区、洪涝灾害整治修复区、水土流失重点修复区等区域修复位置建议。
基于绿色空间供需数据库,进行空间品质多维分析;所述空间品质多维分析包括绿地可达性分析、绿地热力分析、绿地周边人群画像分析和绿地使用满意度分析。
具体地,所述绿地可达性分析包括:基于道路矢量数据、绿地源点数据和小区界限数据,分别构建待分析的空间范围内的道路矢量数据库、现状绿地源点数据库和小区矢量数据库。并将街道(镇)行政边界数据,作为分析评价单元。基于上述数据,在ArcGIS上建立服务区,并生成基于道路网络,按常规步速步行一预设时间的绿地可达范围。本实施例中,预设时间设定为10min,常规步速为75m/min。并使用ArcGIS的叠加分析工具,将待分析的空间范围内的小区界限数据与绿地可达范围数据叠加,根据绿地服务覆盖居住区的面积占比测算出现状绿地服务覆盖率,用以表达绿地供给水平,公式如下:P=S1/S0,其中,P为绿地服务覆盖率,S0为某街道的居住区面积,S1为被绿地服务范围覆盖的居住区面积。
所述绿地热力分析包括:采用核密度分析法,分析得到绿色空间的需求热度情况,在GIS平台中导入清理好的百度POI数据,利用核密度分析工具得到设施点分布的密度、集聚趋势等特征,并进行重分类可视化,可得到待分析的空间范围内的需求分布情况。
所述绿地周边人群画像分析包括:基于人群画像数据,获取绿地周边使用人群的年龄和性别构成,从而间接反映出绿色空间不同功能定位下的需求特征。进一步地,还可将人群画像数据与绿地可达性范围、用地规划布局数据、人口画像数据等进行叠加,得到各个绿地可达范围内的用地特征和人群特征。其中,所述用地特征包括土地利用情况,该类数据可通过在绿地可达范围基础上叠加土地利用规划空间数据而得到。具体地,所述土地利用情况可以明确绿地可达范围内土地的用地性质,进一步分析各类用地的占比,明确绿地可达范围内土地利用结构,对于占比较重的用地类型,着重考虑其使用人群对绿地特定功能的需求。例如,对于周边居住用地占比较重的绿地,着重考虑居民的使用需求;对于周边商业服务业设施用地占比较重的绿地,着重考虑周边上班族、游客等的使用需求。
所述绿地使用满意度分析包括:基于空间点评数据,采用词频分析法对空间点评数据按照正负面语义及评价板块进行分类,所述分类板块包括景观环境、交通条件、活动场地、服务设施和安全管理。通过各板块的分类,能够对绿地使用满意度进行细致分析,更便于生成准确的优化建议。
在空间品质多维分析中,还综合生成服务水平角度的第二优化建议。例如,根据人群画像分析结果,根据区域服务范围的用地特征和人群特征,生成不同的功能场景构建建议,如增设健身区域、儿童游玩设施、商业服务设施、无障碍设施等。并根据空间点评数据分析结果,结合居民使用满意情况生成区域优化建议,如根据景观条件欠缺的点评,建议增加开敞、平缓的林下草坪空间,并根据观赏需求丰富植被搭配等。
S3,基于生态构建多维分析结果和空间品质多维分析结果,联合生成生态优化建议。
具体地,基于第一优化建议和第二优化建议,联合生成生态优化建议。
本实施例还提供一种基于大数据的绿色空间生态优化决策辅助***,用于执行如上述的一种基于大数据的绿色空间生态优化决策辅助方法;包括数据采集模块、数据分析模块和建议生成模块;所述数据采集模块用于采集多源数据;所述数据分析模块用于基于多源数据,构建绿色空间生态要素数据库和绿色空间供需数据库;并进行生态构建多维分析和空间品质多维分析;所述建议生成模块用于基于生态构建多维分析结果和空间品质多维分析结果,进行联合评分;并根据联合评分,生成生态优化建议。
本实施例提供的一种基于大数据的绿色空间生态优化决策辅助***及方法,能够完成全面地、多维度地、动态化地、定量化地绿色空间分析及优化,有助于提升绿色空间生态优化决策的准确性。特别的是,本方案还能够结合实时发生的环境影响事件,将该事件对待分析的绿色空间的影响纳入决策分析,能够使得分析结果更细致、更具有实时性且更为贴合实际空间情况,能够为生态优化决策提供更为适时的辅助。
实施例二
基于大数据的绿色空间生态优化决策辅助方法,在实施例一的基础上,在S3中,在联合生成生态优化建议后,还根据生态优化建议,进行优化预测,并基于优化预测的结果,反馈调整生态优化建议。
所述优化预测包括:根据生态优化建议,按照生态优化建议均执行的情况,对对应区域的多源数据进行调整。所述调整包括:当生态优化建议中,存在生态设施增加时,调用该生态设施对应的理想生态数据,附加至多源数据中;所述理想生态数据可自设施数据库中调用得到。所述设施数据库中存储有典型的生态设施的理想生态数据,所述典型的生态设施包括:城市绿地、绿色屋顶、河口保护区、水生生物保护区、森林、公园、花园、土壤监测站、土壤保护设施、污水处理厂、污染治理设施、水资源监测站、水环境治理设施等。所述理想生态数据可基于现有的同类生态设施的相应历史数据(可自现有数据库中进行调用,如中国生态***评估与生态安全数据库等)分析得到。所述理想生态数据包括绿化三维量、复层绿色量、空气质量指数、空气离子评价系数、空气中细菌含量等。
并按预设影响比例,对其周边的生态数据进行微调。本实施例中,根据不同的生态设施类型和生态设施尺寸大小,设定有不同的预设影响比例值。例如,当生态优化建议为在区域A处增设面积为s的绿地X,则对应地,调用该生态设施对应的理想生态数据,附加至多源数据中;并对多源数据中,受该设施增加影响而易于发生变化的数据进行更新,如绿地面积、绿地率、城市绿化覆盖率、廊道密度等。再基于最终形成的多源数据,进行二次生态构建多维分析和空间品质多维分析,分析结果即为优化预测的结果;再基于优化预测的结果,反馈调整生态优化建议。如优化预测结果中仍包括建议在区域A处增设绿地X,则说明初次生成的生态优化建议中的绿地面积设置过小,不能完全解决区域A处的生态问题,需要扩大面积。
本实施例提供的一种基于大数据的绿色空间生态优化决策辅助***及方法,相较于实施例一,能够对初次生成的生态优化建议进行验证和优化,进而能够生成更为准确的、可靠的生态优化建议。通过应用本方案,能够通过可靠的预测分析,减少实际应用中可能因初次优化不全面而带来的额外优化工作量,减少决策成本。
实施例三
基于大数据的绿色空间生态优化决策辅助方法,在实施例一的基础上,还包括以下步骤:
在绿地周边人群画像分析中,还包括:基于人群画像数据,提取得到绿地周边使用人群的年龄和性别构成,并提取得到不同年龄层和不同性别的人群数量。
并按照不同的人群数量等级,调用对应时刻的对应绿地的空间点评数据。
对空间点评数据进行语义分析,当语义分析中存在显示绿地空间小的点评内容且点评内容占比超过第一预设阈值(40%)时,则取该对应时刻的对应绿地的人群数量等级为基准,计算绿地空间的人群数量增长率。并在人群数量增长率超过第二预设阈值(30%)时,附加生成第二优化建议,对绿地空间的体积进行增加。
本实施例提供的一种基于大数据的绿色空间生态优化决策辅助***及方法,相较于实施例一,能够针对不同区域不同年龄层的绿地使用人口的增长情况,动态调整绿色空间,使绿色空间的服务能力和净化能力等,动态满足人口增长趋势。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。
Claims (9)
1.基于大数据的绿色空间生态优化决策辅助方法,其特征在于,包括以下步骤:
S1,采集多源数据;并基于多源数据,构建绿色空间生态要素数据库和绿色空间供需数据库;
S2,基于绿色空间生态要素数据库,进行生态构建多维分析;所述生态构建多维分析包括生态敏感性分析、通风廊道分析和多源数据空间叠加分析;
基于绿色空间供需数据库,进行空间品质多维分析;所述空间品质多维分析包括绿地可达性分析、绿地热力分析、绿地周边人群画像分析和绿地使用满意度分析;
S3,基于生态构建多维分析结果和空间品质多维分析结果,联合生成生态优化建议。
2.根据权利要求1所述的基于大数据的绿色空间生态优化决策辅助方法,其特征在于,所述多源数据包括用于构建绿色空间生态要素数据库的基础地理数据、卫星遥感数据和气象环境数据,以及,用于构建绿色空间供需数据库的基础空间数据和活动数据。
3.根据权利要求1所述的基于大数据的绿色空间生态优化决策辅助方法,其特征在于,所述生态敏感性分析包括以下子步骤:
步骤1,对多源数据进行重分类,并分为多个基础数据集;
步骤2,输出单因子分析图形,并给各个基础数据集赋予二级权重值;
步骤3,输出准侧层生态敏感分析图形,并对基础数据集进行重分类;并给各个重分类后的基础数据集赋予一级权重值;
步骤4,输出综合生态敏感分析图形及评分。
4.根据权利要求1所述的基于大数据的绿色空间生态优化决策辅助方法,其特征在于,所述多源数据空间叠加分析包括:基于多源数据,构建数据图层;基于ArcGIS,将数据图层进行视觉信息叠加,并形成多源要素数据信息叠加图像。
5.根据权利要求3所述的基于大数据的绿色空间生态优化决策辅助方法,其特征在于,所述生态敏感性分析还包括:实时采集生态环境信息,并从中提取出与绿色空间存在生态影响关联性的影响信息;并根据影响信息,对一级权重值进行微调。
6.根据权利要求4所述的基于大数据的绿色空间生态优化决策辅助方法,其特征在于,所述多源数据空间叠加分析还包括:实时采集生态环境信息,并从中提取出与绿色空间存在生态影响关联性的影响信息;并根据影响信息,构建模拟数据图层;在进行视觉信息叠加时,还叠加模拟数据图层。
7.根据权利要求1所述的基于大数据的绿色空间生态优化决策辅助方法,其特征在于,所述通风廊道分析包括:构建通风廊道模型;并进行最小成本路径分析;基于最小成本路径,计算得出通风廊道最小阻力路径。
8.根据权利要求1所述的基于大数据的绿色空间生态优化决策辅助方法,其特征在于,在S2中,在生态构建多维分析中,还综合生成空间布局角度的第一优化建议;在空间品质多维分析中,还综合生成服务水平角度的第二优化建议;基于第一优化建议和第二优化建议,联合生成生态优化建议。
9.基于大数据的绿色空间生态优化决策辅助***,其特征在于,用于执行如权利要求1-8任一项所述的基于大数据的绿色空间生态优化决策辅助方法;包括数据采集模块、数据分析模块和建议生成模块;
所述数据采集模块用于采集多源数据;所述数据分析模块用于基于多源数据,构建绿色空间生态要素数据库和绿色空间供需数据库;并进行生态构建多维分析和空间品质多维分析;所述建议生成模块用于基于生态构建多维分析结果和空间品质多维分析结果,联合生成生态优化建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311436923.7A CN117407470A (zh) | 2023-10-31 | 2023-10-31 | 基于大数据的绿色空间生态优化决策辅助***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311436923.7A CN117407470A (zh) | 2023-10-31 | 2023-10-31 | 基于大数据的绿色空间生态优化决策辅助***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117407470A true CN117407470A (zh) | 2024-01-16 |
Family
ID=89490557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311436923.7A Pending CN117407470A (zh) | 2023-10-31 | 2023-10-31 | 基于大数据的绿色空间生态优化决策辅助***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117407470A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117521980A (zh) * | 2024-01-05 | 2024-02-06 | 北京天耀宏图科技有限公司 | 基于不规则网格的地下空间岩土工程分析方法及*** |
-
2023
- 2023-10-31 CN CN202311436923.7A patent/CN117407470A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117521980A (zh) * | 2024-01-05 | 2024-02-06 | 北京天耀宏图科技有限公司 | 基于不规则网格的地下空间岩土工程分析方法及*** |
CN117521980B (zh) * | 2024-01-05 | 2024-05-03 | 北京天耀宏图科技有限公司 | 基于不规则网格的地下空间岩土工程分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ruan et al. | Assessment of temporal and spatial progress of urban resilience in Guangzhou under rainstorm scenarios | |
CN110334864B (zh) | 一种基于gis的多规合一城乡空间分区划定的方法 | |
CN102360458B (zh) | 一种移民安置区选择模糊评价方法 | |
Zhang et al. | Planning an ecological network of Xiamen Island (China) using landscape metrics and network analysis | |
Li et al. | Energy performance simulation for planning a low carbon neighborhood urban district: A case study in the city of Macau | |
CN109102193A (zh) | 地理设计生态红线划定与管理***及数据库、评价模型 | |
CN109559055A (zh) | 城市绿地规划的景观生态效能评价方法 | |
Chen et al. | Delineation of a basic farmland protection zone based on spatial connectivity and comprehensive quality evaluation: a case study of Changsha City, China | |
Wang et al. | A geographic carbon emission estimating framework on the city scale | |
CN109919819B (zh) | 区域生态网络的构建、评价和优化方法 | |
Mougiakou et al. | Urban green space network evaluation and planning: Optimizing accessibility based on connectivity and raster gis analysis | |
CN110428126A (zh) | 一种基于多源开放数据的城市人口空间化处理方法及*** | |
CN105913134A (zh) | 一种城市产业布局空间优化分析的soa技术方法 | |
CN117407470A (zh) | 基于大数据的绿色空间生态优化决策辅助***及方法 | |
Chen et al. | Analyzing land-cover change and corresponding impacts on carbon budget in a fast developing sub-tropical region by integrating MODIS and Landsat TM/ETM+ images | |
CN112182951B (zh) | 一种考虑多重不确定性的土地利用规划方法 | |
CN116485239A (zh) | 一种针对城市绿道建设成效的综合评价***和方法 | |
Luo et al. | Understanding the relationship between 2D/3D variables and land surface temperature in plain and mountainous cities: Relative importance and interaction effects | |
Hamdy | Using remote sensing techniques to assess the changes in the rate of urban green spaces in Egypt: a case study of greater Cairo | |
Recanatesi et al. | Multi criteria analysis to evaluate the best location of plants for renewable energy by forest biomass: a case study in Central Italy | |
CN113627818A (zh) | 基于城市搬迁地的公园绿地建设项目综合效益评价方法 | |
Tian et al. | Suburban sprawl measurement and landscape analysis of cropland and ecological land: A case study of Jiangsu Province, China | |
Pi | Establishment and Application of Spatial Distribution Model of Roof Greening Based on GIS Technology | |
Zhao et al. | EMPIRICAL STUDY ON RECREATION SUITABILITY EVALUATION OF SUBURBAN FOREST PARK–A CASE STUDY OF BAIYUN FOREST PARK IN LISHUI CITY, CHINA. | |
CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |