機(jī)器學(xué)習(xí)與社區(qū)生活圈規(guī)劃：應(yīng)用框架與議題*

張文佳 李春江 羅雪瑤 柴彥威 ZHANG Wenjia,LI Chunjiang,LUO Xueyao,CHAI Yanwei

0 引言

近年來，隨著新型城鎮(zhèn)化的推進(jìn)以及城市規(guī)劃和城市發(fā)展觀念的轉(zhuǎn)變，“以人為本”、重視居民需求和生活質(zhì)量的社區(qū)生活圈規(guī)劃得到學(xué)術(shù)界和規(guī)劃界的關(guān)注。社區(qū)生活圈規(guī)劃研究以居民在社區(qū)及附近的日常生活供需匹配作為研究對(duì)象，是時(shí)空行為研究在社區(qū)規(guī)劃領(lǐng)域的創(chuàng)新性應(yīng)用。然而，目前關(guān)于社區(qū)生活圈的研究仍然是傳統(tǒng)居住區(qū)公共服務(wù)設(shè)施配置研究的延續(xù)，對(duì)于社區(qū)生活圈內(nèi)的居民需求和居民時(shí)空行為關(guān)注不足。總的來說，社區(qū)生活圈規(guī)劃研究在概念界定、范圍劃定、職能歸屬、規(guī)劃方法和實(shí)施模式等方面仍處于討論和探索階段，亟需大量研究關(guān)注[1]。

在社區(qū)生活圈規(guī)劃研究所面臨的諸多問題中，傳統(tǒng)的數(shù)據(jù)分析方法無法適應(yīng)時(shí)空行為日益復(fù)雜、行為軌跡數(shù)據(jù)日益豐富的需要，有必要引入新方法來挖掘行為需求，理解時(shí)空行為模式，并指導(dǎo)規(guī)劃編制。其中，機(jī)器學(xué)習(xí)算法結(jié)合了統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)的優(yōu)勢，其監(jiān)督學(xué)習(xí)（supervised learning）與無監(jiān)督學(xué)習(xí)（unsupervised learning）算法已被廣泛應(yīng)用于時(shí)空大數(shù)據(jù)特征挖掘分析，如分類、聚類、異常值分析、模式識(shí)別、因果推斷、決策預(yù)測等。因此，以機(jī)器學(xué)習(xí)算法為基礎(chǔ)的分析框架可以更為精準(zhǔn)、高效地挖掘社區(qū)生活圈中居民的時(shí)空行為模式，實(shí)現(xiàn)不同社區(qū)行為模式的遷移，為社區(qū)生活圈規(guī)劃提供指導(dǎo)。

本文將系統(tǒng)梳理現(xiàn)有機(jī)器學(xué)習(xí)在時(shí)空行為預(yù)測、模式挖掘和行為與環(huán)境非線性關(guān)系等方面研究的前沿進(jìn)展，以及社區(qū)生活圈規(guī)劃研究面臨的難點(diǎn)與挑戰(zhàn)；然后，結(jié)合社區(qū)生活圈規(guī)劃研究的難點(diǎn)與機(jī)器學(xué)習(xí)技術(shù)的最新進(jìn)展，提出機(jī)器學(xué)習(xí)方法在城市社區(qū)生活圈規(guī)劃研究中的應(yīng)用框架；最后，以“基于時(shí)空行為需求預(yù)測的社區(qū)生活圈劃分方法”和“基于非線性閾值效應(yīng)的社區(qū)生活圈設(shè)施配置規(guī)劃”兩個(gè)研究案例，對(duì)機(jī)器學(xué)習(xí)方法在社區(qū)生活圈物質(zhì)空間規(guī)劃研究中的應(yīng)用進(jìn)行闡釋。

1 研究綜述

1.1 社區(qū)生活圈規(guī)劃研究現(xiàn)狀與面臨的挑戰(zhàn)

既有研究在社區(qū)生活圈概念和內(nèi)涵界定、范圍劃分方法與設(shè)施評(píng)價(jià)和優(yōu)化等方面取得了一定的成果，但是在社區(qū)生活圈規(guī)劃研究的理論、技術(shù)方法和實(shí)證上仍面臨諸多挑戰(zhàn)。

現(xiàn)有研究對(duì)于社區(qū)生活圈概念的認(rèn)識(shí)基本一致，可以概括為居民在社區(qū)周邊日常生活所涉及的空間范圍以及滿足其日常生活需求的時(shí)空資源的集合[2]。社區(qū)生活圈的內(nèi)涵逐漸從單一的物質(zhì)空間走向物質(zhì)空間與行為空間、社會(huì)空間的融合[3]；社區(qū)生活圈規(guī)劃不僅包括公共服務(wù)設(shè)施配置的優(yōu)化，還包括社會(huì)空間和社會(huì)治理的提升[4]。在新型冠狀病毒肺炎（以下簡稱“新冠肺炎”）疫情背景下，最新研究也將防災(zāi)減災(zāi)、健康、安全等要素融入社區(qū)生活圈，以提升社區(qū)生活圈規(guī)劃韌性和應(yīng)對(duì)突發(fā)公共安全事件的應(yīng)急能力[5]，[6]106。不過，已有研究以理論探討為主，尤其在將社會(huì)空間、安全空間融入社區(qū)生活圈方面仍然缺乏具體的實(shí)證研究支撐。

社區(qū)生活圈空間范圍的劃分方法也是近期研究的重點(diǎn)和規(guī)劃的技術(shù)難點(diǎn)與前置條件。大多數(shù)研究和規(guī)劃將社區(qū)生活圈的空間范圍等同于居民步行的可達(dá)范圍，并綜合考慮人口規(guī)模、用地面積和行政管理邊界等要素劃分社區(qū)生活圈邊界[7]，[8]1703，[9]；也有學(xué)者通過識(shí)別設(shè)施完備性和計(jì)算設(shè)施密度進(jìn)行劃分[10-11]。然而這類基于空間和設(shè)施的方法未能將居民日常生活考慮在內(nèi)，背離了社區(qū)生活圈概念。近期，部分研究基于個(gè)體行為調(diào)查數(shù)據(jù)或手機(jī)信令大數(shù)據(jù)，通過識(shí)別生活空間、分析居民行為需求來劃分生活圈[12]，[13]3，[14]。此類方法能較好地滿足社區(qū)生活圈“因地制宜”、響應(yīng)居民需求的基本要求，但也存在數(shù)據(jù)獲取成本高的問題。

最后，公共服務(wù)設(shè)施是社區(qū)生活圈的核心與基本出發(fā)點(diǎn)，已有研究在指標(biāo)優(yōu)化、可達(dá)性分析、規(guī)劃布局、特殊人群等方面積累了較多成果。相關(guān)研究主題包括新版《城市居住區(qū)規(guī)劃設(shè)計(jì)標(biāo)準(zhǔn)》設(shè)施配置指標(biāo)評(píng)價(jià)和優(yōu)化[15]33，社區(qū)生活圈體系與設(shè)施配置要求[16]，生活圈設(shè)施供給與居民差異化需求之間的匹配關(guān)系分析、評(píng)價(jià)與規(guī)劃應(yīng)對(duì)策略[8]1708，[17-19]，不同人群對(duì)各類設(shè)施的步行可達(dá)性計(jì)算和評(píng)價(jià)[20-21]，以及基于老年人群步行能力和特殊需求分析的社區(qū)生活圈設(shè)施布局與配置建議[22-23]等。總體上，社區(qū)生活圈公共服務(wù)設(shè)施評(píng)價(jià)和優(yōu)化的相關(guān)研究較多，但對(duì)設(shè)施和居民之間復(fù)雜的非線性關(guān)系認(rèn)識(shí)不足，同時(shí)在設(shè)施調(diào)整建議方面缺乏對(duì)“量”的考慮，而更多是“少”和“多”的基本判斷。

綜上所述，雖然目前關(guān)于社區(qū)生活圈的研究取得了一定的成果，但已有研究在概念內(nèi)涵、劃分方法和公共服務(wù)設(shè)施評(píng)價(jià)與優(yōu)化上仍然存在不足，在理論、方法和實(shí)證上仍然面臨挑戰(zhàn)[24]。首先，近期研究開始意識(shí)到社區(qū)生活圈不僅包含物質(zhì)空間層面，還包括社區(qū)交往生活圈和社區(qū)安全生活圈，但仍然缺乏與之相關(guān)的理論框架，以及與之相關(guān)的實(shí)證研究。其次，關(guān)于社區(qū)生活圈劃分方法，以及與之相關(guān)的時(shí)空行為調(diào)查、分析和預(yù)測技術(shù)還需進(jìn)一步探索。最后，在公共服務(wù)設(shè)施評(píng)價(jià)和優(yōu)化方面，已有研究對(duì)設(shè)施和居民之間的非線性關(guān)系關(guān)注不足，難以提供設(shè)施量的優(yōu)化建議。

1.2 機(jī)器學(xué)習(xí)方法在時(shí)空行為研究的前沿進(jìn)展

精細(xì)化、動(dòng)態(tài)化的社區(qū)生活圈規(guī)劃研究依賴于基于居民個(gè)體時(shí)空行為數(shù)據(jù)的采集、分析、模擬、評(píng)估和預(yù)測。隨著個(gè)體行為數(shù)據(jù)收集的時(shí)空間粒度越來越精細(xì)，獲得海量個(gè)體數(shù)據(jù)的成本越來越低（如手機(jī)信令、浮動(dòng)車GPS數(shù)據(jù)等），傳統(tǒng)的針對(duì)個(gè)體時(shí)空行為的計(jì)量分析方法面臨的挑戰(zhàn)越來越大，難以適應(yīng)精細(xì)化生活圈規(guī)劃研究的分析使用。因此，生活圈時(shí)空行為需求的精細(xì)化研究需要能夠高效快速地分析時(shí)空行為大數(shù)據(jù)的機(jī)器學(xué)習(xí)方法。而當(dāng)前機(jī)器學(xué)習(xí)算法輔助下的時(shí)空行為研究已經(jīng)在個(gè)體出行行為的決策預(yù)測、個(gè)體與群體行為模式挖掘以及個(gè)體行為與建成環(huán)境關(guān)系分析等方面取得一定進(jìn)展。

1.2.1 個(gè)體出行行為的決策預(yù)測

機(jī)器學(xué)習(xí)算法已被應(yīng)用于個(gè)體出行行為的決策規(guī)律與預(yù)測研究上[25]。其中，一類研究集中在個(gè)體時(shí)空行為需求的預(yù)測分析上。這類研究可以歸納為分類決策問題，例如個(gè)體在不同時(shí)空間環(huán)境下是否會(huì)使用某類設(shè)施、選擇何種交通方式出行。傳統(tǒng)分析多構(gòu)建離散選擇模型（Discrete Choice Model,DCM）展開研究[26]。而近年的研究開始使用神經(jīng)網(wǎng)絡(luò)算法（Neural Network Algorithm,NNA）[27-28]、基于決策樹的集成學(xué)習(xí)算法（Ensemble Learning Algorithm,ELA）[29-30]、支持向量機(jī)（Support Vector Machine,SVM）[31]等機(jī)器學(xué)習(xí)方法。研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)方法打破了以往經(jīng)典回歸的線性假設(shè)，預(yù)測精度有很大提升，同時(shí)可以快速高效地處理大數(shù)據(jù)[32-34]。此外，也有研究對(duì)個(gè)體出行目的地進(jìn)行識(shí)別和預(yù)測，例如使用貝葉斯分類器（Bayes Classifier）、隱馬爾科夫模型（Hidden Markov Model,HMM）、基于自助法（Bootstrapped Decision Tree,BDT）和剪枝法（Decision Tree with Pruning,DTP）的決策樹進(jìn)階算法等，對(duì)不同出行方式的出行目的地選擇或下一個(gè)目的地進(jìn)行預(yù)測[35-39]。

1.2.2 個(gè)體與群體行為的模式挖掘

機(jī)器學(xué)習(xí)算法還被廣泛應(yīng)用于時(shí)空行為軌跡的模式挖掘分析。時(shí)空行為模式包括個(gè)體長時(shí)序行為的規(guī)律性與周期性挖掘[40]、慣常行為分析[41]、突變點(diǎn)挖掘等[42]，以及群體行為模式識(shí)別、聚類與異常行為分析等[43]。盡管目前的行為模式挖掘算法仍存在對(duì)多維數(shù)據(jù)的處理能力不足、對(duì)長時(shí)間序列結(jié)果動(dòng)態(tài)性的探測不足、對(duì)多類型時(shí)空行為數(shù)據(jù)處理的精度參差不齊等問題，但已有方法為深入理解個(gè)體時(shí)空行為模式、不同人群的日常活動(dòng)出行模式及其與社區(qū)和城市空間的互動(dòng)關(guān)系提供了分析基礎(chǔ)。

1.2.3 個(gè)體行為與建成環(huán)境的互動(dòng)關(guān)系

少數(shù)研究開始利用機(jī)器學(xué)習(xí)算法，探討建成環(huán)境與個(gè)體行為之間的非線性聯(lián)系，并通過分析閾值效應(yīng)對(duì)社區(qū)生活圈的設(shè)施配置和土地利用提供規(guī)劃建議。這區(qū)別于傳統(tǒng)分析基于線性、獨(dú)立同分布樣本的統(tǒng)計(jì)模型假設(shè)，可以深入挖掘變量間可能存在的多種非線性關(guān)系。已有研究采用梯度提升決策樹等機(jī)器學(xué)習(xí)方法，驗(yàn)證了社區(qū)建成環(huán)境與小汽車出行距離[44]114、到公交站點(diǎn)的步行距離[45]、電動(dòng)車出行距離[46]等存在非線性關(guān)系和閾值效應(yīng)。這些研究一方面可以探討社區(qū)生活圈規(guī)劃過程中應(yīng)該優(yōu)先考慮哪些建成環(huán)境的調(diào)整，另一方面提供配置社區(qū)設(shè)施與土地利用指標(biāo)的數(shù)量建議。這些往往是定性分析或傳統(tǒng)計(jì)量統(tǒng)計(jì)方法無法直接回答的問題[47]。

2 機(jī)器學(xué)習(xí)方法在社區(qū)生活圈規(guī)劃研究中的應(yīng)用框架

結(jié)合社區(qū)生活圈規(guī)劃研究面臨的挑戰(zhàn)與機(jī)器學(xué)習(xí)方法在時(shí)空行為研究中應(yīng)用的前沿進(jìn)展，本文提出機(jī)器學(xué)習(xí)方法在社區(qū)生活圈規(guī)劃研究的應(yīng)用框架。社區(qū)生活圈的概念內(nèi)涵與時(shí)空行為緊密相關(guān)，因此，運(yùn)用機(jī)器學(xué)習(xí)方法首先應(yīng)該指向?qū)ι鐓^(qū)生活圈居民的時(shí)空行為分析，包括個(gè)體行為模式挖掘、群體行為模式聚類、行為與空間非線性關(guān)系分析和行為預(yù)測等，進(jìn)而運(yùn)用在社區(qū)生活圈規(guī)劃的不同議題上，具體可以從社區(qū)生活圈的物質(zhì)空間、社區(qū)交往生活圈和社區(qū)安全生活圈3個(gè)維度，分別對(duì)其中不同的研究議題展開分析（見圖1）。

圖1 機(jī)器學(xué)習(xí)方法在社區(qū)生活圈規(guī)劃研究中的應(yīng)用框架Fig.1 The framework of the application of machine learning techniques in community life circle planning research

2.1 基于機(jī)器學(xué)習(xí)方法的社區(qū)生活圈物質(zhì)空間研究

物質(zhì)空間是社區(qū)生活圈在現(xiàn)實(shí)世界的基礎(chǔ)和載體，對(duì)社區(qū)生活圈物質(zhì)空間的規(guī)劃是實(shí)現(xiàn)可持續(xù)人居環(huán)境建設(shè)、提高居民生活質(zhì)量的重要環(huán)節(jié)。其中，社區(qū)生活圈空間范圍的劃分和公共服務(wù)設(shè)施配置的優(yōu)化是機(jī)器學(xué)習(xí)應(yīng)用于社區(qū)生活圈物質(zhì)空間維度的兩個(gè)重要應(yīng)用方向。機(jī)器學(xué)習(xí)方法為從時(shí)空整合角度進(jìn)行個(gè)體需求分析及引導(dǎo)社區(qū)生活圈物質(zhì)空間規(guī)劃提供了基礎(chǔ)。

在空間范圍劃分方面，可以利用較長時(shí)間維度的居民出行活動(dòng)數(shù)據(jù)，進(jìn)行居民時(shí)空行為模式挖掘和預(yù)測，從而獲得居民慣常行為特征，并探測其與社區(qū)生活圈的互動(dòng)關(guān)系，由此從需求視角出發(fā)劃定不同層級(jí)社區(qū)生活圈的空間范圍。

公共設(shè)施配置優(yōu)化方面，可以利用非線性建模方法，分析居民出行行為與土地利用的多元非線性關(guān)系與閾值效應(yīng)，從而獲得更為精細(xì)化的土地利用空間配置策略。此外，通過對(duì)居民長時(shí)間維度行為模式和生活方式的觀測，探測社區(qū)生活圈內(nèi)設(shè)施的時(shí)空資源與居民時(shí)空需求之間的動(dòng)態(tài)匹配關(guān)系，從而在時(shí)間維度上優(yōu)化設(shè)施資源利用方案，實(shí)現(xiàn)時(shí)空行為規(guī)劃與管理的創(chuàng)新。

2.2 基于機(jī)器學(xué)習(xí)方法的社區(qū)交往生活圈研究

居民的社會(huì)交往和互動(dòng)及其形成的社會(huì)網(wǎng)絡(luò)，共同組成了社區(qū)生活圈的社會(huì)空間。社會(huì)空間是打造和諧宜居社區(qū)生活圈、提升居民幸福感的重要非空間因素。其中，促進(jìn)社會(huì)交往和融合能夠增強(qiáng)社區(qū)歸屬感和凝聚力，有助于維持社區(qū)的服務(wù)水平和再生產(chǎn)能力，是營造社會(huì)空間的重要維度。已有研究多從靜態(tài)角度，利用居住分異等指標(biāo)探索不同人群的融合程度，但缺乏對(duì)居民活動(dòng)過程中交往和融合的時(shí)空動(dòng)態(tài)探討，且研究結(jié)果難以與社區(qū)社會(huì)空間營造相結(jié)合[48]。因此，相關(guān)研究可以利用模式挖掘和社群探測等技術(shù)手段，分析不同群體的時(shí)空間行為特征和活動(dòng)模式特征，從行為交互角度進(jìn)行社會(huì)排斥、活動(dòng)空間交互、社會(huì)包容等方面的研究，探索多主體聯(lián)合和行為決策機(jī)制，并結(jié)合其與社區(qū)組織和社區(qū)空間的互動(dòng)關(guān)系，提出促進(jìn)社區(qū)生活圈中各類人群融合和交往的政策建議。

2.3 基于機(jī)器學(xué)習(xí)方法的社區(qū)安全生活圈研究

社區(qū)生活圈作為城市空間最基本的組織細(xì)胞，同時(shí)也是應(yīng)對(duì)重大突發(fā)公共事件的“防災(zāi)減災(zāi)基本單元”，應(yīng)當(dāng)具有突發(fā)事件應(yīng)急響應(yīng)、過程中社區(qū)資源調(diào)配和事后秩序迅速恢復(fù)的能力。2020年突如其來的新冠肺炎疫情更是印證了提升社區(qū)層面的突發(fā)公共衛(wèi)生應(yīng)急事件處置能力的必要性。已有研究指出，社區(qū)生活圈的規(guī)劃建設(shè)應(yīng)考慮韌性和健康等理念[6]105。社區(qū)韌性強(qiáng)調(diào)社區(qū)在城市生態(tài)和社會(huì)環(huán)境快速變動(dòng)過程中適應(yīng)不確定性風(fēng)險(xiǎn)的能力，應(yīng)當(dāng)結(jié)合豐富的時(shí)空行為模式挖掘和預(yù)測技術(shù)，探索基于居民日常活動(dòng)出行的韌性評(píng)估，如針對(duì)個(gè)體或多主體的動(dòng)態(tài)環(huán)境風(fēng)險(xiǎn)源暴露分析和基于“突發(fā)事件前、中、后”的居民時(shí)空行為模式穩(wěn)定性的設(shè)施配置分析，實(shí)現(xiàn)精準(zhǔn)防控和土地利用規(guī)劃調(diào)整[49]。

此外，為構(gòu)建可持續(xù)、健康的社區(qū)生活圈，可在探索居民時(shí)空行為模式的基礎(chǔ)上，分析個(gè)體的出行結(jié)構(gòu)特征及其影響因素，從而提出能促進(jìn)居民體力活動(dòng)的健康生活圈設(shè)施規(guī)劃建議。

3 機(jī)器學(xué)習(xí)方法在社區(qū)生活圈物質(zhì)空間研究的應(yīng)用案例

3.1 基于時(shí)空行為預(yù)測技術(shù)的社區(qū)生活圈劃分研究

社區(qū)生活圈空間范圍的劃分是社區(qū)生活圈規(guī)劃研究的技術(shù)難點(diǎn)和前置條件[13]1。基于居民行為需求進(jìn)行空間劃分是社區(qū)生活圈規(guī)劃的基本要求，但行為數(shù)據(jù)獲取成本較高，導(dǎo)致相關(guān)方法難以推廣。機(jī)器學(xué)習(xí)方法可以在一定程度上解決上述問題：通過學(xué)習(xí)有行為數(shù)據(jù)社區(qū)生活圈的劃分結(jié)果與社區(qū)空間信息和人口結(jié)構(gòu)特征的關(guān)系，進(jìn)而對(duì)其他社區(qū)居民行為需求進(jìn)行預(yù)測，并基于預(yù)測結(jié)果劃分生活圈（見圖2）。

圖2 基于時(shí)空行為需求預(yù)測的社區(qū)生活圈劃分方法框架Fig.2 The framework of the community life circle delineation method based on the estimation of spatiotemperal behavior demand

具體來說，首先，為了簡化討論，以用地地塊為分析基本單元，居民時(shí)空行為需求表征為對(duì)社區(qū)周邊15 min步行可達(dá)范圍內(nèi)所有地塊的需求水平，具體可以使用活動(dòng)日志調(diào)查中居民前往不同設(shè)施所在地塊的時(shí)長、GPS調(diào)查中居民在該地塊上停留的GPS點(diǎn)數(shù)量，也可以采用高精度的熱力圖數(shù)據(jù)或手機(jī)信令數(shù)據(jù)進(jìn)行估算。進(jìn)一步以中位數(shù)為界將地塊劃分為“高需求”和“低需求”地塊。此外，考慮到居民對(duì)不同用地類型的需求模式不同，可以根據(jù)用地分類標(biāo)準(zhǔn)區(qū)分為公共服務(wù)設(shè)施、商業(yè)服務(wù)設(shè)施、綠地公園、居住和其他5類用地類型，分別構(gòu)建預(yù)測模型。其中，公共服務(wù)、商業(yè)服務(wù)和綠地公園作為社區(qū)生活圈中重要的服務(wù)要素，也是供需匹配分析的重點(diǎn)。

其次，獲取成本相對(duì)較低的地理環(huán)境數(shù)據(jù)和社區(qū)人口結(jié)構(gòu)數(shù)據(jù)作為輸入的自變量。比如地塊距社區(qū)中心的距離、面積、商業(yè)設(shè)施數(shù)量、公共服務(wù)設(shè)施數(shù)量，以及社區(qū)年齡、教育和戶口構(gòu)成情況等。具體可以根據(jù)實(shí)際工作需要進(jìn)行增減。

再次，考慮到地塊被分為“高需求”和“低需求”兩類，機(jī)器學(xué)習(xí)中常用的分類算法，比如神經(jīng)網(wǎng)絡(luò)算法、基于決策樹的集成學(xué)習(xí)算法和支持向量機(jī)等，可以被作為構(gòu)建時(shí)空行為需求預(yù)測模型的基本算法。在實(shí)際工作中，可以通過對(duì)比不同算法的預(yù)測誤差，選擇誤差最小即預(yù)測正確率最高的模型作為不同用地類型的最終預(yù)測模型。

最后，在構(gòu)建需求預(yù)測模型后，輸入無行為調(diào)查數(shù)據(jù)的社區(qū)人口和地理環(huán)境信息，便可以獲得該社區(qū)居民對(duì)其步行可達(dá)范圍內(nèi)所有地塊的需求水平，進(jìn)而劃分出包含行為信息的社區(qū)生活圈范圍。Li等[50]基于上述思路，以北京市清河街道15個(gè)社區(qū)為例構(gòu)建了基于行為需求預(yù)測的社區(qū)生活圈劃分方法，結(jié)果顯示該方法具有較高的預(yù)測精度，同時(shí)劃分方法還為下一步設(shè)施規(guī)劃和選址提供參考。

3.2 基于非線性建模技術(shù)的社區(qū)生活圈設(shè)施配置優(yōu)化研究

合理評(píng)價(jià)社區(qū)設(shè)施與土地利用配置，并對(duì)相關(guān)規(guī)劃指標(biāo)提供數(shù)量建議是實(shí)現(xiàn)社區(qū)生活圈規(guī)劃精細(xì)化的重要環(huán)節(jié)[15]34。以居民出行行為特征為依托進(jìn)行設(shè)施配置評(píng)估符合社區(qū)生活圈規(guī)劃“以人為本”的需求導(dǎo)向，然而現(xiàn)有大多數(shù)定量研究采用傳統(tǒng)統(tǒng)計(jì)學(xué)方法研究居民時(shí)空行為和社區(qū)建成環(huán)境的互動(dòng)關(guān)系，難以提供精細(xì)、準(zhǔn)確的土地利用和設(shè)施配置有效范圍。機(jī)器學(xué)習(xí)中的非線性模型放寬了嚴(yán)格的因變量與自變量間的線性關(guān)系假設(shè)，使得兩者之間的關(guān)系不局限于固定的斜率系數(shù)，而是呈現(xiàn)為不斷變化的非線性形態(tài)，從而更細(xì)致地刻畫自變量對(duì)因變量的影響，為研究個(gè)體時(shí)空行為和社區(qū)建成環(huán)境之間的非線性關(guān)系和閾值效應(yīng)提供基礎(chǔ)，從而得到設(shè)施配置、土地利用面積比例等指標(biāo)的合理范圍（見圖3）。

圖3 基于非線性機(jī)器學(xué)習(xí)模型的社區(qū)生活圈設(shè)施配置優(yōu)化研究框架Fig.3 The framework of the land use optimization in community life circle based on nonlinear machine learning model

具體而言，首先，確立并計(jì)算社區(qū)生活圈內(nèi)的建成環(huán)境指標(biāo)。在傳統(tǒng)建成環(huán)境與出行行為相關(guān)研究的基礎(chǔ)上[51]，選取有效的社區(qū)生活圈建成環(huán)境指標(biāo)，主要包括人口密度、街區(qū)設(shè)計(jì)、社區(qū)尺度可達(dá)性、土地利用混合度、區(qū)域可達(dá)性、公共交通可達(dá)性等維度。其中，社區(qū)尺度可達(dá)性變量多用設(shè)施密度代替，而設(shè)施類型的選取應(yīng)與現(xiàn)有規(guī)劃文本相對(duì)應(yīng)，從而使結(jié)果更好地指導(dǎo)規(guī)劃實(shí)踐。依據(jù)現(xiàn)有規(guī)劃文本，5 min、10 min、15 min社區(qū)生活圈分別對(duì)應(yīng)300 m、500 m和1 000 m的步行范圍。因此，根據(jù)收集的人口和地理環(huán)境數(shù)據(jù)，以社區(qū)或個(gè)體為中心建立緩沖區(qū)，計(jì)算不同尺度社區(qū)生活圈內(nèi)的建成環(huán)境指標(biāo)，以表征不同尺度的社區(qū)生活圈內(nèi)設(shè)施和土地利用現(xiàn)狀。

其次，在收集居民行為數(shù)據(jù)的基礎(chǔ)上，確立并計(jì)算社區(qū)生活圈設(shè)施評(píng)估的行為目標(biāo)導(dǎo)向。以人為本的社區(qū)生活圈強(qiáng)調(diào)便捷、綠色的可持續(xù)行為，將居民出行行為簡化為機(jī)動(dòng)車出行距離、步行或騎行比例等指標(biāo)，從而探索能夠引導(dǎo)更高可持續(xù)行為比例的社區(qū)生活圈建成環(huán)境。

再次，使用機(jī)器學(xué)習(xí)非線性模型擬合社區(qū)生活圈建成環(huán)境（自變量）對(duì)居民行為指標(biāo)（因變量）的影響。常用的非線性機(jī)器學(xué)習(xí)模型包括決策樹、隨機(jī)森林、梯度提升決策樹、支持向量機(jī)等。本文以梯度提升決策樹模型為例，說明算法構(gòu)建過程：該算法基于決策樹模型改進(jìn)，即每輪迭代構(gòu)建一棵決策樹，同時(shí)采用負(fù)梯度下降的方式找到損失函數(shù)最小時(shí)的一系列參數(shù)，最終得到由若干決策樹加合而成的總模型。具體來說，通過控制決策樹的棵數(shù)、學(xué)習(xí)深度、學(xué)習(xí)速率等參數(shù)，估計(jì)目標(biāo)函數(shù)，即M棵決策樹的加權(quán)總和以使損失函數(shù)最小。其中，M是決策樹的棵樹，αm是第m棵決策樹b(x;θ m)的權(quán)重，θm為第m棵樹的一系列參數(shù)。

非線性機(jī)器學(xué)習(xí)模型提供了變量重要性的排序，即各個(gè)自變量對(duì)于減少每輪迭代中損失函數(shù)貢獻(xiàn)的匯總。這一排序能夠顯示哪些自變量對(duì)于解釋因變量是更重要的。此外，相應(yīng)算法提供了因變量隨著自變量變化的邊際變化曲線，如圖4展示了美國奧斯陸15 min社區(qū)生活圈內(nèi)的人口密度對(duì)每周機(jī)動(dòng)車出行距離的非線性影響，當(dāng)人口密度達(dá)到3 000人/km2時(shí)，對(duì)降低機(jī)動(dòng)車的出行距離有明顯影響，也即提供了合理的人口密度設(shè)置范圍。

圖4 人口密度與機(jī)動(dòng)車出行距離的非線性關(guān)系Fig.4 The nonlinear relationship between vehicle travel distance and population density

最后，從非線性機(jī)器學(xué)習(xí)模型中得到社區(qū)生活圈建成環(huán)境各指標(biāo)的合理范圍，并與現(xiàn)有規(guī)劃文本相比較，從而評(píng)估現(xiàn)有規(guī)劃文本指標(biāo)的合理性并提供優(yōu)化策略。

4 結(jié)語

伴隨著城市發(fā)展的人本轉(zhuǎn)型與對(duì)社區(qū)規(guī)劃和社區(qū)治理的重視，社區(qū)生活圈規(guī)劃愈發(fā)成為學(xué)術(shù)研究與規(guī)劃實(shí)踐的前沿和熱點(diǎn)，也是我國國土空間規(guī)劃體系創(chuàng)新的重要組成部分。目前社區(qū)生活圈規(guī)劃研究以公共服務(wù)設(shè)施配置優(yōu)化為主，規(guī)劃實(shí)踐仍然延續(xù)居住區(qū)規(guī)劃的傳統(tǒng)思路，對(duì)于社區(qū)生活圈內(nèi)的居民需求和居民時(shí)空行為關(guān)注不足。本文通過梳理社區(qū)生活圈規(guī)劃研究和規(guī)劃的不足以及機(jī)器學(xué)習(xí)方法在時(shí)空行為應(yīng)用的前沿，提出機(jī)器學(xué)習(xí)方法在社區(qū)生活圈的應(yīng)用框架，并以社區(qū)生活圈劃分和設(shè)施配置優(yōu)化為例對(duì)機(jī)器學(xué)習(xí)在社區(qū)生活圈物質(zhì)空間方面的創(chuàng)新應(yīng)用進(jìn)行闡釋，以期為更精細(xì)、更適應(yīng)居民差異化需求的社區(qū)生活圈規(guī)劃提供借鑒。