城垣杯 · 基于居民情绪价值-住宅用地效率的社区环境优化模型

01 · Research Background

研究背景与意义

当前我国城市发展由增量扩张转向存量挖潜，老旧小区改造、居民幸福感提升成为城市规划的核心议题。

城市空间进入存量规划时代

中国主要城市驱动城市规划下一个30年的主要动力，将会是旧城更新、再开发、重新利用和工业等存量用地改造，上海、北京等大城市正加快存量用地盘活步伐。

老旧小区亟待改造升级

老旧小区由于设计年限存在诸多安全隐患，设计理念跟不上时代。上海政府提出以小区、街区、社区为更新单元，统筹做好区域规划、空间优化、功能转化。

过度城市化影响居民幸福感

城市化发展导致内部发展不平衡、人口密度增加、房价增高等问题。北京、上海等大城市幸福感低于拉萨、合肥等城市，居民"美好生活"期待尚待满足。

国家政策导向人本主义

习近平总书记在党的二十大报告中指出"不断实现人民对美好生活的向往"，要求城市规划将居民幸福感作为核心评价标准，全面提升居住条件与精神文化生活。

02 · Research Objectives

研究目标与拟解决问题

提出基于多源数据支持的住宅用地效率与居民幸福感评价体系，深入研究二者相关性，推动住宅用地渐进式优化。

科学评价低效住宅用地

解决已有评价体系指标散乱、针对性弱的问题，构建社会、经济、生态三维指标体系

精准测度居民幸福感

解决传统情绪测度方式粗放、可研究范围小的难题，采用海量社交媒体文本数据

揭示效率与幸福感相关性

运用先进机器学习模型，深入分析住宅用地效率指标对居民幸福感的影响机制

推动住宅用地渐进式更新

利用模型算法，基于幸福感视角为住宅用地改造优先级提供依据，实现人本主义规划

03 · Study Area

研究区域

选取上海市作为主要研究城市，北京市作为对比验证，覆盖超大城市核心住区场景。

主要研究城市

上海市

研究范围：黄浦区、徐汇区、长宁区、静安区、普陀区、虹口区、杨浦区及浦东新区外环内

基本研究单元：居住小区

6340.5

总面积 km²

2487万

常住人口

16个

下辖区

对比验证城市

北京市

研究范围：市内六区（东城区、西城区、朝阳区、海淀区、丰台区、石景山区）

最终确定 871 个研究单元

16410

总面积 km²

2184万

常住人口

871

研究单元

情绪文本数据

86,445条

北京市

微博文本10,765 条

抖音文本75,680 条

04 · Data Sources

多源数据体系

整合地理空间数据、社交媒体数据、环境监测数据等多类型数据，构建全面的分析基础。

🗺️

SHP 地理数据

来源：百度 API
采集：2023年6月
用途：底图与空间分析

📍

POI 兴趣点数据

来源：高德 API
采集：2023年
用途：设施可达性计算

🏔️

DEM 地形数据

来源：地理空间数据云
采集：2022年8月
用途：空间分析辅助

📱

手机信令数据

来源：手机运营商
精度：Geohash 7位（154m×154m）
用途：邻里活力度测算

🌤️

气象监测数据

来源：中央气象台
采集：2023.01–10
用途：PM2.5、SO₂评估

💬

微博文本数据

来源：weibo.com
采集：2021–2023年
用途：居民情绪分析

🎵

抖音文本数据

来源：douyin.com
采集：2021–2023年
用途：居民情绪分析

🏠

房地产数据

来源：房地产平台
指标：房价、容积率、建成年代
用途：经济效益评价

05 · Methodology

技术路线与研究方法

从指标构建到机器学习解释，形成完整的"数据—评价—分析—解释"方法链。

住宅用地效率指标体系构建

基于文献研究、区域特点及《社区生活圈规划技术指南》《城市居住区规划设计标准》等国家规范，筛选并细化17个效率评价指标，涵盖社会、经济、生态三大效益维度。

文献综述可得性筛选国家标准校验 17个指标

熵权 TOPSIS 法评价用地综合效率

对多类型数据进行空间预处理后，运用熵权法客观确定各指标权重，再通过 TOPSIS 优劣解距离法计算每个住区与理想解的相对贴近度，得出住区综合效率得分，并采用自然断点法分组。

ArcGIS 空间分析熵权法 TOPSIS 模型自然断点分组

百度 NLP 计算居民幸福感得分

爬取微博、抖音签到文本，使用百度 PaddlePaddleNLP 深度学习平台进行情感倾向分类，获得每条文本的正向概率与负向概率，最终以"文本得分 = 正向得分 − 负向得分"汇总计算住区幸福感均值。

文本爬取百度 NLP API PaddlePaddleNLP 空间插值

XGBoost 机器学习回归分析

以住宅用地效率指标为特征、幸福感得分为目标，训练 XGBoost 梯度提升树模型，评估 MAE、RMSE 和 R² 指标，按高/低效率住区分段训练，深入探究效率对幸福感的非线性影响。

XGBoost 梯度提升高/低效率分段 MAE · RMSE · R²

TreeSHAP 可解释性机器学习分析

引入 TreeSHAP（基于博弈论的 SHAP 变体）对 XGBoost 模型进行解释，通过 SHAP 绝对均值排序识别重要指标，通过 SHAP 分布图观察各指标的正负向影响，通过瀑布图（Waterfall Plot）解释单一样本的预测路径。

SHAP TreeSHAP 指标重要性排序 Waterfall Plot

06 · Indicator System

住宅用地效率评价指标体系

从社会、经济、生态三大效益维度构建 17 个要素层指标，覆盖建成环境、服务设施、经济价值与生态质量。

社会效益 Social Benefit（11项）

代码	指标名称	数据来源	计算方法
A1	建成年代	房地产网站	建成年份
A2	人均建筑面积	房地产网站	总建筑面积 / 总户数 × 平均人数
A3	邻里活力度	手机信令数据	工作日内累计手机用户总数，反映内部人流活动强度
A4	交通场站可达性	OSM 路网 + POI	地铁站 1000m 覆盖 + 公交站 1000m 覆盖（二值加和）
A5	公园广场可达性	POI 数据	ArcGIS 服务区分析，1000m 覆盖范围
A6	教育设施可达性	POI 数据	幼儿园 500m + 小学 1000m + 初中 1500m（三值加和）
A7	医疗设施可达性	POI 数据	诊所 500m + 专科医院 1000m + 综合医院 1500m
A8	养老设施可达性	POI 数据	养老院 1500m 覆盖范围
A9	购物设施可达性	POI 数据	商场 / 菜市场 / 生鲜超市 1000m 覆盖
A10	文化设施可达性	POI 数据	文化设施 1500m 覆盖
A11	餐饮设施可达性	POI 数据	生活服务设施 1000m 覆盖

经济效益 Economic Benefit（4项）

代码	指标名称	数据来源	计算方法
B1	容积率	房地产网站	总建筑面积 / 总用地面积
B2	房价	房地产平台	当前房价（元/m²）
B3	物业费	房地产平台	当前物业费（元/m²/月）
B4	房屋闲置率	房地产平台	在售房屋数量 / 房屋总数量

生态效益 Ecological Benefit（2项）

代码	指标名称	数据来源	计算方法
C1	绿化覆盖率	绿地 SHP 数据	内部绿地面积 / 用地总面积
C2	空气污染度	环境监测站数据	ArcGIS 泰森多边形分析，计算最近监测站的空气污染评分

07 · Results

研究结果

从住宅用地效率空间分布、居民幸福感分布到二者相关性机器学习分析，全面呈现研究发现。

社会效益分布

建成年代以 1992–2008 年为主，西侧小区整体较新；人均建筑面积整体偏低，东部和北部相对充裕；活力度偏低的小区占多数，距中心越远活力度相对越高。

设施可达性分布

交通场站可达性自市中心向外围递减；教育、医疗设施基本符合"中心高、四周低"规律，东南侧存在低值集聚；养老设施可达性整体较好，高值集中在西侧和南侧。

经济效益分布

中心区容积率大，向四周递减；房价呈明显梯度，自中心向外递减；西部和南部房屋闲置率高；市中心和交通便利地段闲置率较低。

生态效益分布

绿化率东侧优于西侧，高值主要分布在东南方，中心区及西侧绿化率较低；空气污染东侧低于西侧，中心商业区和交通繁忙区域污染度较高。

TOPSIS 综合效率评价结论

基于熵权 TOPSIS 法耦合17个指标，以自然断点法分组，住区效率分布较为均匀，高效率住区分布在西侧多于东侧，低效率住区在中部偏北、偏西部较为集中。

整体分布特征

幸福感评价得分区间较为集中，整体差异不大。
核心城区幸福感普遍较低，离核心区越远，住区幸福感逐步升高，高值零散分布在核心区外围。

空间规律

幸福感与空间距离核心区的远近呈现明显的梯度规律，内城高密度、高压力环境对居民情绪有负面影响，郊区环境相对宜居。

规划建议

住区建设不需要一味追求价格上的优胜，合理的房价、物业费带来有保障的服务与管理才是居民幸福感的重要保障。

住区效率分布

高效住区集中分布在中环外环周边，呈圈状集中分布。特点：房价较低，但周边医疗、交通设施完善，公园广场等开放空间丰富。

居民幸福感分布

二环三环之间小区幸福感最高，西北侧表现尤为显著。西南侧四环与五环之间有明显幸福感集中偏低区域（推测因城中村分布密集）。

低效住区关键指标

邻里活力度、房价、建成年代、医疗设施可达性、房屋空置率为影响最大的5项指标。
特殊发现：邻里活力度与幸福感呈负相关——北京低效住区居民更倾向安静私密环境。

高效住区关键发现

高效住区中，邻里活力度对预测影响程度最高，且与幸福感呈负相关。推测原因：特大城市社会原子化较为严重，居民更倾向于较为安静私密的场所，过高的邻里活力度可能干扰正常生活。规划建议：注重动静分区和公共性与私密性的划分。

空间分布 · Spatial Distribution

空间分布图

按研究逻辑顺序展示各项效益指标、综合效率与居民幸福感的 GIS 空间分布，上海为主研究城市，北京为对比验证城市。

社会效益 A1 建成年代 · A2 人均建筑面积 · A3 邻里活力度

建成年代以 1992–2008 年为主，西侧更新，南北侧边缘久远；人均建筑面积整体偏低；活力度偏低小区占多数，离中心越远活力度相对越高

社会效益 A4–A11 各类设施可达性

中心区域设施更加齐全；交通场站可达性自市中心向外递减；教育、医疗基本符合中心高四周低规律，东南侧低值集聚

经济效益 B1 容积率 · B2 房价 · B3 物业费 · B4 房屋闲置率

中心区容积率大，向四周递减；房价呈明显梯度；西部和南部闲置率高；市中心和交通便利地段闲置率较低

生态效益 C1 绿化覆盖率 · C2 空气污染度

绿化率东侧优于西侧，高值主要在东南方；空气污染整体东侧低于西侧，中心商业区和交通繁忙区域污染较高

综合效率熵权 TOPSIS 住宅用地综合效率评价结果

基于 17 个指标耦合计算，自然断点法分组。高效率住区分布在西侧多于东侧；低效率住区在中部偏北、偏西集中

幸福感居民幸福感 GIS 空间分布

百度 NLP 情感分析结合 GIS 空间插值。核心区域幸福感普遍较低；离核心区越远，住区幸福感逐步升高

社会效益 A1–A8 社会效益指标（建成年代 / 人均面积 / 活力度 / 交通 / 公园 / 教育 / 医疗 / 养老）

交通场站可达性自市中心向外围递减，以四环为分水岭；教育、医疗基本符合中心高规律；养老设施可达性整体较好

经济效益 & 生态效益 A9–C1（购物 / 文化 / 餐饮 / 容积率 / 房价 / 物业费 / 闲置率 / 绿化）

南部容积率高，西北闲置率高，房价自中心向外递减；绿化率北侧优于南侧

综合效率 TOPSIS 住宅用地综合效率评价结果

高效住区呈圈状集中分布在中环外环周边，具有房价较低、医疗交通设施完善、公园广场等开放空间丰富的特点

幸福感居民幸福感 GIS 空间分布

二环和三环之间幸福感最高，西北侧尤为显著；西南侧四环与五环之间出现明显低值集聚区域（城中村密集带）

08 · Model Performance

模型效果评估

XGBoost 模型在北京市数据集上表现出更佳的拟合效果，模型收敛验证了研究方法的有效性。

上海市（整体）

0.25

MAE（测试集）

平均绝对误差

0.33

RMSE（测试集）

均方根误差

0.38

R²（训练集）

决定系数

北京市（高效率住区）

0.26

MAE（测试集）

平均绝对误差

0.34

RMSE（测试集）

均方根误差

0.23

R²（测试集）

决定系数

09 · Innovation Points

创新点与应用前景

在评价指标、情绪测度方法和相关性分析方法三个维度实现创新突破，具有广泛的实践应用价值。

创新点 01

针对性住宅用地效率评价指标

针对北京市人口流动频繁、居民更关注各类公共服务配套设施的特点定制指标体系，引入手机信令、环境监测站数据等高精度新型大数据进行测度，相比传统研究更具针对性。

创新点 02

广覆盖的居民情绪测度方法

采用可覆盖范围广的海量网络社交文本数据（微博 + 抖音），突破传统问卷调查样本量小、覆盖范围有限的瓶颈，并使用对中文文本语义分析支持良好的百度 PaddlePaddleNLP 模型进行情感判别。

创新点 03

先进的相关性分析方法

摒弃简单的多元线性回归，采用能有效处理中低维数据和回归问题且准确度更高的 XGBoost 模型，并引入 TreeSHAP 模型对其进行可解释性分析，使研究结论更具说服力。

应用前景

🏗️

宏观·住区幸福感预测

用于计划新建住区的选址评估，观测各住区建成后可能给居民带来的幸福感影响，从而选取最佳区位

🔄

中观·老旧住区更新优先级

评估已有住区的幸福感情况，从人本主义视角划分老旧住区更新的优先程度，推动渐进式更新

🎯

微观·针对性更新策略

明确目标城市住区更新时应重点关注的环境或社会要素，打造更具针对性的更新策略

📐

规划·新建住区设计方向

明确目标城市新建住区时最需关注的社会或环境要素，为居住区规划设计提供数据驱动的方向

基于居民情绪价值—住宅用地效率的社区环境优化模型