一种城市建设用地更新潜力分析方法、装置、终端及介质制造方法及图纸

本发明专利技术公开了一种城市建设用地更新潜力分析方法、装置、终端及介质，所述方法包括：根据目标区域的土地利用调查数据，对城市用地演变和特征进行分析，并构建所述目标区域的城市用地评价指标体系，采用熵权法和BP神经网络算法确定所述城市用地评价指标体系的指标权重比例，从商业用地、居住用地、工业用地三个方面，对所述城市低效用地的现状特征和驱动原因进行分析，基于用地规模性和用地经济性，结合所述城市低效用地的整体特征，建立所述目标区域的城市用地更新集约化与规模性的关联关系，在地籍区和地籍子区的尺度上对城市用地进行测算，得到所述目标区域的城市用地更新潜力评估结果。因此，本发明专利技术实施例能够提高城市用地的利用效率。的利用效率。的利用效率。

【技术实现步骤摘要】
一种城市建设用地更新潜力分析方法、装置、终端及介质


[0001]本专利技术涉及城市土地管理
，尤其涉及一种城市建设用地更新潜力分析方法、装置、终端及介质。

技术介绍

[0002]土地资源是实现城市经济社会高质量发展的基本要素和必要条件，是拓展城市发展空间和提升城市功能品质的重要载体，是规划城市、建设城市、经营城市的重要战略性资源。随着城市快速发展，土地增量扩张的发展模式受到越来越多的限制，如何转变思维，从“土地增量扩张”到“土地存量挖掘”，实现城市建成区建设用地的集约利用，推动建设用地的高质量发展，受到越来越多的关注。
[0003]目前城市建设用地更新潜力的研究，存在对象单一(主要集中在工业用地)、用地评价指标体系不够完善、权重比例主观因素较强、缺少验证方式等问题。因此，对城市建设用地更新潜力的研究进行改善，具有重要意义。

技术实现思路

[0004]本专利技术提供一种城市建设用地更新潜力分析方法、装置、终端及介质，通过从商业用地、居住用地、工业用地三个方面对城市用地演变及特征进行分析，获得所述区域的城市用地变化特征，构建能够反映所述区域城市用地土地利用效率的评价指标体系，采用熵权法和BP神经网络算法确定评价指标的权重比例，建立城市用地更新集约化与规模性的关联关系，在地籍区和地籍子区的尺度上对城市用地进行测算，对城市用地进行优化与调整，提高城市用地的利用效率。
[0005]为了实现上述目的，第一方面，本专利技术实施例提供了一种城市用地更新潜力分析方法，包括：
[0006]根据目标区域的土地利用调查数据，构建城市用地演变分析模型，对城市用地演变和特征进行分析，得到所述目标区域的城市用地变化特征，并构建所述目标区域的城市用地评价指标体系；
[0007]采用熵权法确定所述城市用地评价指标体系的指标权重比例，结合所述目标区域的现状特征，利用BP神经网络算法对所述指标权重比例进行修正，构建低效用地识别模型，以识别所述目标区域的城市低效用地；
[0008]从商业用地、居住用地、工业用地三个方面，对所述城市低效用地的现状特征和驱动原因进行分析，得到所述城市低效用地在空间位置、集聚形态上的特征，从而分析所述城市低效用地形成的成因，得到所述城市低效用地的整体特征；
[0009]基于用地规模性和用地经济性，结合所述城市低效用地的整体特征，建立所述目标区域的城市用地更新集约化与规模性的关联关系，在地籍区和地籍子区的尺度上对城市用地进行测算，得到所述目标区域的城市用地更新潜力评估结果。
[0010]作为上述方案的改进，所述根据目标区域的土地利用调查数据，构建城市用地演
变分析模型，对城市用地演变和特征进行分析，得到所述目标区域的城市用地变化特征，并构建所述目标区域的城市用地评价指标体系，具体包括：
[0011]根据目标区域的多期土地利用数据，对所述城市用地进行构成性分析，分为国有建设用地和集体建设用地；
[0012]基于所述国有建设用地和集体建设用地中组成部分的比例结构状态以及变化特征，对所述组成部分的占比以及变化进行分析，得到所述目标区域的城市用地变化特征；其中，所述组成部分包括所述商业用地、居住用地和工业用地；
[0013]根据所述目标区域的的社会经济数据、地理环境数据以及所述城市用地变化特征，构建建设用地和居住用地的评价指标体系，得到所述目标区域的城市用地评价指标体系；
[0014]其中，所述城市用地评价指标体系包括土地利用强度指数、土地增长趋势指数、土地用地弹性指数、空间约束指数；
[0015]所述土地利用强度指数包括建设用地人口密度、建设用地固定资产投资总值、建设用地生产总值；
[0016]所述土地增长趋势指数包括单位人口增长消耗建设用地量、单位生产总值增长消耗建设用地量、单位固定资产投资消耗建设用地量；
[0017]所述土地用地弹性指数包括建设用地增长弹性系数、批而未供建设用地量、闲置建设用地量；
[0018]所述空间约束指数包括城市用地与集体用地相邻关系、城市用地之间相互相邻关系。
[0019]作为上述方案的改进，所述采用熵权法确定所述城市用地评价指标体系的指标权重比例，结合所述目标区域的现状特征，利用BP神经网络算法对所述指标权重比例进行修正，构建低效用地识别模型，以识别所述目标区域的城市低效用地，具体包括：
[0020]根据所述城市用地评价指标体系，构造评价指标体系矩阵，且进行标准化处理，得到标准化处理矩阵；
[0021]采用熵权法计算所述标准化处理矩阵的评价指标的熵值，得到所述城市用地评价指标体系的指标权重比例；
[0022]利用BP神经网络算法对所述指标权重比例进行修正，构建低效用地识别模型，以识别所述目标区域的城市低效用地；
[0023]其中，所述标准化处理的公式为
[0024][0025]式中，Q
i
为所述评价指标i的标准化值，即所占的权重比例，A
i
为所述评价指标i的初始样本值，A
min
为所述评价指标i的最小值，A
max
为所述评价指标i的最大值；
[0026]所述熵权法的计算公式为
[0027][0028]式中，H
j
表示所述标准化处理矩阵的评价指标j的熵值；k为比例系数，m为所述城市用地评价指标体系的评价指标个数；f
ij
表示在所述标准化处理矩阵的评价指标
值[i，j]的权重，r
ij
为所述标准化处理矩阵，i和j为所述标准化处理矩阵的行和列，代表所述评价指标i和所述评价指标j。
[0029]作为上述方案的改进，所述从商业用地、居住用地、工业用地三个方面，对所述城市低效用地的现状特征和驱动原因进行分析，得到所述城市低效用地在空间位置、集聚形态上的特征，从而分析所述城市低效用地形成的成因，得到所述城市低效用地的整体特征，具体包括：
[0030]从商业用地、居住用地、工业用地三个方面，对所述城市低效用地进行不同层次、不同角度的分析，得出所述城市低效用地的占比情况；
[0031]采用标准差椭圆方法所述城市低效用地进行分析，得出所述城市低效用地的范围、位置以及方向特征，从而得到所述城市低效用地在所述目标区域中的空间特征；
[0032]利用核密度估计所述城市低效用地的集聚形态特征，得出所述城市低效用地在所述目标区域中的集聚性；
[0033]分析所述城市低效用地形成的成因，得到所述城市低效用地的整体特征。
[0034]第二方面，本专利技术实施例提供了一种城市用地更新潜力分析装置，包括：
[0035]评价指标体系构建模块，用于根据目标区域的土地利用调查数据，构建城市用地演变分析模型，对城市用地演变和特征进行分析，得到所述目标区域的城市用地变化特征，并构建所述目标区域的城市用地评价指标体系；
[0036]指标权重比例确定模块，用于采用熵权法确定所述城市用地评价指标体系的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市用地更新潜力分析方法，其特征在于，包括：根据目标区域的土地利用调查数据，构建城市用地演变分析模型，对城市用地演变和特征进行分析，得到所述目标区域的城市用地变化特征，并构建所述目标区域的城市用地评价指标体系；采用熵权法确定所述城市用地评价指标体系的指标权重比例，结合所述目标区域的现状特征，利用BP神经网络算法对所述指标权重比例进行修正，构建低效用地识别模型，以识别所述目标区域的城市低效用地；从商业用地、居住用地、工业用地三个方面，对所述城市低效用地的现状特征和驱动原因进行分析，得到所述城市低效用地在空间位置、集聚形态上的特征，从而分析所述城市低效用地形成的成因，得到所述城市低效用地的整体特征；基于用地规模性和用地经济性，结合所述城市低效用地的整体特征，建立所述目标区域的城市用地更新集约化与规模性的关联关系，在地籍区和地籍子区的尺度上对城市用地进行测算，得到所述目标区域的城市用地更新潜力评估结果。2.如权利要求1所述的城市用地更新潜力分析方法，其特征在于，所述根据目标区域的土地利用调查数据，构建城市用地演变分析模型，对城市用地演变和特征进行分析，得到所述目标区域的城市用地变化特征，并构建所述目标区域的城市用地评价指标体系，具体包括：根据目标区域的多期土地利用数据，对所述城市用地进行构成性分析，分为国有建设用地和集体建设用地；基于所述国有建设用地和集体建设用地中组成部分的比例结构状态以及变化特征，对所述组成部分的占比以及变化进行分析，得到所述目标区域的城市用地变化特征；其中，所述组成部分包括所述商业用地、居住用地和工业用地；根据所述目标区域的的社会经济数据、地理环境数据以及所述城市用地变化特征，构建建设用地和居住用地的评价指标体系，得到所述目标区域的城市用地评价指标体系；其中，所述城市用地评价指标体系包括土地利用强度指数、土地增长趋势指数、土地用地弹性指数、空间约束指数；所述土地利用强度指数包括建设用地人口密度、建设用地固定资产投资总值、建设用地生产总值；所述土地增长趋势指数包括单位人口增长消耗建设用地量、单位生产总值增长消耗建设用地量、单位固定资产投资消耗建设用地量；所述土地用地弹性指数包括建设用地增长弹性系数、批而未供建设用地量、闲置建设用地量；所述空间约束指数包括城市用地与集体用地相邻关系、城市用地之间相互相邻关系。3.如权利要求1所述的城市用地更新潜力分析方法，其特征在于，所述采用熵权法确定所述城市用地评价指标体系的指标权重比例，结合所述目标区域的现状特征，利用BP神经网络算法对所述指标权重比例进行修正，构建低效用地识别模型，以识别所述目标区域的城市低效用地，具体包括：根据所述城市用地评价指标体系，构造评价指标体系矩阵，且进行标准化处理，得到标准化处理矩阵；
采用熵权法计算所述标准化处理矩阵的评价指标的熵值，得到所述城市用地评价指标体系的指标权重比例；利用BP神经网络算法对所述指标权重比例进行修正，构建低效用地识别模型，以识别所述目标区域的城市低效用地；其中，所述标准化处理的公式为式中，Q
i
为所述评价指标i的标准化值，即所占的权重比例，A
i
为所述评价指标i的初始样本值，A
min
为所述评价指标i的最小值，A
max
为所述评价指标i的最大值；所述熵权法的计算公式为式中，H
j
表示所述标准化处理矩阵的评价指标j的熵值；k为比例系数，m为所述城市用地评价指标体系的评价指标个数；f
ij
表示在所述标准化处理矩阵的评价指标值[i，j]的权重，r
ij
为所述标准化处理矩阵，i和j为所述标准化处理矩阵的行和列，代表所述评价指标i和所述评价指标j。4.如权利要求1所述的城市用地更新潜力分析方法，其特征在于，所述从商业用地、居住用地、工业用地三个方面，对所述城市低效用地的现状特征和驱动原因进行分析，得到所述城市低效用地在空间位置、集聚形态上的特征，从而分析所述城市低效用地形成的成因，得到所述城市低效用地的整体特征，具体包括：从商业用地、居住用地、工业用地三个方面，对所述城市低效用地进行不同层次、不同角度的分析，得出所述城市低效用地的占比情况；采用标准差椭圆方法所述城市低效用地进行分析，得出所述城市低效用地的范围、位置以及方向特征，从而得到所述城市低效用地在所述目标区域中的空间特征；利用核密度估计所述城市低效用地的集聚形态特征，得出所述城市低效用地在所述目标区域中的集聚性；分析所述城市低效用地形成的成因，得到所述城市低效用地的整体特征。5.一种城市用地更新潜力...

【专利技术属性】
技术研发人员：邓兴栋，杨文杰，何华贵，杜剑光，柳春生，江舒静，李珏，王建军，
申请(专利权)人：广州市城市规划勘测设计研究院，
类型：发明
国别省市：