一种基于要素流动大数据的边界效应测度方法技术

本发明专利技术提供一种基于要素流动大数据的边界效应测度方法，基于要素流动大数据的网络分析技术，计算空间单元的基于所述要素数据的中心坐标,利用网络地图路径导航API接口，计算所述空间单元中心间的实际交通距离与交通时间；基于标准引力模型，构建基本边界效应模型，并构建考虑实际情况及边界影响的基于要素流动大数据的边界效应模型，实现空间单元之间实际要素流动的准确和动态测度。本发明专利技术的方法数据获取简单、数据来源稳定可靠、可动态更新，整体算法效率和准确度更高。算法效率和准确度更高。

【技术实现步骤摘要】
一种基于要素流动大数据的边界效应测度方法


[0001]本专利技术属于城市规划数据分析领域，特别涉及一种基于大数据的边界效应测度方法。

技术介绍

[0002]边界效应是城市群中城市之间因环境、交通等多方面因素综合作用，对城市之间的人员、资本、货物等要素流动形成了阻碍或促进的作用，是促进城市合作与协同发展的重要前提与基础，是城市规划中的重要考虑因素之一。
[0003]现有技术中已有的边界效应测算方法，在测算对象上，通常面向国家、地区等经济体，对城市群内部城市或区县单元之间的测度较少，其数据与方法在城市群层面无法复用，难以指导城市群协同发展；在测度媒介上，通常基于商品价格差异、产业结构差异、成本差异等地区之间的差异属性，往往基于统计数据或调查数据，具有数据难以获得、测算难以动态更新、测算客观性不足等问题；在测度基础参数上，往往基于城市地理中心与地理直线距离，对城市的实际人口、产业中心反映有所不足，对城市之间的实际交通联系便利程度与交通设施支撑情况测算精准度不足；在测度模型上，通常利用引力模型、垄断竞争模型、一价定律、趋同分析模型等模型，通过构建虚拟变量的方法测度边界效应系数，进行边界效应的测算，缺乏实际要素流动的测度模型。

技术实现思路

[0004]为解决现有技术中边界效应测算方法在客观性、准确性上的不足，本专利技术提供一种基于要素流动大数据的边界效应测度方法，客观、准确、动态地反映城市群多层次空间单元之间的边界效应量化测度。
[0005]本专利技术提供一种基于要素流动大数据的边界效应测度方法，其特征在于，包括如下步骤：
[0006]步骤S1、获取某时间区段内特定空间范围的基础数据，包括所述特定空间范围内的要素位置数据、要素数量数据，对获取到的所述要素数据进行预处理，得到预处理后的基础数据表；所述基础数据还包括空间单元的基本特征数据。
[0007]其中，所述要素为企业要素或人口要素。
[0008]步骤S2、基于步骤S1预处理后得到的基础数据表，匹配所述要素与其所属的所述空间单元，获得各所述空间单元中所述要素的数量总和；计算每两所述空间单元间的双向要素流动数据。
[0009]其中，所述双向要素流动数据为人口职住流动数据，或企业总部、分支联系数据，或企业资金流动数据。
[0010]步骤S3、基于步骤S1预处理后得到的基础数据表，计算各所述空间单元的基于所述要素数据的中心坐标。
[0011]其中，计算所述空间单元的中心坐标时，采用标准差椭圆工具进行计算。
[0012]步骤S4、基于步骤S3中得到的各所述空间单元的所述中心坐标，计算各所述空间单元所述中心间的实际交通距离与交通时间。
[0013]其中，利用网络地图路径导航API接口，计算所述空间单元中心间的实际交通距离与交通时间。
[0014]步骤S5、基于标准引力模型，构建所述空间单元间的基本边界效应模型；基于所述基本边界效应模型，构建考虑实际情况及边界影响的基于要素流动大数据的边界效应模型。
[0015]其中，所述空间单元间的基于要素流动大数据的边界效应模型为：
[0016][0017]式中，R
ij
为空间单元i、空间单元j间的实际要素流动联系值；K为实际调整系数；G
i
、G
j
为空间单元i、空间单元j的GDP；P
i
、P
j
为空间单元i、空间单元j的要素规模；L
ij
为空间单元i、空间单元j间实际车行距离；T
ij
为空间单元i、空间单元j间实际车行时间；Q为边界影响因子；α、β、γ、δ、ε为各因子幂系数。
[0018]步骤S6、通过对步骤S1
‑
S4中各数据的统计分析，拟合所述基于要素流动大数据的边界效应模型中的相关影响因子，并计算所述空间单元间的无边界影响要素流动联系值及实际要素流动联系值。
[0019]其中，所述空间单元间的无边界影响要素流动联系值依据下式计算：
[0020][0021]式中，Y
ij
为空间单元i、空间单元j间的无边界影响要素流动联系值，G
i
、G
j
为空间单元i、空间单元j的GDP，P
i
、P
j
为空间单元i、空间单元j之间的双向要素流动数据，L
ij
为空间单元i、空间单元j间实际车行距离，T
ij
为空间单元i、空间单元j间实际车行时间，K为实际调整系数，α、β、γ、δ为各因子幂系数。
[0022]拟合所述相关影响因子的步骤如下：
[0023]步骤S6
‑
1、将步骤S1中的所述空间单元的基本特征数据、步骤S2中所述空间单元中所述要素数量总和、步骤S3中各空间单元的中心坐标、步骤S4中各空间单元中心间的实际交通距离与交通时间合并，得到数据总表；与步骤S2中的所述空间单元间的双向要素流动数据一起，作为统计分析基础数据；设置所述统计分析基础数据中对应的边界影响因子；
[0024]步骤S6
‑
2、根据考虑实际情况及边界影响的基于要素流动大数据的边界效应模型对所述统计分析基础数据进行线性回归分析，得到所述相关影响因子。
[0025]步骤S7、计算所述无边界影响要素流动联系值与所述实际要素流动联系值的比值，得到边界效应影响测度值。
[0026]本专利技术通过基于要素流动大数据的网络分析技术，实现空间单元之间实际要素流动的准确和动态测度，数据获取简单、数据来源稳定可靠、可动态更新，整体算法效率和准确度更高。其中，基于人口数据或企业数据实现更客观、更精准的城市中心识别；基于网络公开地图API实现城市间多方式交通可达性与联通性分析；基于引力模型改进与网络分析结合实现边界效应测度。采用上述方式，使得本专利技术可以实现更加准确的边界效应测度、多空间层次的边界效应测度、对边界效应的持续动态监测；为城市群空间规划提供量化分析支持。
具体实施方式
[0027]为说明清楚本专利技术的目的、技术细节及有效应用，使之便于本领域普通技术人员理解与实施，下面将结合本专利技术实施例作进一步的详细阐述。显然，此处描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]本专利技术提供一种基于要素流动大数据的边界效应测度方法，通过各类要素流动大数据，来计算各特定空间之间的边界效应规模及形式。下面以粤港澳大湾区城市之间边界效应测算为例，说明本专利技术的
技术实现思路
。
[0029]本专利技术的具体实施步骤如下：
[0030]步骤S1、获取某时间区段内特定空间范围的基础数据，包括所述特定空间范围内的要素位置数据、要素数量数据，对获取到的所述要素数据进行预处理，得到预处理后的基础数据表；所述基础数据还包括空间单元的基本特征数据。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于要素流动大数据的边界效应测度方法，其特征在于，包括如下步骤：步骤S1、获取某时间区段内特定空间范围的基础数据，包括所述特定空间范围内的要素位置数据、要素数量数据，对获取到的所述要素数据进行预处理，得到预处理后的基础数据表；所述基础数据还包括空间单元的基本特征数据；步骤S2、基于步骤S1预处理后得到的基础数据表，匹配所述要素与其所属的所述空间单元，获得各所述空间单元中所述要素的数量总和；计算每两所述空间单元间的双向要素流动数据；步骤S3、基于步骤S1预处理后得到的基础数据表，计算各所述空间单元的基于所述要素数据的中心坐标；步骤S4、基于步骤S3中得到的各所述空间单元的所述中心坐标，计算各所述空间单元所述中心间的实际交通距离与交通时间；步骤S5、基于标准引力模型，构建所述空间单元间的基本边界效应模型；基于所述基本边界效应模型，构建考虑实际情况及边界影响的基于要素流动大数据的边界效应模型；步骤S6、通过对步骤S1
‑
S4中各数据的统计分析，拟合所述基于要素流动大数据的边界效应模型中的相关影响因子，并计算所述空间单元间的无边界影响要素流动联系值及实际要素流动联系值；步骤S7、计算所述无边界影响要素流动联系值与所述实际要素流动联系值的比值，得到边界效应影响测度值。2.根据权利要求1所述的方法，其特征在于，所述要素为企业或人口。3.根据权利要求1或2所述的方法，其特征在于，步骤S2中所述双向要素流动数据为人口职住流动数据，或企业总部、分支联系数据，或企业资金流动数据。4.根据权利要求1所述的方法，其特征在于，步骤S3计算所述空间单元的中心坐标时，采用标准差椭圆工具进行计算。5.根据权利要求1所述的方法，其特征在于，步骤S4中，利用网络地图路径导航API接口，计算所述空间单元中心间的实际交通距离与交通时间。6.根据权利要求1所述的方法，其特征在于，步骤S5中，所述空间单元间的基于要素流动大数据的边界效应模型为：式中，R
ij
为空...

【专利技术属性】
技术研发人员：方煜，戴继锋，孙文勇，刘行，朱荣远，王泽坚，罗彦，蔡澍瑶，刘永合，程崴知，
申请(专利权)人：中国城市规划设计研究院深圳分院，
类型：发明
国别省市：