基于出租车轨迹数据的城市土地利用类型识别方法研究

发布时间：2023-02-14 14:41

　　通信技术的快速发展、移动设备的日益普及和设备功能的不断增多使得城市环境中的数字足迹呈现指数级增长,无处不在的大数据(例如:出租车轨迹数据、移动电话数据、社交媒体数据)为科学研究、城市规划、政府决策、资源配置等提供了新的数据源,并且数据有效性得到了广泛认可。在城市研究领域,大数据记录了人与城市环境之间的互动,使得研究者能够快速掌握城市动态,并从社会功能的角度识别土地利用类型。考虑到居民活动的时间变化规律在不同的城市区域存在差异,许多学者通过构建居民活动的时间序列对城市土地利用类型进行了识别。然而目前研究中的时间序列大多基于一种居民活动特征进行构建(例如:基于每小时通话量构建时间序列),而整合多种居民活动特征有助于更好的描述居民活动,为土地利用类型识别提供更多的信息。因此,本研究提出了基于模糊C均值聚类算法和模糊综合评判模型的城市土地利用类型识别方法,整合了从南京市出租车轨迹数据中提取的流出量、流入量、净流量、净流量比特征进行了地类识别,并验证了该方法的有效性。本文的主要研究内容及结论如下:(1)居民活动特征的提取和时间序列的构建。提取居民活动特征是构建时间序列的基础,特征的选择将直接影响...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 城市土地利用类型识别的研究进展
        1.2.2 大数据在土地利用研究中的应用
    1.3 研究内容与技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文组织
第二章 研究区与数据预处理
    2.1 研究区
    2.2 出租车轨迹数据及预处理
        2.2.1 出租车轨迹数据介绍
        2.2.2 出租车轨迹数据的预处理
    2.3 OSM道路数据及地图匹配
    2.4 土地利用类型数据及预处理
    2.5 本章小结
第三章 城市土地利用类型识别框架的构建
    3.1 研究区域划分
    3.2 特征提取和时间序列构建
    3.3 模糊聚类和隶属度矩阵的构建
    3.4 土地利用类型和权重集的确定
    3.5 本章小结
第四章 南京市土地利用类型识别
    4.1 不同特征组合的土地利用类型识别结果
    4.2 不同特征的土地利用类型识别结果
    4.3 与其他方法的土地利用类型识别结果对比
    4.4 本章小结
第五章 结论与展望
    5.1 结论
    5.2 创新点
    5.3 展望
参考文献
硕士期间的科研成果
致谢



本文编号：3742556