基于POI数据和Place2vec模型的城市功能区识别研究

发布时间：2021-08-09 21:42

　　功能区识别对于揭示城市的物理和社会特征至关重要。目前,结合大数据和自然语言处理进行城市功能分区和识别是研究的热点。该文以广州市白云区为例,基于道路网络数据将研究区域划分为503个单元,结合POI数据和Place2vec模型对城市功能区进行识别:1)根据兴趣点的语义信息和地理信息构建训练数据集;2)利用SkipGram模型提取POI类型的高维特征向量,通过加权平均法得到各研究单元的特征向量,进而基于K-Means算法对研究单元进行聚类分析;3)利用POI频数密度、百度热力图等指标和方法进行功能区识别和标注,并将识别结果与高德地图进行对比分析。结果表明,该方法能够有效识别出城市功能区,对于低成本、快速有效地识别和理解一个城市的空间结构和功能配置以及城市功能区规划和地理空间分异研究具有参考意义。 

【文章来源】：地理与地理信息科学. 2020,36(04)北大核心CSCD

【文章页数】：9 页

【部分图文】：

研究区基本研究单元

百度热力图基于LBS平台智能手机用户访问百度产品（如搜索、地图、天气等）时所在的地理位置数据，通过一定的空间表达处理，利用不同颜色实时呈现出各个位置的人群聚集度[28]。本文通过Python调用百度地图API，定时获取研究区域内的热力图，获取时间为8月15日（星期四）及8月17日（星期六），时间区间为07:00-21:00，时间间隔为2h；对不同的色彩区域赋予0～7的热力度数值，数值越高，代表人群集聚度越高。2 研究方法

训练数据集通常是指自然语言处理领域中经过处理的文本集合。为获取充足的信息，本研究选用POI类型中的小类标签构建训练数据集。通过k近邻算法找到每个POI数据的邻近POI，并记录其对应的POI类型，从而组成训练对。由于地理空间和语义空间在语境形成上的差异，本文利用简单增强法[23]提高地理距离对研究结果的影响，即通过增强系数βlj增加POI训练组在训练集中出现的次数，计算公式为：式中：βlj表示当相邻POI为lj时该训练组的增强系数，为方便计算，将其四舍五入到整数；N表示POI的总数量；Plk表示POI为lk时的签到（check-in）次数，由于本文采用的是高德地图POI数据，因此Plk=1;dα（li,lj）表示中心POI与相邻POI之间的距离；α表示反距离因子，本文α=1。

【参考文献】：
期刊论文
[1]基于核密度与融合数据的城市功能分区研究[J]. 王俊珏,叶亚琴,方芳.  地理与地理信息科学. 2019(03)
[2]基于用户关联度的半监督情感分析模型[J]. 金志刚,杨洋.  哈尔滨工业大学学报. 2019(05)
[3]基于众源数据的北京市主城区功能用地划分研究[J]. 宁晓刚,刘娅菲,王浩,郝铭辉,杨伯钢,王淼.  地理与地理信息科学. 2018(06)
[4]基于北京公交刷卡数据和兴趣点的功能区识别[J]. 韩昊英,于翔,龙瀛.  城市规划. 2016(06)
[5]基于百度地图热力图的城市空间结构研究——以上海中心城区为例[J]. 吴志强,叶锺楠.  城市规划. 2016(04)
[6]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)
[7]基于潜在语义信息的城市功能区识别——广州市浮动车GPS时空数据挖掘[J]. 陈世莉,陶海燕,李旭亮,卓莉.  地理学报. 2016(03)
[8]基于面向对象的北京市区城市内部用地信息提取[J]. 王彩艳,王瑷玲,王介勇,刘志高.  自然资源学报. 2015(04)
[9]功能分区视角下的西安市发展空间分异[J]. 吴文恒,徐泽伟,杨新军.  地理研究. 2012(12)
[10]基于高分辨率遥感影像的城市用地分类研究[J]. 王碧辉,吴运超,黄晓春.  遥感信息. 2012(04)

硕士论文
[1]融合多源地理大数据的杭州市功能区识别和空间优化研究[D]. 赵智勇.浙江大学 2018
[2]基于遥感和POI的城市功能语义分区研究[D]. 李娅.中国科学院大学(中国科学院遥感与数字地球研究所) 2018
[3]基于城市公交刷卡数据和兴趣点的城市功能区识别研究[D]. 于翔.浙江大学 2014
[4]上海市人口分布变动和城市功能区研究[D]. 杨守国.首都经济贸易大学 2007



本文编号：3332852