1背景介绍及问题提出1.1背景介绍城市建成环境评价近几年受到广泛关注，是现有城市规划研究者关注的热点问题[1]。目前，城市建成环境评价体系主要从城市空间绩效的角度出发，以高效、集约、公平作为基本的行为规范评估。现有的评价模型侧重城市居民的生活需要，其结果是城市建设和城市管理的重要依据，主要应用在城市规划和城市运行。为了更全面地了解城市建成环境的水平，可以将兴趣点（POI）数据和路网密度数据作为评价指标。兴趣点数据能够反映不同类型设施在城市不同区域的分布情况，路网密度数据可以量化交通可达性[2]。但相关数据具有多维度和高相关性，不方便直接用于城市建成环境的观测和评价。因此，进行因子分析降维非常必要。1.2文献回顾研究者根据不同的角度构建了城市空间建成环境评价指标。部分研究者从宏观视角出发，主要关注城市土地利用和交通网络结构等方面，构建了相应的评价指标[2]。江曼琦[3]从经济、社会和环境方面进行评价指标的构建，以优化城市空间为目标；赵倩等[4]从教育、商业和医疗设施等方面进行评价。此外，有研究者从微观视角出发，主要关注经济建设、基础服务、生态环境和交通等，并构建了相应的评价标准。沈奕等[5]基于社会公平的角度构建了空间服务覆盖度、实际服务范围、空间服务选择性、空间服务公平性和服务质量满意度5项评价指标，着重评价了城市基础教育设施的布局情况。孙斌栋等[6]构建了关于交通的4个评价指标评价城市交通运行效果。随着信息技术的发展，越来越多的研究者开始利用互联网数据评价城市建成环境，例如利用手机信令数据评价城市环境[7]。2数据来源及说明2.1样本数据来源本文选取的数据均来自百度地图开放平台上的POI数据以及观研报告网的路网密度数据。百度地图App是较为完整的地图软件，内容详尽、较完善、可靠性高。POI数据是一种抽象的地理信息系统中的点状数据，泛指一切与人类生活密切相关的地理实体，包含唯一编号、名称、经纬度坐标、地址、所属类别等信息，真实可靠，内容详尽。观研报告网记录了各省的路网密度数据统计表，内容详尽。选取百度地图上的POI数据以及观研报告网的路网密度数据有利于开展研究。本文选取广东省2021年POI数据和路网密度数据作为研究样本，排除其他因素带来的影响。广东地区经济繁荣且市区较多，POI数据以及路网密度数据完整全面，具有分析价值，提供了更多的选择空间，有利于筛选出更好的数据。本文选取了广东省POI数据以及路网密度数据作为研究样本，以各个市区为样本单位，对POI数据进行归纳整理。为了排除地区大小的影响，采用各个指标单位面积内的数量，再剔除缺失、异常的样本，对数据进行标准化后，最终有21组数据可以使用。2.2样本指标选取根据指标选定原则中的相关性、全面性、可比性，选取15个指标因子，即餐饮美食、公司企业、购物消费、交通设施、金融机构、酒店住宿、科教文化、旅游景点、汽车相关、商务住宅、生活服务、休闲娱乐、医疗保健、运动健身、路网密度。2.3描述性分析通过15个变量的箱线图进行描述性分析，大部分变量的分布都较集中，没有非常极端的异常值。3模型的建立3.1因子分析模型的选择与建立3.1.1适当性检验检验原始数据是否适合进行因子分析，KMO样本测度可以检验变量间的偏相关性。KMO=(∑i,jr2-∑i,jr2n)(∑i,jr2-∑i,jr2n+∑i,jε2) （1）式中：∑i,jr2——各个变量之间的相关系数平方和；∑i,jε2——各个变量的误差平方和。进行Bartlett球形检验，判断相关矩阵是否是单位阵，即各变量是否有较强的相关性。结果显示KMO=0.680.5；Bartlett球形检验小于0.05，表明原始数据基本适用于因子分析。对上述15个指标进行相关程度检验：r=∑i=1n(xi-x¯)(yi-y¯)∑i=1n(xi-x¯)2⋅∑i=1n(yi-y¯)2 （2）指标相关性检验结果如图1所示。10.19301/j.cnki.zncs.2024.01.021.F001图1指标相关性检验结果认为指标间相关系数大于0.6即为具有较强的相关性。由图1可知，可以发现大多数变量之间的相关系数都在0.3~0.9之间，可以认为变量适用因子分析进行降维。3.1.2因子分析进行公共因子提取利用碎石图进行因子个数的选择，发现因子个数为2个时，对总体方差的贡献率已达91.5%，说明指标数量的选取有一定合理性，所以选取保留2个因子个数。3.1.3因子旋转变换主因子代表变量不突出，进行公共因子旋转，使旋转后的公共因子具有实际意义。本研究采用极大似然法对因子进行坐标变换，使结果具有可解释性。根据不同变量对于新因子的贡献程度，定义因子A为建成环境因子：A=0.996 09x1+0.973 98x2+0.982 66x3+0.990 93x4+0.988 52x5+0.952 15x6+0.983 54x7+0.944 34x8+0.952 15x9+0.983 54x10+0.944 34x11+0.988 34x12+0.989 28x13+0.998 08x14+0.994 91x15+0.997 56x16+0.982 36x17-0.077 47x18 （3）定义因子B为交通因子：B=-0.034 58x1-0.078 21x2+-0.048 49x3-0.060 53x4-0.019 04x5-0.084 2x6-0.022 724x7-0.038 3x8-0.084 2x9-0.022 72x10-0.038 3x11-0.052 41x12-0.053 78x13-0.051x14-0.050 23x15-0.029 3x16-0.041 07x17+0.996 63x18 （4）3.1.4因子得分因子得分是对不可观测的公共因子做出的估计值，可以综合评价每个指标在不同区之间的差异。计算因子得分：C=R-1L （5）F=ZC （6）式中：C——因子分值系数矩阵；R——相关矩阵；Z——标准化数据；L——因子载荷矩阵；F——因子分值矩阵。3.2模型的解读与评价3.2.1一般建成环境因子得分分析一般建设环境因子在各类设施分布承载系数方面得分较高，最高值为0.958 0，最低值为0.952 2，而在道路网络密度的承载能力上得分较低，结果表明该因素主要反映了不同区域基础设施建设水平的差异。各市得分如表1所示。10.19301/j.cnki.zncs.2024.01.021.T001表1各市得分省份得分省份得分深圳市3.057 3肇庆市-0.484 8东莞市1.703 0潮州市-0.504 3江门市0.577 4茂名市-0.523 0广州市0.542 5湛江市-0.570 6中山市0.531 0河源市-0.589 4佛山市0.451 5阳江市-0.592 7汕头市0.234 3韶关市-0.599 7珠海市-0.127 1清远市-0.608 3惠州市-0.219 6梅州市-0.699 7汕尾市-0.384 3云浮市-0.712 4揭阳市-0.481 2由于城市中心区域的基础设施建设早于城市外部及周边地区，中心区域的建设程度更高，因此基础设施的空间密度较高。高得分的区域主要分布在城市中心地带。计算结果表明，广东省沿海中心区域的一般建设环境因素获得最高分数，如深圳和东莞等城市。一般建设环境因子得分热力如图2所示。10.19301/j.cnki.zncs.2024.01.021.F002图2一般建成环境因子得分热力由图2可知，该因子得分总体上从中心区域往外逐渐递减，从沿海往内陆逐渐减少。相对得分较低的地区通常位于城市外部及周边区域，且具有相邻关系，如云浮和梅州等城市，与周边区域的得分都较低。3.2.2交通因子得分分析交通因子得分热力如图3所示。10.19301/j.cnki.zncs.2024.01.021.F003图3交通因子得分热力交通因子在路网密度具有较大的载荷系数，为0.996 6，而在其他变量指标的载荷系数均在0.5以下，说明该因子能够较好地反映不同区域交通可达性的差异。计算结果表明，与一般建成环境因子相比，该因素具有更明显的区域特征。周边地区具有更大的道路网络密度和更好的交通条件，例如得分较高的江门市拥有发达的道路网络和密度较高的地铁线布局。从交通因子得分可以看出，珠海市的交通还需要提高，与2022年初广东省珠海市新出的规划相符合，表明研究模型具有可行性。3.2.3模型的评价模型优点：使用该模型进行分析操作简单，可视化较好，且结果符合实际。模型缺点：模型的适用性较低，只能对广东省的情况进行较为准确的分析；由于搜集的数据只有15个指标，对于评估城市建成环境还存在片面性。4结语信息技术的发展带来了海量的多维数据，为了观察城市建成环境，为城市规划提供建议，本文利用兴趣点数据以及路网密度数据，以广东省为例，通过因子分析法抽取关键因子对城市建成环境进行评价。但研究还存在不足，本文所建立的模型适用范围较小，指标过少，还有待进一步调整。后续研究可以通过搜集更大范围更多指标的数据，建立一个适用于多省的因子分析城市建成环境评价模型，用以给各个城区的发展提供可靠建议。