013-赵渺希-基于数据挖掘的城市建设用地剖析.pptx

基于数据挖掘的建设用地承载效率研究——以广佛都市区为例;1、研究背景2、数据与方法3、实证案例4、反思不足5、拓展前行;研究背景;背景;基于中国统计年鉴，通过1980—2012年的数据外推，进行库兹涅茨曲线估计（赵渺希、李欣建，2015），并参考相关研究（Yang，2013），中国的人均建设用地消耗水平在2020年前后达到峰值，之后可望逐年下降。;借鉴相关研究（王建军、吴志强，2009），未来我国城市将会随着城镇化率逐步提高，建设用地的总量需求将趋于平缓，在2030年前后达到最高点，之后需求总量开始进入减少阶段。;问题的另一面：大量低效土地;目前，建设用地效率研究多为县市区层面，难以精确到中观尺度的用地（石忆邵, 谢萌秋，2013）。 利用多源数据挖掘，借鉴Harsay（1978）的思路，以土地使用强度为切入点，探讨土地的使用效率。 多维数据的功能识别——钮心毅（2014）、北规院（2014）。 ;转化为具体的分析问题：怎么测度建设用地的使用强度？ 不同土地的居住活动、就业活动、游憩活动的强度各有强弱。 建设用地的使用强度分析必须考虑综合性的活动强度。 ;数据与方法;研究的技术路线;居住活动 Residential Activity —— 网络购物数据 Online shopping data 企业活动 Business Activity —— 伊梅数据库 Immelt database 游憩活动 Leisure Activity —— 新浪微博开放平台 Weibo Open Platform —— panoramio网站 ;1）数据获取;数据解析。对于网络购物数据和企业数据中的地址进行地址解析，通过百度LBS开放平台，将地址的文本信息转换为经纬坐标；;空间匹配。将地址解析数据进行坐标转换，转化为GIS平台可以使用的位置数据，并与建设用地进行关联匹配； 在数据挖掘、解析以及空间降维的基础上，通过综合测度实现建设用地承载效率的区位差异测度，首先实现单要素数据的空间测度;4）综合的活动强度;实证案例;分项活动的强度;综合的活动强度;低效土地识别;在珠三角，肇庆市的城市建设用地承载效率最低，其次的城市为惠州市、中山市、江门市，只有深圳、广州两市的承载效率在平均水平之上。;建设用地的规划思考;反思：研究的不足;反思：研究的不足;多维数据可以揭示空间现象。 但是各类大数据背后的BUG我们了解多少？ 反思： 商务企业对于地理坐标数据的技术处理？ 发布微博者实指场所/发布场所的偏差？ ;建设用地的效率还有什么要素、维度？ 数据挖掘能做到什么程度？ 研究往往被数据牵鼻子;展望：研究的拓展;延伸：研究的扩展;延伸：研究的扩展;定义、计算各类用地的功能强度 ;在用地边界给定的前提下，3个工作日即可得出200平方公里的用地现状图。 建设用地性质识别的准确率为83.35%，适合战略规划的现状分析。;延伸：研究的扩展;延伸：研究的扩展;延伸：研究的扩展;延伸：研究的扩展;大数据时代，规划设计也可以走在前面：——向大数据提出需求;Thanks