研究概述

研究背景

国家"十四五"规划明确提出实施城市更新行动，特别是以老旧小区为载体的住区更新。然而，现有的住区更新实践仍缺乏对更新时序的统筹安排与操作指导。

创新方法

本研究运用PBL-BPNN算法和多源数据构建评价方法，将住区更新敏感度作为更新可能性的度量值，实现更新时序的大规模量化分析。

核心价值

突破传统评价方法主观性强的局限
运用数据挖掘思想和机器学习技术
为住区更新规划和实施提供决策依据

研究方法框架

多源数据融合

  • 街景图像数据（22,204张）
  • 百度慧眼人口位置数据
  • 基础地理信息数据
  • 社会经济数据

PBL-BPNN算法

  • 存在与背景学习模型
  • 反向传播神经网络
  • 单一分类问题优化
  • 更新概率值预测

视觉与情感感知指标

视觉感知指标

绿视率 开放度 围合度 丰富度

情感感知指标

宜人感 安全感 活力感 富足感

研究区域概况

南京中心城区

总面积：约864 km²
住区数量：3,850个
街景图像：22,204张
人口数据：215,536条

区域特征

城市化水平高

具有完善的城市基础设施和公共服务体系

住区类型多元

从新中国初期工人新村到现代高层小区

数据完整性好

开源数据较完整，保证研究的有效性

研究流程

住区更新敏感度评价流程

住区更新敏感度评价流程

评价指标体系

影响因素 评价指标 指标说明
自然条件 高程、坡度 自然地形影响住区更新项目的成本和可行性
建筑信息 建筑年代、层数、房屋均价 体现更新实施的成本难度和住区发展情况
住区现状 用地面积、容积率、绿化率等 决定住区更新的成本、可行性和需求
生活便捷度 教育、医疗、商业、公共空间资源 衡量住区周边公共服务设施的便捷程度
人口分布 工作日人数、周末人数 衡量住区的实际居住人数
视觉感知 绿视率、开放度、围合度、丰富度 由建筑环境的可视特征构成，反映居民生活环境
情感感知 宜人感、安全感、活力感等 居民对住区环境的主观评分

核心研究指标

0.142 2

10折交叉验证RMSE

模型预测精度显著提升

0.750 9

F-score评分

验证集准确性评估

32.78%

准确度提升

相比传统评价方法

研究成果

南京中心城区空间分布特征

南京中心城区住区更新敏感度空间分布

南京中心城区住区更新敏感度空间分布图

空间格局特征

"内部高，外部低，多点散布"的空间格局

高敏感度区域

集中于老城中心

低敏感度区域

分布于外围城区

团簇分布

多点零散分布

关键发现

各片区分布特征

古都片区 754个
铁北片区 199个
河西片区 178个
城南片区 162个

影响因素重要性

对住区更新敏感度评价产生较大影响的6个关键指标：

商业资源
公共空间资源
工作日人数
围合度
丰富度
宜人感

典型住区案例

高更新敏感度

锁金四村

锁金四村

建成时间长，空间品质差，更新紧迫性高

较高更新敏感度

银龙花园

银龙花园

住房商品化改革后建设，需要管理维护

中更新敏感度

仙居华庭

仙居华庭

整体环境较好，可实施针对性微更新

较低更新敏感度

恒辉翡翠花园

恒辉翡翠花园

多层高层结合，建设标准较高

低更新敏感度

万锦熙岸

万锦熙岸

高层住宅为主，建设标准高，近期无需更新

研究意义与价值

理论创新

运用数据挖掘思想和机器学习技术，突破传统更新时序评价方法中主观性较强的局限

方法突破

基于多源数据构建评价指标体系，实现大规模量化分析，提供技术方法支持

实践应用

可作为住区更新规划和实施的决策依据，为住区更新的时序判断提供支持