基于POI数据的城市建筑功能分类方法研究

对建筑物进行建模与分析是智慧城市建设的重要任务之一。将城市中数量庞大的建筑物按功能分类,辅助认知城市内部空间结构,对政府部门开展人口估计,土地管理,城市规划等工作具有重要意义。本文以蕴含丰富语义信息的兴趣点（POI, Point of Interest ）作为主要信息源,针对POI分布稀疏导致大量建筑物无法识别出功能的问题,改进了传统的城市功能区定量识别方法。该方法为建筑物内部及周边一定区域范围内的POI赋予反距离权重,通过计算不同类型POI的加权频数密度比例来识别建筑物功能类型。文中以北京市西四环中路附近5000多栋建筑物为例进行实验验证,实现了将目标区域内的建筑物按功能类型划分为居住、商业、公服和3种混合类型,识别率达93.04%,与人工判别的结果对比得出总体分类精度达91.18%。该方法采用易于获取的互联网POI数据,可以实现大范围建筑物功能类型的快速自动化识别,丰富了城市建筑模型语义属性,扩展了POI数据的应用范围。     

室内用户语义位置预测研究

位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务（Location-based Service,LBS）领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法（Spatial-Temporal Agglomerative Nesting, ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型（Long Short-Term Memory,LSTM）挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。     

基于LDA和优化蚁群的OD流向时空语义聚类算法

针对OD流向聚类中语义信息考虑不足和流向语义提取困难的问题,本文提出了一种基于隐含狄利克雷分布模型（Latent Dirichlet Allocation,LDA）和优化蚁群的OD流向语义聚类算法。算法首先以流向终点的POI类别为词汇构建流向文档,采用LDA主题模型提取流向语义,量化OD流向间的语义相似度,融合时间、空间和语义相似度构建流向时空语义相似度;接着以流向为节点,以流向时空语义相似度为边构建流向图,利用高斯函数映射以及图连通分量,剔除不相似的流向,实现数据精简;之后借鉴了密度峰值聚类算法思想,利用节点的介数中心性优化蚁群初始位置选取;最后基于多路切图准则（Multiway Normalized Cut, MNCUT）强化蚁群搜索的目的性,优化蚁群搜索的聚类效果,实现OD流向的时空语义聚类。以厦门市出租车公开数据集与厦门市高德地图POI数据为例进行分析与验证,结果表明本文基于LDA模型的语义提取方法可以有效提取流向的语义信息,构建有效的流向相似度度量;基于高斯函数和图连通分量特性的映射策略可以有效剔除了流向数据中的噪音,有效节省无向图构建的计算开支,大约节省了88.5%~88.8%的运行时间;基于介数中心性和多路切图准则优化的蚁群搜索聚类算法,可以有效进行流向语义聚类。相比已有方法本文方法能够更好地衡量流向间的语义相似程度,可实现按主题进行聚类划分,划分更加精细,更方便有效地进行流向语义的相关分析。     

基于POI数据的生活设施空间分布及配套情况研究——以济南市内五区为例

生活设施空间分布和配套情况对居民幸福感有极大影响,空间中的不同设施配套情况的差异具有区分城市功能区、指导城市规划等作用,高时效性数据在该研究中有广阔的前景。POI即兴趣点,指空间上地理实体的点状表示,是现行大数据潮流下的一种简单易得而且极具代表性的空间点状数据,POI数据为空间分布研究提供了新的方法。本研究基于济南市市内五区的部分POI数据,应用核密度分析法和标准差椭圆分布,探讨研究区内休闲、工作、居住、医疗等部分生活设施的空间分布情况;应用相关性分析法对各类设施赋予权重,评价生活设施的空间配套情况。分析得出:1济南市生活设施集中分布在城市中心区域,呈现单中心模式,但各类生活设施空间分布在方位和规模上存在不同;2休闲设施分布于小范围的城市中心区域,办公设施沿东西方向呈带状分布,医疗设施和居住设施分布均匀,在较低等级以上的区域覆盖广;3医疗设施和居住设施的空间相关性最高,休闲设施与医疗设施空间相关性最低;4医疗设施和居住设施在配套分析中占较大比重,休闲设施比重最小。     

结合POI数据的道路自动选取方法

人们对道路重要性的认知与道路周边设施有重要关系,针对现有地图综合道路选取方法中对语义特征考虑不足的问题,将POI数据引入到道路的语义特征分析中,提出一种综合考虑道路空间特征和语义特征的道路综合自动选取方法。首先,结合POI位置数据构造了道路语义特征度量的3个新参量：设施点密度、重要设施比率和专题设施比率;然后,与道路长度、连接值、总深度值、平均线密度等反映道路几何、拓扑和分布特征的度量参量一起,通过归一化和熵值法赋权进行整合计算,得到道路重要性值;最后,综合考虑道路重要性值、道路stroke构成和stroke连通度的约束条件进行道路的分步选取。实验结果表明,该方法在保留主要道路、保持道路分布疏密特征和道路连通性的同时,较好地顾及了道路的语义特征信息。     

城市派出所空间位置优化及警力分配

提高公安派出所的治安防控能力是解决我国城市治安问题的有效途径之一。本文从公安派出所空间位置优化和警力分配两个角度出发,针对当前公安派出所空间位置布局较为随意及警力资源紧缺的现状,以及多目标优化的需求,结合新兴空间大数据和犯罪数据,进行派出所多目标空间优化研究,包括派出所空间布局的数学期望、量化指标以及多目标空间优化模型,并在相关理论模型的基础上利用犯罪热点和房屋建筑分布的空间异质性开展派出所警力（治安和户籍分类）的空间分配研究。以兰州市中心城区为分析区域开展公安派出所空间位置优化和警力分配实验,结果表明：① 在不增加派出所数量、最大维持原有空间布局的前提下,本文提出的方法能有效降低派出所服务区重叠度（17.2%）和平均响应时间（6.67 s）,提高面积覆盖度（12.01%）和需求点覆盖度（7.25%）,并有效提高研究区内各区域应急响应时间的公平性（基尼系数由0.382降低到0.268）;② 数据分析发现,城市犯罪热点以及房屋建筑空间分布均存在空间分异现象。理解并量化分析空间分异特征,有助于优化派出所治安和户籍警力的配置。     

主题模型与SVM组合的小尺度街区用地分类方法

城市用地分类作为城市规划重要的基础和依据,对城市资源配置、建设发展等具有重要意义。现有研究对用地分类都聚焦于“稀路网、大街区”的大尺度区域,随着城市发展,大尺度区域的规划模式造成了城市交通效率低下、土地低效率开发等问题,而小尺度的城市街区建设规划为解决上述问题提供了一种新的思路。为了充分挖掘现有交通大数据的潜在价值,更以高效地服务小尺度街区规划,本文将主题模型与支持向量机（SVM）相组合,提出一种面向小尺度街区的用地分类方法。本文以上海市黄浦区人民广场附近为研究区域,依据精细路网对研究区域划分,通过对一周（7天）出租车GPS数据处理,结合区域兴趣点（POI）数据,基于隐含狄利克雷分布（LDA）模型和SVM模型进行用地分类。在人工解译的分类图的基础上对本文方法进行精度评价,并基于百度地图地理数据进行结果验证。研究表明本文方法基于现有的交通大数据,实现了对小尺度街区用地分类,方法分类精度较高,在一定程度上可以节约人力物力,以便更好地服务于小尺度城市规划。     

基于POI数据的北京市商业中心识别与空间格局探究

商业中心是城市空间结构的重要组成部分,传统商业中心识别主要借助统计资料和经济普查数据,耗时耗力且更新频率较低;以POI(兴趣点)数据为代表的众源地理数据为城市商业中心识别提供了新思路。本文以北京市801478条商业POI数据为基础,根据商业职能定义将其分为生活类、休闲娱乐类、公共服务类、金融商务类和汽车相关类,运用核密度法识别不同职能的商业中心,结合Getis-Ord G_i~*统计量详细探究中心城区商业空间格局。结果表明:(1)北京市商业格局呈现圈层式结构,沿交通干道向外发展;(2)不同类型的商业中心存在显著的空间分异特征,生活与公共服务中心高度向心集中,金融商务和汽车相关中心多分布于城市功能拓展区,休闲娱乐中心为多组团式离散分布;(3)中心城区生活类商业职能完备,北部区域商业密度高于南部区域。     

基于语义位置网的地址位置预测方法

现有的地址数据库虽然覆盖面较广泛,但仍存在地址数据缺失的现象,针对未被包含在地址数据库中的地址如果进行有效的预测、定位等问题,提出了基于语义位置网的地址位置预测方法,首先从语义位置网中获取和地址具有语义近似关系的节点集合中获取包围盒;然后采用多种策略来寻找包围盒中点集的最佳空间分布;最后通过最优分布提供的点集,分别采用...     

基于语义轨迹停留点的位置服务匹配与应用研究

在位置服务领域,用户轨迹在较大程度上体现了用户的日常行为模式,以及个人生活习惯等。利用GPS终端收集用户行为轨迹数据并加以挖掘分析,对于位置服务实现智能化推送有积极作用。用户行为轨迹的停留点分析是轨迹分析的常见手段之一。本研究首先将用户个性化信息,与轨迹点相关的地标名称等语义信息融入常规用户行为轨迹,形成“位置-语义”一体化的用户语义轨迹。然后,过滤原始轨迹错误点,提高数据精度,并在此基础上采用一种新的加权方法计算轨迹停留点坐标。最后,利用停留点坐标结合用户的兴趣、职业等个人信息,在扩充的POI信息库（包含营业时间、优惠信息等）中检索匹配,并智能化匹配出用户停留点周围的POI,主动向用户推送符合个人兴趣或职业需求的POI详情位置服务。     

利用社交媒体的位置潜语义特征提取与分析

社交媒体及时、大量、广泛地记录了城市中居民的观点和情感,尤其是具有位置标记的签到文本,将人们所处的空间和城市设施与其相应的认知态度结合起来,成为以人为核心主导的对空间位置特征的直接表达,是场所语义信息的集中体现。以微博签到数据为研究对象,引入自然语言处理领域的潜语义分析的方法,结合空间分析中因子分析、空间自相关分析和聚类分析的手段,提取并分析其中隐含的位置语义特征。本研究主要侧重于对位置之间语义相关程度的度量,首先提取研究区域隐含的概念主题结构,分析不同主题在空间上的分布特征。然后对特定地块进行潜语义空间上的相似性索引,在此基础上,采用先验的百度百科词条描述对位置间语义相似性进行扩展,通过空间自相关的分析,得到不同功能类型的热点区域。     

城市用地功能精细化识别方法：时序动态图嵌入深度学习模型

多源大数据融合背景下的城市功能区识别是复杂非线性系统的模式识别问题,如何有效地从大规模的轨迹数据中提取出多粒度连续性时变和多尺度空间相互作用的信息是进行城市区域功能识别的关键。本研究设计实现了一种基于时序动态图嵌入的深度学习模型,在融合滴滴出行及兴趣点数据（Point of Interest, POI）基础上,提取城市区域存在的时间和空间上的隐式特征,结合聚类分析实现城市用地功能的语义识别。结果表明,成都市中心的用地功能趋向复合多样化的发展,且用地属性随时间发生作用范围和用地类型的变化,呈现出功能随着城市群体活动而变化的时空规律。与相关文献的对比实验表明,本文提出方法在更细粒度的时间段下进行功能区识别,得到的同一类功能区域内集聚度更高,能够更好的捕获复合型区域在不同时间模式下呈现出的用地功能变化。本研究为城市用地功能识别研究提供了新的技术方法,为城市规划研究人员全面理解城区结构属性提供了有效手段,对推动城市空间得到更合理高效的利用具有一定的价值。     

基于夜光遥感与POI数据空间耦合关系的南海港口城市空间结构研究

南海港口城市研究是南海资源环境监测的重要内容,目前对于南海港口城市空间结构特别是港口在城市空间结构中的地位缺乏研究。夜光遥感数据和POI数据均为城市空间结构研究的重要数据源,但对于2种数据的空间耦合关系与集成应用研究存在不足。针对上述问题,本文选取南海港口城市典型代表的三亚市为研究区,以研究区2016年NPP-VIIRS夜光遥感数据和POI数据为数据源,利用叠加分析将夜光遥感数据和POI核密度分析结果数据分别网格化。然后,利用双因素组合制图法对两种数据的空间耦合关系进行可视化,分析空间耦合关系相异区域和城市空间结构的关系,并在此基础上探讨港口在三亚城市结构中的地位。研究表明,三亚市夜光遥感和POI数据的空间分布总体趋势相一致,空间耦合关系相近的区域占比达85.6%;夜光遥感和POI数据空间耦合关系在三亚市内存在一定量的相异区域,如新城区、经济开发区、城市边缘区和乡镇中心等,结合2种数据的特点可以更显著地表征这些区域的城市空间结构特征;三亚市作为重要的南海港口城市,其城市的中心区域与港口密切关联。本研究为港口城市空间结构研究提供了新视角。     

基于多源空间数据和随机森林模型的长沙市茶颜悦色门店选址与预测研究

茶颜悦色作为中国本土奶茶品牌,将中国传统茶文化与时尚元素相结合,融入浓郁中国风,成为来长旅游者打卡必喝的一种奶茶饮品。探索其空间分布并对其门店选址适宜性进行评估对于优化门店布局、促进经济发展和提升旅游服务水平等具有重要的实际意义。本文基于高德地图API爬取长沙市茶颜悦色POI,运用平均最近邻指数、地理集中指数、不平衡指数、标准差椭圆、核密度估计等方法分析其空间格局,在此基础上融合多源异构空间数据选取一系列影响其空间分布的指示因子并运用随机森林模型对其门店布局适宜性开展实证研究。分析结果表明：① 长沙市茶颜悦色空间分布整体上为集聚型(ANN=0.354,G=40.283),围绕城市核心商圈集聚分布,形成了“一超多核”的空间格局;② 随机森林模型优化后的平均测试精度为92.18%,OOB测试精度为93.45%,其评价结果能够准确反映长沙市茶颜悦色门店选址适宜性与空间分布的异质性;③ 茶颜悦色选址适宜性结果表明,长沙市核心商圈内适宜性概率整体较高,存在明显的高值集聚现象,符合弗里德曼“中心-外围”理论。若将各商圈抽象为不同等级的中心地,其所提供的服务职能和影响范围受到空间距离衰减作用的影响,在空间分布上符合地理学第一定律;④ 特征重要性排序结果显示竞争环境、交通区位和社会经济发展因素对模型的贡献率较大,这与最小差异化准则强调集聚效应和传统商业选址强调区位选择相得益彰,因此在进行门店选址时可以重点考虑此类因素。本研究融合多源空间数据运用数据挖掘技术解决选址问题的方法和结论可以为茶颜悦色门店选址和空间布局提供参考和借鉴。     

High accuracy NMO correction and application for VTI media

It is difficult for normal moveout(NMO)correction of shallow long offset of vertical transversely isotropic medium,as seismic event after conventional NMO correction experienced strong stretching and distortion due to interleaving of signal.Even using higher order non-hyperbolic NMO correction,it still cannot get the right results.This paper aims to improve the accuracy of NMO correction.Based on the analysis of conventional NMO correction method and previous optimization move-out equation,we use longitudinal optimization method to correct seismic event.The results of the theoretical model and the real data show that our method can completely remove NMO stretching and greatly improve correction accuracy.     

有限元分析中断裂区域单元的划分

根据弹性理论的叠加原理，研究了有限元分析中的单元划分问题。通过有限元结点位移反演边界力系数与理论边界力系数进行比较来判别断裂区单元划分是否合理，应用模拟数据定量分析了二维和三维有限元法的单元划分，为有限元法在地学研究中的实际应用提供参考依据。     

基于POI数据及四叉树思想的“三生空间”识别方法

城市区域内部建筑物较密集,外围建筑物逐渐稀疏,因此大多存在内部区域POI数据密度大,外围区域POI数据密度逐渐减小的现象,在使用均等网格作为识别单元进行城市“三生空间”的识别的过程中,就会出现网格尺度较大导致识别准确率较低或网格尺度较小导致无数据区较多两种情况。针对以上问题,本研究提出一种基于POI数据及四叉树思想的”三生空间”识别方法：综合利用互联网地图POI、行政区划、遥感影像等数据,引入四叉树思想对网格识别单元进行分级;将POI数据与城市建设用地分类和土地利用现状分类进行衔接,对POI进行重分类;综合各类POI的功能和面积,构建POI分类“三生功能”赋分体系,定量识别“三生空间”。以西安市中心城区为实验区进行实例验证,结果显示正确率在95%左右。通过与均等格网识别结果的对比,进一步证明引入四叉树思想对网格进行分级一方面能有效减少无数据区的存在,另一方面能使识别结果准确率大幅提高,为基于POI数据的城市三生空间的识别提供了一种新思路。