基于POI数据的城市功能区识别研究

基于兴趣点数据与道路网络数据,选取济南市中心城区为研究区域,通过频数密度与类型比例计算,以街区为研究单元对济南中心城区功能区进行定量识别,并验证识别精度。将识别结果与《济南市城市总体规划（2011-2020年）》对比,提出功能区优化对策。研究结果表明：城市功能区自西向东呈现多中心分布特征,单一功能区呈现圈层分布特征。构建混淆矩阵,计算出功能区总体精度为83.34%,可为济南市功能区空间规划提供新的思路。     

基于POI数据的城市功能区识别及主要交通枢纽空间分析

研究利用机器学习中的TF-IDF统计方法,基于POI数据识别北京五环范围内的城市用地功能区。实验从道路网和格网两个层面开展,首先,将两结果与相同地区的遥感影像进行对比与验证,并从中提取属于交通用地范畴中的主要交通枢纽;其次,基于空间服务范围和空间连接强度两个视角对火车站和机场的地理特征进行分析,具体包括空间分布范围的特点、受区域影响的强弱、空间联系强度的差异等内容;最后,进一步对比各重要交通枢纽所在空间单元作为出租车行程起始点和终止点的共性和差异性。     

基于logistic回归模型的城市功能区识别

通过构建兴趣点与城市功能区之间的logistic回归模型进行功能区识别,以武汉市主城区为例进行试验分析,将识别结果可视化并与《武汉市城市总体规划图(2010—2020)》进行对比,通过百度地图进行验证。研究结果表明,logistic回归模型与兴趣点数据相结合能基本识别居住用地、商业服务业设施用地、工业用地、公共管理与公共服务用地,准确率较高。     

基于多源数据的城市功能区的识别与分析

随着城市化进程的不断推进,城市功能区作为城市规划中重要的基础组成部分,对城市功能区的空间布局现状进行研究是十分必要的。文中基于POI数据、手机信令数据、土地利用数据等多源数据,通过对POI数据构建“空间面积—人口热度”二元权重计算模型,滨城区进行功能区划分并分析结果。经过精度检验,Kappa系数为0.772,功能区的识别精度较高。结果表明,主城区的混合度较高,其承载着主要的居住和生活服务;滨城区功能的空间分布具有一般集聚的特点,呈东南—西北分布趋势,且在各个方向上发展较为均衡。功能区划分能够为城市科学合理的规划提供借鉴,及时发现城市规划中的问题并能够优化解决。     

顾及POI与土地利用数据的城市功能区划分

城市功能区划分是落实智慧城市用地政策和用地开发管控的重要前提和基础,科学探测其分类及分布,对于支撑智慧城市空间规划具有重要作用.针对现有方法在功能区划分时受限于格网或者路网的束缚,易出现POI权重设置不科学及划分不精确的问题,提出一种基于聚类分析确定主体功能单元下的功能区划分方法.首先,基于POI数据,综合利用KD-T...     

兴趣面数据和随机森林方法的城市功能区划分

针对传统城市功能区研究探索了利用兴趣点、遥感影像等数据进行城市功能区自动划分的方法,但分类精度仍有待进一步提高的问题,该文提出一种基于兴趣面数据和随机森林算法的城市功能区自动划分方法,首先对城市道路网络数据运用形态学运算方法自动构建交通分析区,然后从其区域内的兴趣区等多源数据中提取4类41项特征,最后结合地理国情普查数据和人工识别选取476个样本数据,构建基于随机森林分类器的城市功能区识别模型。结果表明,随机森林模型能够准确地识别城市功能区,识别模型预测精度为87.67%,支持向量机模型精度为83.71%,未引入兴趣面数据的模型精度为78.72%。利用上述模型对北京市内4 112个单元进行功能区识别,准确率达81.37%。该研究方法有较好的重复性和推广性,有助于对城市功能区进行定量、客观的研究。     

顾及空间上下文关系的JointBoost点云分类及特征降维

随着激光雷达技术的发展及广泛应用,点云数据的分类及理解成为了目前一个研究热点。本文研究了较复杂的电力线路走廊场景的点云自动分类方法,目标类别为地面、植被、建筑物、电力塔、电力线等。本文首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,本文结合地物空间上的相互关联关系,提出了一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。实际的电力线路走廊的激光扫描点云数据分类实验证明本文研究的分类方法的有效性。     

基于空间格网的城市功能区定量识别

随着城市化进程加快,城市功能区的合理规划和管理愈来愈重要。本文利用北京市西城区20 622条POI数据,将西城区分割为25×25及50×50的空间格网,采用样方密度法,以及频数密度、类型比例两个指标对城市功能区识别及划分,对西城区单一功能区及混合功能区识别和可视化,并探讨其分布规律及影响。将结果进行对比分析:格网大小及数量影响城市功能区的定量识别及划分,在不同的应用环境下需要使用不同大小的空间格网识别城市功能区,从而在宏观上更好地了解城市分布规律,为城市管理及决策提供数据支持。     

大数据构建的赋分评价模型与功能区识别研究

针对如何解决各类兴趣点(POI)的用地面积差异并精确地识别功能区等问题,该文构建了一种新的功能区识别模型.使用网上调查的各类POI的面积数据等,对各类POI的面积大小所处的区间进行赋值,整理出各类POI的面积评分表,并通过对各类POI进行核密度分析得到每个兴趣点的核密度值.通过构建面积评分与核密度值二级赋分评价模型,增加了POI数据的可用性,实现快速获取城市空间结构.经过精度检验,Kappa系数为0.76,功能区识别精度较高.研究结果可用于区位熵指数、土地利用混合度、平均最邻近距离与标准差椭圆等分析,有利于规划人员掌握城市空间结构与进行科学决策.     

Extracting urban functional regions from points of interest and human activities on location‐based social networks

Data about points of interest (POI) have been widely used in studying urban land use types and for sensing human behavior. However, it is difficult to quantify the correct mix or the spatial relations among different POI types indicative of specific urban functions. In this research, we develop a statistical framework to help discover semantically meaningful topics and functional regions based on the co‐occurrence patterns of POI types. The framework applies the latent Dirichlet allocation (LDA) topic modeling technique and incorporates user check‐in activities on location‐based social networks. Using a large corpus of about 100,000 Foursquare venues and user check‐in behavior in the 10 most populated urban areas of the US, we demonstrate the effectiveness of our proposed methodology by identifying distinctive types of latent topics and, further, by extracting urban functional regions using K‐means clustering and Delaunay triangulation spatial constraints clustering. We show that a region can support multiple functions but with different probabilities, while the same type of functional region can span multiple geographically non‐adjacent locations. Since each region can be modeled as a vector consisting of multinomial topic distributions, similar regions with regard to their thematic topic signatures can be identified. Compared with remote sensing images which mainly uncover the physical landscape of urban environments, our popularity‐based POI topic modeling approach can be seen as a complementary social sensing view on urban space based on human activities.     

顾及地理语境的旅游轨迹停留点语义标注

轨迹数据作为典型的时空大数据,具有较高的研究和应用价值。然而现有的轨迹数据挖掘主要聚焦于轨迹的空间特征,而较少关注轨迹数据语义的深度分析。本文面向智慧旅游服务的需求,重点探讨了旅游轨迹的轨迹停留点语义的自动标注问题。首先,针对POI短文本的特点,提出了基于《同义词词林》进行短文本语义扩展的方法对POI短文本进行特征扩展;同时,在顾及POI短文本的关键词集中、类别词分散等特征基础上,提出了改进TF-IDF的POI自动分类方法;其次,在POI分类的基础上,采用Native Bayes方法对轨迹停留点进行语义标注。结果表明,基于改进TF-IDF方法的POI自动分类可以达到约83%的精度,能够较好地实现POI的分类;而在POI自动分类基础上,基于Native Bayes的轨迹语义标注可以达到74%的精度,较好地实现了旅游轨迹停留点自动语义标注的目标。     

地图兴趣点分布式空间分析服务

针对互联网地图上海量兴趣点的应用分析需要提高效率的问题,该文利用MongoDB设计并搭建了一个分布式集群,对这些互联网兴趣点数据进行了储存;然后通过MapReduce机制改进并实现了适用于海量兴趣点数据的空间同位模式挖掘的Apriori算法和几个常用的空间分布特征值计算方法;最后依据开放地理信息系统协会的Web处理服务规范,设计并实现了一个互联网兴趣点分布式分析服务实验系统。该文所提出的改进后的算法在数据吞吐量和计算效率上有优越性,且计算效率比传统空间分析工具和传统Apriori算法有所提高。     

顾及控制点空间分布的坐标转换模型研究

针对目前坐标转换中公共点选取缺乏依据、坐标转换精度难以保证的问题,研究了基于控制点空间分布的坐标转换模型.?提出了控制点均匀度的概念,研究了控制点均匀度和密度的表达方法,分析了公共点均匀度和密度对坐标转换模型精度的影响,构建了顾及控制点空间分布的坐标转换模型,探讨了地方坐标系与CGCS2000的坐标转换流程,并结合实例...     

顾及邻近点变形因素的高斯过程建模及预测

针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。     

应用湖泊中心点作为控制点实现大区域遥感影像的配准

在进行北美阿拉斯加地区多期影像湖泊变化分析过程中,由于该区域长期被冰雪及湖泊覆盖,几乎没有较明显的地面标志点可作为影像配准控制点,给影像的配准工作带来困难。在分析长时相区域湖泊形状变化的基础上,认为湖泊中最稳定的点为湖泊的中心点,该点位置随湖泊面积的变化不大,可以作为影像配准的控制点。与多边形质心相比,多边形的最大内圆圆心始终位于多边形的内部,且以该点为圆心的内圆半径最大(对应的内圆即为最大内圆),其计算方法可以应用矢量多边形的Voronoi图来求得。本文在分析简单多边形Voronoi图性质及其计算方法的基础上,提出了一种面向复杂多边形的最大内圆圆心点查找方法,给出了其算法实现流程与算法的复杂度分析。通过北美阿拉斯加地区湖泊最大内圆圆心查找的测试实例,表明本文提出的方法能够较好地计算出各种复杂矢量多边形的最大内圆圆心点,并达到较高的计算效率,且以多边形最大内圆圆心点作为配准点实现的影像间配准效果也较好。     

车辆GPS轨迹兴趣区域提取算法研究

车辆行驶轨迹是驾驶员主观意愿和路网客观约束综合作用的结果,从海量轨迹中挖掘兴趣区域可为车辆提供更深层次、更有效的位置服务。文中深入分析车辆GPS轨迹特征,在基于时间的聚类算法中引入路网约束,实现车辆GPS轨迹的兴趣点提取和噪点剔除,基于DBSCAN算法生成兴趣区域,采用Google Geocoding反向地理编码发掘并合并语义重复区域,在语义层次上实现兴趣区域提取。实验表明,该算法可在语义层次有效提取兴趣区域。     

Improving radiometry of imaging spectrometers by using programmable spectral regions of interest

Programmable imaging spectrometers can be adjusted to fit specific application requirements that differ from the instrument initial spectral design goals. Sensor spectral characteristics and its signal-to-noise ratio (SNR) can be changed by applying customized online binning patterns.We present a software utility that generates application driven spectral binning patterns by using an SNR dependent sensor model. The utility, named BinGO (BInning patterN Generator and Optimiser), is used to produce predefined binning patterns that either (a) allow an existing imaging spectrometer to optimize its spectral characteristics for a specific application, (b) allow an existing imaging spectrometer to spectral and/or spatially emulate another instrument, or (c) design new multispectral or imaging spectrometer missions (i.e. spaceborne, airborne, terrestrial). We present a variety of BinGO case studies, including the simulation of airborne (APEX) [Itten, K.I. et al., 2008. APEX — The hyperspectral ESA Airborne Prism Experiment. Sensors 8(1), 1–25], spaceborne (SENTINEL III) [Nieke, J., Frerick, J., Stroede, J., Mavrocordatos, C., Berruti, B., 2008. Status of the optical payload and processor development of ESA’s Sentinel 3 mission. In: Proceedings of the Geoscience and Remote Sensing Symposium IGARSS 2008, pp. 427–430], as well as scientific and performance optimized approaches. We conclude that the presented approach can successfully be used to increase the efficiency of spectral information retrieval by using imaging spectroscopy data and to simulate various missions and requirements, finally supporting proper trade-off decisions to be made between performance optimization and scientific requirements. In addition, if specific sensor parameters are known, BinGO can also model other imaging spectrometers.     

顾及属性特征的城市设施热点识别方法

研究城市设施的热点分布对把握当前城市形态具有重要意义。传统的设施热点识别方法容易忽略设施的特征尺度且多以区域识别为主,缺少精准化提取设施热点的方法体系。针对上述问题,本文提出了一种顾及属性特征的设施热点识别方法,并以北京市住宅设施为例进行了试验分析。首先将设施的属性值作为权重,进行加权核密度估计生成密度值表面,利用极值点探测模型提取极值点;然后采用Getis-Ord G_i^*统计进行空间自相关分析,生成具有显著统计学意义的热点区域,筛选极值点得到热点。结果表明,该方法能够准确有效地识别设施热点并进行合理的等级划分,为城市设施空间布局研究提供多样化视角。