【ArcGIS】两步移动搜索法

基于直线空间距离的两步移动搜索法（不是道路距离）

【分析原理】两步移动搜索法比较多应用在绿地研究中，这里我们以绿地为例进行解释：

第一步，对于每一块绿地j，给定空间距离阈值d0，便形成一个空间作用域(catchment)；对于落在空间作用域内的每个街道k的人口，利用高斯方程赋以权重，并对这些加权后的人口进行加和，可得到绿地j所有潜在的使用者数量；再将绿地的规模除以所有潜在使用者数量得出供需比率Rj。

式中：Pk是绿地j的空间作用域内(dkj≤d0)街道k的人口数量；dkj是从街道k中心到绿地j中心的空间距离；Sj是绿地j的容纳能力，文中以绿地的面积为代表（比如要是养老院就是床位数）；G(dkj,d0)是考虑到空间摩擦问题的高斯方程，(相比原始模型，引入高斯方程后的模型就是多了这个)，计算方法如公式(2)所示：

第二步，对于每一个街道i，给定空间距离阈值d0，便形成另一个空间作用域，同样对于落在空间作用域内的每块绿地l的供给比率(Rl)利用高斯方程赋以权重，然后对这些加权后的供给比率(Rl)进行加和，便得到每个街道i的绿地可达性Ai。Ai值的大小可以理解为在某领域内城市绿地的人均占有量，单位是㎡/人。

式中：Rl表示街道i的空间作用域内(dil ≤d0)绿地l的供给比率。其他指标说明同公式(1)。显然选择合理的空间距离阈值d0是两步移动搜索法的关键。按照以往经验，人的步行速度为5km/h(肖华斌等, 2009)。一般而言步行者出行的最大心理承受时限不会超过30分钟，那么以5km/h的平均水平，半个小时可到达的距离约为2.5km，因此d0取2.5km为宜。也可以分级（500m、1000m、2000m、2500m这样）

图3与图4是高斯两步移动搜索法的示例。在图3中，以d0为阈值，有1、2、3 三个街道中心点落在了绿地a的空间作用域内。同样在图4中，以d0为阈值，有a、c两个绿地中心点落在了街道2的空间作用域内，根据公式(3)，对a、c高斯方程加权后的供需比率进行累加，便得到了街道2 的绿地可达性。

【数据分析】两种点数据（多对多）

【实验目的】行政区划点图层中的每个城市，到city_area_2015图层中的每个图斑的可达性，其中权重是city_area_2015中不同图斑的面积

通过领域分析，建立多对多的最短直线距离

搜索半径可以自己设置，因为我研究的是全国范围内，研究区域比较大，所以我就设置成50km，如果是某个城市，可以设置成1km

因为输入的是行政区划，所以对应的inputFID就是行政区划点中的不同区域的FID。而nearFID，就是cityarea2015的FID，Distance代表着距离，可以根据GIS的分析工具了解，具体内容如下

在输出的(行政区划县_点_PointDistance2)的属性表中，连接(inputFID_行政区划)属性表的面积和（nearFID_cityarea2015）属性表的面积

计算公式(2)的高斯衰减函数

((math.exp((-1/2)*( !DISTANCE! /50000)*( !DISTANCE! /50000)))-(math.exp(-1/2)))/(1-(math.exp(-1/2)))

计算公式(1)，添加字段【Guss_pk】和【Sum_中心area】。【Guss_Pk】是中心j的空间作用域内(dkj≤d0)行政区划k的面积，即“Guss*行政区划area”计算高斯修正后的行政区划面积。

以NearFID即中心点为汇总字段，汇总【Guss_Pk】字段，得到每个中心点在50km的空间作用域内的行政区划面积。

将汇总输出的表再连接回到“行政区划县_点_PointDistance2”，将值计算至【Sum_行政区划area】字段上来。

.计算Rj，即公式(1)。中心area就是代表中心的面积。

计算公式(3)中高斯修正的绿地供需比Rj。即【Guss*Rj】

以inputID即行政区划点为汇总字段，汇总【Guss_Rj】字段，得到Ai。行政区划点中添加字段Ai，将汇总输出表的Ai的值连接至小区点图层中，并将值计算到Ai中。