数据挖掘支撑下的城市功能区识别研究
发布时间：2022-01-26 11:40
土地是国家最重要的自然资源,土地利用分析对于认识和理解土地的情况有着重要的意义。近年来,随着数据挖掘和大数据等技术的快速发展,除了传统的土地相关数据外,城市居民的打车出行数据也对了解和认识城市用地有着很大的帮助。城市居民的出行行为能够反映城市用地之间的相互作用,蕴含着城市用地的利用情况和相关规律,透过对出行数据进行数据挖掘对于深入理解城市用地有着重要的意义。同时,不同城市用地承担着不同的社会功能,有着不一样的社会经济属性,对城市功能区的识别对于理解城市的空间结构和加强对城市用地的理解有着深刻的意义,这也使得城市功能区识别问题成为了城市土地利用和城市规划方面的一个研究热点。因此,本文通过成都市2016年的滴滴出行数据对城市用地进行了多个维度分析,并基于城市静态数据和出行动态数据建立了城市功能区识别模型。本文的主要研究工作具体如下:（1）数据获取及预处理。本文数据涵盖成都市主城区及其周边区域,数据包括城市POI数据、路网数据、滴滴出行数据和城市用地数据等。数据来源于高德地图平台、OpenStreetMap和滴滴出行公司。本文对上述数据进行了包括坐标、投影与格式转换、空间分析与处理、数据清洗...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：103 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景与意义
1.2 国内外研究现状
1.2.1 数据挖掘研究现状
1.2.2 基于城市动态出行数据的土地利用研究现状
1.2.3 城市功能区识别研究现状
1.3 研究内容和技术路线
1.4 本文的主要贡献与创新
1.5 本文组织结构
第二章 相关技术介绍
2.1 聚类算法
2.1.1 DBSCAN算法
2.1.2 Kmeans算法
2.1.3 评估指标
2.2 机器学习分类算法
2.2.1 机器学习分类算法概述
2.2.2 XGBoost
2.2.3 LightGBM
2.3 自然语言处理技术
2.3.1 word2vec模型
2.3.1.1 Skip-gram模型
2.3.1.2 CBOW模型
2.3.2 doc2vec模型
2.3.3 Latent Dirichlet Allocation模型
2.4 本章小结
第三章 数据获取及预处理
3.1 研究区域
3.2 兴趣点数据的获取及预处理
3.2.1 数据来源
3.2.2 基于区域划分的兴趣点数据获取
3.2.3 坐标转换
3.2.4 投影转换
3.3 滴滴出行数据的获取及预处理
3.3.1 数据来源及数据介绍
3.3.2 数据预处理
3.4 基于路网划分的城市功能区提取
3.4.1 数据来源
3.4.2 路网划分及城市功能区提取
3.4.3 城市功能区标注
3.4.3.1 利用OpenStreetMap数据进行标注
3.4.3.2 手动标注
3.5 本章小结
第四章 基于滴滴出行数据的城市用地分析
4.1 城市用地OD流量分析
4.1.1 城市用地OD流量时间维度分析
4.1.2 城市用地OD流量空间维度分析
4.1.2.1 城市用地OD流量热力图
4.1.2.2 基于Kmeans聚类算法的城市热门区域可视化
4.2 城市用地供需分析
4.2.1 地铁站点用地供需分析
4.2.2 公园广场用地供需分析
4.2.3 购物中心用地供需分析
4.3 本章小结
第五章 基于静态数据的城市功能区识别模型研究与实验
5.1 基于静态数据的城市功能区识别模型
5.1.1 模型建立
5.1.2 实验与结果
5.2 本章小结
第六章 基于动态出行数据的城市功能区识别模型研究与实验
6.1 基于动态出行数据的城市功能区识别模型研究与实验
6.1.1 加入动态出行数据的城市功能区识别模型
6.1.1.1 模型建立
6.1.1.2 实验与结果
6.1.2 加入Skip-gram模型和doc2vec模型的城市功能区识别模型
6.1.2.1 模型建立
6.1.2.2 实验与结果
6.1.3 加入LDA模型的城市功能区识别模型
6.1.3.1 模型建立
6.1.3.2 实验与结果
6.1.4 加入Balanced Sampling的城市功能区识别模型
6.1.4.1 模型建立
6.1.4.2 实验与结果
6.1.5 模型结果总结与对比
6.2 本章小结
第七章 总结与展望
7.1 论文总结
7.2 论文展望
致谢
参考文献
攻读硕士学位期间取得的成果
发表的学术论文
申请的软件著作
参与的科研项目
【参考文献】：
期刊论文
[1]基于轨迹和兴趣点数据的城市功能区动态识别与时变规律可视分析[J]. 张慧杰,王蓉,陈斌,侯亚芳,曲德展. 计算机辅助设计与图形学学报. 2018(09)
[2]基于手机数据的城市功能区识别算法[J]. 汤长猛,廖海明,吴乃星,董路熙,张瑞,李燕敏,高翔. 电脑知识与技术. 2018(25)
[3]基于logistic回归模型的城市功能区识别[J]. 冯然,董先敏,梁婷,王路遥. 测绘与空间地理信息. 2018(04)
[4]基于手机信令数据的城市用地功能区识别方法研究[J]. 靳萍,陈明,孙志豪. 信息通信. 2018(01)
[5]基于POI数据的城市功能区识别方法研究[J]. 蒋云良,董墨萱,范婧,高少文,刘勇,马新强. 浙江师范大学学报(自然科学版). 2017(04)
[6]出租车GPS大数据在东莞市“小山小湖”社区公园选址中的应用[J]. 黎海波,陈通利. 测绘通报. 2017(05)
[7]利用POI数据的武汉城市功能区划分与识别[J]. 康雨豪,王玥瑶,夏竹君,池娇,焦利民,魏智威. 测绘地理信息. 2018(01)
[8]基于电信位置数据的人群活动热点区域识别[J]. 卢光跃,刘迪,岳赟,董静怡. 西安邮电大学学报. 2017(01)
[9]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)
[10]大数据条件下城市用地类型辨识研究——基于出租车GPS数据的动态感知[J]. 梁军辉,林坚,杜洋. 上海国土资源. 2016(01)
硕士论文
[1]出租车GPS数据的信息挖掘研究[D]. 陈玲燕.北京交通大学 2018
[2]基于居民运动数据的杭州城市绿道评价及优化策略研究[D]. 丁浪.浙江大学 2018
[3]基于蜂窝网络数据的用户移动性分析和兴趣区挖掘[D]. 张鹏.北京邮电大学 2018
[4]基于出租车轨迹数据挖掘的居民出行特征研究[D]. 蔡柳.长安大学 2017
[5]基于出租车轨迹数据的城市夜间公交线路规划研究[D]. 肖露艳.中国科学院大学(中国科学院深圳先进技术研究院) 2017
本文编号：3610430
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：103 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景与意义
1.2 国内外研究现状
1.2.1 数据挖掘研究现状
1.2.2 基于城市动态出行数据的土地利用研究现状
1.2.3 城市功能区识别研究现状
1.3 研究内容和技术路线
1.4 本文的主要贡献与创新
1.5 本文组织结构
第二章 相关技术介绍
2.1 聚类算法
2.1.1 DBSCAN算法
2.1.2 Kmeans算法
2.1.3 评估指标
2.2 机器学习分类算法
2.2.1 机器学习分类算法概述
2.2.2 XGBoost
2.2.3 LightGBM
2.3 自然语言处理技术
2.3.1 word2vec模型
2.3.1.1 Skip-gram模型
2.3.1.2 CBOW模型
2.3.2 doc2vec模型
2.3.3 Latent Dirichlet Allocation模型
2.4 本章小结
第三章 数据获取及预处理
3.1 研究区域
3.2 兴趣点数据的获取及预处理
3.2.1 数据来源
3.2.2 基于区域划分的兴趣点数据获取
3.2.3 坐标转换
3.2.4 投影转换
3.3 滴滴出行数据的获取及预处理
3.3.1 数据来源及数据介绍
3.3.2 数据预处理
3.4 基于路网划分的城市功能区提取
3.4.1 数据来源
3.4.2 路网划分及城市功能区提取
3.4.3 城市功能区标注
3.4.3.1 利用OpenStreetMap数据进行标注
3.4.3.2 手动标注
3.5 本章小结
第四章 基于滴滴出行数据的城市用地分析
4.1 城市用地OD流量分析
4.1.1 城市用地OD流量时间维度分析
4.1.2 城市用地OD流量空间维度分析
4.1.2.1 城市用地OD流量热力图
4.1.2.2 基于Kmeans聚类算法的城市热门区域可视化
4.2 城市用地供需分析
4.2.1 地铁站点用地供需分析
4.2.2 公园广场用地供需分析
4.2.3 购物中心用地供需分析
4.3 本章小结
第五章 基于静态数据的城市功能区识别模型研究与实验
5.1 基于静态数据的城市功能区识别模型
5.1.1 模型建立
5.1.2 实验与结果
5.2 本章小结
第六章 基于动态出行数据的城市功能区识别模型研究与实验
6.1 基于动态出行数据的城市功能区识别模型研究与实验
6.1.1 加入动态出行数据的城市功能区识别模型
6.1.1.1 模型建立
6.1.1.2 实验与结果
6.1.2 加入Skip-gram模型和doc2vec模型的城市功能区识别模型
6.1.2.1 模型建立
6.1.2.2 实验与结果
6.1.3 加入LDA模型的城市功能区识别模型
6.1.3.1 模型建立
6.1.3.2 实验与结果
6.1.4 加入Balanced Sampling的城市功能区识别模型
6.1.4.1 模型建立
6.1.4.2 实验与结果
6.1.5 模型结果总结与对比
6.2 本章小结
第七章 总结与展望
7.1 论文总结
7.2 论文展望
致谢
参考文献
攻读硕士学位期间取得的成果
发表的学术论文
申请的软件著作
参与的科研项目
【参考文献】：
期刊论文
[1]基于轨迹和兴趣点数据的城市功能区动态识别与时变规律可视分析[J]. 张慧杰,王蓉,陈斌,侯亚芳,曲德展. 计算机辅助设计与图形学学报. 2018(09)
[2]基于手机数据的城市功能区识别算法[J]. 汤长猛,廖海明,吴乃星,董路熙,张瑞,李燕敏,高翔. 电脑知识与技术. 2018(25)
[3]基于logistic回归模型的城市功能区识别[J]. 冯然,董先敏,梁婷,王路遥. 测绘与空间地理信息. 2018(04)
[4]基于手机信令数据的城市用地功能区识别方法研究[J]. 靳萍,陈明,孙志豪. 信息通信. 2018(01)
[5]基于POI数据的城市功能区识别方法研究[J]. 蒋云良,董墨萱,范婧,高少文,刘勇,马新强. 浙江师范大学学报(自然科学版). 2017(04)
[6]出租车GPS大数据在东莞市“小山小湖”社区公园选址中的应用[J]. 黎海波,陈通利. 测绘通报. 2017(05)
[7]利用POI数据的武汉城市功能区划分与识别[J]. 康雨豪,王玥瑶,夏竹君,池娇,焦利民,魏智威. 测绘地理信息. 2018(01)
[8]基于电信位置数据的人群活动热点区域识别[J]. 卢光跃,刘迪,岳赟,董静怡. 西安邮电大学学报. 2017(01)
[9]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)
[10]大数据条件下城市用地类型辨识研究——基于出租车GPS数据的动态感知[J]. 梁军辉,林坚,杜洋. 上海国土资源. 2016(01)
硕士论文
[1]出租车GPS数据的信息挖掘研究[D]. 陈玲燕.北京交通大学 2018
[2]基于居民运动数据的杭州城市绿道评价及优化策略研究[D]. 丁浪.浙江大学 2018
[3]基于蜂窝网络数据的用户移动性分析和兴趣区挖掘[D]. 张鹏.北京邮电大学 2018
[4]基于出租车轨迹数据挖掘的居民出行特征研究[D]. 蔡柳.长安大学 2017
[5]基于出租车轨迹数据的城市夜间公交线路规划研究[D]. 肖露艳.中国科学院大学(中国科学院深圳先进技术研究院) 2017
本文编号：3610430
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3610430.html
