（广西自然资源信息中心，广西 南宁市 530023）

地理格网作为基本单元的统计分析模型，在国民经济各领域得到了广泛应用。GIS 研究中将地理格网作为一种与矢量空间数据模型相对应的空间数据表达模型。研究表明，地理格网有助于多尺度地理空间数据的融合，能提高空间分布信息集成效率，减少数据精度损失和资源消耗，在空间统计方面具有很大的优越性[1−4]。

目前，传统的基本统计、城市管理基于行政区划，最小单元是县（区）或者街道等，但这种方法不适应智慧城市、数字城市精细化管理的需求，而地理格网能够根据研究区域和研究内容选择合适的尺度对研究对象进行细化，从而满足城市精细管理的要求[5]。研究小组基于最佳尺度地理格网，对道路分类数据进行密度分析与空间可视化的方法进行探索，旨在通过将已知密度值出现频率最大的尺度作为最佳尺度，进而得到适应路网密度的最佳尺度地理格网。研究小组结合自然间断分类法（Natural breaks）对密度值进行分类分级可视化显示，获取多期道路密度栅格图，从而借此研究城市社会经济交通发展的实际情况，为城市精细化管理提供依据。

1 研究区概况与研究方法

1.1 研究区概况

研究区域为广西桂林市6 城区。研究区城市化精细管理的目标为：保护漓江，促进城市向西发展，拓展旅游业，大力发展路网建设。老城区以旅游发展为主导，优化主干路和次干路环境、构建半小时生活圈，临桂新区以城市西拓为契机加快建立九纵七横交通网络，全市逐步形成“北通南畅、东连西接、内外循环”的城市路网大格局。研究主要数据源为2015−2018 年基础性地理国情监测道路路面分类数据，数据时间节点为每年的6 月30 日。

1.2 研究方法

研究小组调用ArcGIS 空间分析和统计的Arcpy 类函数，首先分析临桂区主要道路网密度出现频率，获取最佳格网尺度，然后将地理格网与道路分类数据叠加分析与统计计算，计算出每个格网内地物类别的面积占比后，获取格网内道路密度，生成多期密度栅格图，最终通过栅格图空间对比和密度值直方图进行道路密度变化情况分析。具体的技术路线如图1 所示。

1.2.1 最佳地理格网生成与叠加分析

地理格网分析最佳尺度确定的原则是既能达到人眼识别的效果，又能平衡地理格网的精度与计算的数据量。以桂林市的发展重点区域临桂区作为分析区域，分别以10 km、1 km、100 m 的尺度分析道路数据密度的最佳尺度[4]。根据临桂区的公路线层数据和行政边界数据，研究小组计算出临桂区主要道路网的密度为0.35（km/km2）。

生成临桂区范围的10 km、1 km、100 m 3 个尺度的格网后，计算出各尺度格网道路密度，汇总统计各尺度格网道路密度的频次。以临桂区主要道路网密度（0.35）出现频率最高的格网作为道路最佳尺度，该区域其他地物类别的密度分析也参照此尺度进行分析（见图2）。

图1 基于最佳尺度地理格网的道路密度分析与空间可视化技术流程图

通过比较图2 临桂区主要道路网密度（0.35）出现频率（图中红圈部分），可以发现100 m 地理格网的临桂区主要道路网密度（0.35）出现频率较大，因此，最终选择100 m 作为整个研究区道路密度分析的地理格网最佳尺度。

最佳尺度确定后，在投影坐标系的框架下利用CreateFishnet_management 函数，输入地理格网的范围和最佳格网尺度。生成最佳的地理格网后，对格网数据的每个要素进行唯一标识赋值，并且用范围数据对格网进行裁切，重新计算裁切后每个格网的投影面积。然后利用Intersect_analysis 函数将同样范围的地理格网数据和道路分类数据进行叠加，获取道路分类数据与格网数据的叠加结果。

1.2.2 地理格网数据的汇总统计与密度栅格数据的生成

图2 不同格网尺度的道路密度统计结果图

叠加数据为道路分类数据与最佳地理格网相交结果，展现了道路分类数据被每个格网分割后的空间形态，且包含了两个数据的所有属性，因此可以将地理格网唯一编码视为标识，利用Statistics_analysis 函数对叠加数据进行分类汇总统计，从而获取道路分类数据在每个地理格网中的面积值。利用字段计算器计算道路分类数据在每个地理格网中的面积占比（即密度值）。最后，将密度值作为灰度值取值依据形成密度栅格数据集。

1.2.3 道路密度的空间可视化

将生成的密度栅格数据集进行符号化。（1）在唯一值字段中选择上述计算所得道路分类数据的密度值字段，并按密度值大小升序排序；（2）采用Jenks 的自然间断分类法（Natural breaks）对密度值进行分类，使组间方差尽可能大，组内方差尽可能小，采样点数为20 000；（3）选择渐变颜色类型输出密度栅格图。

密度栅格图的颜色会按照密度值由大到小显示为由深变浅，类似于热力图的效果，由此在空间上可以直观地将道路密度进行可视化处理。

2 实验结果分析

利用上述研究方法获取研究区的100 m×100 m 最佳地理格网，对道路分类数据进行密度分析，生成密度栅格图。

由密度栅格图可知，随着年份的增加，研究区的道路分布范围在逐渐扩大，整体的道路密度在逐渐增加。根据区域放大图可知，新城区的道路变化较大，新增的支路和岔路更多，同时机场快速路区域等多条道路在密度图上的颜色逐渐加深，这表明其密集程度逐渐增加，而老城区的道路变化较小，处于相对稳定的阶段。

此结果符合研究区的实际情况和客观的认知规律，这说明研究小组通过实验获得的密度图，能够直观地反映研究区主要道路的密度程度空间分布与变化。

将4 个年份地理格网中＞0 的密度值进行直方图统计分析，得到4 个年份的直方图与拟合曲线（见图3）。

由统计直方图可知，研究区的主要道路密度中主要区间的统计值逐年增加，统计值＞1 000 的区间数量亦在逐年增加，这说明研究区的道路密度呈逐年增加的趋势。

通过计算格网中＞0 的密度值的均值与标准差（见表1），可以对上述结果进行验证。表1 中道路密度均值逐年增加，这说明道路密度的整体水平呈现上升趋势，且2018 年与2017 年的均值相差较大，表明这两年的道路密度变化较大。表1 中道路密度标准差逐年变大，这说明道路的分布越来越分散，或者各地方的道路建设程度不一样，导致中心区域的路网密度与郊区的路网密度差距变大。

图3 研究区2015—2018 年研究区地理格网道路密度统计直方图

表1 研究区2015—2018 年研究区地理格网道路密度均值与标准差对比表

为了进一步分析道路密度变化的情况，研究小组计算了变化较大的2017 年与2018年格网道路密度变化量。道路密度变化较大的区域主要有老城区与临桂新区。老城区的道路密度变化主要围绕城区周围的快速路和准快速路，例如环城西二路、绕城快速路等；临桂新区的道路密度变化主要分布在新区内城市道路，围绕九纵七横交通网络展开。密度变化情况表明，此技术方法所得道路密度变化情况能够反映城市交通发展真实情况，当出现道路密度变化未符合预期或者规划设计的情况时，多期监测可以及时调整，从而达到辅助城市精细化管理的目的。

此外，研究小组还将道路密度均值与生产总值、居民消费价格CPI 等部分主要社会经济指标与2016−2018 年的年度变化率曲线进行对比（见图4）。由图4 可知，3 种指标的年度增长率变化情况相似，说明此技术方法所得城市道路的变化趋势与相应年份城市社会经济的发展趋势是一致的。由此可见，研究区城市道路交通的发展与社会经济的发展相适应，能够反映城市发展的趋势。

图4 研究区2016—2018 年研究区道路密度均值与部分主要社会经济指标的年度变化率曲线对比图

3 结 语

研究小组将已有资料所得的道路密度值作为判定依据，以已知密度值出现频率最大的尺度生成最佳尺度地理格网，对道路分类数据进行叠加分析和汇总统计，并采用自然间断法分类分级的可视化方法获取多期道路密度栅格图。

实验结果表明，研究所得最佳尺度地理格网对道路密度的分布分析符合城市社会经济交通发展的实际情况，能够辅助城市精细化管理。但是，此次研究只针对了单一的道路类别，在后续研究中，可以对城市地表覆盖类别进行全要素的密度分析统计，获取城市房屋建筑、城市绿地、城市内河等管理热点区域的密度空间分布情况，提高辅助决策效用，也可以结合更多经济社会数据对所得结果进行深入对比剖析。