大數據在土地批而未供中的應用與實踐

周宏文 侯偉 周健

【摘要】批而未供近年來逐漸受到重視，該存量一直持續增加，嚴重制約了土地利用效率與土地的節約集約。本文建立了批而未供的計算流程，通過該流程，同時結合大數據平臺（GeoAnalytics Server），進行批而未供計算。在計算過程中發現，基于大數據平臺的計算可以節約大量的時間，較傳統GIS平臺對數據的處理效率上，有巨大的提升。

【關鍵詞】批而未供;大數據;GeoAnalytics Server

1、前言

批而未供是指政府批準征用或農轉用而并未供應的土地，對用地主體不明確，但已使用的城市基礎設施等用地按已供地備案[1]。

批而未供是城市存量土地的一種，其余還包括供而未用和低效利用土地[2]。目前，新增建設用地審批后，存在未供應的情況，導致批而未供土地不斷積累、增加。批而未供土地的成因主要包括征地拆遷未完成，招商引資項目失敗，存在難以供應土地[2][3]。

目前，全國陸續進行了批而未供數據的核算，如浙江省[4]，對處置批而未供也出臺了許多政策。

大多研究主要是從成因和對策等方面進行研究[2][3][5]，對于批而未供里面具體能供多少地的研究甚少，本文在前人研究的基礎上，對批而未供土地數據的深入研究建立了一個計算流程，并進行計算。

本文主要是為了摸清批而未供土地總量，土地類型結構，并引入大數據提高計算效率。批而未供計算結果可以為相關部門對目前狀況有較深了解，明白可供與不可供土地的類型與面積，為接下來的批而未供消耗提供數據支撐。

2、存在問題

批而未供的數據計算涉及到多數據源的空間運算，GIS平臺是目前實現計算的最優選擇。盡管GIS工具優勢明顯，但也存在一定的不足之處，主要體現在數據計算的效率上。

傳統GIS工具，如ArcGIS，在面對數據量大、拓撲復雜的數據，并進行空間計算時，需要消耗大量的時間和計算資源，而對于決策部門來說，一旦急需數據時，往往并不能滿足其基本需求。

3、技術框架

3.1 空間大數據計算環境

隨著大數據計算的發展，同時結合分布式計算，可以對GIS的計算效率上有極大的提升。通過ESRI的大數據平臺（ArcGIS GeoAnalytics Server）進行空間大數據分析，可用于時空數據快速的分布式計算，并將分析結果存儲于數據庫中，供后續數據可視化等工作的調用。該平臺可以在不同終端上隨時進行時空數據的處理，其數據源與分析結果與傳統GIS軟件可相輔相成。

GeoAnalytics Server（GA）中包含Spark、ZooKeeper、RabbitMQ等開源工具。Spark用于分布式計算，ZooKeeper用于程序協調，RabbitMQ用于存儲轉發消息。

依托GA平臺搭建了大數據計算環境，主要配置如圖1。目前，整個大數據環境包括兩個集群（Cluster），每個集群中有3臺GA計算服務器，利用Spark計算框架進行分布式計算。

3.2 計算工具

GA平臺提供的主要工具如圖2。同時，GA平臺提供Python API，計算過程是在Spark中，所以，也可以利用PySpark的語法進行對DataFrame的操作。

4、批而未供中的建設用地

4.1 主要計算流程

建設用地是新增建設用地審批中可進行建設的土地，對于城市的規劃建設尤為重要。理清批而未供中的建設用地，有助于相關決策部門將來的土地審批規劃，是一項十分有意義的數據。

批而未供中建設用地計算主要以多空間數據的運算（圖3），主要包括如下步驟：

（1）計算批而未供

根據批而未供的含義，將新增建設用地中的土地供應去掉后，剩下的即為批而未供土地。新增建設用地包括單獨選址與批次用地，土地供應包括土地出讓與劃撥。

（2）不能供土地

不能供土地主要是批而未供分別在生態紅線、基本農田和自然保護區中的土地，盡管是已經審批的土地，但不可供應。

（3）可供應土地

在批而未供中，去除在生態紅線、基本農田和自然保護區中的土地后，剩下部分即為批而未供可供應土地?？晒恋匕凑掌涫欠裨诳匾巸确譃榭匾幏秶鷥鹊呐垂┩恋嘏c控規范圍外的批而未供土地。

（4）城鎮控規內可供地

批而未供土地在城鎮控規范圍覆蓋范圍內需按照已有控規執行，劃定的非建設用地（E）也屬于不可供土地?？匾幏秶鷥鹊目晒┙ㄔO用地類型主要包括居住用地（R）、公共管理與公共服務設施用地（A）、商業商務用地（B）、道路與交通設施用地（S）、綠地與廣場用地（G）、公用設施用地（U）、其他建設用地（H9）、物流倉儲用地（W）和工業用地（M）。

同時，由于土地供應后也會存在一些不適合再單獨開發的邊角地，中心城區地塊面積小于3000平方米為邊角地，其余區縣小于1500平方米為邊角地。邊角地為不可供土地，去除邊角地后即為可供地。

（5）城鎮控規范圍外

城鎮控規范圍外是在批而未供中去除城鎮控規范圍后，剩下的即為控規范圍外的批而未供土地，該部分使用土地利用三調數據進行統計。

4.2 主要過程代碼

通過GA平臺提供的Python API將圖3的過程實現，用到的主要工具為擦除（Erase）、裁剪（Clip）、相交（Intersect）和匯總（Summarize）等工具，在GA中，擦除和相交整合到疊加圖層工具（overlay_layers）中，裁剪為裁剪圖層工具（clip_layer），匯總為匯總屬性工具（summarize_atrributes），同時還需要Spark中的相關工具，如filter，可等價于屬性檢索。