基于高斯两步移动搜寻法（2SFCA）的城市绿地可达性分析

【2SFCA的基本思路，可以略过】

对每个供给点j，搜索所有在j搜寻半径（d0）范围内的需求点（k），计算供需比Rj；对每个需求点i，搜索所有在i搜寻半径（d0）范围内的供给点（j），将所有的供需比Rj加总得到i点的可达性Ai。

公众号原文配套，欢迎关注一点规划

基于高斯两步移动搜寻法（2SFCA）的城市绿地可达性分析高斯两步移动搜索法（Ga2SFCA）https://mp.weixin.qq.com/s/0zCrjks6egqKOOuTHw6fng

【数据】

成都市城区绿地数据、各街道小区数据（立方数据学院公开课）、路网数据OSM

下面内容是别人的论文内容

魏冶,修春亮,高瑞,王绮.基于高斯两步移动搜索法的沈阳市绿地可达性评价[J].地理科学进展,2014,33(04):479-487.

【那再来理解一下高斯两步移动搜索法】

对于最初的两步移动模型相当于二分，而高斯型相当于是缓慢下降—急速下降—趋于平缓的状态。很像上次莫兰指数里说的空间关系概念化。

第一步，对于每一块绿地j，给定空间距离阈值d0，便形成一个空间作用域(catchment)；对于落在空间作用域内的每个街道k的人口，利用高斯方程赋以权重，并对这些加权后的人口进行加和，可得到绿地j所有潜在的使用者数量；再将绿地的规模除以所有潜在使用者数量得出供需比率Rj。

式中：Pk是绿地j的空间作用域内(dkj≤d0)街道k的人口数量；dkj是从街道k中心到绿地j中心的空间距离；Sj是绿地j的容纳能力，文中以绿地的面积为代表（比如要是养老院就是床位数）；G(dkj,d0)是考虑到空间摩擦问题的高斯方程，(相比原始模型，引入高斯方程后的模型就是多了这个)，计算方法如公式(2)所示：

第二步，对于每一个街道i，给定空间距离阈值d0，便形成另一个空间作用域，同样对于落在空间作用域内的每块绿地l的供给比率(Rl)利用高斯方程赋以权重，然后对这些加权后的供给比率(Rl)进行加和，便得到每个街道i的绿地可达性Ai。Ai值的大小可以理解为在某领域内城市绿地的人均占有量，单位是㎡/人。

式中：Rl表示街道i的空间作用域内(dil ≤d0)绿地l的供给比率。其他指标说明同公式(1)。

显然选择合理的空间距离阈值d0是两步移动搜索法的关键。按照以往经验，人的步行速度为5km/h(肖华斌等, 2009)。一般而言步行者出行的最大心理承受时限不会超过30分钟，那么以5km/h的平均水平，半个小时可到达的距离约为2.5km，因此d0取2.5km为宜。也可以分级（500m、1000m、2000m、2500m这样）

图3与图4是高斯两步移动搜索法的示例。在图3中，以d0为阈值，有1、2、3 三个街道中心点落在了绿地a的空间作用域内。同样在图4中，以d0为阈值，有a、c两个绿地中心点落在了街道2的空间作用域内，根据公式(3)，对a、c高斯方程加权后的供需比率进行累加，便得到了街道2 的绿地可达性。

【演示】

1.在路网属性表中添加个字段并计算长度，新建网络数据集。步骤不提了。

2.新建OD成本矩阵，起始点加载小区点，目的地点加载绿地点。排序字段选择RID（就是我自己添加了一个字段序号，方面后面字段连接，绿地是加了个MID）然后点击求解。

3.筛选出2500m以内的数据，并导出属性表。

4.OriginID和DestinationID是代表小区和绿地，对应的就是小区点和绿地点图层中的RID和MID了，据此连接小区人口和绿地面积。

5.计算公式(2)的高斯衰减函数

6.计算公式(1)，添加字段【Guss_Pk】和【Sum_people】，Guss*pop计算高斯修正后的人口，以DesID即绿地点为汇总字段，汇总【Guss_Pk】字段，得到每个绿地点在2.5km的空间作用域内的人口。

将汇总输出的表再连接回到“小区绿地2.5km”，将值计算至【Sum_people】字段上来。

7.计算Rj，即公式(1)Serivce就是代表绿地的面积，字段名想起啥都行，单位换一下换成平方米。

8.计算公式(3)中高斯修正的绿地供需比Rj。

9.以OriginID即小区点为汇总字段，汇总【Guss_Rj】字段，得到Ai。

在小区点中添加字段Ai，将汇总输出表的Ai的值连接至小区点图层中，并将值计算到Ai中。

由此便得到了最后的结果。

10.对小区点符号化表示（左图），有些可达性的值特别大或者特别小，这样的离散值将它删掉，通过插值的形式展现出来（右图）。

如果在实验过程中有什么地方遇到问题可以后台留言，竭力解答，大概率不会。需要练习数据也请后台留言。如果可以的话，希望能够点个关注转发和分享，点个在看并且点个赞~~

 一点规划