建成环境对街道活力的非线性效应——基于XGBoost模型的多源大数据分析

深入认知建成环境对街道活力的影响效应,是街道环境优化与城市更新的基础。但多数研究忽略了二者之间的非线性关系,难以有效指导设计实践。基于多源大数据测度街道活力与建成环境,使用机器学习算法来分析其非线性效应,并针对不同类型街道进行探索。结果表明:1)提升开发强度是促进街道活力的最有效措施;2)建成环境要素对街道活力的影响表现出非线性特征,将其控制在合理范围内,街道活力才会有效提升;3)街道环境要素的综合设置应考虑其交互效应,一个要素的影响会随着另一个要素的变化被放大或缩小;4)老城区、商务片区、工业与区域交通设施周边区域及景观性街道的活力形成机制存在显著差异。相关规律可为街道的精细化设计提供人本尺度的理论参考。

基于L^2范数的高维数据双因素方差分析方法

针对观测样本数小于观测变量个数的高维双因素方差分析问题,本文提出一种基于L^2范数的检验方法.本文将一般线性假设的Wald类型统计量中的样本协方差阵的逆移除,得到新的检验统计量,使用著名的Welch-Satterthwaite卡方近似方法来逼近新检验统计量的零分布,讨论这种卡方近似方法与文献中常用的正态近似方法的关系,并证明新的基于L^2范数的检验方法在几类变换下具有不变性.新检验方法的近似和渐近功效也在本文中得到研究.模拟实验和实际数据应用表明新的方法对高维数据表现出色.