顾及兴趣点潜在上下文关系的城市功能区识别

发布时间：2021-10-10 13:07

　　城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点（point of interest,POI）数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。 

【文章来源】：测绘学报. 2020,49(07)北大核心EICSCD

【文章页数】：14 页

【部分图文】：

图1 两种方法的对比

如图2所示,研究区域位于北京市核心功能区,总面积为302 km2,是中国经济最发达的地区之一。同时作为中国政治、文化、科教中心,北京的另一特征是人口密度大、道路网密集且发达,城市结构复杂、包含有多种混合的土地利用类型,如居民地、娱乐场所、科教区等。在本文研究中,道路数据为从Open MapStreet(http://download.geofabrik.de/asia/china.html)下载的2018年道路网数据。POI数据集是通过百度地图服务(http://map.baidu.com)提供的应用程序编程接口(API)获取的,约包含250 000条POI记录,几乎涵盖了所有的设施类型。浮动车轨迹数据每隔5 s左右采集一次,记录的基本信息包括出租车的车牌号码、时间、经纬度、速度、方位和载客状态等。考虑到GPS数据的稳定性,本文采用2012年11月5日(周一)到2012年11月25日(周日),历时3周的GPS数据(见表1)。

基于空间共位模式的城市功能区识别的详细过程

【参考文献】：
期刊论文
[1]城市功能区语义信息挖掘与遥感分类[J]. 李娅,刘亚岚,任玉环,王智灏,曲畅.  中国科学院大学学报. 2019(01)
[2]基于多源数据的城市功能区识别及相互作用分析[J]. 谷岩岩,焦利民,董婷,王艳东,许刚.  武汉大学学报(信息科学版). 2018(07)
[3]基于POI数据的城市功能区定量识别及其可视化[J]. 池娇,焦利民,董婷,谷岩岩,马雅兰.  测绘地理信息. 2016(02)
[4]利用行人轨迹挖掘城市区域功能属性[J]. 宋雪涛,蒲英霞,刘大伟,冯媛媛.  测绘学报. 2015(S1)
[5]北京城市功能区演变与优化调控[J]. 王卫华,王开泳.  中国名城. 2014(06)

硕士论文
[1]基于多源兴趣点数据的城市功能区划分方法研究[D]. 邓悦.中国测绘科学研究院 2018



本文编号：3428437