面向公共服務設施布局優化的規劃支持系統設計*

葉 澄 張姍琪 李民健 李智軒 YE Cheng, ZHANG Shanqi, LI Minjian, LI Zhixuan

0 引言

公共服務設施承載了城市居民的教育、醫療、體育和文化等多種服務功能，是重要的城市空間資源和社會資源[1]。公共服務設施布局旨在對一定時期和一定區域內的公共服務資源進行合理的空間配置，以公平、高效地滿足居民對于公共服務的需求。傳統設施布局方法主要基于靜態人口分布進行自上而下的指標分配和空間選址，以服務半徑和千人指標等規范標準為依據落實設施數量等剛性要求，具有標準化、平均化的特征[2]。新型城鎮化背景下，傳統方法由于缺少對居民實際需求的考量，難以指導設施精準落位，不能滿足公共服務設施配置人本化、精準化的實踐需求[3-4]。如何通過多源數據分析和布局優化模型支撐科學的公共服務設施布局決策，成為相關研究關注的熱點[5]。

數據增強設計（Data Augmented Design，DAD）強調以定量城市分析為驅動，通過數據分析、建模、預測等手段，為規劃設計全過程提供支持工具，提高規劃設計的科學性[6]。以DAD理念為引導，通過整合多源時空數據改進布局優化模型，建立圍繞布局優化分析全過程的規劃支持系統，有望為實現公共服務設施的精準化布局提供新思路。因此，本文基于數據增強設計理念，梳理公共服務設施布局的關鍵因素，提出布局優化模型的精準化改進方向，構建基于優化模型的公共服務設施布局總體思路。在此基礎上，結合規劃實踐需求，提出面向公共服務設施布局的可交互規劃支持系統設計，輔助規劃師進行設施空間布局規劃決策。

1 布局優化思路

公共服務設施布局優化過程可分為因素分析、問題建模、模型求解和方案比選4個主要環節（見圖1）。在因素分析階段，針對特定的布局優化情景，結合上位規劃、規范標準、居民訴求等信息，總結、歸納、挖掘公共服務設施布局優化需要考慮的因素。在問題建模階段，將影響設施布局的各方面因素轉換為布局優化模型的決策變量、優化目標、約束條件、需求權重等模型參數。在模型求解階段，選擇合適的智能優化算法進行布局優化模型求解，通過反復迭代調整尋優參數和優化模型的各項參數，計算出穩定收斂、符合條件的空間布局方案。在方案比選階段，借助定量指標比較方案差別，根據決策經驗進行綜合研判，最終輸出公共服務設施布局優化策略。

圖1 公共服務設施布局優化問題求解總體思路Fig.1 General idea of solving public service facilities allocation optimization problems

1.1 公共服務設施布局關鍵因素分析

公共服務設施的精準配置首先需要梳理設施布局考慮的關鍵因素，把握不同類型、不同導向設施布局問題的特點和關注重點。在區位理論、時間地理學等相關理論，以及社區生活圈等實踐要求的基礎上，本文將公共服務設施布局決策中需要考慮的關鍵因素總結為設施規劃理念、設施服務供給、居民服務需求和布局空間條件4個方面（見表1）。

表1 公共服務設施布局需考慮的關鍵因素Tab.1 Key factors for the allocation of public service facilities

（1）設施規劃理念方面，以人為本的公共服務設施布局強調設施布局的效率性、公平性和社會經濟效益。其中，設施布局效率性一般通過居民到公共服務設施的總移動成本進行量化表征，成本越低，設施布局的效率性越好[7]。設施布局公平性一般用居民就近獲取服務的最大移動成本或成本差異來表征，最大成本或成本差異越小，設施布局的公平性越好[8]。同時，公平性還體現在設施服務資源向弱勢群體傾斜等舉措上[9]。近年來，設施布局的社會經濟效益等也逐漸引起研究者的關注，合理的設施布局有助于提升設施利用率、減輕財政壓力、引導居民的綠色健康行為[10]。在實際規劃場景中，公共服務設施布局通常需要綜合考慮公平、效率、經濟成本、生態環境等多維優化目標。

（2）設施服務供給方面，需要重點考慮對設施數量和屬性的布局優化。設施數量上，傳統千人指標基于常住人口分布確定設施的配置數量。然而，現有研究及規劃實踐表明根據實際服務需求推算合理的設施數量更符合公共資源精準配置的要求[11]。設施屬性上，不同類型、等級、規模的設施具有不同的服務能力和布局要求，但傳統規劃對此缺乏定量配置手段[12]。例如，服務能力方面，社區衛生服務站、三甲醫院等不同等級的設施具有不同的醫療水平和服務范圍。醫療設施布局不僅強調各等級設施的總覆蓋范圍最大化以保障設施配置效率，也關注大型綜合醫院的布局均衡性以保證服務質量的空間公平性[13]。布局要求方面，在布局垃圾站等鄰避設施時，既要考慮設施與居民點的距離上限以降低運輸成本，還要考慮距離下限以減少設施對居民的不良影響[14]。而對于學校、公園等非鄰避設施，則將提高設施的空間可達性作為設施布局的主要目標。

（3）設施供給與居民需求的精準匹配是設施布局的重要目標，因此準確識別居民的共性需求和不同群體的差異化需求是設施布局優化的核心[15]。傳統的設施布局分析方法利用居民點分布及其人口規模粗略估算需求點的設施服務需求，較少考慮不同群體對公共服務需求的差異。引入性別、年齡、收入等經濟社會屬性將居民劃分為不同群體，分析不同群體之間的設施偏好和服務需求差異，可以提出公共服務設施差異化供給策略[16]。手機信令、公交刷卡等多源時空數據的廣泛應用，為動態感知居民活動與設施使用情況提供可能。利用空間聚類、復雜網絡分析等方法挖掘居民的時空行為特征，可以更精準地刻畫居民與設施的真實交互關系，提煉居民使用設施的時空規律，從而指導公共服務設施的精準化配置[17]。

（4）設施布局的空間條件也是設施優化布局中需要考慮的重要因素。例如，自然環境條件方面，山區復雜的地形會對居民出行方式和出行能力造成影響[18]。建成環境條件方面，城市的道路與交通建設決定了城市空間網絡的連接形態，進而決定了公共服務設施的空間可達性。此外，現有設施的布局也會影響新增設施的布局策略[19]。

1.2 公共服務設施布局優化問題建模

區位分配模型是公共服務設施布局優化研究中應用最廣，也是解決多目標優化、多條件約束的復雜設施布局問題最有效的方法之一[20]。區位分配模型的一般思路是首先篩選設施布局的候選區位集合；其次根據設施布局要求，歸納布局優化目標和約束條件；最后利用智能優化算法從候選區位集合中求解出可在最大程度上滿足要求的設施布局方案。經典布局優化模型如P-中位（P-Media）模型、P-中心（P-Center）模型、集合覆蓋（LSCP）模型和最大覆蓋（MCLP）模型，對設施供需匹配關系、空間環境制約等現實條件考慮較為簡單，難以落實設施資源精準配置的目標。因此，精準化的公共服務設施配置需要在構建布局優化模型時進一步考慮設施間屬性差異、居民需求偏好等因素。基于前文對公共服務設施布局關鍵因素的解讀，本節從設施規劃目標多元化、設施服務供給差異化、居民服務需求精準化和布局空間條件精細化4個方面提出公共服務設施布局優化模型的改進思路，并指出相關應用場景（見表2）。

表2 公共服務設施布局優化模型改進方向Tab.2 The improvement direction of optimization models for allocating public service facilities

（1）在優化目標方面，經典布局優化模型主要關注單一目標導向下的設施布局，難以平衡規劃實踐中的多元規劃理念和政策導向。精準化的布局優化模型需要建立多元目標體系，綜合考慮設施布局的多維效益。當規劃的目標導向存在矛盾、沖突時，多目標優化模型可以通過對多個目標函數的折中處理尋求到合適的布局方案。具體而言，建立多目標體系的方法大致分為先驗法和后驗法兩類[21]。先驗法通過分層序列、線性加權等方法將多目標優化問題轉為復合的單目標優化問題，適用于有決策經驗和專家知識來支持多目標權重分配的決策場景。后驗法中各優化目標是相對獨立的關系，通過特定的多目標算法來尋找模型的近似最優解，再根據決策偏好從中選擇滿意方案，適用于缺少足夠信息支持優化目標排序或權重分配的決策場景。

（2）在服務供給方面，經典布局優化模型不考慮設施的容量或服務水平差異，難以適應實際公共服務設施布局時綜合考量設施區位和規模等級的要求。面向不同類型、不同等級設施的布局優化模型需要對設施的服務能力進行差異化表達，以提高設施資源配置結果的精準度。特別是醫療、避難場所等多層級設施，不同等級設施的服務內容有重疊，但服務水平、服務容量等存在顯著差異，布局優化既要實現數量均衡，也要保證質量均衡[22]。

（3）在服務需求方面，經典布局優化模型中居民對公共服務的需求被簡化為對最近設施的訪問需求，對居民的行為特征和設施使用偏好的考慮不足。重力原則模擬居民對設施的概率訪問，是布局優化模型的重要改進形式。而借助多源時空大數據分析居民的行為活動規律，獲取不同個體和群體的設施使用特征，精準估計居民時空服務需求并將其轉換為模型參數，是布局優化模型精準化改進的核心內容。此外，居民的活動空間及對公共服務設施的需求通常是一個動態變化的過程，未來研究還需要關注對居民設施服務需求預測和動態模擬[23]。

（4）在布局空間條件方面，精準化的布局優化模型需要進一步提高空間建模能力，綜合考慮空間環境因素的影響。傳統的設施布局優化模型借助GIS技術測算網絡距離或到達時長，近似表征居民訪問設施的出行成本。基于時空大數據和互聯網開放數據，精準化的布局優化模型能夠提取居民動態移動軌跡、模擬動態交通運行情況，更準確、真實地測度公共服務的空間可達性。針對特定的布局優化決策情景，模型構建還需要考慮空氣質量、周邊建筑物高度等空間環境因素的制約[24-25]。

1.3 公共服務設施布局優化模型求解

ArcGIS、SuperMap等GIS專業軟件為公共服務設施布局優化模型的求解提供了可視化的工具支持。以ArcGIS為例，其疊置分析、要素轉點工具可用于公共服務設施的候選區位篩選與候選點生成，網絡分析拓展模塊下的OD成本矩陣工具可用于交通權重網絡的構建，位置分配分析工具可支持P-中位模型、P-中心模型等經典區位分配模型的求解，服務區分析工具可支持設施的服務覆蓋范圍分析。但目前的空間分析軟件中內置的區位分配模型決策建模能力有限，只能解決一些典型布局優化問題，難以滿足實際規劃中差異化的布局要求。已有的研究更多是將GIS用于候選區位分析、數據可視化等步驟中[26]。

考慮了多目標導向和復雜時空約束條件的設施布局優化模型往往是非線性規劃問題，構建穩健性強、尋優效率高、規劃領域知識驅動的優化算法成為獲取科學布局優化方案的必要手段[27]。大量研究表明啟發式算法，即智能優化算法在解決復雜設施布局優化問題上具有顯著優勢，尤其是蟻群算法、粒子群算法等群智能算法因其出色的多目標尋優能力，在設施選址規劃決策中應用廣泛。如蟻群算法，其基本原理是通過模仿蟻群覓食行為，建立路徑搜索與信息素更新機制實現群體間的信息傳遞，指導蟻群尋找全局最優解。單目標蟻群算法中信息素帶來的正反饋會將螞蟻匯聚至最優路徑，而多目標蟻群優化算法在執行過程中會保存當前得到的近似最優解，并利用這些經驗引導后續的搜索方向，最終得到一組近似最優解[28]。在算法實踐上，LINGO等通用優化求解器以及NumPy、SciPy等科學計算庫為復雜布局優化模型求解提供了工具支持。

求解公共服務設施布局模型的過程是一個反復迭代、在抽象性與可解性之間不斷取舍的過程?？紤]的設施布局因素過于全面精細可能導致模型難以求解，甚至無法收斂的情況發生。根據優化算法的實際表現結果，有時需要通過降維、輕量化等手段簡化模型結構或減小問題規模，使布局優化模型能夠在合理的時間內得到可接受的穩定收斂結果。降維方面，布局優化模型考慮的諸多因素之間本身存在著復雜的疊加替代作用，簡化模型參數能夠一定程度上避免模型過早停滯或無法收斂的情況。例如建設成本參數一定程度上可由設施數量和規模等級的約束來代替。將多目標問題進行拆解，通過多步優化實現模型求解也可以有效降低優化模型的復雜度[29]。此外，對需求點、設施點的聚類合并能夠減小OD矩陣的規模，使模型能在合理的時間范圍內得到滿足要求的近似最優解，便于模型在實際規劃場景中推廣和使用。例如，在生活圈設施布局中，將居民個體需求匯聚至社區網格單元，能夠有效減少需求點數量，提升模型求解效率。

綜上所述，精準化的設施布局優化需要關注多元目標導向、設施供需匹配關系和復雜約束條件對設施布局的影響。而在技術實踐上，需要采用數據挖掘方法實現參數提取，采用智能優化算法實現模型求解，具有較高的技術門檻。因此，有必要構建面向公共服務設施布局的規劃支持系統作為技術支撐，以促進模型方法在規劃實踐中的推廣應用。

2 規劃支持系統設計

規劃支持系統為解決復雜公共服務設施布局優化問題搭建了分析問題、建立模型、模擬決策過程和方案的環境。以公共服務設施布局優化思路為理論和方法依據，本文進一步設計面向公共服務設施布局的規劃支持系統，為設施布局優化提供自定義建模、智能化求解、定量化評價的工具支持。

2.1 系統功能需求

（1）時空底座信息的動態接入

一般規劃支持系統需要的城市運行數據以靜態面板數據為主，而面向公共服務設施布局的規劃支持系統還需要接入時空行為數據、開放爬蟲數據等動態數據，以更好地反映居民需求和現有設施布局情況。除了用戶自行上傳相關數據，規劃支持系統也應支持與其他信息平臺、運營商平臺的對接，提供數據調用、數據抓取的腳本，以實現數據資源的自動更新。

（2）設施布局優化的全流程支持

針對公共服務設施布局優化中問題建模、模型求解、方案比選的各個環節設置獨立的功能模塊。每個模塊封裝了針對該環節的模型和算法，為專業分析提供技術支持。為使通用的布局優化模型適用于復雜多樣的實際問題，系統應支持自定義參數功能以實現針對具體情景進行設施布局優化。例如，問題建模模塊應支持模型優化目標數量和權重、約束條件內容和閾值、備選區位來源等參數的自定義設置。

（3）設施布局規劃的多方參與

公共服務設施布局規劃需要讓規劃管理者、城市居民、開發商等多元主體參與到規劃過程中來，從不同參與者提供的信息中獲取知識，增進政策制定的有效性與科學性[30]。通過對不同用戶開放不同的權限，規劃支持系統能夠為促進規劃決策多方參與、規劃接受政府與社會公共監督、社會公眾理解城鄉規劃工作提供新的途徑。

2.2 系統技術架構

面向公共服務設施布局優化的規劃支持系統總體技術架構包含數據層、數據管理層、模型層和應用層（見圖2）。

圖2 公共服務設施布局規劃支持系統技術架構Fig.2 The technical framework of planning support system for allocating public service facilities

（1）數據層

系統應用的數據包括支撐公共服務設施布局優化支持分析的原始數據和由平臺計算運行產出的分析數據。根據數據的實時性和標準化程度，原始數據可分為基礎城市運行數據、時空軌跡數據和其他支持數據3類?；A城市運行數據用于表征城市建設與經濟社會發展現狀，包括土地利用、道路網絡、POI分布等基礎地理信息數據和人口規模、人口結構等社會經濟統計數據。時空軌跡數據如手機信令數據、公交刷卡數據、懸浮車移動軌跡等，用于表征城市居民日?；顒訒r空特征，進而識別居民群體差異化的服務需求。其他支持數據包括一系列難以標準化接入，但對公共設施布局規劃有價值的數據，如依托爬蟲技術采集的打卡評論數據、針對性的調研數據等?；A城市運行數據由規劃部門負責定期更新，而時空軌跡數據等應用性動態數據更新時間則較為靈活，可以根據規劃業務需求進行動態更新。

（2）數據管理層

管理層通過對系統數據集的處理和更新維護，形成公共服務設施布局優化所需的專題數據庫。數據處理的主要步驟包括數據抽取、數據清洗、數據轉換和數據格式化[31]，數據資源維護則包括數據質檢和數據更新兩步。通過數據處理，多源異構的時空數據將被轉換為模型層支持的標準格式數據以支持公共服務設施布局優化分析。質檢通過的數據將匯總加載至專題數據庫，其中地理空間數據庫和時空行為數據庫存儲原始數據的初步處理結果，以備后續分析中調用；供需分析數據庫存儲為確定模型參數進行的數理統計、空間聚類、OD矩陣構建等前置分析結果；設施布局數據庫存儲設施布局方案的空間信息以及相關的方案元數據、指標評價結果、評估報告等內容。

（3）模型層

模型層為公共服務設施布局優化涉及的各個環節提供模型和算法支持，充分利用智能優化算法、數據挖掘算法等前沿技術來解決復雜情景下的布局優化問題。在問題建模環節，系統提供的服務需求分析模型能夠為基于時空大數據的可達性測度和居民行為譜系挖掘提供支持。在模型求解環節，系統為設施布局優化分析提供成熟的優化算法和開放的參數接口，便于規劃師根據具體需要調整參數，建立符合規劃需求的布局優化模型，并借助系統平臺實現模型求解。在方案比選環節，根據規劃政策導向和現實需求，系統提供服務覆蓋度、公平性、財政投入等各項布局效益評價指標的計算模型，并輸出設施布局評價報告，為規劃師和管理者進行設施布局決策提供量化參考。

（4）應用層

應用層是規劃支持系統的前端，支持用戶的在線交互行為并展示后臺分析結果?；谄脚_整合的多源信息和GIS空間分析與可視化技術，系統向用戶提供信息查詢與可視化功能，例如分析單元內的人口規模、人口結構點選查詢，或是居民獲取服務的路徑規劃模擬與可視化。系統的核心功能則是為用戶完成設施布局優化與評估工作提供技術支持，用戶可以在系統中完成需求分析、設施布局優化和方案評估的整體規劃流程。此外，系統還提供了面向公眾的方案公示和群眾意見反饋模塊，以便及時根據居民需求對規劃進行調整，切實踐行以人為本的規劃理念。

2.3 系統應用

根據系統架構和分析流程，筆者設計開發了面向公共服務設施布局優化的規劃支持系統，主要功能界面如圖3所示。以社區文體中心布局為例，利用該系統可以實現居民需求分析、布局優化求解和布局方案對比的功能，提升布局規劃的效率性和科學性（見圖4）。首先根據文體中心的布局要求，篩選城市主干道路進行等間隔采樣作為設施備選點，保證設施的交通便捷性。利用手機信令月度出行記錄，在人口數量分布的基礎上根據人群的社區駐留時間修正需求點的權重值，生成備選點與居民需求點之間的OD矩陣。基于OD矩陣進行設施布局優化，設置設施數量、服務容量限制等信息，使布局方案滿足實際規劃需求，保證設施布局的效率性和公平性。在布局優化模型計算的基礎上，生成方案對比報告，量化對比不同方案的優劣程度，幫助規劃師選擇合適的方案。在設施道路投影點優化的基礎上，綜合考慮周邊設施等因素，將實際設施選址位置選在距道路一定距離的緩沖環內。

圖3 規劃支持系統主要功能界面Fig.3 Main function interface of planning support system

圖4 設施布局優化流程示意圖Fig.4 Flow diagram of facilities allocation optimization

3 總結與討論

公共服務設施布局優化是人民城市建設的重要組成部分，對促進社會公平正義、提升人民生活質量和幸福感具有重要意義。本文面向設施布局科學化、人本化、精準化的發展需求，基于數據增強設計理念，提出公共服務設施布局優化的總體思路，探討面向公共服務設施布局優化的規劃支持系統技術框架設計。筆者所提出的思路和框架為新數據環境下的定量規劃分析提供一條“從理論到模型”“從方法到工具”的可行路徑參考，對城市公共設施專項規劃、社區生活圈設施精準化布局等實踐工作具有一定指導意義。

未來需要進一步研究的方向主要有3方面。一是居民行為特征的挖掘。利用多源時空大數據挖掘居民行為特征，提取居民與設施的交互規律，提高居民需求建模真實性，是布局優化模型設計改進需要深入探索的問題。二是規劃支持系統的研發建設。利用規劃支持系統平臺開展面向不同地區、不同等級、不同類型設施的布局規劃實踐，以驗證本文提出的布局優化模型和規劃支持系統設計思路的有效性。三是完善規劃分析成果對規劃建設的決策支持機制。本文沒有詳細討論數據驅動的分析成果該如何支持人本驅動的設施規劃建設活動，有待未來進一步論證[32]。