基于PBL-BPNN算法和多源数据的住区更新敏感度研究

作     者：朱隆斌 赵瑞寅 

作者机构：南京工业大学建筑学院 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2024年

核心收录：

学科分类：07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0705[理学-地理学] 0833[工学-城乡规划学] 083303[工学-住房与社区建设规划] 

主　　题：城市更新 更新时序 住区更新 更新敏感度 机器学习 多源数据 街景图像 南京中心城区 

摘      要：国家“十四五规划明确提出实施城市更新行动，特别是以老旧小区为载体的住区更新。但现有的住区更新实践仍缺乏对更新时序的统筹安排与操作指导。运用PBL-BPNN算法和多源数据构建评价方法和指标体系，并将住区更新敏感度作为更新可能性的度量值量化更新时序的研究内容。该方法综合考虑住区建成环境、人口分布等多重指标，通过对已更新住区的特征提取，实现更新时序的大规模量化分析。对比传统评价指标模型和加入多源数据后的模型发现，后者在验证集上10折交叉验证的RMSE为0.142 2,F-score为0.750 9，在测试集上的准确度提升了32.78%，证明了该方法和评价指标的有效性。实证分析发现，南京中心城区的住区更新敏感度呈现“内部高，外部低，多点散布的空间格局；同时，多源数据中的商业资源、公共空间资源、工作日人数、围合度、丰富度和宜人感6条指标对住区更新敏感度的评价产生较大影响。该方法运用数据挖掘思想和机器学习技术，突破了传统更新时序评价方法中主观性较强的局限，可作为住区更新规划和实施的决策依据，并为住区更新的时序判断提供技术方法支持。