基于最佳尺度地理格網(wǎng)的道路密度分析與空間可視化技術(shù)研究
——以廣西桂林市為例

（廣西自然資源信息中心，廣西 南寧市 530023）

地理格網(wǎng)作為基本單元的統(tǒng)計(jì)分析模型，在國(guó)民經(jīng)濟(jì)各領(lǐng)域得到了廣泛應(yīng)用。GIS 研究中將地理格網(wǎng)作為一種與矢量空間數(shù)據(jù)模型相對(duì)應(yīng)的空間數(shù)據(jù)表達(dá)模型。研究表明，地理格網(wǎng)有助于多尺度地理空間數(shù)據(jù)的融合，能提高空間分布信息集成效率，減少數(shù)據(jù)精度損失和資源消耗，在空間統(tǒng)計(jì)方面具有很大的優(yōu)越性[1?4]。

目前，傳統(tǒng)的基本統(tǒng)計(jì)、城市管理基于行政區(qū)劃，最小單元是縣（區(qū)）或者街道等，但這種方法不適應(yīng)智慧城市、數(shù)字城市精細(xì)化管理的需求，而地理格網(wǎng)能夠根據(jù)研究區(qū)域和研究?jī)?nèi)容選擇合適的尺度對(duì)研究對(duì)象進(jìn)行細(xì)化，從而滿(mǎn)足城市精細(xì)管理的要求[5]。研究小組基于最佳尺度地理格網(wǎng)，對(duì)道路分類(lèi)數(shù)據(jù)進(jìn)行密度分析與空間可視化的方法進(jìn)行探索，旨在通過(guò)將已知密度值出現(xiàn)頻率最大的尺度作為最佳尺度，進(jìn)而得到適應(yīng)路網(wǎng)密度的最佳尺度地理格網(wǎng)。研究小組結(jié)合自然間斷分類(lèi)法（Natural breaks）對(duì)密度值進(jìn)行分類(lèi)分級(jí)可視化顯示，獲取多期道路密度柵格圖，從而借此研究城市社會(huì)經(jīng)濟(jì)交通發(fā)展的實(shí)際情況，為城市精細(xì)化管理提供依據(jù)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

研究區(qū)域?yàn)閺V西桂林市6 城區(qū)。研究區(qū)城市化精細(xì)管理的目標(biāo)為：保護(hù)漓江，促進(jìn)城市向西發(fā)展，拓展旅游業(yè)，大力發(fā)展路網(wǎng)建設(shè)。老城區(qū)以旅游發(fā)展為主導(dǎo)，優(yōu)化主干路和次干路環(huán)境、構(gòu)建半小時(shí)生活圈，臨桂新區(qū)以城市西拓為契機(jī)加快建立九縱七橫交通網(wǎng)絡(luò)，全市逐步形成“北通南暢、東連西接、內(nèi)外循環(huán)”的城市路網(wǎng)大格局。研究主要數(shù)據(jù)源為2015?2018 年基礎(chǔ)性地理國(guó)情監(jiān)測(cè)道路路面分類(lèi)數(shù)據(jù)，數(shù)據(jù)時(shí)間節(jié)點(diǎn)為每年的6 月30 日。

1.2 研究方法

研究小組調(diào)用ArcGIS 空間分析和統(tǒng)計(jì)的Arcpy 類(lèi)函數(shù)，首先分析臨桂區(qū)主要道路網(wǎng)密度出現(xiàn)頻率，獲取最佳格網(wǎng)尺度，然后將地理格網(wǎng)與道路分類(lèi)數(shù)據(jù)疊加分析與統(tǒng)計(jì)計(jì)算，計(jì)算出每個(gè)格網(wǎng)內(nèi)地物類(lèi)別的面積占比后，獲取格網(wǎng)內(nèi)道路密度，生成多期密度柵格圖，最終通過(guò)柵格圖空間對(duì)比和密度值直方圖進(jìn)行道路密度變化情況分析。具體的技術(shù)路線如圖1 所示。

1.2.1 最佳地理格網(wǎng)生成與疊加分析

地理格網(wǎng)分析最佳尺度確定的原則是既能達(dá)到人眼識(shí)別的效果，又能平衡地理格網(wǎng)的精度與計(jì)算的數(shù)據(jù)量。以桂林市的發(fā)展重點(diǎn)區(qū)域臨桂區(qū)作為分析區(qū)域，分別以10 km、1 km、100 m 的尺度分析道路數(shù)據(jù)密度的最佳尺度[4]。根據(jù)臨桂區(qū)的公路線層數(shù)據(jù)和行政邊界數(shù)據(jù)，研究小組計(jì)算出臨桂區(qū)主要道路網(wǎng)的密度為0.35（km/km2）。

生成臨桂區(qū)范圍的10 km、1 km、100 m 3 個(gè)尺度的格網(wǎng)后，計(jì)算出各尺度格網(wǎng)道路密度，匯總統(tǒng)計(jì)各尺度格網(wǎng)道路密度的頻次。以臨桂區(qū)主要道路網(wǎng)密度（0.35）出現(xiàn)頻率最高的格網(wǎng)作為道路最佳尺度，該區(qū)域其他地物類(lèi)別的密度分析也參照此尺度進(jìn)行分析（見(jiàn)圖2）。

圖1 基于最佳尺度地理格網(wǎng)的道路密度分析與空間可視化技術(shù)流程圖

通過(guò)比較圖2 臨桂區(qū)主要道路網(wǎng)密度（0.35）出現(xiàn)頻率（圖中紅圈部分），可以發(fā)現(xiàn)100 m 地理格網(wǎng)的臨桂區(qū)主要道路網(wǎng)密度（0.35）出現(xiàn)頻率較大，因此，最終選擇100 m 作為整個(gè)研究區(qū)道路密度分析的地理格網(wǎng)最佳尺度。

最佳尺度確定后，在投影坐標(biāo)系的框架下利用CreateFishnet_management 函數(shù)，輸入地理格網(wǎng)的范圍和最佳格網(wǎng)尺度。生成最佳的地理格網(wǎng)后，對(duì)格網(wǎng)數(shù)據(jù)的每個(gè)要素進(jìn)行唯一標(biāo)識(shí)賦值，并且用范圍數(shù)據(jù)對(duì)格網(wǎng)進(jìn)行裁切，重新計(jì)算裁切后每個(gè)格網(wǎng)的投影面積。然后利用Intersect_analysis 函數(shù)將同樣范圍的地理格網(wǎng)數(shù)據(jù)和道路分類(lèi)數(shù)據(jù)進(jìn)行疊加，獲取道路分類(lèi)數(shù)據(jù)與格網(wǎng)數(shù)據(jù)的疊加結(jié)果。

1.2.2 地理格網(wǎng)數(shù)據(jù)的匯總統(tǒng)計(jì)與密度柵格數(shù)據(jù)的生成

圖2 不同格網(wǎng)尺度的道路密度統(tǒng)計(jì)結(jié)果圖

疊加數(shù)據(jù)為道路分類(lèi)數(shù)據(jù)與最佳地理格網(wǎng)相交結(jié)果，展現(xiàn)了道路分類(lèi)數(shù)據(jù)被每個(gè)格網(wǎng)分割后的空間形態(tài)，且包含了兩個(gè)數(shù)據(jù)的所有屬性，因此可以將地理格網(wǎng)唯一編碼視為標(biāo)識(shí)，利用Statistics_analysis 函數(shù)對(duì)疊加數(shù)據(jù)進(jìn)行分類(lèi)匯總統(tǒng)計(jì)，從而獲取道路分類(lèi)數(shù)據(jù)在每個(gè)地理格網(wǎng)中的面積值。利用字段計(jì)算器計(jì)算道路分類(lèi)數(shù)據(jù)在每個(gè)地理格網(wǎng)中的面積占比（即密度值）。最后，將密度值作為灰度值取值依據(jù)形成密度柵格數(shù)據(jù)集。

1.2.3 道路密度的空間可視化

將生成的密度柵格數(shù)據(jù)集進(jìn)行符號(hào)化。（1）在唯一值字段中選擇上述計(jì)算所得道路分類(lèi)數(shù)據(jù)的密度值字段，并按密度值大小升序排序；（2）采用Jenks 的自然間斷分類(lèi)法（Natural breaks）對(duì)密度值進(jìn)行分類(lèi)，使組間方差盡可能大，組內(nèi)方差盡可能小，采樣點(diǎn)數(shù)為20 000；（3）選擇漸變顏色類(lèi)型輸出密度柵格圖。

密度柵格圖的顏色會(huì)按照密度值由大到小顯示為由深變淺，類(lèi)似于熱力圖的效果，由此在空間上可以直觀地將道路密度進(jìn)行可視化處理。

2 實(shí)驗(yàn)結(jié)果分析

利用上述研究方法獲取研究區(qū)的100 m×100 m 最佳地理格網(wǎng)，對(duì)道路分類(lèi)數(shù)據(jù)進(jìn)行密度分析，生成密度柵格圖。

由密度柵格圖可知，隨著年份的增加，研究區(qū)的道路分布范圍在逐漸擴(kuò)大，整體的道路密度在逐漸增加。根據(jù)區(qū)域放大圖可知，新城區(qū)的道路變化較大，新增的支路和岔路更多，同時(shí)機(jī)場(chǎng)快速路區(qū)域等多條道路在密度圖上的顏色逐漸加深，這表明其密集程度逐漸增加，而老城區(qū)的道路變化較小，處于相對(duì)穩(wěn)定的階段。

此結(jié)果符合研究區(qū)的實(shí)際情況和客觀的認(rèn)知規(guī)律，這說(shuō)明研究小組通過(guò)實(shí)驗(yàn)獲得的密度圖，能夠直觀地反映研究區(qū)主要道路的密度程度空間分布與變化。

將4 個(gè)年份地理格網(wǎng)中＞0 的密度值進(jìn)行直方圖統(tǒng)計(jì)分析，得到4 個(gè)年份的直方圖與擬合曲線（見(jiàn)圖3）。

由統(tǒng)計(jì)直方圖可知，研究區(qū)的主要道路密度中主要區(qū)間的統(tǒng)計(jì)值逐年增加，統(tǒng)計(jì)值＞1 000 的區(qū)間數(shù)量亦在逐年增加，這說(shuō)明研究區(qū)的道路密度呈逐年增加的趨勢(shì)。

通過(guò)計(jì)算格網(wǎng)中＞0 的密度值的均值與標(biāo)準(zhǔn)差（見(jiàn)表1），可以對(duì)上述結(jié)果進(jìn)行驗(yàn)證。表1 中道路密度均值逐年增加，這說(shuō)明道路密度的整體水平呈現(xiàn)上升趨勢(shì)，且2018 年與2017 年的均值相差較大，表明這兩年的道路密度變化較大。表1 中道路密度標(biāo)準(zhǔn)差逐年變大，這說(shuō)明道路的分布越來(lái)越分散，或者各地方的道路建設(shè)程度不一樣，導(dǎo)致中心區(qū)域的路網(wǎng)密度與郊區(qū)的路網(wǎng)密度差距變大。

圖3 研究區(qū)2015—2018 年研究區(qū)地理格網(wǎng)道路密度統(tǒng)計(jì)直方圖

表1 研究區(qū)2015—2018 年研究區(qū)地理格網(wǎng)道路密度均值與標(biāo)準(zhǔn)差對(duì)比表

為了進(jìn)一步分析道路密度變化的情況，研究小組計(jì)算了變化較大的2017 年與2018年格網(wǎng)道路密度變化量。道路密度變化較大的區(qū)域主要有老城區(qū)與臨桂新區(qū)。老城區(qū)的道路密度變化主要圍繞城區(qū)周?chē)目焖俾泛蜏?zhǔn)快速路，例如環(huán)城西二路、繞城快速路等；臨桂新區(qū)的道路密度變化主要分布在新區(qū)內(nèi)城市道路，圍繞九縱七橫交通網(wǎng)絡(luò)展開(kāi)。密度變化情況表明，此技術(shù)方法所得道路密度變化情況能夠反映城市交通發(fā)展真實(shí)情況，當(dāng)出現(xiàn)道路密度變化未符合預(yù)期或者規(guī)劃設(shè)計(jì)的情況時(shí)，多期監(jiān)測(cè)可以及時(shí)調(diào)整，從而達(dá)到輔助城市精細(xì)化管理的目的。

此外，研究小組還將道路密度均值與生產(chǎn)總值、居民消費(fèi)價(jià)格CPI 等部分主要社會(huì)經(jīng)濟(jì)指標(biāo)與2016?2018 年的年度變化率曲線進(jìn)行對(duì)比（見(jiàn)圖4）。由圖4 可知，3 種指標(biāo)的年度增長(zhǎng)率變化情況相似，說(shuō)明此技術(shù)方法所得城市道路的變化趨勢(shì)與相應(yīng)年份城市社會(huì)經(jīng)濟(jì)的發(fā)展趨勢(shì)是一致的。由此可見(jiàn)，研究區(qū)城市道路交通的發(fā)展與社會(huì)經(jīng)濟(jì)的發(fā)展相適應(yīng)，能夠反映城市發(fā)展的趨勢(shì)。

圖4 研究區(qū)2016—2018 年研究區(qū)道路密度均值與部分主要社會(huì)經(jīng)濟(jì)指標(biāo)的年度變化率曲線對(duì)比圖

3 結(jié) 語(yǔ)

研究小組將已有資料所得的道路密度值作為判定依據(jù)，以已知密度值出現(xiàn)頻率最大的尺度生成最佳尺度地理格網(wǎng)，對(duì)道路分類(lèi)數(shù)據(jù)進(jìn)行疊加分析和匯總統(tǒng)計(jì)，并采用自然間斷法分類(lèi)分級(jí)的可視化方法獲取多期道路密度柵格圖。

實(shí)驗(yàn)結(jié)果表明，研究所得最佳尺度地理格網(wǎng)對(duì)道路密度的分布分析符合城市社會(huì)經(jīng)濟(jì)交通發(fā)展的實(shí)際情況，能夠輔助城市精細(xì)化管理。但是，此次研究只針對(duì)了單一的道路類(lèi)別，在后續(xù)研究中，可以對(duì)城市地表覆蓋類(lèi)別進(jìn)行全要素的密度分析統(tǒng)計(jì)，獲取城市房屋建筑、城市綠地、城市內(nèi)河等管理熱點(diǎn)區(qū)域的密度空間分布情況，提高輔助決策效用，也可以結(jié)合更多經(jīng)濟(jì)社會(huì)數(shù)據(jù)對(duì)所得結(jié)果進(jìn)行深入對(duì)比剖析。