基于最佳尺度地理格網的道路密度分析與空間可視化技術研究
——以廣西桂林市為例

（廣西自然資源信息中心，廣西 南寧市 530023）

地理格網作為基本單元的統計分析模型，在國民經濟各領域得到了廣泛應用。GIS 研究中將地理格網作為一種與矢量空間數據模型相對應的空間數據表達模型。研究表明，地理格網有助于多尺度地理空間數據的融合，能提高空間分布信息集成效率，減少數據精度損失和資源消耗，在空間統計方面具有很大的優越性[1?4]。

目前，傳統的基本統計、城市管理基于行政區劃，最小單元是縣（區）或者街道等，但這種方法不適應智慧城市、數字城市精細化管理的需求，而地理格網能夠根據研究區域和研究內容選擇合適的尺度對研究對象進行細化，從而滿足城市精細管理的要求[5]。研究小組基于最佳尺度地理格網，對道路分類數據進行密度分析與空間可視化的方法進行探索，旨在通過將已知密度值出現頻率最大的尺度作為最佳尺度，進而得到適應路網密度的最佳尺度地理格網。研究小組結合自然間斷分類法（Natural breaks）對密度值進行分類分級可視化顯示，獲取多期道路密度柵格圖，從而借此研究城市社會經濟交通發展的實際情況，為城市精細化管理提供依據。

1 研究區概況與研究方法

1.1 研究區概況

研究區域為廣西桂林市6 城區。研究區城市化精細管理的目標為：保護漓江，促進城市向西發展，拓展旅游業，大力發展路網建設。老城區以旅游發展為主導，優化主干路和次干路環境、構建半小時生活圈，臨桂新區以城市西拓為契機加快建立九縱七橫交通網絡，全市逐步形成“北通南暢、東連西接、內外循環”的城市路網大格局。研究主要數據源為2015?2018 年基礎性地理國情監測道路路面分類數據，數據時間節點為每年的6 月30 日。

1.2 研究方法

研究小組調用ArcGIS 空間分析和統計的Arcpy 類函數，首先分析臨桂區主要道路網密度出現頻率，獲取最佳格網尺度，然后將地理格網與道路分類數據疊加分析與統計計算，計算出每個格網內地物類別的面積占比后，獲取格網內道路密度，生成多期密度柵格圖，最終通過柵格圖空間對比和密度值直方圖進行道路密度變化情況分析。具體的技術路線如圖1 所示。

1.2.1 最佳地理格網生成與疊加分析

地理格網分析最佳尺度確定的原則是既能達到人眼識別的效果，又能平衡地理格網的精度與計算的數據量。以桂林市的發展重點區域臨桂區作為分析區域，分別以10 km、1 km、100 m 的尺度分析道路數據密度的最佳尺度[4]。根據臨桂區的公路線層數據和行政邊界數據，研究小組計算出臨桂區主要道路網的密度為0.35（km/km2）。

生成臨桂區范圍的10 km、1 km、100 m 3 個尺度的格網后，計算出各尺度格網道路密度，匯總統計各尺度格網道路密度的頻次。以臨桂區主要道路網密度（0.35）出現頻率最高的格網作為道路最佳尺度，該區域其他地物類別的密度分析也參照此尺度進行分析（見圖2）。

圖1 基于最佳尺度地理格網的道路密度分析與空間可視化技術流程圖

通過比較圖2 臨桂區主要道路網密度（0.35）出現頻率（圖中紅圈部分），可以發現100 m 地理格網的臨桂區主要道路網密度（0.35）出現頻率較大，因此，最終選擇100 m 作為整個研究區道路密度分析的地理格網最佳尺度。

最佳尺度確定后，在投影坐標系的框架下利用CreateFishnet_management 函數，輸入地理格網的范圍和最佳格網尺度。生成最佳的地理格網后，對格網數據的每個要素進行唯一標識賦值，并且用范圍數據對格網進行裁切，重新計算裁切后每個格網的投影面積。然后利用Intersect_analysis 函數將同樣范圍的地理格網數據和道路分類數據進行疊加，獲取道路分類數據與格網數據的疊加結果。

1.2.2 地理格網數據的匯總統計與密度柵格數據的生成

圖2 不同格網尺度的道路密度統計結果圖

疊加數據為道路分類數據與最佳地理格網相交結果，展現了道路分類數據被每個格網分割后的空間形態，且包含了兩個數據的所有屬性，因此可以將地理格網唯一編碼視為標識，利用Statistics_analysis 函數對疊加數據進行分類匯總統計，從而獲取道路分類數據在每個地理格網中的面積值。利用字段計算器計算道路分類數據在每個地理格網中的面積占比（即密度值）。最后，將密度值作為灰度值取值依據形成密度柵格數據集。

1.2.3 道路密度的空間可視化

將生成的密度柵格數據集進行符號化。（1）在唯一值字段中選擇上述計算所得道路分類數據的密度值字段，并按密度值大小升序排序；（2）采用Jenks 的自然間斷分類法（Natural breaks）對密度值進行分類，使組間方差盡可能大，組內方差盡可能小，采樣點數為20 000；（3）選擇漸變顏色類型輸出密度柵格圖。

密度柵格圖的顏色會按照密度值由大到小顯示為由深變淺，類似于熱力圖的效果，由此在空間上可以直觀地將道路密度進行可視化處理。

2 實驗結果分析

利用上述研究方法獲取研究區的100 m×100 m 最佳地理格網，對道路分類數據進行密度分析，生成密度柵格圖。

由密度柵格圖可知，隨著年份的增加，研究區的道路分布范圍在逐漸擴大，整體的道路密度在逐漸增加。根據區域放大圖可知，新城區的道路變化較大，新增的支路和岔路更多，同時機場快速路區域等多條道路在密度圖上的顏色逐漸加深，這表明其密集程度逐漸增加，而老城區的道路變化較小，處于相對穩定的階段。

此結果符合研究區的實際情況和客觀的認知規律，這說明研究小組通過實驗獲得的密度圖，能夠直觀地反映研究區主要道路的密度程度空間分布與變化。

將4 個年份地理格網中＞0 的密度值進行直方圖統計分析，得到4 個年份的直方圖與擬合曲線（見圖3）。

由統計直方圖可知，研究區的主要道路密度中主要區間的統計值逐年增加，統計值＞1 000 的區間數量亦在逐年增加，這說明研究區的道路密度呈逐年增加的趨勢。

通過計算格網中＞0 的密度值的均值與標準差（見表1），可以對上述結果進行驗證。表1 中道路密度均值逐年增加，這說明道路密度的整體水平呈現上升趨勢，且2018 年與2017 年的均值相差較大，表明這兩年的道路密度變化較大。表1 中道路密度標準差逐年變大，這說明道路的分布越來越分散，或者各地方的道路建設程度不一樣，導致中心區域的路網密度與郊區的路網密度差距變大。

圖3 研究區2015—2018 年研究區地理格網道路密度統計直方圖

表1 研究區2015—2018 年研究區地理格網道路密度均值與標準差對比表

為了進一步分析道路密度變化的情況，研究小組計算了變化較大的2017 年與2018年格網道路密度變化量。道路密度變化較大的區域主要有老城區與臨桂新區。老城區的道路密度變化主要圍繞城區周圍的快速路和準快速路，例如環城西二路、繞城快速路等；臨桂新區的道路密度變化主要分布在新區內城市道路，圍繞九縱七橫交通網絡展開。密度變化情況表明，此技術方法所得道路密度變化情況能夠反映城市交通發展真實情況，當出現道路密度變化未符合預期或者規劃設計的情況時，多期監測可以及時調整，從而達到輔助城市精細化管理的目的。

此外，研究小組還將道路密度均值與生產總值、居民消費價格CPI 等部分主要社會經濟指標與2016?2018 年的年度變化率曲線進行對比（見圖4）。由圖4 可知，3 種指標的年度增長率變化情況相似，說明此技術方法所得城市道路的變化趨勢與相應年份城市社會經濟的發展趨勢是一致的。由此可見，研究區城市道路交通的發展與社會經濟的發展相適應，能夠反映城市發展的趨勢。

圖4 研究區2016—2018 年研究區道路密度均值與部分主要社會經濟指標的年度變化率曲線對比圖

3 結 語

研究小組將已有資料所得的道路密度值作為判定依據，以已知密度值出現頻率最大的尺度生成最佳尺度地理格網，對道路分類數據進行疊加分析和匯總統計，并采用自然間斷法分類分級的可視化方法獲取多期道路密度柵格圖。

實驗結果表明，研究所得最佳尺度地理格網對道路密度的分布分析符合城市社會經濟交通發展的實際情況，能夠輔助城市精細化管理。但是，此次研究只針對了單一的道路類別，在后續研究中，可以對城市地表覆蓋類別進行全要素的密度分析統計，獲取城市房屋建筑、城市綠地、城市內河等管理熱點區域的密度空間分布情況，提高輔助決策效用，也可以結合更多經濟社會數據對所得結果進行深入對比剖析。