【文献学习】Cities: 服务可达性、空间异质性和回归模型，以中国苏州为例的15分钟社区生活圈案例研究

本推文来源： 学术缝纫机

1. 数据收集与处理

• POI数据 ：从高德地图获取与步行友好性相关的POI数据，包括餐饮、购物、交通、医疗、休闲、老年人护理和生活服务等类别。共筛选出9746个社区POI。

• 街景图像与语义分割技术 ：使用百度街景图像API和深度学习算法DeepLab-V3+对街道级环境特征进行量化，包括天空、绿化、道路、人行道和车辆等元素的比例。

• 人类感知得分 ：基于MIT Place Pulse数据集训练的深度学习模型，预测苏州街道图像的安全、活力、美丽、财富、压抑和无聊等六种情感方面的得分。

2. 步行距离和时间计算

• 百度API路径规划 ：利用百度API的路径规划功能，以社区POI为起点，计算到各类设施的实际步行距离和时间。

• 步行速度调整 ：考虑到老年人的平均步行速度较慢，将普通人群的平均步行速度设为老年人的80%，以更准确地估算老年人的步行时间。

3. 步行友好性评分计算

• 模糊约束基层次分析法（Fuzzy Constraint-Based AHP） ：通过构建模糊一致性矩阵，结合专家打分确定各设施的权重。共构建了8个模糊一致性矩阵，涵盖7个一级指标及其下属的二级指标。

• 优化的累积机会法 ：引入静态衰减函数，根据不同步行时间对设施的吸引力进行加权，计算步行友好性得分。衰减函数如下：

4. 回归模型

• 普通最小二乘法（OLS） ：分析步行友好性得分与社区级因素、人类感知得分和街道级环境因素之间的线性关系。

• 地理加权回归（GWR） ：允许分析变量之间的关系在不同地理位置上的变化，使用自适应双平方核函数计算局部权重。

研究结果

1. 服务可达性

• 15分钟CLC ：58.2%的社区老年人可以在15分钟内接触到六种或更多服务，12.4%可以接触到全部七种服务。

• 10分钟CLC ：仅有5%的老年人可以接触到全部七种服务，36.2%可以接触到六种或更多服务。

• 5分钟CLC ：8.4%的老年人可以接触到六种或更多服务，74.5%的老年人只能接触到四种或更少服务。

2. 步行友好性得分

• 空间异质性 ：苏州社区生活圈的步行友好性得分在空间上表现出明显的异质性，高步行友好性主要集中在城市中心区域，如姑苏区。

• 得分分布 ：大部分社区的15分钟CLC步行友好性得分低于10，显示出设施配置的显著不平衡。

3. 回归分析

• OLS结果 ：建筑年龄、房价和安全得分与步行友好性得分呈正相关，而绿化比率、道路比例以及天空和植被比例呈负相关。

• GWR结果 ：安全得分在城市中心区域对步行友好性有积极影响，而在一些县级市则有负面影响。人行道对步行友好性的影响在15分钟社区生活圈更为显著。