控制性详细规划需要给出包括每个地块控制指标的一览表，动辄几百行，这里面有没有不合理的指标？指标整体呈现什么趋势？一行行找，发现潜在问题与特征是比较困难的。Ｒ语言强大的统计绘图功能，可以帮助规划师化繁为简。
以建筑限高分类的容积率箱线图
控制性详细规划的编制需要给出每个地块的各项控制指标，曾经有不少论文讨论控规指标的合理赋值方法，但随着控规编制技术的逐渐成熟与规范，如今已经形成了一些“经验数据”。规划师拿着这些“经验数据”去和政府、规划局，甚至开发商进行各种碰撞、妥协，最终形成“地块指标一览表”。
如果控规范围比较大，“地块指标一览表”可能达到几百行，这里面有没有不合理的赋值？指标整体呈现什么样的趋势？一行一行找，发现其中的潜在问题与特征是个比较困难的工作。R语言只需要两三行代码，就可以将冗长的表格可视化，帮助规划师发现其中的问题与特征。
用三个项目的地块指标一览表做测试，生成以建筑限高区分的容积率箱线图，大致的操作流程如下：
- 清理“地块指标一览表”，修改首行字段名，“容积率”设为Far，“建筑限高”设为Height，其他根据需要修改，另存为UTF-8格式的CSV文件（dkzb.csv）。
- 通常，在R中只需要两行代码：
dkzb <- read.table("filepath/dkzb.csv", header=TRUE, sep=",", encoding="UTF-8")
boxplot(dkzb$Far ~ dkzb$Height)
- 如果限高方式较为复杂，如Example3有上下限同时存在的情况，导入数据后要增加一句对因子变量的排序代卖，之后再绘图：
dkzb$Height <- factor(dkzb$Height, levels=c("6","10",...,"60-80","100","限低150"), ordered=Ture)
短短几行代码，就将建筑高度与容积率几百行的表格（Example1有882行）可视化（结果参见文首图片）。箱线图中部粗线为中位数，方形上下边分别为上下四分位，横线为上下边缘值，圆点为异常值。从可视化结果识别问题与特征，比从表格中识别要容易得多：
- Example1中，建筑高度45米的地块出现容积率普遍低于整体趋势的情况（实为政府主导的文化设施类项目，拟建设地标塔而整体地块高度和容积率不高）；
- Example2中，某个建筑高度18米的地块出现高达7的容积率异常值，笔误很容易被发现，且此例中容积率离散程度较小，控制指标相对较为单一；
- Example3中，高层与超高层建筑部分，建筑高度分级较多，但容积率基本没有变化，限低150米地块容积率仅为2.0，存在潜在问题；
- Example1、2的指标体系较为类似，建筑高度为10档左右，最高容积率在4.0左右；同时两个案例又存在细微差别，如Example1的空间多样性（建筑高度与容积率的组合变化）要大于Example2；
- Example3与前两例差别较大，建筑高度控制有18级之多，最高容积率在2.0左右，整体开发强度明显低于前两例（实为产业区控规）；
这个应用实例没有复杂的公式，只用两、三行代码，就可以帮助检验控规地块建筑高度与容积率指标中的潜在问题，粗略提取整体特征。这只是初步接触Ｒ语言的一个引子，用它还可以进行更为深入的分析并将结果图形化，留待以后再说。
R语言作为功能强大的统计分析、绘图平台，在城市规划领域的应用前景是极为广阔的。虽然R语言的学习曲线稍有些陡峭，但就像20年前城市规划逐渐从手工制图转向计算机（AutoCAD）制图，这些阻力会随着时间的推移变得不再是什么问题，乃至最终成为一种城市规划师的必备技能。
欢迎留言讨论！