选择贝叶斯网络(Bayesian Network,BN)对郊域轨道交通引起的土地利用演变规律(Land Use Change,LUC)进行研究。将影响范围外设为参照区分析LUC是否因郊域线出现差异,并与市郊线进行对比。东京都的案例结果表明,郊域线对LUC产生了影响,其...选择贝叶斯网络(Bayesian Network,BN)对郊域轨道交通引起的土地利用演变规律(Land Use Change,LUC)进行研究。将影响范围外设为参照区分析LUC是否因郊域线出现差异,并与市郊线进行对比。东京都的案例结果表明,郊域线对LUC产生了影响,其中,影响较大的是森林、建筑与运动竞技用地(运营期)及森林、运动竞技与水域(开通前)地块,上述地块缓冲区与参照区的差异依次是-32.08%,12.59%,8.24%与-24.23%,4.62%,4.40%;然而市郊线未产生影响,说明不同于市区LUC的多驱动力,郊域线作为郊区LUC的强驱动力,引起的LUC变化显著,可为通过建设郊域线推动郊区土地发展提供依据。由于市区土地发展成熟,土地利用(Land Use,LU)延续性好,故市郊线当期总与前期LU有直接关系;郊域线作为郊区LUC的强驱动力,运营后引起LUC活跃程度比较大,故导致运营期与前期LU无直接关系,可为郊域线土地开发时期提供参考依据。BN推理显示,郊域线运营期缓冲区终态为建筑地块受建筑用地聚集程度影响低于参照区,说明郊域线运营期终态为建筑地块的演变较独立,同样是由郊域线引起LUC活跃程度比较大引起的;为支持郊域线运营期地块终态为建筑用地,区域需87.2%的概率为缓冲区,初始邻域用地需98.5%为非森林地块,以上可为郊域线土地开发中建筑用地布局与选址提供参考依据。以多摩线2006年LU作为初始态,预测2014年LU,结果精度达89.9%,表明BN具有较强的推理能力。最后,挖掘轨道交通LUC机制,即其通过提高出行可达性影响人们愿意在其周边居住与生活,因此出现缓冲区用地演变现象,并据此阐释了郊域线的LUC机制。展开更多
文摘选择贝叶斯网络(Bayesian Network,BN)对郊域轨道交通引起的土地利用演变规律(Land Use Change,LUC)进行研究。将影响范围外设为参照区分析LUC是否因郊域线出现差异,并与市郊线进行对比。东京都的案例结果表明,郊域线对LUC产生了影响,其中,影响较大的是森林、建筑与运动竞技用地(运营期)及森林、运动竞技与水域(开通前)地块,上述地块缓冲区与参照区的差异依次是-32.08%,12.59%,8.24%与-24.23%,4.62%,4.40%;然而市郊线未产生影响,说明不同于市区LUC的多驱动力,郊域线作为郊区LUC的强驱动力,引起的LUC变化显著,可为通过建设郊域线推动郊区土地发展提供依据。由于市区土地发展成熟,土地利用(Land Use,LU)延续性好,故市郊线当期总与前期LU有直接关系;郊域线作为郊区LUC的强驱动力,运营后引起LUC活跃程度比较大,故导致运营期与前期LU无直接关系,可为郊域线土地开发时期提供参考依据。BN推理显示,郊域线运营期缓冲区终态为建筑地块受建筑用地聚集程度影响低于参照区,说明郊域线运营期终态为建筑地块的演变较独立,同样是由郊域线引起LUC活跃程度比较大引起的;为支持郊域线运营期地块终态为建筑用地,区域需87.2%的概率为缓冲区,初始邻域用地需98.5%为非森林地块,以上可为郊域线土地开发中建筑用地布局与选址提供参考依据。以多摩线2006年LU作为初始态,预测2014年LU,结果精度达89.9%,表明BN具有较强的推理能力。最后,挖掘轨道交通LUC机制,即其通过提高出行可达性影响人们愿意在其周边居住与生活,因此出现缓冲区用地演变现象,并据此阐释了郊域线的LUC机制。
