一种城市群多空间尺度规划人口动态预测方法及系统与流程
本发明涉及智慧城市数据分析,具体涉及一种城市群多空间尺度规划人口动态预测方法及系统。
背景技术:
1、随着我国城市群建设进程持续提速,区域一体化发展进程不断加快,区域空间规划、一体化交通体系搭建成为国土空间规划与区域治理的核心工作。在城市群规划体系搭建、区域交通模型构建、国土空间资源配置等核心工作中,人口规模与空间分布特征是重要支撑数据。
2、目前,行业内针对人口预测开展了较多研究,主流技术方案主要依托传统数据统计模型、经典人口学方法模型开展人口测算。但现有常规人口预测技术多聚焦于单一城市、独立片区的人口总量静态测算,适配场景局限于小尺度、独立行政单元的人口数据分析,难以适配城市群大范围、跨区域、多层级的规划研判需求。
3、申请号为202111015024.0的中国专利公开了一种预测未来人口精细化空间分布的方法,通过识别待预测区域土地利用类型、构建人口空间化模型,实现了区域未来人口空间分布的预测。该专利中,土地利用类型是模型重要输入数据,但城市群覆盖范围广、基础数据获取困难,土地利用数据变化显著,难以获取规划年精准的基础用地数据,降低了预测结果的准确性;并且该人口空间化模型基于单一年份数据建立,缺乏动态校准与迭代更新机制,存在模型预测误差逐步扩大的风险。
4、为满足区域空间规划与区域治理对人口预测的高效精准需求,亟需探索构建一种适配城市群全域场景、覆盖多空间层级、依托多源数据动态更新的人口动态预测技术方案。
技术实现思路
1、基于上述表述,本发明提供了一种城市群多空间尺度规划人口动态预测方法及系统,可以高效适配城市群全域场景、覆盖多空间层级、依托多源数据动态更新的人口动态预测。
2、本发明解决上述技术问题的技术方案如下:
3、一种城市群多空间尺度规划人口动态预测方法,包括以下步骤:
4、s1、收集城市群范围各个城市过去n个年份统计年鉴中最小空间尺度的常住人口数据,以及最近一个年份的全国人口普查数据;将城市群中的每个城市作为交通大区,将区作为交通中区,将街道和乡镇设置为交通小区,形成多空间尺度全域覆盖的空间网格;
5、s2、将收集的过去n个年份统计年鉴常住人口数据划分为训练集和检验集,针对各个城市最小空间尺度单元分别采用指数平滑模型、移动平均模型、灰色模型、增长率模型拟合训练集数据,并应用这些模型预测检验集数据,选择均方根误差最小的模型为最优模型,从而为各个城市中各空间尺度单元标定差异化的人口预测系列模型;
6、s3、根据最近一次全国人口普查数据,计算每个城市中的各个交通小区在所属交通大区和交通中区的人口占比系数;输入规划年份,运行每个城市标定的人口预测系列模型得到相应空间尺度的预测人口数据;根据相应的人口占比系数将每个城市中交通大区或交通中区尺度的预测人口数据拆解至所辖的各个交通小区,得到各个城市所有交通小区尺度的预测常住人口数据,从而得到城市群范围多空间尺度的常住人口预测数据。
7、作为优选方案,还包括模型重新标定的步骤:
8、获取n+1年的真实常住人口数据,计算每个城市的人口预测值与人口真实值的平均相对误差,当误差在设定范围内,则用人口真实值比人口预测值得到调整系数;通过将调整系数与预测得到的各个年份的常住人口相乘,对该空间尺度单元包含的交通小区单元格的各个年份常住人口数据动态调整;
9、当预测值与真实值误差超过假定范围时,则将n+1年的数据与历年数据合并,重新标定模型。
10、作为优选方案,s2步骤中选择最优模型的方法为:将各城市采集的连续11年常住人口数据拆分为交通小区、交通中区、交通大区三个空间尺度的人口数据;基于每个城市的自身空间尺度,将每个空间尺度11年的历史常住人口数据中的前8年数据作为训练集、后3年数据作为测试集;分别采用平滑模型、移动平均模型、灰色模型、增长率模型对每个城市的训练数据拟合调参,各模型独立测算出后3年对应空间尺度的常住人口预测值;将各模型输出的人口预测值与同空间尺度的年鉴实际人口比对,通过均方根误差rmse评判拟合精度,对比筛选出均方根误差最小的模型作为常住人口最优预测模型。
11、作为优选方案,s3步骤中人口占比系数的计算过程为:
12、提取人口普查数据中各交通中区全域实际常住人口;提取该交通中区内的每一个交通小区实际常住人口;计算交通小区相对中区人口占比系数,如下式:
13、
14、式中为第i个交通小区对应所属交通中区的人口占比系数;为人口普查实测的第i个交通小区常住人口;为该交通小区归属交通中区人口普查总人口;
15、同理计算交通小区相对交通大区占比系数:
16、
17、式中:为第i个交通小区对应所属交通大区的人口占比系数;为人口普查实测的第i个交通小区常住人口;为该交通小区归属交通大区人口普查总人口。
18、作为优选方案,s3步骤中将交通大区、交通中区尺度预测人口拆解至交通小区的过程为:
19、当模型输出某个城市所属交通中区预测总人口时,结合交通小区对应中区的人口占比系数,拆分求解各交通小区预测常住人口:
20、
21、式中,为预测年份第i个交通小区常住人口;为该交通小区所属交通中区的预测总人口;为第i个交通小区在其所属交通中区内的人口占比系数;
22、当模型输出某个城市所属交通大区预测总人口时,结合交通小区对应大区的人口占比系数,拆分求解各交通小区预测常住人口:
23、
24、式中,为预测年份第i个交通小区常住人口;为该小区所属交通大区的预测总人口;为第i个交通小区在其所属交通大区内的人口占比系数。
25、一种城市群多空间尺度规划人口动态预测系统,包括:
26、数据采集单元,用于收集城市群范围各个城市过去n个年份统计年鉴中最小空间尺度的常住人口数据,以及最近一个年份的全国人口普查数据;
27、空间网格划分单元,用于根据城市群范围各个城市的行政区划将城市群中的每个城市作为交通大区,将区作为交通中区,将街道/乡镇设置为交通小区,形成多空间尺度全域覆盖的空间网格;
28、模型库,其集合有指数平滑模型、移动平均模型、灰色模型、增长率模型;
29、模型标定单元,其用于将收集的各个城市过去n个年份统计年鉴常住人口数据划分为训练集和检验集;分别用平滑模型、移动平均模型、灰色模型、增长率模型预测检验集数据,选择均方根误差最小的模型为最优模型,从而为各个城市中各空间尺度单元标定差异化的人口预测系列模型;
30、计算单元,其用于计算每个城市中的各个交通小区在所属交通大区和交通中区的人口占比系数;以及根据相应的人口占比系数将每个城市中交通大区或交通中区尺度的预测人口数据计算拆解至所辖的各个交通小区。
31、作为优选方案,所述模型标定单元将各城市采集的连续11年常住人口数据拆分为交通小区、交通中区、交通大区三个空间尺度的人口数据;基于每个城市的自身空间尺度,将每个空间尺度11年的历史常住人口数据中的前8年数据作为训练集、后3年数据作为测试集;分别采用平滑模型、移动平均模型、灰色模型、增长率模型对每个城市的训练数据拟合调参,各模型独立测算出后3年对应空间尺度的常住人口预测值;将各模型输出的人口预测值与同空间尺度的年鉴实际人口比对,通过均方根误差rmse评判拟合精度,对比筛选出均方根误差最小的模型作为常住人口最优预测模型。
32、作为优选方案,所述模型标定单元还对模型重新标定,过程为:获取n+1年的真实常住人口数据,计算每个城市的人口预测值与人口真实值的平均相对误差,当误差在设定范围内,则用人口真实值比人口预测值得到调整系数;通过将调整系数与预测得到的各个年份的常住人口相乘,对该空间尺度单元包含的交通小区单元格的各个年份常住人口数据动态调整;当预测值与真实值误差超过假定范围时,则将n+1年的数据与历年数据合并,重新标定模型。
33、作为优选方案,所述计算单元计算人口占比系数的过程为:
34、提取人口普查数据中各交通中区全域实际常住人口;提取该交通中区内的每一个交通小区实际常住人口;计算交通小区相对中区人口占比系数,如下式:
35、
36、式中为第i个交通小区对应所属交通中区的人口占比系数;为人口普查实测的第i个交通小区常住人口;为该交通小区归属交通中区人口普查总人口;
37、同理计算交通小区相对交通大区占比系数:
38、
39、式中:为第i个交通小区对应所属交通大区的人口占比系数;为人口普查实测的第i个交通小区常住人口;为该交通小区归属交通大区人口普查总人口。
40、作为优选方案,所述计算单元将交通大区、交通中区尺度预测人口拆解至交通小区的过程为:
41、当模型输出某个城市所属交通中区预测总人口时,结合交通小区对应中区的人口占比系数,拆分求解各交通小区预测常住人口:
42、
43、式中,为预测年份第i个交通小区常住人口;为该交通小区所属交通中区的预测总人口;为第i个交通小区在其所属交通中区内的人口占比系数;
44、当模型输出某个城市所属交通大区预测总人口时,结合交通小区对应大区的人口占比系数,拆分求解各交通小区预测常住人口:
45、
46、式中,为预测年份第i个交通小区常住人口;为该小区所属交通大区的预测总人口;为第i个交通小区在其所属交通大区内的人口占比系数。
47、与现有技术相比,本技术的技术方案具有以下有益技术效果:
48、1、依托易获取的统计年鉴数据构建模型,数据要求与模型方法简便,能够实现城市群范围城市、区、街道/乡镇多空间尺度不同规划年份常住人口预测,满足区域空间规划、交通模型构建的应用需求,能够更好适配全域场景、覆盖多空间层级。
49、2、针对每个城市常住人口数据空间尺度特点,构建差异化的模型参数体系,有效提升模型的适配性与预测精度。
50、3、能够基于多源数据对既有的模型参数体系及交通小区占比系数进行动态调整,确保模型长期具备良好的适配能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com