一、任务来源
本项科技成果为计划外自选项目，为响应当前技术发展趋势，促进行业科学化、合理化发展，深入研究大数据应用于项目的可行性，制定本研究课题。住建部发布《完整居住社区建设指南》，并积极开展试点建设工作。完整社区是指在居民适宜步行范围内有完善的基本公共服务设施、健全的便民商业服务设施、完备的市政配套基础设施、充足的公共活动空间、全覆盖的物业管理和健全的社区管理机制，且居民归属感、认同感较强的居住社区。从其定义来看，把握人的活动尺度，探寻公共设施布局与人活动之间的关系是做好完整社区的关键。大数据与AI技术的发展为建设完整社区提供了新可能，可提升规划项目的合理性、可行性与实用性。
二、应用领域和技术原理
本方法的核心是发现并解决完整社区中各项公共服务设施供给与人的需求在使用距离上的矛盾问题，提出公共服务设施空间布局优化策略，应用对象涵盖中小学、社区医院、养老院、运动场馆、便民商业服务设施、公共停车、农贸市场等多种类型的公共设施，通用性及推广性较强。目前，本方法已在城市体检、专项规划中进行运用。
本项科技成果的核心内容为DSUP模型，模型主要包括四个部分：D-多源大数据融合构建数据库、S-供需矛盾时空分布量化、U-空间聚类划分社区生活单元、P-最短路径迭代优化设施空间布局。
1.D-多源大数据融合构建数据库
通过对多渠道获取的大数据进行识别、筛选、整合，构建城市时空大数据基础信息库，主要包括三方面的内容，首先收集现状设施点的数据构成供给侧数据，其次整合人口数据与居住用地等数据构成需求侧数据，最后在收集完这些数据后，进行标准化处理及噪声去除，形成最终的数据库。
2.S-供需矛盾时空分布量化
通过对设施供给与设施需求进行量化处理，将二者相互叠加，从而识别供需差额的分布情况。首先进行设施供给量化，以现状公共服务设施为原点，按照规范要求的设施服务范围，沿交通网络路径划分公共服务设施的实际服务范围，并将其设施供给量按照密度计算方式分级分配到服务范围内部，从而得到设施供给密度的分布情况。然后是设施需求量的计算，依据现状居住用地及人口大数据的分布情况，按照标准中确定的公共服务设施人均拥有率测算需求总量，并按照密度计算方式分配到空间网格中，从而形成公共服务设施的需求分布情况图。二者相互叠加，通过可视化处理，便可得到现状供需矛盾关系的分布情况。
3.U-空间聚类划分社区生活单元
在供需差额数据基础上提取供小于需的图斑数据，运用空间聚类算法，输入空间属性及其他内部属性数据，对其进行初步聚类。然后，在初步聚类的基础上，叠加自然要素、道路等级、管理分区等因素进行矫正，从而得到一个更加合理的分区。
4.P-最短路径迭代优化设施空间布局
在组团划分的基础上，进行设施补充。以居住小区为设施需求点，设施点位为供给点，输入道路网络数据，模拟人群流动最短路径，计算供需点之间的路径长度。然后，按照社区生活圈中的设施供给半径，以方便居民、通行便利为原则，迭代分析选择最佳设施供给点位。设施供给点布局完成后，可以将其带入模型第二步进行结果验证。
三、与国内外同类技术比较
1.与传统方法相比识别问题更加精准，规划结果更加科学
DSUP模型与传统方法相比，具有更精确测算单个设施分布和规模、划定有效服务半径两方面的优势。
优势一：基于人口密度分布情况，测算供需矛盾，可以更精确的测算设施的使用效率、识别现状问题。
传统公共设施补充方法是依据总人口规模，按照人均指标、根据居住用地的面积与分布进行公共设施配置，忽略了人口与用地并不完全对等的问题，并且无法识别现状公共设施的实际使用效率问题。而本次研究课题通过DSUP模型，将人口实际分布情况与设施供给规模进行量化对比分析，可以更加准确的识别完整社区各项公共设施的使用效率、分析城市问题。
优势二：基于交通网络的服务区比基于圆形服务半径的服务区更精确，划定的服务半径更有效。
传统方法以圆形服务半径确定有效服务范围，忽略了设施布局与人员步行可达之间的矛盾，而DSUP模型中引入了交通网络对公共服务设施服务能力的影响判断，从而能够更加准确的反映实际情况。
2.与常见大数据应用方式相比更加具化，实现了对大数据量化分析的突破
现状大数据应用常见的方式有以下几种，一是爬取现状POI数据反映现状各类设施的空间分布情况，二是在POI数据基础上进行核密度分析，反映一定区域内的热点分布，三是通过手机信令数据反应人口集聚的情况。以上常见的大数据利用方式仅停留在对现状情况的表达，未进一步分析数据背后所暗含的逻辑关系，缺少现状与规划之间的联系。本项研究方法构建了DSUP分析模型，在现状大数据的基础上进一步研究了将大数据量化的计算方式，将大数据表象结果转化为反映公共设施与人之间供需关系的实际分析结果，有利于深入分析完整社区中各项公共设施的实际服务效能，支撑完整社区建设。
四、成果的创新性、先进性
1.运用大数据分时段分类别识别现状特征
大数据相较于传统数据，其多源、人本、时空属性等特征与城市规划决策的本质属性紧密耦合。运用大数据的思维、方法和技术手段，可以实现对城市公共服务设施供需矛盾问题的精确定量、精细化分析和研究，从而确保公共服务设施的布局方案更加合理。
本项目通过爬取人口热力及POI数据，可完整的获取社区范围内人口在不同时段的流动分布情况及相关设施的分布情况，将人口热力数据与现状公共服务设施叠加对比分析，可清晰的判断现状人口集中分布情况与公共服务设施的矛盾位置，相较于传统人口调研及问卷调查更具有全局性及准确性。
2.将大数据结果量化为人与设施之间的供需矛盾，精准把脉公共服务设施供需矛盾问题
现状常见大数据运用方式停留在对现状情况的表达，缺少量化计算模式，反映问题不够深入。DSUP模型构建空间赋值单元，将现状公共服务设施的供给及需求分别进行量化处理。将量化后的供给及需求数据进行叠加，得出研究范围内设施供需矛盾点的分布情况，并量化供需缺口。运用DSUP模型，可以精准地把握和分析城市公共服务设施的供需矛盾问题。
3.通过空间聚类识别公共服务设施矛盾集中区，系统解决设施供需矛盾问题
空间聚类分析是一种有效的方法，能够综合权衡多维度的因素，实现要素间的相似性聚类。DSUP模型正是采用了K-means聚类方法，来识别城市中的供需矛盾集中区域，并据此划分公共服务设施的补全单元。这一方法不仅明确了公共服务设施的补足规模，还进一步确定了建设的优先级。
在具体实施过程中，首先基于供需差额数据，提取出供小于需的图斑数据。然后，运用空间聚类算法，并输入空间属性及其他内部属性数据，进行初步聚类，从而得到初步的聚类结果。为了使结果更加符合实际需求，在初步聚类的基础上，进一步叠加自然要素、道路等级、管理分区等因素进行矫正，最终得到一个既科学又可行的分区方案。通过聚类分区，我们能够科学地确定补充公共设施的服务对象、服务范围和服务规模等信息，从而实现公共服务设施的精准供给，更好地满足城市居民的需求。
4.通过最近设施点模拟人群活动路径，多次迭代确定最优设施点空间位置
DSUP模型在划分公共服务设施补全单元的基础上，进一步指导设施选址方案的优化。该模型将每个补全单元视为城市局部区域内的小型系统，并综合考虑整个单元的公共服务设施补全方案。具体步骤如下：首先，根据单元内的整体供需差额来确定公共服务设施的规模与等级，并据此计算出所需用地面积；其次，结合项目范围内的用地建设情况、环境建设等其他条件，筛选出可供公共服务设施建设的点位；最后，以大数据确定的区域活动热度点为基准，进行最近设施点的模拟选择分析，以检验设施点的布局是否便于周边热点地区的使用。通过多次迭代综合分析，最终确定最佳方案。
5.制定技术标准、集成化技术处理步骤，促进技术的推广应用
DSUP模型包含多个数据处理步骤，这些步骤繁琐、重复且具有一定学习难度。本研究针对这一问题，将数据分析的中间处理过程进行了自动化处理，并将其集成为ArcGIS软件中的模组分析工具。这一创新举措成功将原本需要1-2天的手动处理过程缩短至0.5小时的自动化处理，显著提升了工作效率。同时，为配合该技术的应用，我们还编写了详细说明本技术的应用手册，降低了技术方法的学习门槛，从而增强了技术方法推广的可行性。
五、作用意义
1.经济效益
（1）提高规划效率与准确性
运用大数据思维和技术手段，实现对城市公共服务设施供需矛盾的精确定量和精细化分析，相较于传统的人口调研和问卷调查，显著提高了规划的准确性和全局性。
DSUP模型的自动化处理步骤将原本繁琐、重复且耗时的数据处理过程大大简化，显著提升了工作效率，降低了人力成本。
（2）优化资源配置
通过量化供需矛盾，精准识别公共服务设施的补足规模和建设优先级，避免了资源的浪费和重复建设，实现了资源的优化配置。
聚类分区方法科学确定了补充公共设施的服务对象、范围和规模，实现了公共服务设施的精准供给，提高了设施的使用效率和居民满意度。
（3）促进技术创新与产业升级：
DSUP模型及其集成化技术处理步骤的创新，为城市规划领域带来了新的技术方法和工具，推动了相关产业的技术升级和创新发展。
该技术的应用手册降低了技术方法的学习门槛，有助于技术的广泛推广和应用，进一步促进了相关产业的发展和经济效益的提升。
2.社会效益
（1）提升公共服务水平
通过精准识别和分析公共服务设施的供需矛盾，科学规划设施布局，有效解决了城市居民在公共服务方面的需求，提升了公共服务水平和居民生活质量。聚类分区和最优设施点空间位置的确定，确保了公共服务设施的便捷性和可达性，增强了居民的幸福感和满意度。
（2）推动智慧城市建设
DSUP模型及其集成化技术的应用是智慧城市建设的重要组成部分，有助于提升城市管理的智能化和精细化水平。该技术的应用促进了城市规划与大数据、地理信息系统等先进技术的融合，推动了智慧城市的发展和建设。
六、推广应用范围
本方法的核心是发现并解决完整社区中各项公共服务设施供给与人的需求在使用距离上的矛盾问题，提出公共服务设施空间布局优化策略，应用对象涵盖中小学、社区医院、养老院、运动场馆、便民商业服务设施、公共停车、农贸市场等多种类型的公共设施，通用性及推广性较强，对于完整社区公共服务设施空间布局优化，具有一定的推广意义。本方法可在城市体检、城市更新、完整社区建设、专项规划中进行运用。
七、存在的问题和改进意见
本项科技成果对数据精准性有较高的要求，建议通过相关部门核查、现状调研、历史数据比对等方式加强对基础分析数据的核查。

一、推广应用范围及前景
本方法的核心是发现并解决完整社区中各项公共服务设施供给与人的需求在使用距离上的矛盾问题，提出公共服务设施空间布局优化策略，应用对象涵盖中小学、社区医院、养老院、运动场馆、便民商业服务设施、公共停车、农贸市场等多种类型的公共设施，通用性及推广性较强，对于完整社区公共服务设施空间布局优化，具有一定的推广意义。本方法可在城市体检、城市更新、完整社区建设、专项规划中进行运用。
二、推广应用范围与推广措施
1.推广应用范围
本方法应用对象涵盖中小学、社区医院、养老院、运动场馆、便民商业服务设施、公共停车、农贸市场等多种类型的公共设施，通用性及推广性较强，对于完整社区公共服务设施空间布局优化，具有一定的推广意义。
2.推广措施
本方法具有一定的学习门槛，并且数据处理过程较为繁琐，为进一步推动本项技术的推广与应用，将本项目DSUP的技术分析方法制作成ArcGIS软件中的“集成化处理工具”，并编写《应用手册》，这一创新举措成功将原本需要1-2天的手动处理过程缩短至0.5小时的自动化处理，显著提升了工作效率，降低了技术方法的学习门槛，从而增强了技术方法推广的可行性。
三、主要存在问题及改进建议
1.本项科技成果对数据精准性有较高的要求，建议通过相关部门核查、现状调研、历史数据比对等方式提高基础数据的准确性。
2.本项科技成果对软件操作水平有一定的要求，并存在一定的学习门槛，为此专门制作了ArcGIS软件中的“集成化处理工具”及《应用手册》，促进技术的推广应用。