AIAgent* GIS:服务范围划分——智能体自主完成多类设施的邻近分析与泰森多边形划分
SAPS
在日常的地理空间分析中，我们经常面对这样的问题：居民到最近的公共服务设施有多远？一所学校、一家医院、一处消防站，各自能够服务多大的范围？评估现有设施布局是否合理、规划新增设施应当落在哪里，又应当以什么为依据？这类设施布局评估与服务范围划分问题，通常都从“就近服务”这一基本假设出发，每个位置都视为由空间上距离它最近的设施提供服务。因此，无论问题的形式如何变化，首先要回答的都是同一个基本问题，即分析对象与邻近对象在空间上有多邻近。
传统 GIS 操作中，无论是计算最近距离的邻近分析，还是用泰森多边形划分服务区域，都涉及繁杂的参数设置：处理范围、输出坐标系等环境参数要在环境设置中统一设定；分析对象和邻近对象分别是谁？每一项设置都会直接影响分析结果。更麻烦的是，完成一套完整的邻近分析，往往要先后完成要素选择、分析计算、结果表达等多个环节，整套流程执行下来十分耗费精力。
那么，桌面智能体 WorkBuddy 能否按照"计算每位学生到最近小学的距离""为消防站划分服务范围"这类自然语言指令实现分析？本期，我们将实测 AI Agent 能否完成从距离量算到服务范围划分的完整邻近分析流程。
1
度量到划分
——邻近分析与泰森多边形
在地理空间分析中，设施与居民点、地块、线路之间的邻近关系，是一类最基础的空间关系。邻近分析和泰森多边形，正是度量与运用这种关系的两种基本方法。
邻近分析用于度量分析对象与邻近对象之间的空间邻近关系，计算每个分析对象到最近的邻近对象的最短距离。无论对象的几何类型如何变化——点与点、点与线、面与面，其底层原理都是计算两个几何体之间的最短距离。
泰森多边形则是一种基于“距离均等”几何关系的空间邻近划分，平面上的每个位置都归属到离它最近的那个点，多边形边界上的任何位置，到两侧点要素的距离相等。它的典型应用，是基于空间几何的服务区划定，例如消防站、小学的服务范围。
2
案例介绍：服务范围划分
本次测试继续基于经典 GIS 实习教材最新版《地理信息系统实习教程（第五版）》，围绕其中第 15 章——“邻近分析与泰森多边形”展开。
使用 ArcGIS Pro 3.x 系列软件。
（AI Agent 在完成任务的过程中并不需要实际打开ArcGIS Pro软件，而是通过 ArcPy 代码后台运行操作。）
本期测试主要包括以下几项任务：
1
用邻近分析计算最近距离
（1）为学生分配距离最近的学校
先计算学生离开光明小学的距离，再按距离最近为全体学生分配学校
（2）计算村庄离公交线路的距离
计算各村庄离规划公交线路"连顺路"的距离，按距离远近分级显示
（3）计算工业用地离河道的距离
计算工业地块到指定河段、以及到各自最近河道边界的距离
2
用泰森多边形划分服务范围
（4）划分消防站服务区
用泰森多边形为消防站划分服务区，统计各站的服务面积
（5）划分小学的服务范围
用泰森多边形划分小学的服务范围，与任务 1 的分配结果对照
3
测评实操：具体操作内容
模型配置
本次测试使用腾讯出品的 WorkBuddy，模型设置为 AUTO，采用 craft 模式和默认权限。GIS 环境为 ArcGIS Pro 3.5.3 和 ArcPy 3.5.3。WorkBuddy 通过后台脚本读取工程结构、调用 ArcPy 并保存结果，用户不需要逐项打开工具箱设置参数。
WorkBuddy 模型配置
流程总览
本次测试采用"自然语言任务输入→智能体自动执行"的工作模式，用户仅需向 AI Agent 提供任务目标、数据说明、任务要求、输出要求。不用手动操作 ArcGIS 软件，智能体自主完成全部流程。
提示词设计
1
空间插值
【任务目标】
基于 ArcGIS Pro 工程文件 prex15.aprx，完成学生与学校的距离分析及可视化。
【数据说明】
定位到工程中的 Map1，相关数据位于文件地理数据库中，包括"小学"点图层和"学生"点图层。
【任务要求】
① 选出光明小学，用邻近分析方法计算每位学生到光明小学的直线距离，处理范围设为学生图层的范围；
② 清空选择集，对全体小学重新运行邻近分析，每位学生自动匹配距离最近的小学，并记录是哪所小学；
③ 汇总每所小学分配到的学生人数、最远距离和平均距离；
④ 按小学名称对学生点进行分类着色显示。
【输出要求】
汇总统计导出为 output_step1_summary.csv；分类着色地图导出为 output_step1_4.png，按学术插图标准输出，白色背景，图例置于图外右侧，图面包含比例尺与指北针，分辨率不低于 300 dpi。
结果
智能体自主完成的 11 所小学的分配学生数与距离统计结果
智能体自主完成的学生按最近小学分类着色结果
2
计算村庄离公交线路的距离
【任务目标】
基于 ArcGIS Pro 工程文件 prex15.aprx，完成村庄与道路的距离分析及可视化。
【数据说明】
切换到 Map2，相关数据包括"村庄"点图层和"道路"线图层。
【任务要求】
连顺路计划开通公交线路。选出连顺路，用邻近分析方法计算所有村庄到连顺路的最近距离，处理范围设为所有图层的范围。计算完成后用分级色彩展示距离的远近分布，距离近的村庄用浅色，距离远的用深色，用自然间断点法将距离分成 5 个等级。
【输出要求】
分级色彩地图导出为 output_step2.png，按学术插图标准输出，白色背景，图例置于图外右侧，图面包含比例尺与指北针，分辨率不低于 300 dpi。
结果
智能体自主完成的村庄至连顺路距离分级结果
（自然间断点法，5 级）
3
计算工业用地离河道的距离
【任务目标】
基于 ArcGIS Pro 工程文件 prex15.aprx，完成工业用地的水源距离分析。
【数据说明】
切换到 Map3，"地块"面图层的 LANDUSE 字段标识用地类型，其中 M 为工业用地、E 为河道。
【任务要求】
① 找出工业用地（用地类型包含 M 的地块）并单独作为一个图层；手动选择地图中偏左下方的一段河道，用邻近分析方法计算每个工业地块到这段河道边界的最近距离，处理范围设为所有地块的范围；
② 清空选择集，选出所有河道（用地类型包含 E 的地块），重新运行邻近分析，使每个工业地块自动匹配离自己最近的河道。
【输出要求】
两次距离结果分别导出为csv文件；地图导出为 output_step3.png，按学术插图标准输出，白色背景，图例置于图外右侧，图面包含比例尺与指北针，分辨率不低于 300 dpi。
结果
智能体自主完成的 7 个工业地块到指定河段与各自最近河道的距离（m）
智能体输出的工业用地（红色）与河道（蓝色）分布，深蓝色为分析选定的河段
4
划分消防站服务区
【任务目标】
基于 ArcGIS Pro 工程文件 prex15.aprx，用泰森多边形方法为每个消防站划分服务区域。
【数据说明】
切换到 Map4，相关数据包括"消防站"点图层和"道路"线图层。
【任务要求】
用泰森多边形方法为每个消防站划分服务区域。处理范围设为所有图层的范围，输出坐标系设为当前地图的坐标系。划分完成后，计算每个消防站服务区域的面积，并用不同颜色区分各消防站的服务区。
【输出要求】
服务范围多边形保存到 Default.gdb；面积统计导出为 output_step4_area.csv；地图导出为 output_step4.png，按学术插图标准输出，白色背景，图例置于图外右侧，图面包含比例尺与指北针，分辨率不低于 300 dpi。
结果
智能体输出的 4 个消防站的服务面积
智能体输出的 4 个消防站的泰森多边形服务区
5
划分小学的服务范围
【任务目标】
基于 ArcGIS Pro 工程文件 prex15.aprx，用泰森多边形方法为每所小学划分服务范围，并验证结果。
【数据说明】
切换回 Map1，相关数据为"小学"点图层和"学生"点图层。
【任务要求】
① 用泰森多边形方法为每所小学划分服务范围，处理范围设为所有图层的范围，输出坐标系设为当前地图的坐标系；
② 将服务范围与学生数据进行空间连接，连接时使用"完全在内部"的匹配方式，判断每位学生落在哪所小学的服务范围内；
③ 按所属小学汇总每所小学服务范围内的学生数量，与任务 1 的邻近分析结果进行对比，确认两者一致。
【输出要求】
验证汇总导出为 output_step5_summary.csv；地图导出为 output_step5.png，按学术插图标准输出，白色背景，图例置于图外右侧，图面包含比例尺与指北针，分辨率不低于 300 dpi。
结果
智能体自主完成的两种方法分配学生数对照
智能体输出的小学泰森多边形服务范围与学生分布
4
总结
本次测试中，WorkBuddy 能够按照给定规则完成邻近分析与泰森多边形的全部 5 项任务，输出结果与教材基准一致。
从执行过程看，智能体能够将自然语言指令正确映射到具体的分析操作，邻近分析、泰森多边形、空间连接、自然间断点分级等工具的选择与参数设置均执行到位；不给要素编号、只描述相对方位，也能正确定位目标要素。
不过，操作智能体完成分析，同样离不开空间分析专业知识。开展何种分析、按什么规则计算、相关参数如何设置，都由人依据这些知识事先确定。尤其需要强调的是，智能体能够严格执行“按就近原则分配学校”这样的规则，规则本身却要由人来规定。为什么按直线距离就近分配，而不是按实际路网距离？各校剩余名额与分配人数是否匹配？这些问题直接决定分析结论是否可靠，离不开人的参与。可见，智能体接管的是操作，分析如何设计仍然取决于人。
5
对于城乡规划专业有什么用？
第一，把批量计算与汇总从手工操作中省出来
设施可达性分析中，大量工作是分析对象与邻近对象之间距离关系的批量计算与汇总。这类工作用自然语言说清分析对象、邻近对象与统计口径，智能体即可完成，规划师不必再逐个打开工具、重复填写参数。
第二，快速完成不同设施布局方案的服务范围分析
学区调整、消防站补点、公园布局优化，都是公共服务设施规划中的常见情景。方案每调整一次，整套分析流程就要重跑一遍；现在修改自然语言指令即可重新计算，分析结果随方案调整同步更新。Agent 负责快速执行，规划师负责判断哪套方案更贴近真实目标。
第三，让空间分析摆脱对软件操作熟练度的依赖
通过写清方法方向与任务要求，智能体便完成了工具定位与参数设置。对规划师而言，理解分析方法、说清任务要求，就能完成分析，软件操作不再是横在分析之前的门槛。
本次测试的关键发现
1
邻近分析与泰森多边形的完整流程，智能体能够正确完成。提示词中明确分析对象、方法方向、处理范围与输出形式后，从距离计算、分级展示到服务区划分的各项结果，均与教材基准一致。
2
智能体能够理解模糊的空间几何位置关系。不给出要素编号、只描述相对方位，智能体也能在数据中正确找到目标要素，人描述空间位置的日常方式可以直接用于指定分析对象。
3
成果图的规范表达仍是智能体的薄弱项。背景、图例位置、比例尺与指北针等图面规范要在提示词中写明。智能体输出的图件结果经常会出现标注重叠、文字过小等情况，需要多轮检查调整。
结语
测试结果表明，Agent 可以完成一整套从距离计算、服务范围划分到结果对照的分析流程，不再需要用户逐个打开工具、反复填写参数。
对规划师而言，WorkBuddy 的价值在于承担分析中的重复操作，让规划师把时间用于比较设施布局方案、论证分析结果的合理性。
下期预告！
SAPS
AI Agent × GIS：
缓冲区——智能体能否解决多步骤路网密度计算？
文字：王晨亦
排版：王晨亦
审校：钮心毅
公众号简介
城市空间分析与规划支持研究（Spatial Analysis and Planning Support, SAPS）立足时空大数据与城市规划交叉领域，融合以大模型为代表的数智前沿技术，探索区域和城市空间分析创新路径，聚焦规划决策支持核心议题。欢迎关注！