当前位置 > 生活 > /文章内容

什么决定了你的生活质量?

99.9%的人都看了

父母工作攒3万元被儿子花光
父母工作攒3万元被儿子花光

看着手机游戏消费单,许文永有些无奈。 原标题:父母工作三班倒攒下3万元 儿子打赏游戏主播花光...

        什么决定了你的生活质量?

我们每天生活的城市,你真的了解吗?上世纪50年代起,高速公路的兴建,私家车的普及以及婴儿潮推动了北美地区低密度郊区化城市发展模式快速扩张,并一直持续至今。进入80年代,“新城市主义”等理念兴起,主张提高居住的密度,创造公共交通和步行主导的、紧凑的、混合的社区,这也成为我国城市发展的主要模式。然而,关于城市发展模式的争议也从未停止,无论是“郊区的蔓延”还是“高密度居住空间”都面临一定程度的人口、交通、资源、环境等压力,因而,合理的“居住密度”(residential density)一直是国内外研究的热点。进入AI时代,基于百度地图慧眼安全、完善的数据信息库,我们终于有机会重新审视城市,探索更多城市发展模式。

近日,百度地图慧眼与中山大学地理科学与规划学院、广东省空间规划大数据产业技术创新联盟联合发布《基于百度慧眼数据的广州市小区居住密度研究》,基于百度慧眼提供的广州市内4983个小区与747个城中村的常住居民人口数据,以及小区边界数据、POI数据、房价数据等对广州市小区的居住密度及其影响因素进行研究,揭示了广州居住空间的分布规律,并尝试从居民特征、房屋属性、周边设施三个方面探索居住密度高低的影响因素,结果发现广州小区密度与小区的套密度、周边的生活服务设施与交通服务设施密度成正相关,与居民通勤的时长和距离成负相关。

报告显示,广州小区与城中村的总体居住密度与人均居住面积都相差不大,但空间分布和数据分布情况都不相同。广州小区的人口居住密度呈现“中心城区高,外围地区低的形态”,也就是说,越靠近城市中心的小区其人口密度越高。但城中村的人口密度分布则不受位置的影响,具有随机性,且单个城中村的居住密度主要分布在过高和过低两种极端情况。据分析其原因主要在于小区建筑的建设具有相关规范和前期规划,避免了许多居住密度不合理的情况,而城中村的形成原因较为复杂,人为干预因素较少,因此极高居住密度的城中村和极低居住密度的城中村并存。

(居住小区与城中村信息对比)

对高低不同居住密度的小区进行分析发现,居住密度的差异主要是由建筑楼层数、建筑面积占比与人均居住面积的不同产生的。针对低居住密度小区,在土地紧缺,交通压力较大的地区,需注意控制封闭式小区的规模,减少低层别墅的开发量,以避免土地利用效率低下的情况;针对高居住密度小区,需要重视居住密度空间拥挤的问题,做好消防安全措施。

(广州小区居住密度聚类因子及聚类结果)

不难看出,小区居住密度的高低与其所在空间位置、周边设施,以及建筑特性有关。事实上,这些影响因素可以分为空间因素与非空间因素两大类,空间因素包括小区周边设施及交通便利度的影响,非空间因素包括小区居民的画像、出行特征及小区建筑的属性。总的来说,就是“人、楼、地”三个方面。

(小区居住密度影响因素)

根据百度慧眼提供的多项数据,具体来看居民特征、建筑属性和周边设施这三个方面。首先,小区的套密度越高,广州小区居住密度越大,也就是说小区前期的规划能在较大程度上决定小区的居住密度,住区周边的交通压力、设施压力等都是可预测的。其次,对小区居住密度影响较大的另一个因素是周边的生活服务设施与交通服务设施密度,如医疗、教育、休闲娱乐、停车场、地铁站等,在人口集聚的高居住密度地区需要考量公共配套是否可负荷,而在居住密度较低,空置率较高的地区需考虑是否增加配套。最后,居民通勤的时长和距离越长,小区居住密度越低,因而若能在外环地区增加就业机会并提升公共服务水平,可在一定程度上缓解中心城区过高的人口压力,从而支撑多中心的城市结构。

本次研究采用来自百度慧眼基于百度地图开放平台的去隐私化定位数据,经过脱敏清洗处理,整合定位和POI等多源数据,提取上百个特征,基于人工智能算法挖掘得出高覆盖率的设备的居住信息。据了解,百度慧眼作为城市人口与地理大数据服务专家,能够提供城市级人口分布、人群迁徙、职住分析、OD分析、基础设施分布等数据服务。凭借在大数据和人工智能技术上的优势,输出城市规划、零售选址、景区管理、人口调查、客流分析、地块研究等10多个行业解决方案,截至2018年底,百度慧眼已与规划、地产、零售、政府等行业客户达成深度战略合作。尤其是在城市规划方面,基于对城市基础数据、城市人口数据、人群行为数据、城市设施数据、交通数据、画像标签数据等的挖掘与分析,百度慧眼将为未来智能城市的建设带来更多价值,推动全方位智能化时代加速到来。