《Land Use Policy》：Understanding city dynamics by analyzing investment processes - an integrated formal and semantic approach
编辑推荐：
理解投资-建设过程及其动态对于有效的城市规划至关重要，但这些过程通常复杂且零散。虽然GeoAI的进步提供了强大的新分析工具，但研究城市发展的传统方法面临两个关键局限。首先，它们常常忽略表示发展的过程性特征，将复杂的多阶段项目视为一系列孤立事件。其次，对建设内容
理解投资-建设过程及其动态对于有效的城市规划至关重要，但这些过程通常复杂且零散。虽然GeoAI的进步提供了强大的新分析工具，但研究城市发展的传统方法面临两个关键局限。首先，它们常常忽略表示发展的过程性特征，将复杂的多阶段项目视为一系列孤立事件。其次，对建设内容的分析通常局限于宽泛的形式类别，掩盖了项目间的差异。这导致了方法论上的鸿沟，将项目意图（语义）的分析与其结构（定量属性）的分析分离。为解决这些局限，本研究引入并验证了一种新颖的GeoAI驱动方法论，利用建筑许可数据作为高分辨率代理，对投资-建设过程进行综合分析。通过结合形式（定量）和语义（文本）维度，研究人员的方法提供了对这些动态的全面理解，通过对波兰弗罗茨瓦夫2006–2023年间发放的超过6万份建筑许可的广泛分析进行了验证。核心方法论包含三个主要贡献。首先，在使用图分析将单个许可聚合成连贯的投资组件后，研究人员引入了投资复杂度指数（Investment Complexity Index, ICI），这是一种新颖的合成指标，用于量化这些过程的多样性、规模和持续时间。其次，研究人员采用语义聚类（使用BERT）分析许可文本描述，创建了关于建设内容的细致类型学。第三，研究人员对一组综合属性应用定量聚类（使用AHC），以识别这些投资在空间、时间和序列特征方面的结构方式。本研究表明，所提出的综合分析方法结合了定量、语义和复杂度合成度量，比一维方法提供了更丰富、更细致的投资过程图景。这对城市研究和规划实践具有重要意义，提供了更好地理解和城市发展动态管理工具。
**论文解读文章**
**研究背景与问题**
现代城市经历着由多主体在多尺度、多时段实施的多方面且常碎片化的投资过程驱动的持续转型。理解这些转型的动态对于有效规划至关重要，但传统方法存在两大关键不足：一是忽视投资过程的过程性特征，将多阶段项目视为孤立事件，例如将复杂的十年期大学校园扩建简化为许可数量总和；二是形式（定量）分析与语义（文本）分析割裂，前者依赖宽泛的行政分类（如“多户住宅”），后者虽能提取描述性内容却很少与结构特征结合。这导致无法区分简单增量增长区域与产生巨大压力的战略热点。因此，需要一种综合框架来同步结合“是什么”（文本语义）与“如何”（空间时间结构），超越简单计数，实现整体理解。本研究旨在回答：如何集成GeoAI与语义分析来解析建设活动模式？这种综合方法能揭示哪些关于城市发展复杂性的见解？
**研究内容与结论**
研究人员提出并验证了一种基于GeoAI的多步骤分析方法，利用建筑许可数据作为高分辨率代理。通过构建投资复杂度指数（ICI）衡量过程的多样性、规模和持续时间，并并行进行语义聚类（BERT）和定量聚类（AHC），对波兰弗罗茨瓦夫2006–2023年超6万份建筑许可进行综合分析。结果表明：综合方法比单一维度提供了更丰富的过程图景。ICI能有效识别高复杂度热点（如多阶段公共设施和大型住宅项目），语义聚类揭示了许可描述中的12个主题（如线性基础设施、内部安装、行政变更），定量聚类识别出9种发展类型（如短期独立住宅、复杂多阶段公共设施、阶段式多户住宅）。跨分析显示，定量相似的过程可能具有不同的语义构成，例如AHC 1（短期独立住宅）虽以“住宅建设”语义为主，但存在显著语义多样性，暗示其不仅包括郊区扩张，还涵盖填充改造。
**意义与发表**
该研究对城市规划和实践具有重要启示：将行政数据转化为动态监测仪表板，提供更深入的投资活动理解、开发压力管理工具和城市更新政策效果评估手段。论文发表在《Land Use Policy》。
**主要关键技术方法（不超过250字）**
研究人员使用了以下关键技术方法：
1. **图分析**：将建筑许可视为节点，基于空间重叠（≥80%面积重叠）和质心距离（≤100米）建立边，聚合成投资组件。
2. **投资复杂度指数（ICI）**：合成度量，由类型多样性（基于香农熵归一化）、组件规模（许可数量的对数归一化）和持续时间（年份差归一化）的算术平均构成。
3. **语义聚类**：使用预训练的波兰语BERT模型（dkleczek/bert-base-polish-cased-v1）将许可描述转为向量嵌入，再以K-means（k=12）聚类出12个语义主题。
4. **定量聚类**：基于时空、序列和类型特征（如起止年份、持续时间、面积、质心坐标、许可数量、多样性比率、主要投资类型及其比例），使用聚合层次聚类（AHC, k=9）得到9个结构类型。数据来源为弗罗茨瓦夫市政厅2006–2023年的59,388份有效许可。
**研究结果（保留小标题）**
**4.1 投资过程的整体复杂度——投资复杂度指数（ICI）**
通过对ICI的分析，研究人员发现弗罗茨瓦夫的投资活动以低复杂度过程为主，但ICI能有效区分出显著更复杂的项目。最高ICI的10个组件（见图9）关键决定因素是高功能多样性（归一化类型熵0.62–0.80，平均4–6种投资类型）、大尺度（8–104份许可，归一化尺度分量极高）和长持续时间（约12–18年，归一化持续时间分量达最大或接近最大）。ICI的空间分布（图10）显示低复杂度组件主导外围区域，而高复杂度组件在市中心和主要发展走廊形成聚类，表明多层面、长期投资项目集中于更城市化、动态转型的区域。
**4.2 投资过程的语义分析**
通过对许可文本嵌入的K-means聚类（k=12），研究人员识别出12个语义组（BERT簇0–11），解释主题包括：线性基础设施、杂项施工、内部安装与小型改造、许可形式变更、现代化/翻新/重建、建筑扩建与改建、小型安装与小型建筑、住宅建设、小型建筑对象与公用设施工作、杂项简洁描述、内部燃气安装、外部工作/屋顶与阁楼改造。这些簇的空间分布（图11）比定量聚类更分散，因为描述主题（如“行政变更”或“燃气安装”）可能出现在城市不同区域的不同定量类型中。语义分析的优势在于区分定量上相似但实际不同的过程（如“新建”与“外立面翻新”）。
**4.3 结构分析与综合解释**
通过定量聚类（AHC, k=9），研究人员识别出9个具有不同发展特征的投资组件组（表2）。AHC 1（短期独立住宅）主导外围区域，极低ICI（0.080），高度功能同质（99.4%为独立住宅），均持续时间0.8年，反映郊区化模式。AHC 0（复杂多阶段公共/工业过程）平均持续14.3年、36份许可、ICI最高（0.770），集中于市中心，代表大型多阶段项目（如医院、大学校园）。AHC 5（阶段式多户住宅）均持续时间约6年、ICI中等（0.433），驱动因素主要是长期性和多阶段性而非功能多样性，集中于集约化发展区域。基础设施簇（AHC 4技术基础设施和AHC 7交通基础设施）ICI低（0.135和0.130），分别集中在建成区和交通干线附近。工业/仓储簇（AHC 8）分布在城市边缘，ICI中等（0.217）。其他簇（AHC 2、3、6）空间分散。跨聚类分析（图13）显示各定量簇具有不同平均语义轮廓：例如AHC 4以BERT 0（线性基础设施）占57%；AHC 1虽以BERT 7（住宅建设）为主（28%），但语义多样（包含BERT 1杂项施工18%）；AHC 0和AHC 5语义更多样（如AHC 0中BERT 5建筑扩建34%、BERT 3形式变更16%），反映真实复杂过程的不同阶段和修改。
**讨论部分总结**
研究人员评估了方法的有效性：集成定量聚类、语义分析和ICI提供了比任一单独方法更详细的理解。语义分析揭示了定量相似组内的实质差异（如两类“多户住宅”可能是新建或翻新）。ICI作为合成度量补充了聚类，有助于识别需要协调多活动的复杂项目。定量聚类有效区分了不同功能类型，尽管一些簇表现出相似的低复杂度格局。综合视角有助于生成针对性的数据驱动假设，而不是提供确定性标签。方法论局限性包括：源数据质量和描述细节差异可能影响语义分析；组件创建的空间阈值（80%重叠、100米距离）是任意的，但敏感性分析显示参数变化只引起组件数量±5%左右的变化；BERT模型可能难以理解高度专业化的技术-行政语言；可视化中网格聚合可能导致信息丢失；结果解释具有内在模糊性（如AHC 1可能同时包含郊区扩张与填充开发），结果应被视为假设生成工具而非确定分类。未来研究可深化与社会经济因素的关联分析、使用更先进的NLP模型（如针对法律/技术数据训练的模型）、纳入地块所有权数据、进行外部验证（如案例研究或专家咨询），并结合地籍数据、历史卫星影像等区分棕地/绿地开发。
**研究结论（翻译原文）**
正如文献所强调的，城市环境日益增长的复杂性需要能够捕捉其多方面特征的跨学科方法。理解投资过程的多维概况对于制定有效且有目标的城市政策至关重要。标准的规划方法通常依赖宽泛的分类，可能无法捕捉其中的不同动态。例如，一个以大型新绿地为特点的区域（可能由特定AHC簇表征，具有中等ICI但简单的施工语义）将需要不同于另一区域的规划干预措施，后者显示类似数量的活跃许可但ICI轮廓和语义分析表明主导的是现有（可能历史）城市肌理中的众多复杂翻新、改造和阶段式现代化。第二种情景（常指示密集更新或绅士化过程）对发展管理提出了与绿地项目完全不同的挑战和机遇。因此，综合分析方法提供了精确定位所需的关系信息，使公共政策适应城市不同部分所发生过程的具体特征和复杂性。提出的分析方法结合不同视角，有助于城市分析方法的发展，并能支持更明智的数据驱动城市发展管理，更好地回应当前塑造空间的实际过程。这些工具还支持制定更适应真实、动态变化、由人类塑造的城市肌理的土地利用政策。
