基于POI和OSM数据的城市意象要素识别

发布时间：2020-06-01 07:34

【摘要】：城市意象是观察者对于城市形象的主观印象,其是城市地理学和规划学研究的重要内容,对于塑造独特的城市空间具有重要的指导意义。传统城市意象的研究主要是借助调查问卷、绘制意象草图等手段,存在成本高、更新频率低、数据覆盖面有限等问题,无法满足信息化时代下城市的定量研究以及城市经济发展的需求。近年来,随着大数据时代的到来,以及互联网技术的发展,借助兴趣点数据(POI)、开放地图数据(OSM)、社交媒体等新兴数据进行城市的定量研究成果越来越多,将其应用于城市意象研究将是一条可行途径。鉴于此,本文提出了一种基于POI和OSM数据的城市意象要素识别方法,主要研究内容如下:(1)研究了基于POI和OSM数据的城市意象要素识别体系。在总结了国内外城市意象理论基础及应用实践基础上,深入分析了众源地理数据及其在城市研究中的应用,针对传统数据在城市研究中的不足,提出以POI和OSM数据为基础的城市意象要素识别体系框架。借助道路网约束下改进的DBSCAN聚类算法、基于Densi-Graph的POI密度变化分析以及基于LDA主题模型的POI短文本信息分类等方法,构建了城市意象要素识别框架。(2)提出了一种城市意象结构认知方法。通过对POI数据进行约束条件下的聚类分析,生成聚类簇,识别城市意象区域要素;借助核密度分析原理,绘制POI数据的Densi-Graph变化曲线,叠加自然、行政区划等要素,从而识别城市意象边界要素;在对POI数据进行抽稀的基础上,识别城市意象标志要素,同时叠合处理后的OSM道路网数据识别城市意象节点、路径要素。(3)构建了城市意象要素类型认知分析模型。通过LDA主题模型,对POI数据中包含的属性信息进行主题分类,进行不同主题下的城市意象要素类型分析。同时,将不同主题的聚类结果与上述要素结构进行叠合分析,探究不同主题城市意象的空间特征,并总结其不足之处。(4)最后,以济南市为例,进行模型验证与分析,证明了其在城市研究与感知等方面的重要意义及潜在价值。研究结果表明,本文所使用的一系列研究方法,可以用来识别城市意象要素、探究城市意象结构、认知城市意象类型,从而促进独特城市意象的塑造和城市的健康可持续发展。
【图文】：

草图,城市意象,意象

山东师范大学硕士学位论文块为核心的研究框架对中国 24 个主要城市进行分析。（3）小结城市意象这一理论自提出至今，其理论架构与实践应用不断发展，在多域得到了广泛的专注。目前城市意象研究主要包括调查方法、意象元素的选据的分析等基于社会调查和意象草图绘制的方法，结果受问卷设计、受访和教育程度等主观因素影响较大；意象草图虽能较为形象地表达居民的城，但也有其明显的局限：例如，，定位不明确、难以进行大规模的样本调查，已有研究以较为模糊的主观感受来界定城市要素空间关系及城市整体形普遍采用因子分析等高级统计程序揭示各意象因子的深层关系，但是此类得数据统计过于宏观和抽象。鉴于此，城市意象研究迫切需要一种客观、高便的研究方法来弥补上述不足。

地图,百度,趋势分析,指数

图 2-2 “百度指数”对大数据搜索趋势分析传统城市研究普遍依赖通过人工手段所获取的测绘遥感数据，此类数据获取自动化程度较低，并且存在采集、更新频率低且数据现势性差等众多问题，众源地理数据的出现弥补了传统数据的上述劣势[31]，已有学者尝试将其应用到城市相关研究中。表 2-2 传统数据与大数据对比传统数据大数据数据获取测绘、统计数据、政府机构社交媒体、开放地图、智能设备数据质量抽样调查控制质量，算法依赖度高全样本数据数据精度范围固定、数据量小、精度低众源数据、精度高、覆盖广数据存储关系数据库模型云数据平台时效性更新频率低，受统计时效限制实时更新
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P208

【相似文献】