一种影响人口密度的城市公共服务设施建设决策方法

技术领域

本发明涉及城市规划、基础设施、公共服务技术领域，尤其涉及一种影响人口密度的城市公共服务设施建设决策方法。

背景技术

公共服务设施的布局不均或效率低下成为近年来比较突出的一个社会问题。在强调公共服务资源均衡的基础上，城市公共服务设施的投资建设必须适度超前，避免建设滞后和盲目性，所以科学性和合理性是城市基础设施发展规划的重要前提。然而，现存公共服务设施投入大但产出少效率低下，出现闲置低效与地区不足的现象，不利于区域人口提升。尤其是在新城新区建设的过程中，人口数量往往决定了地区发展的长久动力，不同类型基础设施建设对人口密度影响程度不同，对人口吸引效率低的公共服务设施投资建设可能会导致人口密度提升效益不明显，但对人口吸引效率高的公共服务设施投资建设将会最大效率地快速提升人口密度，提高地区活力。

但在实际建设中，长期以来城市公共服务设施的建设决策方法和规划配置标准过于简单，大多以自上而下的规划模式为主，未考虑不同地区差异特征和人口实际需求，且大多以政策性和原则性的定性决策标准为主，对配置类型、规模、等级的定量决策方法相对较少，对公共服务设施的建设类型也并没有太多科学合理的依据，与地区发展需求存在功能不匹配、数量不适合、规模有差距、土地空间结构破碎等现实问题，反而导致很多老城区在城市更新过程中人口下降甚至衰退，很多新城新区难以提升人口密度，很多衰败空间难以激发活力。

城市基础设施投资额度有限，优先在不同地区发展提升人口密度效率高的公共服务设施，将有助于提升城市的公共服务水平和提高承载能力，高效合理安排资金投向，尽可能避免重复建设和无效投入，减少资金浪费，提高使用效率。不同地区的人口数量不同，因此，在不同地区建设不同类型的公共服务设施对人口密度的提升效率不同。公共服务设施建设投资的关键是要发挥好基础性、引导性作用，以促进公共服务供给质量和效率的提升，实现公共利益最大化。所以，要立足于城市或地区的现实情况，以判断公共服务设施的建设类型和投资水平，以促进基础设施建设决策的高效配置、精准实控和有效治理。

总之，现有的城市公共服务设施建设决策方法不能准确反映不同地区和城市的人口需求，未能有效结合公众利益实现规划目标，难以保证公共服务水平和质量的高效发挥，可能造成的后果往往是提供的城市公共资源要么覆盖不足，要么效率低下，更无法满足对处于人口发展不同阶段的城市做针对性的基础设施建设决策的需求。因此，需要一种影响人口密度的城市公共服务设施建设决策方法，针对城市的不同发展阶段和不同公共服务设施类型提出影响人口密度的最优效率模型，通过公共服务资源的优化组合和有效配置获得地区效率提高、人口密度提升，从而实现地区活力逐渐振兴的过程。

发明内容

本发明的目的在于针对现有城市公共服务设施建设决策技术存在的不足，针对不同城市和地区人口发展水平的差异，提供一种影响人口密度的城市公共服务设施建设决策方法，用以准确反映城市中处于不同人口发展水平地区应该优先建设决策的公共服务设施类型，以促进人口密度的提升和公共服设务施配置的使用效率最优，有助于为城市发展进程中活力空间的有序营建、新城人口吸引、衰败空间的规划振兴提供公共服务设施层面的建设决策和高质量发展引导。

为实现上述目的，本发明提供如下技术方案：

一种影响人口密度的城市公共服务设施建设决策方法，包括以下步骤：

1)确定城市的空间范围，通过ArcGIS软件中的数据管理工具中的要素类工具中的创建渔网工具，将城市空间划分为同等边长m的正方形地理网格单元，获得shp文件格式的边长为m的城市地理网格图层。

2)获取评价指标数据：获取城市空间范围内的人口空间分布数据，导入ArcGIS软件中得到人口空间分布数据图层；通过Python程序从网络地图开放平台的应用程序接口(API)获取城市空间范围内的不同类型兴趣点(POI)数据，包括名称、功能类型、纬度、经度等属性信息，导入ArcGIS软件中得到不同类型公共服务设施的兴趣点数据图层。

3)在ArcGIS软件中，以步骤1)边长为m的城市地理网格图层为空间研究对象，在步骤2)获取的数据基础上，进行不同类型公共服务设施点的加和统计。选择所有类型兴趣点密度、不同功能类型的兴趣点密度、以不同功能类型的兴趣点为对象计算得到的功能类型混合度作为城市公共服务设施现状发展水平的三个参数指标，从而得到具有人口空间分布信息和反映城市公共服务设施现状发展水平的三个参数指标信息的城市网格综合图层。

4)以步骤1)的城市空间范围内所有正方形地理网格单元作为样本数据，对地理网格单元内的人口分布数据进行统计，再将其与步骤3)中的所有类型兴趣点密度、不同功能类型的兴趣点密度以及功能类型混合度三个参数指标作一元线性回归分析，用以分析城市不同公共服务设施的密度和功能类型混合度对地区人口密度的影响。对回归分析结果进行判定，回归模型检验不通过的参数指标被舍弃。

5)对步骤4)通过一元线性回归分析检验的公共服务设施参数指标，进一步使用分位数回归模型构建地理网格单元内的人口分布数据与公共服务设施参数指标的相关关系和影响过程，更全面地判断公共服务设施对不同人口发展阶段地区的影响强弱，得到处于不同人口发展水平地区内的不同类型公共服务设施对城市人口的影响水平差异表格，从而最终确定城市处于不同人口发展阶段的地区应该优先建设决策的公共服务设施类型，以促进人口密度提升和设施配置的使用效率最优。

进一步的，所述步骤2)包括：

2.1)确定城市的人口空间分布，具体为城市人口统计数据的空间化计算。在全国分县人口统计数据的基础上，首先，分县级行政单元计算与人口密切相关的土地利用类型、夜间灯光亮度、居民点密度三个指标，建设用地越密集、夜间灯光亮度越强、居民点密度越高的地区权重越高；其次，对这三个指标进行数据标准化处理，保持量纲一致，再计算各县级行政单元的总权重；最后，运用ArcGIS软件中的栅格空间计算，把单位权重上的人口数与三个指标的总权重分布图层相叠加，进行人口空间分布计算，从而得到人口空间分布数据图层。计算公式为：

式中，P’是人口空间化之后的栅格单元值；P为该栅格单元所在的县级行政单元的人口统计值；S’为该栅格单元的土地利用类型、夜间灯光亮度、居民点密度的总权重；S为该栅格单元所在县级行政单元的土地利用类型、夜间灯光亮度、居民点密度的总权重。

2.2)获取城市空间范围内的不同类型兴趣点(POI)数据，具体为不同类型兴趣点(POI)数据的名称、功能类型、纬度、经度等属性信息。兴趣点是指带有属性标签和位置的地理点空间实体，可以反映不同用地单元上的功能分布密度，每一类兴趣点数据可构成空间点集，能够有效反映不同类型公共服务设施在空间维度上的功能混合程度和密度分布。在地图表达中，一个兴趣点数据可代表一栋大厦、一家商铺、一处景点等等。通过Python程序从网络地图开放平台的应用程序接口(API)将城市空间范围内所有类型公共服务设施的兴趣点数据下载存储到csv格式的文件中，数据包括编码、名称、经度、纬度、功能类型等属性信息。再进行坐标转换，通过Python程序将兴趣点数据统一转换为坐标系为WGS84的兴趣点坐标，并将csv格式文件导入到ArcGIS软件中转为shape格式的矢量图层文件，得到不同类型公共服务设施的兴趣点数据图层。

进一步的，所述步骤3)包括：

3.1)在ArcGIS软件中，以步骤1)的城市空间范围内城市地理网格图层作为底图基础，添加步骤2)中的人口空间分布数据图层和不同类型公共服务设施的兴趣点数据图层，在ArcGIS软件中通过空间连接工具将人口空间分布数据和同类型公共服务设施的兴趣点数据属性连接到城市地理网格图层，这样就获得了具有人口属性和公共服务设施属性的城市网格综合图层。

3.2)选择所有类型兴趣点密度、不同功能类型的兴趣点密度、以不同功能类型的兴趣点为对象计算得到的功能类型混合度作为城市公共服务设施现状发展水平的三个参数指标。其中，兴趣点密度和功能类型混合度的计算公式如下：

式中，D

3.3)在步骤3.1)城市网格综合图层中，将步骤3.2)计算得到的所有城市地理网格单元的城市公共服务设施现状发展水平的三个参数指标赋值到城市网格综合图层上，通过网格的同一编号进行空间属性连接，从而得到具有人口空间分布信息和反映城市公共服务设施现状发展水平的三个参数指标信息的城市网格综合图层。

进一步的，所述步骤4)包括：

4.1)将ArcGIS软件中的城市网格综合图层的属性表导出为dbf格式文件，导入到Excel软件中，对人口空间分布数据与反映城市公共服务设施现状发展水平的三个参数指标分别进行基于最小二乘法的线性回归分析，通过Excel数据菜单栏中的数据分析工具里的回归工具，依次选定人口空间分布数据为Y坐标，选定三个参数指标为X坐标，得到回归分析结果。

4.2)对回归分析结果进行判定。若回归系数的显著性检验F值高于F临界值，则说明回归模型检验通过，反之，则不通过，可以舍弃掉该参数指标。若参数的回归系数P值低于0.05，则表示回归模型在95％置信度水平上显著，若参数的回归系数P值低于0.01，则表示回归模型在99％置信度水平上显著，若参数的回归系数P值低于0.001，则表示回归模型在99.9％置信度水平上显著，若参数的回归系数P值高于0.05，则可以舍弃掉该参数指标，表明该参数对人口密度的影响显著性不高。结果中，回归模型拟合优度R

进一步的，所述步骤5)包括：

5.1)将步骤4)中检验通过的公共服务设施参数指标提取出来，导入到SPSS软件中，进一步使用分位数回归分析构建地理网格单元内的人口空间分布数据与公共服务设施参数指标的相关关系和影响过程。由于最小二乘法回归分析模型无法分析不同类型公共服务设施对不同程度的人口密度影响趋势及水平情况，而分位数回归模型对于异常值、因变量正态性和异方差等问题具有很强的稳健性，所以在分位数回归模型中将地区的人口发展水平拆分成多分位点，研究不同分位数状态下公共服务设施参数指标对人口发展水平影响程度的差异，回归系数若呈现显著性，则说明可以判定两个要素间的正向或逆向相关关系。其标准形式为：

Q

式中，Q

5.2)首先，根据分位数对地区人口发展水平划分等级，例如划分为五个等级：分位点不高于0.15时，地理网格单元属于极低人口发展水平地区；分位点为0.25和0.35时，属于低人口发展水平地区；分位点为0.45、0.55和0.65时，属于中度人口发展水平地区；分位点为0.75和0.85时，属于高人口发展水平地区；分位点高于0.85的地区被认定为极高人口发展水平地区。根据等级分类方式对步骤5.1)获得的分位数回归结果表格进行合并整理。

5.3)根据步骤5.1)获得的分位数回归结果表格，对公共服务设施参数指标的各段分位数的系数值在SPSS软件中绘制散点图，根据散点图的变化情况在不同人口发展水平地区对应的分位点处进行整体规律标注。首先，对人口发展水平有负向抑制作用的分位点表格背景标为灰色，则未标注的表格是对人口发展水平有正向提升作用的分位点。如果在该等级的人口发展水平地区系数值持续上升，则用↑符号表示，说明公共服务设施在该地区的投资建设有利于人口密度，并且这一吸引效果也在逐渐提高；如果在该等级的人口发展水平地区系数值持续下降，则用↓符号表示，说明公共服务设施在该地区的投资建设对人口密度的提升作用在逐渐下降；如果在该等级的人口发展水平地区系数值变化不明显，则用-符号表示，说明公共服务设施在该地区的投资建设对人口影响变化不明显；如果在该等级的人口发展水平地区系数值变化处于忽高忽低波动的情况，则用～符号表示，说明公共服务设施在该地区的投资建设对人口密度的影响处于波动状态，难以得出明确结论；如果在该等级的人口发展水平地区系数值达到所有分位点系数中的最大值，则用*符号表示，说明公共服务设施在该地区的投资建设对人口密度提升程度最大，在该地区建设决策该种公共服务设施效率最高，应该优先配置。由此，获得处于不同人口发展水平地区内的不同类型公共服务设施对城市人口的影响水平差异表格，该表格可指导城市公共服务设施建设决策，以实现配置公服设施的高效率，快速提高城市人口发展。

采用本发明所提供的上述影响人口密度的城市公共服务设施建设决策方法，具有如下有益效果：

本发明采用人口空间分布数据以及所有类型兴趣点密度、不同功能类型的兴趣点密度、兴趣点的功能类型混合度三个反映城市公共服务设施现状发展水平的参数指标，对城市人口与公共服务设施进行关联分析，分析不同类型公共服务设施开发建设对不同人口发展水平地区的人口影响趋势情况，弥补了现有城市公共服务设施在建设决策过程中对地区人口现状的忽视和对城市不同地区、不同类型基础设施过程性关联分析的综合考虑，能够快速高效地确定处于不同人口发展阶段的地区应该优先建设决策的公共服务设施类型，以促进人口密度提升和设施配置的使用效率最优。

本发明技术方案可直接应用于不同尺度地理单元的城市空间公共服务设施的系统决策，获得处于不同人口发展水平的地理单元基础设施最优配置类型，并了解不同类型公共服务设施在该地理单元内建设决策对人口密度产生的正负及强弱影响，政府或企业可以以此来判断需要优先建设何种公共服务设施，以满足处于不同人口发展水平地区的现实需要和最大化投入-产出效率，有助于推动城市公共服务设施的合理、精准且高效地开发建设，促进公共服务设施的功能匹配、数量适合、规模得当，实现公共服务供给质量和效率的最大化。尤其是对新城新区的人口密度提升、老城区的人口衰退和收缩城市的振兴提供一种影响人口密度的城市公共服务设施建设决策依据，并有助于在公共服务设施方面为政府高效管理、企业开发投资、政企合作建设等提供多属性决策基础。

附图说明

图1是本发明提供的一种影响人口密度的城市公共服务设施建设决策方法的流程框图。

图2是本发明实施例的北京市地理网格综合图层图(颜色越深的网格密度或混合度越高)。

图3是本发明实施例的北京市处于不同人口发展水平地区内的不同类型公共服务设施对城市人口的影响水平差异表格图。

具体实施方式

下面结合附图，通过实施例对本发明的技术方案作进一步详细的说明。

本发明提供一种影响人口密度的城市公共服务设施建设决策方法，能够解决现有技术中城市公共服务设施的建设决策对地区人口现状的忽视和对城市不同地区、不同类型基础设施过程性关联分析的缺陷，能够快速高效地确定处于不同人口发展阶段的地区应该优先建设决策的公共服务设施类型，以促进人口密度提升和设施配置的使用效率最优。请参阅图1所示的一种影响人口密度的城市公共服务设施建设决策方法的流程，以下是该方法的具体实施步骤：

步骤1：以北京市作为空间研究范围，将北京市空间范围划分为726个5km为边长的正方形地理网格单元，导入到ArcGIS软件中创建北京市地理网格图层。

步骤2：获取北京市的评价指标数据，包括人口空间分布数据和不同类型兴趣点数据，具体步骤如下：

步骤2.1：通过2020年《北京市统计年鉴》获取北京市各街道人口数据，将人口统计指标对应于地理空间图层中，得到北京市街道单元的人口统计值栅格数据P。将北京城市建设用地、夜间灯光数据、居民点密度数据分别标准化处理，保持量纲一致，再将权重分别设定为0.3，0.3，0.4，以此来进行栅格空间叠加计算，得到土地利用类型、夜间灯光亮度、居民点密度的总权重栅格数据S′，对北京市街道单元的土地利用类型、夜间灯光亮度、居民点密度的总权重进行加和，得到栅格数据S。根据公式：

得到人口空间化之后的栅格数据P’，空间分辨率为250m，即人口空间分布数据图层，能反映北京市人口空间分布的实际情况。

步骤2.2：通过Python程序从开放地图网站——高德地图应用程序接口(https://lbs.amap.com)获取了2019年研究范围内14类兴趣点数据的名称、类型、纬度、经度，共采集到57万兴趣点数据，包括餐饮服务(中餐馆、西餐厅、快餐店、冷饮店等)、风景名胜(公园、广场、景点等)、公共设施(公厕、电话亭等)、公司企业(公司、工厂、企业等)、购物服务(商场、超市、菜市场、综合市场等)、交通设施服务(停车场、火车站、地铁站、码头、机场等)、金融保险服务(银行、证券、保险、财务等)、科教文化服务(博物馆、美术馆、文化宫、学校等)、商务住宅(产业园、住宅区、楼宇等)、生活服务(通讯、邮政、物流、理发等)、体育休闲设施(运动场馆、娱乐场所、影剧院等)、医疗保健服务(医院、诊所等)、政府机关(各级政府及事业单位、各行业协会办公地点等)、住宿服务(宾馆、酒店、旅馆、招待所等)。14类公共服务设施的兴趣点反映了北京市居民的四类活动：居住、工作、交通和游憩。通过Python程序将14类兴趣点数据统一转换为坐标系为WGS84的兴趣点坐标，并将csv格式文件导入到ArcGIS软件中得到北京市不同类型公共服务设施的兴趣点数据图层。

步骤3：以步骤1中726个边长为5km的城市地理网格图层为空间研究对象，在步骤2获取的北京市人口空间分布数据图层和不同类型公共服务设施的兴趣点数据图层基础上，进行不同类型公共服务设施点的加和统计。选择所有类型兴趣点密度、14类兴趣点密度、以14类兴趣点为对象计算得到的兴趣点功能类型混合度作为北京市公共服务设施现状发展水平的三个参数指标，综合获得城市网格综合图层，具体步骤如下：

步骤3.1：将城市地理网格图层分别与北京市人口空间分布数据图层和14类兴趣点数据图层进行相交处理，得到相交后的人口空间分布数据图层和兴趣点数据图层，再根据城市地理网格编号进行分类加和统计，得到不同地理网格单元中人口数量总和以及14类兴趣点的数量总和。

步骤3.2：在城市地理网格图层的属性表中添加17个字段，分别命名为“人口分布”、“所有类型兴趣点密度”、“餐饮服务兴趣点密度”、“风景名胜兴趣点密度”、“公共设施兴趣点密度”、“公司企业兴趣点密度”、“购物服务兴趣点密度”、“交通设施服务兴趣点密度”、“金融保险服务兴趣点密度”、“科教文化服务兴趣点密度”、“商务住宅兴趣点密度”、“生活服务兴趣点密度”、“体育休闲设施兴趣点密度”、“医疗保健服务兴趣点密度”、“政府机关兴趣点密度”、“住宿服务兴趣点密度”、“兴趣点功能类型混合度”。

步骤3.3：对以上17个字段进行计算，“人口分布”即为地理网格单元内人口空间分布数据之和与地理网格单元面积25km

兴趣点功能类型混合度值即为14类兴趣点数量与同类兴趣点数量的对数乘积累加的负数。

步骤3.4：计算得到17个字段，即人口分布和所有类型兴趣点密度、14类兴趣点密度和兴趣点功能类型混合度这三个参数指标，由此得到具有人口空间分布信息和反映城市公共服务设施现状发展水平的三个参数指标信息的城市网格综合图层，通过ArcGIS软件中的可视化工具，通过图层属性中的符号系统，将参数指标的空间分布高低水平以自然间断点分级法分为10段，见图2。

步骤4：以步骤1的北京市726个边长为5km的正方形地理网格单元作为样本，打开城市网格综合图层的属性表，并导出为dbf格式文件，在Excel软件中导入该dbf格式文件，可获得726行样本数据，每一行数据都对应一个地理网格单元的人口空间分布数据与反映城市公共服务设施现状发展水平的三个参数指标，对命名为“人口分布”的数列与命名为“所有类型兴趣点密度”、“兴趣点功能类型混合度”以及14种兴趣点密度的数列做一元线性回归分析，通过Excel数据菜单栏中的数据分析工具里的回归工具，依次选定人口空间分布数据为Y坐标，选定三个参数指标为X坐标，得到回归分析结果。从结果可知，所有参数指标都通过99.9％置信度水平检验，所有参数的系数都为正，且拟合优度R

步骤5：对步骤4中通过一元线性回归分析检验的所有公共服务设施三个参数指标，进一步使用分位数回归模型构建地理网格单元内的人口分布数据与公共服务设施指标的相关关系和影响过程。具体步骤如下：

步骤5.1：将步骤4中具有726行样本数据的Excel文件导入到SPSS软件中，在回归模块中找到分位数回归，对人口空间分布数据与反映城市公共服务设施现状发展水平的三个参数16列指标分别做分位数回归分析，可以获得包括公共服务设施参数指标的回归系数、t统计量和显著性水平的分位数回归表格。

步骤5.2：将北京市分位数取0.05～0.95共计10个分位点，根据分位数对北京市地区人口发展水平划分为五个等级：分位点不高于0.15时，地理网格单元属于极低人口发展水平地区；分位点为0.25和0.35时，属于低人口发展水平地区；分位点为0.45、0.55和0.65时，属于中度人口发展水平地区；分位点为0.75和0.85时，属于高人口发展水平地区；分位点高于0.85的地区被认定为极高人口发展水平地区。根据以上分类方式，将步骤5.1中的分位数回归表格进行进一步合并整理，得到北京市五个等级地区人口发展水平的表格。

步骤5.3：进一步对步骤5.2中的分位数回归表格做标注。对人口发展水平有负向抑制作用的分位点表格背景标为灰色，则未标注的表格则是对人口发展水平有正向提升作用的分位点。如果在该等级的人口发展水平地区系数值持续上升，则用↑符号表示，说明公共服务设施在该地区的投资建设有利于人口密度提升，并且这一吸引效果也在逐渐提高；如果在该等级的人口发展水平地区系数值持续下降，则用↓符号表示，说明公共服务设施在该地区的投资建设对人口密度的提升作用在逐渐下降；如果在该等级的人口发展水平地区系数值变化不明显，则用-符号表示，说明公共服务设施在该地区的投资建设对人口影响变化不明显；如果在该等级的人口发展水平地区系数值变化处于忽高忽低波动的情况，则用～符号表示，说明公共服务设施在该地区的投资建设对人口密度的影响处于波动状态，难以得出明确结论；如果在该等级的人口发展水平地区系数值达到所有分位点系数中的最大值，则用*符号表示，说明公共服务设施在该地区的投资建设对人口密度提升程度最大，在该点建设决策该种公共服务设施效率最高，应该优先配置。

由此，获得处于不同人口发展水平地区内的不同类型公共服务设施对城市人口的影响水平差异表格，见图3。该表格可指导城市公共服务设施建设决策，以实现配置公共服务设施的高效率，快速提高城市人口发展。以图3中的北京市为例，在低人口发展水平地区医疗保健公共服务设施对人口提升的效率最高，在高人口发展水平地区餐饮服务、公司企业、购物服务、交通设施、科教文化服务、体育设施、政府机构和住宿服务的公共服务设施投入对人口密度提升效率最高，在极高人口发展水平地区建设风景名胜、公司企业、商务住宅、生活服务、住宿服务和增高公共服务设施类型的功能混合度则有利于人口密度提升，效果也最明显。

对于不同类型的公共服务设施来说，在中低人口发展水平地区餐饮服务业越密集，活力提升效果越明显，但在极高人口发展水平地区，餐饮服务业的增加会带来过度的人流拥挤，往往影响了人口密度；人口发展水平越高的地方，风景名胜的正向促进效果越明显；在越高等级的人口发展水平地区，公共设施的增多有利于人口密度提升，并在中度人口发展水平地区的正向促进效果最明显，但在极高中低人口发展水平地区修建公共设施对人口提升产生一定程度的负向作用；公司企业、科教文化服务、生活服务设施具有相同的趋势，即人口发展水平越高的地区对人口的正向吸引程度越强；购物服务对人口都有持续的正向促进作用；交通服务设施对极低人口发展水平地区有一定的人口抑制效果，在高人口发展水平地区有较强的正向促进作用；金融保险服务在低、中、高和极高人口发展水平地区都对人口密度产生负向作用，随着地区人口发展水平增高而愈加明显；商务住宅在高人口发展水平地区对人口影响效果类似，住宅楼宇越多人口越强；体育休闲设施对人口影响作用保持一致，在极高人口发展水平以下的地区，体育设施越多人口上升得越快，在极高人口发展水平地区这一正向促进效果有大幅度的下降；医疗保健服务对人口密度有部分促进作用；政府机构数量的增多，对人口有小幅度的抑制效果；住宿服务对中高人口发展水平地区有人口正向的促进作用，但在极低人口发展水平地区对人口起到最高的正向影响效果。

通过以上结果，更全面地判断北京市14类公共服务设施对不同人口发展水平地区的影响强弱，从而最终确定北京市处于不同人口发展阶段的地区，应该优先建设决策的公共服务设施类型，以促进人口密度提升和设施配置的使用效率最优。

以上所述为本发明的具体实施方式，但本发明的保护范围不局限于以上实施方式，对于本领域的技术人员而言，在不脱离本发明的原理和精神的情况下，对这些实施例进行变化、修改、替换、整合和变形仍落入本发明的保护范围内。