基于多源数据和深度学习的城市边缘区判定

城市边缘区的定量分析及判定,对城市发展评价和规划,或是城市空间结构研究都具有重要意义。然而现有研究的边缘区判定指标选择过于单一,判定结果过于破碎,城市预设边界、水体及城市绿地对边缘区判定结果干扰大。针对上述问题,从自然、人口、社会经济的视角出发,以遥感影像、人口数据、POI大数据为数据基础,结合深度学习技术,构建基于多源数据和深度学习的城市边缘区判定方法,进行广州市城市边缘区判定及城市结构空间分布特征分析。结果表明：① 此方法能将城市划分为核心区-边缘区-外缘区,判定结果不会受到预设边界范围的影响,且消除了城市内部水体和城市绿地所造成的破碎化;② 城市边缘区与路网耦合良好;③ 广州市的城市核心区空间分布合理。综上所述,此方法能有效检测城市边缘地带,且结果符合实际情况,能为城市规划、政府决策提供参考。     

人本视角下体育设施可达性研究——以深圳市坪山区为例

基于GIS空间分析技术,运用核密度分析、空间分析法,通过构建道路网络数据集,分析坪山区6个街道23个社区健身体育设施的可达性、服务覆盖水平等,探讨研究区体育设施与居民住宅点的一致性关系。研究结果表明,坪山区体育设施空间布局与人口分布不适配情况明显,区域间分异性较大,15 min健身圈范围内体育设施有效服务居民点比例较高,从人本视角剖析研究区体育设施有效服务范围与居民点的布局关系,以期进一步提升便民体育设施与人的适配性,为国土空间规划编制、管理、评估等提供工作思路。