摘要：通过互联网数据、POI数据、政府挂牌供地数据等，采用基于城市活力度分析的空间分析方法，结合改良的最大经济容积率模型，实现对现有建设用地的分类提取以及对储备用地的潜力预测模拟分析，其效率与精度均优于传统的土地利用评价分析方法。
关键词：互联网数据;活力度分析;改良最大经济容积率模型;储备用地;潜力预测
土地资源是城市发展的第一要素，目前城市各类建设用地不仅面临资源匮乏现状，还伴随着利用率低下的状况。国家土地管理相关部门对部分城市用地情况的调查表明，我国城市用地4%～5%处于闲置状态、40%左右被低效利用。
面对城市化水平以0.8～1.0个百分点高速增长的现象，建设用地需求与城市用地供给间的矛盾日趋尖锐。唯有改变此前的土地利用模式，将现在的粗放型土地利用模式向精细化土地利用模式改变[1]，才能实现城市可调控管理建设用地——储备用地的合理规划与高效利用，实现城市建设用地的可持续发展，缓解目前的人、地、环境间的矛盾。
城市活力度是表明城市发展速度的代表性特征之一，基于城市活力度分析城市储备用地的利用现状并对其进行规划研究，是目前对城市用地评价的又一方法手段。
1研究区数据及概况
1.1区位条件
本次实验选取江苏省南京市江宁区秣陵街道为研究对象，街道位于南京市区南部，江宁区中部。东隔秦淮河与湖熟相望;西与谷里接壤;南濒禄口;北与开发区、科学园两区相邻，是江宁城市主城区、核心区和经济中心，也是江宁区开放程度高、经济增长快、发展活力强的街道之一。
秣陵街道现由原秣陵、百家湖、东善桥三大片区构成，区域面积181km2，总人口33.7万人，户籍人口15.75万人。区域内商品房住宅小区150多个，拆迁安置小区7个。农民拆迁安置房以片区集镇为集中点，每片区拆迁安置达数万人。街道区位优越，交通便捷，多条主干道和高速公路纵横交错，街道产业特色明显。着力发展通信电子、汽车及配套、智能电网和机械加工四大主导产业，形成工业集中区、科技创新园、社区特色产业园三大产业体系，创建了南京市电子信息制造业特色名街。现有企业360余家，四大主导产业分别达到80亿元、40亿元、30亿元、20亿元的产业规模，产业集聚效应更加明显，集群优势进一步体现，在全区处于第一方阵，全市排名前十强。
1.2研究区数据
本文将以往的储备用地潜力预测方法进行改进，利用多种网络数据，借助于ArcGIS工具对城市储备用地进行潜力预测，具体的实验数据如表1所示。
本文中网络数据采用爬虫方式[2]获取。由于数据获取平台等的差异，数据在坐标、属性等方面会存在不同程度的缺失状况，因此在进行数据分析之前需要对数据进行预处理，主要方法如下：①对数据进行清洗;②对投影、坐标进行标准化处理;③地名地址匹配[3];④数据入库。数据预处理是将多种数据融合的过程，是数据分析计算的必要步骤。
2城市储备用地潜力预测
2.1储备用地提取
储备用地是指政府根据国家储备用地管理办法，依法完成了收购土地，再转化为国家储备用地的政府行为。储备用地是政府对城市进行居民生活质量调整、提升与改善的重要手段，储备用地的提取目前大部分是通过建设用地同质区分类后对每类用地进行集约度评价与适宜性评价所得。
传统的同质区提取方式是根据城市规划用地标准，选取区位指标、经济指标以及规划指标三类指标，通过因素值比较法计算各分指标的影响因子值以及权重值，得出城市用地的质量度计算值，根据质量度计算值采用聚类分析法实现，此种算法存在计算过程较为复杂、效率低下的缺点。
本文中同质区划分采用POI点分析的方式，将POI数据、多种互联网数据进行核密度分析，将分析结果与地形数据、影像数据进行叠加分析从而快速地进行同质区的区分[4]，实现过程如下：
1)将POI数据进行分类，主要分为商业相关点、居住相关点、公共服务相关点;
2)利用主成分分析法求得每类影响因子的权重值;
3)对每类数据进行核密度分析，并将分析结果按照权重值大小进行叠加统计，提取各地块的分析结果;
4)对结果数值进行分类，并通过遥感影像进行校正，从而得到分类结果。
2.2储备用地提取
根据同质区划分过程中的分子结果值对各类建设用地进行同质区评价，利用2010～2014年的供地数据进行结果修正[5]，将修正后的结果按照分类标准分为4类：适宜性建设用地、可建设用地、不宜建设用地、不可建设用地。提取其中的适宜性建设用地作为储备用地，并用2015～2016年的数据进行精度评价，结果如图1所示。
从表2可以看出，该方法的精度比原方法精度提高5.3%，与此同时计算时间成本减少1/3。
2.3储备用地潜力预测方法
研究储备用地潜力预测目前主要是由经济学角度，从土地利用强度与土地利用质量两个方面对地块地价进行研究分析。最常用的是经济容积率模型，从宗地的地价最大投入产出比着手，分析地块最大的经济增长空间。该方法计算过程复杂，且对交通设施、人口因素等因素的考虑比较小，因此会对预测结果的准确性造成影响。本文采用基于多因素的分析方法，借助于改进的最大经济容积率模型进行分析[6]，具体实现方法如下：
1)人口模拟。对研究区进行格网划分，利用腾讯签到数据进行人口模拟，并对模拟后的总人口数据利用年鉴统计数据进行纠正，从而得到各个网格的人口数据，以此模拟地块的人口压力。
2)地价模拟。将链家网上爬取的房产单价数据进行差值分析，模拟土地的单价，通过国土部门的出让土地价进行地块单价的校正。
3)收入模拟。通过对51job数据中工资水平进行插值分析[1]，得到地块内的平均收入水平，并通过统计年鉴的居民消费水平进行校正，将此数据与人口数据合并计算，得到地均收入系数。
4)服务设施模拟。将交通设施(地铁站、公交站)、教育设施(幼儿园、小学、中学)、医疗设施(医院、社区医院、药店)、休闲服务设施(便利店、公园等)等进行核密度分析，分别求取每类服务设施的影响因子值。
2.4储备用地等级评定与结果验证
按照潜力预测算法将储备用地进行预测分析，结合江宁区的规划政策对数据进行矢量的调整，将分析结果按照潜力值的大小分为5个层级，并利用2015～2016年的江宁区秣陵街道的土地挂牌数据进行结果验证，结果如图2所示。
图中验证数据共有38块，三类用地均包含在内。经验证，各层级的比例分别为2.6%、2.6%、50.0%、39.5%、5.3%，证明验证数据大多分布在三、四层级，占比89.5%。根据《城市土地分等定级规定》、《南京市土地整治规划(2011～2015年)文本》以及《南京市江宁区土地利用总规划(2006～2020年)规划文本》2015年的数据和2016年的数据应该大部分处于三、四层级，这与分析评价结果一致，因此评价方法真实可靠。
从潜力预测分析结果可以看出，老城区的潜力值与周边新开发地区的潜力值会随着时间的推移逐渐增大，交通沿线附近的潜力值随着人口的增加也会显现出其优势。
3结 语
本文中通过互联网数据、POI数据、政府供地数据等，借助于ArcGIS平台，利用核密度分析、插值分析等空间分析方法，结合人口、地价、交通等多种模拟方法，通过熵权法计算各参数的权重值，利用改进的最大经济容积率模型实现储备用地的提取与潜力预测，并通过供地数据以及政策数据进行修正，实现对土地的潜力值估算。该结果运用到土地规划与城区改建方面，可以适当缓解人、地、环境之间的压力，弥补城市建设用地的不足，为城市的建设进程提供一份有效的参考依据。
基于活力度分析的储备用地潜力预测方法研究相关期刊推荐：《地理空间信息》(双月刊)创刊于2003年，是由湖北省测绘局主管，湖北省测绘行业协会、湖北省测绘学会主办，湖北省基础地理信息中心承办的测绘专业科技期刊。本刊作者、读者群来自国内外测绘业、地理信息产业、地图科学等院校、科研单位、测绘公司等生产一线单位之中。
转载请注明来自：http://www.lunwencheng.com/lunwen/nye/16721.html
