李 軍，劉舉慶，游 林，俞 艷，張曉盼，董 恒

（1.中國(guó)礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院，北京 100083； 2.寧波時(shí)空數(shù)語(yǔ)信息科技有限公司，浙江 寧波 315101；3.武漢理工大學(xué)資源與環(huán)境工程學(xué)院，湖北 武漢 430070）

1 引言

隨著城市化進(jìn)程的快速推進(jìn)，土地資源日益緊缺，其科學(xué)運(yùn)營(yíng)與優(yōu)化配置是當(dāng)前社會(huì)迫切需要解決的問(wèn)題。雖然中國(guó)國(guó)土幅員遼闊，但適宜工業(yè)化、城鎮(zhèn)化開(kāi)發(fā)的面積不到20%，除去必須保護(hù)的耕地和已有建設(shè)用地，今后可用于建設(shè)開(kāi)發(fā)的面積只有約28萬(wàn)km2[1]，部分城市已經(jīng)出現(xiàn)“無(wú)地可用”的局面[2]。此外，2000—2018年，中國(guó)城市化率水平從不到37%快速增加到59.58%[3]，并且在未來(lái)10～20年，最大的內(nèi)需潛力在城鎮(zhèn)化，土地資源需求缺口巨大。因此，中共“十九大”報(bào)告明確指出，土地作為最基礎(chǔ)的資源，需要對(duì)其進(jìn)行綜合管理與科學(xué)配置，提高土地治理水平，以進(jìn)一步推動(dòng)供給側(cè)結(jié)構(gòu)性改革，推進(jìn)新型城鎮(zhèn)化進(jìn)程[4]。

土地儲(chǔ)備是國(guó)土資源主管部門(mén)為調(diào)控土地市場(chǎng)、促進(jìn)土地資源合理利用，依法取得土地，組織前期開(kāi)發(fā)、儲(chǔ)存以備供應(yīng)的行為[5]，對(duì)科學(xué)運(yùn)營(yíng)土地、優(yōu)化土地資源配置具有重要作用。但由于中國(guó)城市土地儲(chǔ)備制度長(zhǎng)時(shí)期處于“邊運(yùn)作、邊探索，邊總結(jié)、邊推進(jìn)”的發(fā)展階段，當(dāng)前土地儲(chǔ)備工作仍存在一定的問(wèn)題[6]，比如頂層設(shè)計(jì)缺位、信息聯(lián)動(dòng)性弱、決策缺少精準(zhǔn)科學(xué)依據(jù)等[7-9]。針對(duì)此，國(guó)內(nèi)外學(xué)者展開(kāi)大量研究。在決策方法方面，不同學(xué)者分別利用主成分分析、灰色預(yù)測(cè)GM（1，1）、回歸分析、BP神經(jīng)網(wǎng)絡(luò)以及灰色馬爾柯夫等進(jìn)行儲(chǔ)備規(guī)模、供應(yīng)時(shí)機(jī)預(yù)測(cè)及關(guān)聯(lián)要素分析[10-13]；也有學(xué)者通過(guò)建立城市土地儲(chǔ)備潛力評(píng)價(jià)指標(biāo)體系，利用GIS空間分析定量化評(píng)價(jià)指標(biāo)，確定適宜的待儲(chǔ)備地塊[14-15]；利用地理加權(quán)回歸、灰色-Markov預(yù)測(cè)模型、最大熵法、神經(jīng)網(wǎng)絡(luò)等對(duì)未來(lái)土地價(jià)格進(jìn)行預(yù)測(cè)和分析[16-19]。雖然學(xué)者們展開(kāi)一定研究，但大多只是針對(duì)土地儲(chǔ)備業(yè)務(wù)中的某一環(huán)節(jié)，未能形成系統(tǒng)的土地儲(chǔ)備決策體系，無(wú)法提供系列性決策服務(wù)。另外，由于過(guò)去缺乏海量時(shí)空大數(shù)據(jù)的支撐，評(píng)價(jià)指標(biāo)無(wú)法真實(shí)刻畫(huà)現(xiàn)實(shí)發(fā)展?fàn)顩r，難以滿足當(dāng)下對(duì)評(píng)估與預(yù)測(cè)結(jié)果的高精度要求。在信息化時(shí)代，有學(xué)者嘗試設(shè)計(jì)并實(shí)現(xiàn)了土地儲(chǔ)備交易信息系統(tǒng)，主要提供基本空間分析工具、土地資源數(shù)據(jù)管理、儲(chǔ)備信息管理及查詢等功能，并探索性地將土地儲(chǔ)備交易流程系統(tǒng)化和信息化[20-23]，少數(shù)學(xué)者嘗試融入一些決策分析功能，如通過(guò)構(gòu)建建設(shè)用地資源潛力評(píng)價(jià)指標(biāo)體系，利用GIS定量分析，對(duì)土地資源潛力進(jìn)行多指標(biāo)綜合評(píng)價(jià)，進(jìn)而實(shí)現(xiàn)儲(chǔ)備對(duì)象篩選和項(xiàng)目選址功能[24]；通過(guò)不同年度征地層疊加（相減）獲取年度總存量用地面積，進(jìn)而利用模糊規(guī)劃方法，預(yù)測(cè)最優(yōu)的土地儲(chǔ)備數(shù)量[25]。不過(guò)現(xiàn)有的系統(tǒng)較為簡(jiǎn)易，功能相對(duì)單一，難以滿足當(dāng)下復(fù)雜的業(yè)務(wù)需求。而由自然資源部垂直向下的土地市場(chǎng)動(dòng)態(tài)監(jiān)測(cè)與監(jiān)管系統(tǒng)（http: //jcjg.mnr.gov.cn/）只是單向的填報(bào)系統(tǒng)，只能簡(jiǎn)單上傳界址點(diǎn)數(shù)據(jù)，并未實(shí)現(xiàn)土地儲(chǔ)備管理、決策功能等一站式支持?？傮w上看，國(guó)內(nèi)外學(xué)者對(duì)土地儲(chǔ)備決策與信息化管理進(jìn)行了積極的探索與發(fā)現(xiàn)，并取得了一定的研究成果，但土地儲(chǔ)備決策方法不成體系，更缺乏系統(tǒng)性的分析及決策服務(wù)支持，無(wú)法有效地為土地管理部門(mén)提供一站式?jīng)Q策支撐。

近年來(lái)，以時(shí)空大數(shù)據(jù)、人工智能、云計(jì)算為基礎(chǔ)的新一輪科技革命和產(chǎn)業(yè)變革方興未艾[26]，時(shí)空大數(shù)據(jù)的產(chǎn)生為現(xiàn)狀精準(zhǔn)刻畫(huà)及個(gè)體行為軌跡分析提供了數(shù)據(jù)基礎(chǔ)，人工智能及云計(jì)算的發(fā)展為時(shí)空大數(shù)據(jù)的挖掘分析提供了技術(shù)支撐，使系統(tǒng)化、科學(xué)化、智能化的政務(wù)決策成為了可能。在土地管理利用方面，劉望保等基于百度位置感知數(shù)據(jù)，通過(guò)隨機(jī)森林方法模擬識(shí)別了廣州市土地利用類(lèi)型[27]；HUANG等利用語(yǔ)義分析、熱點(diǎn)識(shí)別等空間分析方法對(duì)工業(yè)興趣點(diǎn)（POI）進(jìn)行挖掘，分析杭州灣工業(yè)用地的時(shí)空動(dòng)態(tài)變化[28]；PAUDEL等通過(guò)分析空間農(nóng)業(yè)區(qū)、統(tǒng)計(jì)數(shù)據(jù)、人口密度、土壤類(lèi)型等，研究了尼泊爾1970—2010年40年間的農(nóng)業(yè)用地時(shí)空變化[29]；陳珊珊等將時(shí)空大數(shù)據(jù)應(yīng)用到存量土地更新規(guī)劃研究，存量空間資源評(píng)估，更新時(shí)段判斷等[30]；OMRANI等將K-means聚類(lèi)算法集成到Spark高性能計(jì)算環(huán)境下，對(duì)大面積、多個(gè)時(shí)間步長(zhǎng)的土地利用變化進(jìn)行模擬，大大提高計(jì)算效率和準(zhǔn)確率[31]；另外，時(shí)空大數(shù)據(jù)在智能交通、智慧醫(yī)療、智能旅游、城市規(guī)劃等智慧城市建設(shè)方面也被大量應(yīng)用[32]。但以上研究大多集中在土地監(jiān)測(cè)、智慧城市建設(shè)等方面，在土地儲(chǔ)備領(lǐng)域研究較少，因此需要建立一套面向土地儲(chǔ)備的時(shí)空大數(shù)據(jù)挖掘算法，構(gòu)建智能決策支持體系，以促進(jìn)土地儲(chǔ)備科學(xué)智慧決策。

本文針對(duì)土地儲(chǔ)備的業(yè)務(wù)邏輯和需求，以時(shí)空大數(shù)據(jù)為驅(qū)動(dòng)，人工智能為核心，遵循科學(xué)性、實(shí)用性、先進(jìn)性、開(kāi)放性的設(shè)計(jì)原則，提出面向土地儲(chǔ)備的智能決策服務(wù)體系，研究一套面向土地儲(chǔ)備各環(huán)節(jié)的決策方法集，并設(shè)計(jì)智能決策支持平臺(tái)技術(shù)架構(gòu)，重點(diǎn)研究基于Hadoop/Spark的大數(shù)據(jù)處理技術(shù)、多源異構(gòu)數(shù)據(jù)融合技術(shù)、智能決策模型集構(gòu)建等，為土地儲(chǔ)備業(yè)務(wù)全環(huán)節(jié)提供科學(xué)與智能決策服務(wù)。

2 土地儲(chǔ)備智能決策體系設(shè)計(jì)

土地儲(chǔ)備智能決策體系設(shè)計(jì)是在遵循科學(xué)性、實(shí)用性、先進(jìn)性、開(kāi)放性的原則上，充分分析其傳統(tǒng)業(yè)務(wù)流程及決策需求，建立一個(gè)集數(shù)據(jù)資源管理、現(xiàn)狀條件精準(zhǔn)刻畫(huà)、科學(xué)智能決策服務(wù)于一體的科學(xué)化、智能化的決策支持平臺(tái)，為土地儲(chǔ)備決策提供數(shù)據(jù)支撐、分析依據(jù)和決策參考，為土地儲(chǔ)備管理、規(guī)劃提供輔助支持。

2.1 設(shè)計(jì)原則

（1）科學(xué)性。在設(shè)計(jì)土地儲(chǔ)備智能決策體系時(shí)，需要重點(diǎn)研究土地儲(chǔ)備作業(yè)內(nèi)容，以其基本流程和業(yè)務(wù)環(huán)節(jié)為依據(jù)，明確其業(yè)務(wù)所需，切實(shí)能夠解決土地儲(chǔ)備決策所面臨的痛點(diǎn)問(wèn)題；現(xiàn)狀條件評(píng)估需要建立科學(xué)、客觀的評(píng)價(jià)指標(biāo)體系，并采用合理的空間分析定量化方法，確保其評(píng)估結(jié)果精確可信；智能決策支持模型構(gòu)建應(yīng)采用相對(duì)成熟、準(zhǔn)確、智能的技術(shù)方法，保證模型分析及預(yù)測(cè)結(jié)果具有可靠性和科學(xué)性。

（2）實(shí)用性。功能設(shè)計(jì)應(yīng)緊密結(jié)合土地儲(chǔ)備實(shí)際業(yè)務(wù)所需，能夠滿足決策所需，相應(yīng)技術(shù)架構(gòu)應(yīng)具備可實(shí)施性和再現(xiàn)性。體系結(jié)構(gòu)盡可能簡(jiǎn)潔、方便和靈活，既具備反應(yīng)迅速的特點(diǎn)，又便于工作人員進(jìn)行業(yè)務(wù)處理和綜合管理，便于各政府部門(mén)、儲(chǔ)備機(jī)構(gòu)同時(shí)在線分析，了解發(fā)展現(xiàn)狀、規(guī)劃方向及決策信息。

（3）先進(jìn)性。時(shí)空大數(shù)據(jù)的動(dòng)態(tài)更新是保證體系先進(jìn)性的重要基礎(chǔ)，采用定期更新的基礎(chǔ)地理信息、動(dòng)態(tài)產(chǎn)生的業(yè)務(wù)數(shù)據(jù)以及傳感器采集的位置感知數(shù)據(jù)，可以實(shí)現(xiàn)社會(huì)、經(jīng)濟(jì)、自然等要素信息的動(dòng)態(tài)更新；在此基礎(chǔ)上，智能決策模型構(gòu)建方法應(yīng)以人工智能、空間分析等先進(jìn)算法為基本原理，可以實(shí)現(xiàn)自我學(xué)習(xí)和優(yōu)化訓(xùn)練，不斷提高模型精度，而智能決策體系同步進(jìn)行滾動(dòng)更新，以保證智能決策體系的持續(xù)可靠；同時(shí)需要搭建大數(shù)據(jù)處理框架為海量數(shù)據(jù)的彈性存儲(chǔ)和挖掘分析提供計(jì)算引擎。

（4）開(kāi)放性。體系中智能決策支持平臺(tái)技術(shù)架構(gòu)應(yīng)借鑒面向服務(wù)的架構(gòu)（SOA），將評(píng)價(jià)指標(biāo)與模型分開(kāi)處理，構(gòu)建獨(dú)立的評(píng)價(jià)指標(biāo)庫(kù)和模型庫(kù)，擁有低耦合、易拓展、兼容并包的特點(diǎn)，低耦合的特性為后期的維護(hù)和迭代升級(jí)提供方便，隨著土地儲(chǔ)備制度的發(fā)展和需求變化來(lái)增加新的指標(biāo)或構(gòu)建新的評(píng)價(jià)模型，以滿足長(zhǎng)期發(fā)展及各級(jí)地方政府多元化的需求；兼容并包則是可以與現(xiàn)有的國(guó)土資源管理系統(tǒng)以及其他系統(tǒng)之間協(xié)同作業(yè)，提高效率。

2.2 設(shè)計(jì)內(nèi)容

遵循以上設(shè)計(jì)原則，針對(duì)土地儲(chǔ)備工作的痛點(diǎn)問(wèn)題及決策需求，設(shè)計(jì)土地儲(chǔ)備智能決策體系（圖1），主要包括用戶、智能決策平臺(tái)和后端服務(wù)三部分內(nèi)容。用戶是指土地管理部門(mén)和各個(gè)做地主體，負(fù)責(zé)土地儲(chǔ)備工作的整體開(kāi)展。智能決策支持平臺(tái)是提供土地儲(chǔ)備智能決策服務(wù)的統(tǒng)一“門(mén)戶”，通過(guò)Web界面直觀地向用戶提供各項(xiàng)功能模塊，如數(shù)據(jù)資源共享、現(xiàn)狀條件精準(zhǔn)刻畫(huà)及土地儲(chǔ)備智能決策，對(duì)未來(lái)土地儲(chǔ)備總量、結(jié)構(gòu)、布局、時(shí)序的統(tǒng)籌安排提供決策依據(jù)，科學(xué)合理地制定土地儲(chǔ)備計(jì)劃。智能決策支持平臺(tái)后端主要提供數(shù)據(jù)和技術(shù)支撐，通過(guò)集群資源將反映社會(huì)經(jīng)濟(jì)現(xiàn)狀發(fā)展的時(shí)空大數(shù)據(jù)聚合，構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，進(jìn)而利用基于時(shí)空分析、人工智能的決策模型集對(duì)其挖掘分析，將現(xiàn)狀刻畫(huà)數(shù)據(jù)和決策模型分析結(jié)果反饋給智能決策支持平臺(tái)Web端進(jìn)行展示。

根據(jù)土地儲(chǔ)備智能決策體系的整體設(shè)計(jì)，結(jié)合土地儲(chǔ)備各環(huán)節(jié)工作內(nèi)容，包括計(jì)劃編制及儲(chǔ)備實(shí)施，其中計(jì)劃編制是土地儲(chǔ)備工作實(shí)施的重要指導(dǎo)依據(jù)，其基本內(nèi)容包括基礎(chǔ)資料收集，規(guī)劃及現(xiàn)狀分析，分析決策儲(chǔ)備總量、結(jié)構(gòu)、布局、時(shí)序，制定三年滾動(dòng)計(jì)劃及年度計(jì)劃，而儲(chǔ)備實(shí)施主要是在儲(chǔ)備計(jì)劃的指導(dǎo)下進(jìn)行土地收購(gòu)、平整、入庫(kù)、出讓[33]。計(jì)劃編制是土地管理部門(mén)開(kāi)展的重點(diǎn)內(nèi)容，是土地儲(chǔ)備決策的關(guān)鍵環(huán)節(jié)，基于此，設(shè)計(jì)土地儲(chǔ)備智能決策體系的具體功能（圖2）。

（1）數(shù)據(jù)資源共享。針對(duì)耗時(shí)耗力的基礎(chǔ)資料收集環(huán)節(jié)，設(shè)計(jì)資源目錄功能模塊，將散落在各部門(mén)中的時(shí)空數(shù)據(jù)資源進(jìn)行聚合，構(gòu)建土地儲(chǔ)備數(shù)據(jù)倉(cāng)庫(kù)，主要包括基礎(chǔ)圖層、資源要素圖層、業(yè)務(wù)圖層和輔助決策圖層，涵蓋基礎(chǔ)地理信息、公共專(zhuān)題數(shù)據(jù)、國(guó)土規(guī)劃業(yè)務(wù)數(shù)據(jù)及智能感知大數(shù)據(jù)。倉(cāng)庫(kù)統(tǒng)一提供數(shù)據(jù)資源服務(wù)，包括數(shù)據(jù)可視化、數(shù)據(jù)查詢、數(shù)據(jù)更新、數(shù)據(jù)調(diào)用等，旨在打破“數(shù)據(jù)孤島”，促進(jìn)資源流通。用戶利用整合的各項(xiàng)規(guī)劃數(shù)據(jù)和土地現(xiàn)狀數(shù)據(jù)，能夠全面系統(tǒng)地把控未來(lái)發(fā)展方向，厘清家底。

圖1 土地儲(chǔ)備智能決策體系Fig.1 Land reserve intelligent decision system

圖2 土地儲(chǔ)備智能決策體系功能設(shè)計(jì)Fig.2 Functional design of land reserve intelligent decision system

（2）現(xiàn)狀條件精準(zhǔn)刻畫(huà)?？陀^的現(xiàn)狀條件是土地儲(chǔ)備科學(xué)決策的重要前提，“一切從實(shí)際出發(fā)”同樣對(duì)客觀現(xiàn)狀的重要性做出了強(qiáng)調(diào)。因此，深入了解城市發(fā)展現(xiàn)狀一直是土地儲(chǔ)備部門(mén)在計(jì)劃編制之前開(kāi)展的重要工作。在數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)上，通過(guò)時(shí)空分析對(duì)各地塊的地理區(qū)位條件、社會(huì)經(jīng)濟(jì)狀況等量化分析，提供客觀精準(zhǔn)的現(xiàn)狀信息，方便用戶對(duì)社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r進(jìn)行直觀判讀。主要包括各地塊的人口密度、客流密度、建筑密度、建筑體量、土地產(chǎn)出率、周邊配套情況、已出讓價(jià)格、已收儲(chǔ)成本、環(huán)境景觀品質(zhì)、交通便利程度、人口畫(huà)像等定量化結(jié)果，基本涵蓋自然、社會(huì)、經(jīng)濟(jì)各個(gè)方面。

（3）儲(chǔ)備環(huán)節(jié)智能決策。在弄清現(xiàn)狀條件后，面對(duì)土地儲(chǔ)備三年滾動(dòng)計(jì)劃和年度計(jì)劃各決策環(huán)節(jié)，提供高效便捷、智能化的決策支持，對(duì)土地儲(chǔ)備總量、結(jié)構(gòu)、布局、時(shí)序等方面做出統(tǒng)籌安排。土地儲(chǔ)備智能決策體系包含基于時(shí)空分析、人工智能等技術(shù)的智能決策模型集，其通過(guò)對(duì)多源時(shí)空數(shù)據(jù)的挖掘分析，構(gòu)建土地儲(chǔ)備智能決策專(zhuān)題應(yīng)用模塊，包括存量用地監(jiān)測(cè)、收儲(chǔ)成本預(yù)測(cè)、出讓價(jià)格預(yù)測(cè)、儲(chǔ)備平衡分析、開(kāi)發(fā)時(shí)序建議、相似集聚分析及病態(tài)地塊識(shí)別功能，并利用WebGIS技術(shù)將所有地塊的屬性信息和預(yù)測(cè)結(jié)果統(tǒng)一以地圖的形式展示給用戶，用戶可以通過(guò)其獲取土地收儲(chǔ)規(guī)模、結(jié)構(gòu)、效益、時(shí)序等方面的決策信息。決策專(zhuān)題不僅提供模型解算結(jié)果，還包括各項(xiàng)指標(biāo)依據(jù)，參考的標(biāo)準(zhǔn)，使用數(shù)據(jù)的年限等屬性信息，幫助決策者理解和解釋各項(xiàng)內(nèi)容。以存量用地監(jiān)測(cè)為例，平臺(tái)首先調(diào)用資源目錄中的城鄉(xiāng)規(guī)劃數(shù)據(jù)、建筑面數(shù)據(jù)、常住人口、地塊經(jīng)濟(jì)數(shù)據(jù)、位置感知數(shù)據(jù)、地籍?dāng)?shù)據(jù)、土地利用現(xiàn)狀、違法用地圖斑、供而未用圖斑、農(nóng)村集體確權(quán)結(jié)果等，通過(guò)GIS空間分析，借助集群資源，定量化開(kāi)發(fā)容量、建筑密度、建造時(shí)間、人口密度、土地產(chǎn)出率、客流量等評(píng)價(jià)指標(biāo)，進(jìn)而通過(guò)層次分析法確定指標(biāo)權(quán)重，通過(guò)加權(quán)疊加得到土地利用效率分布圖（區(qū)分用地性質(zhì)），篩選出低效的商業(yè)、居住、工業(yè)類(lèi)型的存量用地，結(jié)合其他類(lèi)型的存量用地，如城中村、違法用地、供而未用土地等，實(shí)現(xiàn)存量用地監(jiān)測(cè)功能。

最后，結(jié)合基本分析工具和管理模塊，將以上基礎(chǔ)數(shù)據(jù)管理功能、空間分析功能、智能決策功能等核心功能集成開(kāi)發(fā)，建立土地儲(chǔ)備智能決策“一張圖”支持平臺(tái)，實(shí)現(xiàn)智能決策體系的工程化應(yīng)用，促進(jìn)相關(guān)部門(mén)協(xié)同作業(yè)，方便管理者統(tǒng)籌安排，并滿足各級(jí)土地儲(chǔ)備機(jī)構(gòu)的決策需求。

3 土地儲(chǔ)備智能決策技術(shù)方法

3.1 技術(shù)架構(gòu)

針對(duì)智能服務(wù)體系的設(shè)計(jì)，土地儲(chǔ)備智能決策支持平臺(tái)整體采用面向服務(wù)的大數(shù)據(jù)挖掘技術(shù)架構(gòu)（圖3）。其中基于Hadoop/Spark大數(shù)據(jù)處理技術(shù)為數(shù)據(jù)處理與模型解算提供存儲(chǔ)和計(jì)算資源支撐，根據(jù)不同的計(jì)算需求合理安排計(jì)算與存儲(chǔ)資源；通過(guò)數(shù)據(jù)融合驅(qū)動(dòng)將多源時(shí)空大數(shù)據(jù)進(jìn)行聚合與集成，構(gòu)建土地儲(chǔ)備專(zhuān)項(xiàng)數(shù)據(jù)倉(cāng)庫(kù)，為下一步的數(shù)據(jù)挖掘分析提供數(shù)據(jù)支撐，進(jìn)而利用人工智能、時(shí)空分析等技術(shù)構(gòu)建智能決策模型集，實(shí)現(xiàn)對(duì)多源時(shí)空大數(shù)據(jù)挖掘分析，并將模型計(jì)算結(jié)果寫(xiě)入數(shù)據(jù)倉(cāng)庫(kù)；最后利用WebGIS技術(shù)實(shí)現(xiàn)對(duì)數(shù)據(jù)資源管理、現(xiàn)狀條件評(píng)估及決策模型的綜合應(yīng)用，實(shí)現(xiàn)時(shí)空環(huán)境下的多源異構(gòu)、大規(guī)模、動(dòng)態(tài)信息資源“一張圖”綜合展示與智能決策專(zhuān)題應(yīng)用，為土地儲(chǔ)備工作開(kāi)展提供智能決策。

3.2 關(guān)鍵技術(shù)

圖3 土地儲(chǔ)備智能決策體系技術(shù)架構(gòu)Fig.3 Technical framework of land reserve intelligent decision-making system

隨著大數(shù)據(jù)分布式處理框架快速發(fā)展，高性能、高并發(fā)計(jì)算能力得到增強(qiáng)，而SVM、神經(jīng)網(wǎng)絡(luò)、聚類(lèi)分析等人工智能算法的興起，為決策模型智能化提供了可能。因此，云計(jì)算、大數(shù)據(jù)、人工智能、GIS等技術(shù)必將成為土地儲(chǔ)備智能決策中的關(guān)鍵技術(shù)方法。

3.2.1 基于Hadoop/Spark的大數(shù)據(jù)處理技術(shù)

面對(duì)海量的時(shí)空數(shù)據(jù)處理，許多大數(shù)據(jù)分布式計(jì)算框架被開(kāi)發(fā)，目前國(guó)內(nèi)外分布式系統(tǒng)大多使用Hadoop系列開(kāi)源系統(tǒng)[34]，但其默認(rèn)支持的MapReduce是一種基于磁盤(pán)的分布式并行計(jì)算模型，僅支持Map和Reduce兩種操作，且處理效率低、不適合迭代運(yùn)算等；研究者們進(jìn)一步開(kāi)發(fā)了基于內(nèi)存運(yùn)算的Spark大數(shù)據(jù)處理引擎，其相比MapReduce運(yùn)行效率提高10～100倍[35]，且兼容Hadoop核心文件系統(tǒng)HDFS，具有高吞吐量的技術(shù)優(yōu)勢(shì)，隨著快速迭代開(kāi)發(fā)，也形成了自己的生態(tài)系統(tǒng)，包括支持SQL查詢的SparkSQL、流式計(jì)算的Streaming等[36]。隨著海量流數(shù)據(jù)的產(chǎn)生，一些流式大數(shù)據(jù)處理框架也應(yīng)運(yùn)而生，如Storm、Samza及Flink，但其主要面向流數(shù)據(jù)的快速處理，目前在數(shù)據(jù)吞吐量、數(shù)據(jù)批處理、社區(qū)活躍度等方面略遜色于Spark[37-38]。

本系統(tǒng)定位面向多源、海量的時(shí)空大數(shù)據(jù)和多樣化的數(shù)據(jù)處理方式，因此采用“Double Win”的Hadoop/Spark框架，集成批處理和流處理兩種計(jì)算模式，以及Hadoop的高吞吐量分布式存儲(chǔ)，Spark的高效內(nèi)存計(jì)算，進(jìn)而建立面向土地儲(chǔ)備管理的大數(shù)據(jù)挖掘資源池，提供多源異構(gòu)大數(shù)據(jù)的融合集成能力及智能決策模型的并行計(jì)算和管理能力。Hadoop中的分布式文件系統(tǒng)HDFS為系統(tǒng)提供海量數(shù)據(jù)存儲(chǔ)資源，具有的高容錯(cuò)、高可靠性、高可擴(kuò)展性、高吞吐率等特征，實(shí)現(xiàn)海量數(shù)據(jù)物理上分布、邏輯上統(tǒng)一；對(duì)于小體量數(shù)據(jù)則采用空間型數(shù)據(jù)庫(kù)，比如PostgreSQL、MongDB等。Spark為系統(tǒng)提供數(shù)據(jù)挖掘計(jì)算引擎，Spark Coro分布式集群計(jì)算框架實(shí)現(xiàn)智能決策模型的并行式計(jì)算，解決模型應(yīng)用多源大數(shù)據(jù)的計(jì)算負(fù)擔(dān)問(wèn)題；流式計(jì)算方法對(duì)實(shí)時(shí)數(shù)據(jù)流進(jìn)行處理和控制，允許程序處理實(shí)時(shí)數(shù)據(jù)，實(shí)現(xiàn)房產(chǎn)實(shí)時(shí)交易數(shù)據(jù)、位置感知數(shù)據(jù)等動(dòng)態(tài)接入與實(shí)時(shí)計(jì)算，保證系統(tǒng)的滾動(dòng)更新與自我學(xué)習(xí)。

3.2.2 多源時(shí)空大數(shù)據(jù)融合

土地儲(chǔ)備時(shí)空大數(shù)據(jù)主要包括基礎(chǔ)地理信息、國(guó)土規(guī)劃業(yè)務(wù)數(shù)據(jù)、公共專(zhuān)題數(shù)據(jù)及智能感知大數(shù)據(jù)（圖4），涵蓋社會(huì)、經(jīng)濟(jì)、人口、環(huán)境各個(gè)方面。其中基礎(chǔ)地理信息、國(guó)土規(guī)劃業(yè)務(wù)數(shù)據(jù)、公共專(zhuān)題數(shù)據(jù)屬于相對(duì)傳統(tǒng)的空間分析數(shù)據(jù)，但其具有高精度，覆蓋面廣的數(shù)據(jù)優(yōu)勢(shì)，是城市管理、重大項(xiàng)目落地、國(guó)土規(guī)劃等工作的重要分析依據(jù)和決策參考；而新興的智能感知數(shù)據(jù)可以實(shí)時(shí)、動(dòng)態(tài)地反映人們的個(gè)體行為軌跡，展現(xiàn)實(shí)時(shí)人口變化，為地塊內(nèi)人口畫(huà)像、OD分析、職住分析、客流分析、時(shí)空聚類(lèi)等現(xiàn)狀條件的精細(xì)刻畫(huà)提供數(shù)據(jù)基礎(chǔ)。

圖4 時(shí)空大數(shù)據(jù)Fig.4 Spatiotemporal big data

多源大數(shù)據(jù)的產(chǎn)生為智能決策分析提供了數(shù)據(jù)支撐，但其多源性、異構(gòu)性、多尺度的特點(diǎn)為數(shù)據(jù)的組織和使用同樣帶了一定的挑戰(zhàn)，如何有效地將多源數(shù)據(jù)融合，并高效地進(jìn)行組織利用是數(shù)據(jù)挖掘與分析的一項(xiàng)基礎(chǔ)性工作。數(shù)據(jù)融合大致分為抽取、轉(zhuǎn)換、清洗、載入及數(shù)據(jù)空間化。數(shù)據(jù)抽取是指從原始的數(shù)據(jù)源中獲取數(shù)據(jù)內(nèi)容，遷移到數(shù)據(jù)倉(cāng)庫(kù)中，以使數(shù)據(jù)倉(cāng)庫(kù)開(kāi)始運(yùn)轉(zhuǎn)，或通過(guò)讀取記錄中包括日期時(shí)間標(biāo)記、相應(yīng)數(shù)據(jù)更新日志等；數(shù)據(jù)轉(zhuǎn)換是對(duì)原始數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理，如坐標(biāo)轉(zhuǎn)換，以符合系統(tǒng)應(yīng)用和進(jìn)一步數(shù)據(jù)挖掘分析的需求；數(shù)據(jù)清洗主要是填充缺失的數(shù)值、光滑噪聲并識(shí)別離群點(diǎn)、糾正數(shù)據(jù)中的不一致，去除“臟數(shù)據(jù)”；數(shù)據(jù)載入是通過(guò)基本轉(zhuǎn)載、追加和更新三種數(shù)據(jù)載入方式，完成數(shù)據(jù)更新。對(duì)于有價(jià)值但無(wú)空間位置坐標(biāo)信息的統(tǒng)計(jì)數(shù)據(jù)，需要對(duì)其進(jìn)行數(shù)據(jù)空間化。數(shù)據(jù)空間化是利用地名地址匹配的技術(shù)方法，將匯聚后的數(shù)據(jù)進(jìn)行時(shí)空定位尋址，如常住人口統(tǒng)計(jì)數(shù)據(jù)、經(jīng)濟(jì)普查數(shù)據(jù)、土地出讓案例等。當(dāng)數(shù)據(jù)不直接含有地名地址時(shí)，需要針對(duì)潛在地址信息或地名基因，利用分詞與數(shù)據(jù)對(duì)比技術(shù)，結(jié)合語(yǔ)義鄰近分析，提取地名地址，實(shí)現(xiàn)精確匹配。

3.2.3 智能決策模型集構(gòu)建

通過(guò)對(duì)土地儲(chǔ)備各環(huán)節(jié)進(jìn)行深入的分析，充分結(jié)合土地儲(chǔ)備相關(guān)部門(mén)面臨的問(wèn)題和需求，建立了一套相對(duì)完備的智能決策理論體系，利用人工智能、時(shí)空分析、知識(shí)建模等技術(shù)構(gòu)建了智能決策模型集（圖5），實(shí)現(xiàn)地塊尺度下的各儲(chǔ)備環(huán)節(jié)的科學(xué)決策。首先利用GIS空間分析，采用多指標(biāo)定量綜合評(píng)價(jià)方法構(gòu)建存量土地監(jiān)測(cè)模型，抓取低效閑置地塊；通過(guò)市場(chǎng)比較法，構(gòu)建收儲(chǔ)成本預(yù)測(cè)模型，對(duì)土地收儲(chǔ)成本進(jìn)行快速精準(zhǔn)預(yù)測(cè)；利用支持向量機(jī)構(gòu)建出讓價(jià)格預(yù)測(cè)模型，預(yù)測(cè)土地出讓價(jià)格，結(jié)合收儲(chǔ)成本預(yù)測(cè)結(jié)果，解決資金平衡問(wèn)題。在此基礎(chǔ)上，利用灰色預(yù)測(cè)、多元統(tǒng)計(jì)構(gòu)建儲(chǔ)備平衡分析模型，對(duì)未來(lái)幾年的收儲(chǔ)規(guī)模進(jìn)行預(yù)測(cè)；利用密度制圖算法、凸包算法和聚類(lèi)算法等建立相似地塊分析模型，識(shí)別潛在大區(qū)塊開(kāi)發(fā)區(qū)域，促進(jìn)規(guī)模開(kāi)發(fā)，防止破碎化問(wèn)題，并構(gòu)建開(kāi)發(fā)難易度評(píng)價(jià)指標(biāo)體系，結(jié)合成本和收益預(yù)測(cè)結(jié)果，建立開(kāi)發(fā)時(shí)序分析模型，明確經(jīng)濟(jì)社會(huì)效益最優(yōu)的開(kāi)發(fā)時(shí)序。通過(guò)位置查詢、沖突檢測(cè)等方法，檢查各做地主體年度計(jì)劃，并提取時(shí)間沖突、與上位規(guī)劃用地性質(zhì)沖突等病態(tài)地塊，最終實(shí)現(xiàn)儲(chǔ)備計(jì)劃的科學(xué)編制。

圖5 土地儲(chǔ)備智能決策模型集Fig.5 Land reserve intelligent decision model set

3.2.4 GIS技術(shù)

時(shí)空大數(shù)據(jù)的兩個(gè)重要特點(diǎn)是同時(shí)具備空間位置和時(shí)間屬性[26]，而GIS技術(shù)具有強(qiáng)大的空間數(shù)據(jù)管理能力、空間分析能力以及基于地圖的可視化能力，能夠?yàn)闀r(shí)空大數(shù)據(jù)的管理和分析提供技術(shù)手段和展示平臺(tái)。目前，隨著計(jì)算機(jī)的快速發(fā)展，GIS技術(shù)正逐漸滲透到各個(gè)領(lǐng)域，尤其在國(guó)土規(guī)劃方面已經(jīng)展開(kāi)了大量應(yīng)用。本文利用GIS空間分析能力對(duì)多源時(shí)空數(shù)據(jù)進(jìn)行挖掘分析，如揭示常住人口空間分布及地塊周邊區(qū)位條件狀況，并以GeoServer、Arcgis for server等地圖服務(wù)引擎進(jìn)行空間數(shù)據(jù)渲染、地圖發(fā)布，將空間分析結(jié)果展示給用戶，提供空間特征專(zhuān)題服務(wù)。

4 應(yīng)用實(shí)例—寧波市土地儲(chǔ)備智能決策支持平臺(tái)

為了驗(yàn)證本文決策體系的科學(xué)性與可行性，選擇寧波市6區(qū)作為研究范圍，依托寧波市積累的大量土地儲(chǔ)備案例、規(guī)劃數(shù)據(jù)及基礎(chǔ)地理信息，根據(jù)其具體業(yè)務(wù)開(kāi)展流程，設(shè)計(jì)了土地儲(chǔ)備智能決策體系，并采用SOA架構(gòu)設(shè)計(jì)搭建了土地儲(chǔ)備智能決策支持平臺(tái)（圖6（a）），系統(tǒng)集成各項(xiàng)管理與決策支持功能。用戶通過(guò)平臺(tái)可以實(shí)現(xiàn)對(duì)數(shù)據(jù)資源的統(tǒng)一管理，對(duì)現(xiàn)狀條件的量化分析，獲取智能決策模型結(jié)果作為決策依據(jù)，以科學(xué)制定土地儲(chǔ)備計(jì)劃。

在智能決策專(zhuān)題模塊，用戶可以實(shí)現(xiàn)各環(huán)節(jié)的科學(xué)高效決策，包括存量低效地塊監(jiān)測(cè)、土地收儲(chǔ)成本、出讓價(jià)格預(yù)測(cè)、收儲(chǔ)規(guī)模和時(shí)機(jī)預(yù)測(cè)、開(kāi)發(fā)時(shí)序與相似性分析及病態(tài)地塊識(shí)別。如圖6（b）為居住用地利用效率分布圖，在此基礎(chǔ)上選出低效閑置的存量建設(shè)用地（圖6（c））進(jìn)行優(yōu)先收儲(chǔ)。

圖6 應(yīng)用實(shí)例Fig.6 Application example

5 結(jié)論與討論

本文以土地儲(chǔ)備具體內(nèi)容及流程為重要依據(jù)，從土地儲(chǔ)備科學(xué)決策需求出發(fā)，以多源時(shí)空大數(shù)據(jù)為基礎(chǔ)，遵循科學(xué)性、實(shí)用性、先進(jìn)性及開(kāi)放性原則，設(shè)計(jì)了土地儲(chǔ)備智能決策體系，針對(duì)土地儲(chǔ)備的每一環(huán)節(jié)進(jìn)行功能設(shè)計(jì)，并集成到土地儲(chǔ)備智能決策支持平臺(tái)，實(shí)現(xiàn)多源時(shí)空大數(shù)據(jù)共享，發(fā)展現(xiàn)狀精準(zhǔn)刻畫(huà)，儲(chǔ)備環(huán)節(jié)智能決策，為土地儲(chǔ)備各環(huán)節(jié)提供科學(xué)決策服務(wù)。在此基礎(chǔ)上，設(shè)計(jì)了土地儲(chǔ)備智能決策體系技術(shù)架構(gòu)，并重點(diǎn)研究了基于Hadoop/Spark的大數(shù)據(jù)處理技術(shù)、多源時(shí)空大數(shù)據(jù)融合技術(shù)、智能決策模型集。解決了海量數(shù)據(jù)存儲(chǔ)和計(jì)算的高性能要求問(wèn)題，并實(shí)現(xiàn)對(duì)集群資源、決策模型、用戶任務(wù)信息化集中管理；并在此基礎(chǔ)上，對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換和清洗等處理，將多源時(shí)空數(shù)據(jù)融合集成，構(gòu)建了土地儲(chǔ)備專(zhuān)題數(shù)據(jù)倉(cāng)庫(kù)，提供數(shù)據(jù)支撐；進(jìn)而利用人工智能、時(shí)空分析等技術(shù)方法，構(gòu)建了智能決策模型集，設(shè)計(jì)了土地儲(chǔ)備智能決策專(zhuān)題模塊，針對(duì)各環(huán)節(jié)提供科學(xué)決策信息，輔助土地管理部門(mén)和做地主體制定各項(xiàng)儲(chǔ)備計(jì)劃，以進(jìn)一步指導(dǎo)實(shí)踐。在以上體系及技術(shù)的研究基礎(chǔ)上，為驗(yàn)證其科學(xué)性及可行性，應(yīng)用于寧波市進(jìn)行實(shí)例驗(yàn)證。結(jié)果表明，本文土地儲(chǔ)備智能決策體系的研究為土地儲(chǔ)備工作的科學(xué)開(kāi)展提供了決策支持，提高了土地儲(chǔ)備的科學(xué)性和運(yùn)作效率，對(duì)促進(jìn)土地資源的科學(xué)運(yùn)營(yíng)與優(yōu)化配置，合理利用有限的土地資源具有一定意義。

通過(guò)本文研究可以發(fā)現(xiàn)，土地儲(chǔ)備智能決策體系本身具有一定的復(fù)雜性和困難度，因此，未來(lái)還有一些工作可以進(jìn)一步開(kāi)展，主要有以下幾個(gè)方面：（1）提高決策模型結(jié)果的準(zhǔn)確性。模型結(jié)果的準(zhǔn)確性對(duì)土地儲(chǔ)備決策與計(jì)劃的制定至關(guān)重要，是下一步研究的重點(diǎn)優(yōu)化內(nèi)容，如存量用地監(jiān)測(cè)模型中的低效用地評(píng)價(jià)，可以考慮進(jìn)一步進(jìn)行關(guān)聯(lián)要素分析，完善土地利用效率評(píng)價(jià)指標(biāo)體系，其關(guān)聯(lián)度也將指導(dǎo)權(quán)重的確定；收儲(chǔ)成本與出讓價(jià)格預(yù)測(cè)模型應(yīng)進(jìn)行精度驗(yàn)證，以已收儲(chǔ)的地塊作為驗(yàn)證依據(jù)，進(jìn)而不斷優(yōu)化模型預(yù)測(cè)精度；開(kāi)發(fā)時(shí)序分析模型是本文提出的核心模型之一，目前研究較少，其具有一定復(fù)雜性，主要體現(xiàn)在因時(shí)序的不同，評(píng)價(jià)指標(biāo)定量化結(jié)果會(huì)跟隨動(dòng)態(tài)變化，結(jié)果也會(huì)千差萬(wàn)別；還有一些零星地塊的高精度抓取等。（2）智能決策體系應(yīng)用需要“因地制宜”。雖然自然資源部在2018年頒發(fā)了新修版《土地儲(chǔ)備管理辦法》，但是各地方經(jīng)濟(jì)狀況、社會(huì)背景存在較大差異，其開(kāi)展模式并不統(tǒng)一。雖然本文提出的決策體系是建立在統(tǒng)一的土地儲(chǔ)備框架下，但還是需要進(jìn)一步結(jié)合自身的業(yè)務(wù)需求來(lái)拓展應(yīng)用，如構(gòu)建新的評(píng)價(jià)指標(biāo)、決策模型等。不過(guò)體系具有開(kāi)放性、易拓展的特點(diǎn)，可以實(shí)現(xiàn)體系應(yīng)用上“因地制宜”。