基于多源数据的城市功能区识别方法研究

发布时间：2024-04-09 04:24

　　伴随着经济社会的发展,城市化进程在全球广泛发生,我国也相应加速城镇化进程。《“十三五”规划(2016-2020年)》指出,超大、特大城市应加快提高国际化水平,适当疏解中心城区非核心功能。对城市功能区进行划分与识别有助于分析城市功能区分布现状、了解城市内部空间结构,为优化城市空间格局和疏解中心城区非核心功能提供决策依据。传统的城市功能区划分研究方法存在主观性较大、数据更新慢、人工成本高的问题,且缺少细粒度研究。大数据的兴起以及数据挖掘技术的更新为城市功能区划分研究提供了富含语义信息的地理大数据及精细化的分析技术。本文研究从粗细两种粒度探究城市功能区识别方法,采用多源数据作为城市功能区识别的基础数据支撑。将郑州市中心城区800m×800m格网作为细粒度基础研究单元,探究相同粒度下POI权重对识别精度的提升作用。对POI数据进行预处理及重分类操作,根据POI数据对应地理实体的占地面积及公众认知度不同,赋予各类POI数据不同权重。然后构建功能区识别特征向量,通过计算各单元的类型占比特征向量,识别该单元功能类型,识别结果对应六种功能区。最后结合卫星地图及规划地图抽样对比验证,总体识别精度达到79...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
    1.1 研究背景和意义
        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 地理大数据研究现状
        1.2.2 功能区识别研究现状
    1.3 研究内容与研究路线
        1.3.1 研究内容
        1.3.2 研究路线
    1.4 论文结构
2 研究区与数据概况
    2.1 研究区简介
    2.2 数据来源
    2.3 数据预处理
        2.3.1 POI数据
        2.3.2 OpenStreetMap数据
        2.3.3 材料数据
    2.4 本章小结
3 细粒度POI定量识别方法
    3.1 POI特征向量构建
    3.2 定量识别结果
    3.3 POI定量识别精度验证
    3.4 本章小结
4 粗粒度聚类识别方法
    4.1 聚类算法概述
    4.2 K-means算法识别
    4.3 高斯混合模型识别
    4.4 DBSCAN算法识别
    4.5 本章小结
5 基于核密度估计的功能区边界提取
    5.1 概率密度估计方法
    5.2 POI核密度分析
    5.3 对比验证
    5.4 本章小结
6 结论与展望
    6.1 主要结论
    6.2 创新
    6.3 研究不足与展望
参考文献
攻读学位期间科研成果
致谢



本文编号：3949312