宿迁绿道选线规划及指引

 

 

将上述模拟结果反馈到规划分析中，构建绿道体系规划图（图10）。具体选线原则包括：

 

1）以居民出行模拟分析结果为依据，提取频次较高线路为绿道选线的基本依据；

 

2）绿道选线应尽可能串联中心城区相关游憩资源，包括自然生态、休闲游憩、历史文化等资源；

 

3）尽可能避开阻碍绿道的空间，如高速公路、快速路等；

 

4）考虑到中心城区水系密集的现状，尽量串联滨水空间。

 

至此，研究完成了绿道选线从数据分析、模型训练、规律验证及路径模拟的过程，提出绿道智能选线规划方法，支撑中心城区绿道体系规划研究。

 

 

最终确定的绿道选线由东向西衔接了中运河和古黄河两条重要水系，串联了三台山森林公园、湖滨公园、项王故里、虞姬公园、雪枫公园、东关口历史文化公园等资源点，同时结合了周边公共空间、文旅空间，形成绿道与其他空间的融合（图10）。

绿道连接蔡集镇、耿车镇，与环湖大道、环骆马湖、西楚大道、南京路及多条道路相连通，具备较好的游憩可达性。依据绿道智能选线方法确定的绿道选线布局，基本实现了智能化分析与空间布局效果的协调，达到了辅助规划决策的预期目标。

 

后续规划通过绿道与公园绿地、公共开放空间的综合分析，采取以“拓绿纳新、慢行联通”的提升策略，构建功能更加全面的绿道体系，并进一步加强与相关规划、近期中心城区重点工程建设计划等的衔接，梳理绿道建设、公园、休闲游憩项目等内容，形成重点项目库，整体推进绿道规划和建设。

 

6结语

 

本研究整合多源数据，分析居民真实出行的时空特征，测度绿道选线的影响要素，构建绿道选线的人工智能分析路线，提出一种中心城区绿道智能选线方法，即结合LSTM神经网络、类A*算法等构建绿道智能选线，进而确定绿道选线布局的方法。

该方法有别于传统的基于指标体系综合评估的分析方法，从人本视角构建人工智能分析框架，将居民真实活动轨迹融入空间要素分析中，融合居民出行行为特征与街道环境要素，借助基于人工智能的量化评估方法，为绿道选线规划和建设提供指导。

 

本研究提出的绿道选线规划方法，需借助已有居民绿道活动轨迹进行规律分析，适用于中心城区特别是老城区绿道选线规划，对于新区及大区域尺度的绿道分析方法，有待于未来进一步研究。

在指标代表性和数据校核方面，本研究借鉴5D理论提取绿道影响指标，其代表性有待进一步验证，且通过街景图像、POI数据分析街道特征所得到的数据需要与传统调查数据进行校核。

在数据收集和整理方面，后续研究将通过对市民的意见采集，生成初步权重并与现有数据进行比对矫正，对数据与现实之间的复杂关联性做进一步的阐释。在研究方法方面，本研究LSTM神经网络模型采用的是单变量输入，后续应考虑不同变量的相互影响，进一步优化模型。

除采用人工智能方法对绿道选线进行模拟，仍需考虑智能选线背后的限制因素、影响机制，后续将继续深化数据收集和处理方法，采用“大数据+小数据”整合性方法，一方面结合现场调研对居民轨迹进一步挖掘分析，另一方面对不同地区绿道智能选线进行整体研究，总结绿道智能选线规律，分析背后影响机理。

本研究提出的绿道智能选线方法，除可应用于慢行系统外，可进一步推广到其他线路选线研究，包括通学路、旅游线路等路线研究，以规划更符合真实出行行为的线路，营造以人为中心的城市空间环境。

未来，基于人工智能的规划方法在城市规划和建设领域可进一步推广，延伸到用地布局，公共空间配置等领域，测度不同空间的要素特征，识别其变化规律，进而构建智慧规划方法体系。