CN104699906A - 一种结合车载轨迹数据及地形的空间可达性测度方法 - Google Patents
一种结合车载轨迹数据及地形的空间可达性测度方法 Download PDFInfo
- Publication number
- CN104699906A CN104699906A CN201510121558.XA CN201510121558A CN104699906A CN 104699906 A CN104699906 A CN 104699906A CN 201510121558 A CN201510121558 A CN 201510121558A CN 104699906 A CN104699906 A CN 104699906A
- Authority
- CN
- China
- Prior art keywords
- road
- accessibility
- spatial accessibility
- spatial
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000513 principal component analysis Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 230000005021 gait Effects 0.000 claims description 15
- 238000000691 measurement method Methods 0.000 claims description 12
- 241000209094 Oryza Species 0.000 claims description 11
- 235000007164 Oryza sativa Nutrition 0.000 claims description 11
- 235000009566 rice Nutrition 0.000 claims description 11
- 239000002131 composite material Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 description 1
- 241000132092 Aster Species 0.000 description 1
- 102100038546 Fibronectin type III and SPRY domain-containing protein 1 Human genes 0.000 description 1
- 101001030521 Homo sapiens Fibronectin type III and SPRY domain-containing protein 1 Proteins 0.000 description 1
- 101100077149 Human herpesvirus 8 type P (isolate GK18) K5 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
Abstract
本发明涉及一种结合车载轨迹数据及地形的空间可达性测度方法，针对传统空间可达性测度方法的不足，结合车载轨迹数据及地形数据提出一系列改进的空间可达性指标，构成空间可达性的综合指标体系，并采用主成分分析与k-means++聚类算法对空间可达性进行综合评价分级。该方法的改进主要体现在：基于车载轨迹数据得出的平均速度考虑到其空间分布差异对传统空间可达性指标的影响；地形数据则能够将传统的平面欧式距离扩展到三维，使结合地形数据的空间可达性新指标更加符合实际状况。本发明基于传统的及改进的空间可达性指标搭建的综合体系，能够综合考量空间可达性所涉及的各个方面，可以对空间可达性进行全方位的综合测度、评价及合理分级。
Description
技术领域
本发明属于地理信息技术等技术领域，涉及一种结合车载轨迹数据及地形的空间可达性测度方法。
背景技术
空间可达性是人文地理学、城乡规划、地球信息科学、交通运输经济学等学科的研究热点之一，它的理论基础来源于杜能的古典区位论，用于衡量空间上要素实体的位置优劣程度。在土地利用/覆盖、景观格局研究领域，空间可达性通过影响人们到达某个特定地点的能力、交通成本及方便程度，在一定程度上决定了人类活动发生的范围和强度，从而作用于区域的土地利用/覆盖格局及转变模式。
交通系统的发展会深刻地影响空间可达性的大小，在不同尺度上的表现具有一定的差异性，在大区域尺度上，空间可达性受铁路和航空的影响较大，在小区域尺度上，空间可达性则在较大程度上取决于路网的发展。在生态系统或景观水平上，道路修建的直接作用是导致景观破碎化，增加了斑块边缘密度，中断了水平的生态流，进而改变景观格局；在区域水平上，道路的修建和运营会诱导人口向交通干线聚集，形成新的集镇或城市，改变了区域性土地利用/覆盖结构与格局。道路作为一种重要的线状人工设施，拓宽了人类活动的影响范围，从而在多时空尺度上深刻地作用于景观格局。
随着人们对可达性概念认识的深化与可达性概念在土地利用/覆盖、景观格局、城市规划等应用领域的扩展,可达性测度方法开始不断涌现并且得到不断改进。现有的空间可达性指标主要依托于路网特征进行构建，按照网络特征的差异，分为几何网络和拓扑网络两类指标。基于几何网络的可达性测度方法使用空间距离、时间距离(跨越空间距离所需的时间)、经济距离(跨越空间距离所支付的费用)作为基本因子来度量可达性，主要包括距离法、累计机会法、等值线法、重力模型法、平衡系数法、时空法以及效用法等多种方法；基于拓扑网络的可达性测度方法重点考虑道路网络的节点、边、连接度等拓扑特征，根据运算方式差异可划分为基于矩阵的拓扑方法与基于空间句法的拓扑方法。现有的这些空间可达性测度方法单纯基于路网特征评价，鲜有考虑地形起伏和道路行车状况对其的影响。
发明内容
本发明的目的是基于欧式距离、拓扑度量等传统的空间可达性测度方法，结合车载轨迹数据及地形数据提出一系列改进的空间可达性指标，然后基于该系列空间可达性指标对空间可达性进行综合评价，并进行空间可达性分级。
本发明采用的技术方案如下：
一种结合车载轨迹数据及地形的空间可达性测度方法，具体步骤包括：
(1)利用车载轨迹数据、土地覆盖类型及地形数据计算基于像素的平均速度格网数据；
(2)在传统的空间可达性指标“距道路距离”(Distance to Road,DTR)的基础上，将传统的平面欧式距离扩展到三维，加入地形因素修正DTR，计算空间可达性指标“距道路的三维表面距离”(3D Distance To Road,3D-DTR)；所述“距道路的三维表面距离”是指在由地形起伏构成的三维表面上距道路的最短距离；
(3)考虑到经过每个像素时的不同速度所造成的时间成本差异，结合平均速度格网数据，计算空间可达性指标“距道路时间”(Travel Time To Road,TTTR)；所述“距道路时间”是指到达道路所需的最短时间；
(4)利用平均速度作为权重对传统空间可达性指标“路网密度”进行改进，提出新的空间可达性指标“基于平均速度的路网密度”(Road Density based on Mean Speed,RDMS)；所述“基于平均速度的路网密度”是指以平均速度作为权重调整过的单位面积内道路长度；
(5)在步骤(2)、(3)、(4)提出的空间可达性新指标基础上，结合已有空间可达性指标“无路体积”(Roadless Volume,RV)及“路网连接度”(Road Connectivity，RC)，提出空间可达性测度的综合指标体系，并使用主成分分析与k-means++聚类算法相结合的方法对空间可达性进行综合分析(即进行评价并分级)，得到基于所述综合指标体系的空间可达性空间分布。
所述步骤(1)具体为：首先将研究区域分割为合适大小的像素格网。对于道路格网，基于车载轨迹数据计算平均行车速度，步骤为：将相同车辆采集的GPS定位点筛选出，并按时间顺序排列，基于定位点的共有字段和非共有字段分开存储的原则构建结构体，将车辆的行驶轨迹存入数据库；根据每一车辆的相邻GPS定位点间隔时间及车辆位移计算定位点瞬时速度；对每个格网内所包含的定位点瞬时速度进行平均，作为该格网的平均行车速度。对于非道路格网，根据文献及实地调查，相对应不同土地覆盖类型，计算每个格网的基础平均行进速度，并根据海拔及坡度对基础平均行进速度进行调整。将据此计算出的道路格网的平均行车速度与非道路格网的平均行进速度相结合，生成基于像素的平均速度格网数据。
所述步骤(2)利用数字高程模型(DEM)计算每个像素的坡度，利用坡度计算经过每个像素的三维表面距离，而非平面距离，将像素的三维表面距离看做成本，利用成本距离的方法得出每个像素距道路的最短(最低成本)三维表面距离，得到考虑了地形起伏的空间可达性新指标“距道路的三维表面距离”。
所述步骤(3)与所述步骤(2)相似，根据步骤(1)得到的平均速度格网数据，计算出经过每个像素的平均时间，作为时间成本，利用成本距离的方法得出每个像素距道路的最短到达时间(最低时间成本)，得到考虑平均速度的空间可达性新指标“距道路时间”。
所述步骤(4)首先采用核密度方法计算传统的空间可达性指标“路网密度”，然后将步骤(1)中计算出的平均速度格网数据进行移动窗口平滑，利用平滑后的像素邻域平均速度作为权重对该像素邻域路网密度进行调整，得到考虑平均速度的空间可达性新指标“基于平均速度的路网密度”。
所述步骤(5)提出包含3D-DTR，TTTR，RDMS，RV及RC五种空间可达性指标的综合指标体系。RV与RC作为区域性空间可达性指标，计算时采用移动窗口的方法，取各像素周边范围内的RV与RC值。计算RV时把DTR视为高程，构造一个伪地形面，计算DTR>0部分的地面上体积。RC则基于图论对路网的拓扑结构进行衡量，以道路交点密度测度其连接度。使用主成分分析的方法将五个空间可达性指标转换为彼此相互独立或不相关的少数几个综合性指标，利用综合性指标对研究区域的空间可达性进行综合评价；使用综合性指标构建主成分空间，在主成分空间使用改进的k-means聚类算法——k-means++聚类算法将研究区域进行空间可达性分级，得到更加直观的基于所述综合指标体系的空间可达性空间分布。
与现有技术相比，本发明的有益效果是：
本发明在对传统空间可达性测度方法进行改进的基础上，提出了空间可达性的综合指标体系，并采用主成分分析与k-means++聚类算法相结合的方法对空间可达性进行综合评价并分级。对传统空间可达性测度方法的改进主要集中在行车速度及地形上。其中由车载轨迹数据计算平均行车速度，得益于GPS车辆轨迹数据高时间分辨率、高空间分辨率和实时性等特点，由之衍生的平均行车速度可以反映详尽的空间分布差异，从而使得结合平均行车速度的空间可达性测度方法更为实用。同时，在计算DTR时结合地形能够将传统的平面欧式距离扩展到三维，使得计算出的DTR为充分考虑到地形起伏的表面距离，更加符合实际状况。使用三个改进的及两个已有的空间可达性指标搭建的综合体系，能够综合考量空间可达性所涉及的各个方面，可以对空间可达性进行全方位的综合评价及合理分级。
附图说明
图1为本发明实施例中采用的全国重点营运车辆监控平台GPS车辆轨迹数据。
图2为本发明实施例中五个空间可达性指标“距道路的三维表面距离”(a)、“距道路时间”(b)、“基于平均速度的路网密度”(c)、“无路体积”(d)及“路网连接度”(e)的空间分布图。
图3为本发明实施例中第一至第五主成分((a)-(e))空间分布图。
图4为本发明实施例中空间可达性分级图。
具体实施方式
下面以广西壮族自治区桂林市辖区内一矩形样区为例对本发明做详细的介绍：
第一步骤为生成基于像素的平均速度格网数据，具体包括：车载轨迹数据预处理；生成道路格网平均行车速度格网数据；生成非道路格网平均行进速度格网数据；生成样区平均速度格网数据。
首先进行车载轨迹数据预处理：实施例使用的车载轨迹数据来自中国交通部建立的全国重点营运车辆监控平台。附图1为样区内GPS车辆轨迹数据。重点营运车辆监控平台中浮动车的一条定位数据的主要字段包括：车辆编号、车牌号码、车牌颜色编号、所属省平台接入码、经度、纬度、行驶速度、行驶方向、车辆状态、报警状态、定位时间等。为了方便管理大量GPS定位点且便于对其进行处理和分析，在读取GPS定位点后，将相同车辆采集的GPS定位点筛选出，并按时间顺序排列。
根据每一车辆的相邻GPS定位点间隔时间及车辆位移计算定位点瞬时速度。将样区分割为30m*30m的像素格网，对每一格网所包含的定位点瞬时速度进行平均，作为该格网的平均行车速度。平均行车速度为0的格网则作为非道路格网进行处理。根据文献及实地调查，对应不同土地覆盖类型，非道路格网的基础平均行进速度取不同值。实施例使用2002年的Landsat 5卫星TM影像，在建立了包含林地、水体、建设用地及其他用地的土地覆盖分类体系的基础上，使用Landsat影像的近红外(NIR)、红色、绿色、蓝色、中红外1(MIR1)、中红外2(MIR2)波段以及NDVI、数字高程模型、坡度、坡向等输入图层，采用多分辨率图像分割方法，利用eCognition软件将漓江流域分割成若干个对象，并进行分类。四种土地覆盖类型对应的基础平均行进速度如下表所示：
| 土地覆盖类型 | 基础平均行进速度(公里/小时) |
| 林地 | 1 |
| 水体 | 20 |
| 建设用地 | 30 |
| 其他用地 | 2 |
根据土地覆盖类型得出的基础平均行进速度需根据地形进行调整。调整方式如下：
当海拔高于2000米时：
v＝v0·0.15·e-3tanS+0.0007E
当海拔低于2000米时：
v＝v0e-3tanS
其中E为海拔，S为坡度，v0为基础平均行进速度，v为调整后的平均行进速度。将道路格网平均行车与非道路格网平均行进速度结合，得到样区平均速度格网数据。
第二步骤为空间可达性指标“距道路的三维表面距离”的计算。具体包括：坡度信息的提取；三维表面距离的计算；距道路的三维表面距离的计算。实施例使用的DEM数据为NASA发布的ASTER GDEM1.0版本，空间分辨率为30米。首先把DEM数据导入ENVI4.8，调用地形建模功能模块，计算出坡度信息；在坡度数据的支持下，针对每个像素，根据直角三角形特性，利用坡度余弦值计算出每个像素的三维表面距离；在ArcGIS10.1的支持下，把计算所得的三维表面距离作为衡量每个像素的成本值，计算每个空间位置经由三维表面距离到道路的最小成本，得到考虑地形因素的距离道路最小成本距离，即空间可达性指标“距道路的三维表面距离”。
第三步骤为空间可达性指标“距道路时间”的计算。利用第一步骤中得到的样区平均速度格网数据，计算经过每个像素对应的时间成本，参考第二步骤的思路，计算每个空间位置距离道路的最小累积时间成本，得到考虑旅行时间的距离道路最小成本时间，即空间可达性指标“距道路时间”。
第四步骤为空间可达性指标“基于平均速度的路网密度”的计算。实施例首先使用以下核密度估算公式估算单位面积内的道路长度，即传统的空间可达性指标“路网密度”：
其中K(*)为核函数，h为带宽，n为带宽内点的数量，xi为点对象的位置，x为待计算密度的位置。
考虑到空间可达性比较符合高斯函数的分布，本发明选用高斯函数核在计算核密度时将网格大小设置为30米，将带宽h设置为500米。考虑到在实际状况中，路网密度相近的像素其空间可达性仍因周边道路及非道路区域的平均速度差异而有所不同，本发明提出新的空间可达性指标“基于平均速度的路网密度”。将第一步骤中计算出的平均速度格网数据进行移动窗口平滑，移动窗口大小同样取500m，得到每个像素周边500m范围内的像素邻域平均速度。将像素邻域平均速度作为权重与相应像素路网密度值相乘，计算出空间可达性指标“基于平均速度的路网密度”。
第五步骤使用空间可达性综合指标体系构建综合指标并进行空间可达性分级，具体步骤包括：空间可达性指标“无路体积”及“路网连接度”计算；主成分分析；k-means++聚类。
由于RV及RC都为区域性空间可达性指标，因此在生成RV及RC格网数据时，采用移动窗口的方法取各像素周边500m范围内区域的RV及RC值作为该像素的值。RV的计算采用对DTR进行积分的方法，具体到实施例格网数据来说，计算方法如下：
RV＝ΣDTRpixel*Apixel
其中DTRpixel与Apixel分别为500m范围内涵盖像素的DTR与面积(本实施例像素面积为900平方米)。RV单位为立方公里。RC的计算则用核密度的方法，使用像素周边500m范围内道路交点的密度来衡量路网连接度，道路交点越多，密度越大，则路网连接度越大。附图2为第二步骤至第五步骤中计算的五种空间可达性指标的空间分布图，其中(a)图为距道路的三维表面距离，(b)图为距道路时间，(c)图为基于平均速度的路网密度，(d)图为无路体积，(e)图为路网连接度。
对样区内所涵盖的所有像素(共33572个像素)的五种空间可达性指标进行主成分分析，将五种指标转换为彼此相互独立或不相关的少数几个综合性指标。主成分分析结果如下：
附图3为五个主成分空间分布图，其中(a)～(e)图依次为第一主成分、第二主成分、第三主成分、第四主成分、第五主成分。各主成分方差分别为63.18％、18.16％、11.97％、4.63％及2.06％。第一主成分的方差就达到63.18％，且特征值大于1，其他四个主成分特征值都小于1。通过分析各主成分相对应的五个空间可达性指标的系数可知，第一主成分与全部五个指标相关，并与除RV外的其他四个强烈相关。第一主成分与3D-DTR、TTTR及RV呈现正相关，而与RDMS及RC呈现负相关。因此，第一主成分可以作为考量了距道路的三维表面距离、距道路时间、基于平均速度的路网密度、无路体积及路网连接度的空间可达性综合评价指数。根据空间可达性大小的直观理解，通过计算第一主成分并取其负值获取空间可达性综合评价指数(Comprehensive Index of Accessibility,CIA)并对样区的空间可达性进行综合评价,即：
利用五个主成分构建主成分空间，在主成分空间使用聚类算法将研究区域进行空间可达性分级。由于传统的k-means聚类算法存在局部最优化的问题，本发明采用k-means++聚类算法来获取最优聚类。k-means++算法在种子选取方法上对传统传统k-means算法进行了改进，以替代随机种子选取。k-means++算法保留了传统k-means算法的所有优势，并且有效解决了局部最优化问题。k-means++算法步骤如下：
1.从所有数据点中随机选取第一个种子；
2.使用以下公式计算每一个数据点的概率，其中D(i)为在主成分空间中数据点i到种子的最短距离；
3.按照概率P选择数据点作为下一个种子；
4.重复步骤2及3，直到k个种子全部被选取；
5.以选取的k个种子作为初始种子进行传统的k-means聚类。
利用k-means++聚类算法将研究区域进行空间可达性分级。实施例将样区空间可达性分为5级，附图4为更加直观的考虑到空间可达性综合指标体系的空间可达性空间分布。
以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求所述为准。
Claims (9)
1.一种结合车载轨迹数据及地形的空间可达性测度方法，其步骤包括：
(1)利用车载轨迹数据、土地覆盖类型及地形数据计算基于像素的平均速度格网数据；
(2)在传统的空间可达性指标“距道路距离”的基础上，加入地形因素，以将传统的平面欧式距离扩展到三维，并计算空间可达性指标“距道路的三维表面距离”；所述“距道路的三维表面距离”是指在由地形起伏构成的三维表面上距道路的最短距离；
(3)根据经过每个像素时的不同速度所造成的时间成本，并结合步骤(1)得到的平均速度格网数据，计算空间可达性指标“距道路时间”；所述“距道路时间”是指到达道路所需的最短时间；
(4)根据步骤(1)得到的平均速度格网数据，利用平均速度作为权重对传统空间可达性指标“路网密度”进行改进，形成新的空间可达性指标“基于平均速度的路网密度”；所述“基于平均速度的路网密度”是指以平均速度作为权重调整过的单位面积内道路长度；
(5)在步骤(2)、(3)、(4)提出的空间可达性新指标基础上，结合空间可达性指标“无路体积”及“路网连接度”，构成空间可达性测度的综合指标体系，并使用主成分分析与聚类算法相结合的方法对空间可达性进行综合分析，得到基于所述综合指标体系的空间可达性空间分布。
2.如权利要求1所述的方法，其特征在于：所述步骤(1)将研究区域分割为合适大小的格网，包括道路格网和非道路格网；对于道路格网，基于车载轨迹数据计算平均行车速度；对于非道路格网，根据不同的土地覆盖类型计算非道路格网的基础平均行进速度，并根据海拔及坡度对基础平均行进速度进行调整；将计算出的道路格网的平均行车速度与非道路格网的平均行进速度结合为基于像素的平均速度格网数据。
3.如权利要求2所述的方法，其特征在于：所述道路格网基于车载轨迹数据计算平均行车速度的步骤为：将相同车辆采集的GPS定位点筛选出，并按时间顺序排列，基于定位点的共有字段和非共有字段分开存储的原则构建结构体，将车辆的行驶轨迹存入数据库；根据每一车辆的相邻GPS定位点间隔时间及车辆位移计算定位点瞬时速度，将研究区域分割为合适大小的像素格网，对每个像素内所包含的定位点瞬时速度进行平均，作为该像素的平均行车速度。
4.如权利要求2所述的方法，其特征在于：所述根据海拔及坡度对基础平均行进速度进行调整的方法是：
当海拔高于2000米时：v＝v0·0.15·e-3tanS+0.0007E；
当海拔低于2000米时：v＝v0e-3tanS；
其中E为海拔，S为坡度，v0为基础平均行进速度，v为调整后的平均行进速度。
5.如权利要求1所述的方法，其特征在于：所述步骤(2)利用数字高程模型计算每个像素的坡度，利用坡度计算经过每个像素的三维表面距离，然后将像素的三维表面距离看做成本，利用成本距离的方法得出每个像素距道路的最短三维表面距离，从而得到考虑地形起伏的空间可达性新指标“距道路的三维表面距离”。
6.如权利要求1所述的方法，其特征在于：所述步骤(3)根据步骤(1)得到的平均速度格网数据，计算出经过每个像素的平均时间，作为时间成本，利用成本距离的方法得出每个像素距道路的最短到达时间，从而得到考虑平均速度的空间可达性新指标“距道路时间”。
7.如权利要求1所述的方法，其特征在于：所述步骤(4)首先采用核密度方法计算传统的空间可达性指标“路网密度”，然后将步骤(1)中计算出的平均速度格网数据进行移动窗口平滑，利用平滑后的像素邻域平均速度作为权重对该像素邻域路网密度进行调整，得到考虑平均速度的空间可达性新指标“基于平均速度的路网密度”。
8.如权利要求1所述的方法，其特征在于：所述步骤(5)计算“无路体积”与“路网连接度”时采用移动窗口的方法，取各像素周边范围内的无路体积与路网连接度值；计算“无路体积”时把“距道路距离”视为高程，构造一个伪地形面，计算距道路距离>0部分的地面上体积；“路网连接度”则基于图论对路网的拓扑结构进行衡量，以道路交点密度测度其连接度。
9.如权利要求1所述的方法，其特征在于：所述步骤(5)使用主成分分析的方法将五个空间可达性指标转换为彼此相互独立或不相关的少数几个综合性指标，利用综合性指标对研究区域的空间可达性进行综合评价；并构建主成分空间，在主成分空间使用改进的k-means聚类算法将研究区域进行空间可达性分级，得到更加直观的考虑到空间可达性综合指标体系的空间可达性空间分布模式；所述改进的k-means聚类算法的步骤包括：
a)从所有数据点中随机选取第一个种子；
b)计算每一个数据点的概率，公式为其中D(i)为在主成分空间中数据点i到种子的最短距离；
c)按照概率P选择数据点作为下一个种子；
d)重复步骤b)及步骤c)，直到k个种子全部被选取；
e)以选取的k个种子作为初始种子进行传统的k-means聚类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510121558.XA CN104699906B (zh) | 2015-03-19 | 2015-03-19 | 一种结合车载轨迹数据及地形的空间可达性测度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510121558.XA CN104699906B (zh) | 2015-03-19 | 2015-03-19 | 一种结合车载轨迹数据及地形的空间可达性测度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104699906A true CN104699906A (zh) | 2015-06-10 |
| CN104699906B CN104699906B (zh) | 2017-08-04 |
Family
ID=53347022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510121558.XA Expired - Fee Related CN104699906B (zh) | 2015-03-19 | 2015-03-19 | 一种结合车载轨迹数据及地形的空间可达性测度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104699906B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108121871A (zh) * | 2017-12-21 | 2018-06-05 | 中国科学院遥感与数字地球研究所 | 一种室内空间可达范围生成方法及装置 |
| CN109166307A (zh) * | 2018-06-15 | 2019-01-08 | 中国地质大学（武汉） | 一种交通路网时空可达性的可视化隐喻表达方法及系统 |
| CN114118854A (zh) * | 2021-12-03 | 2022-03-01 | 中国科学院地理科学与资源研究所 | 一种道路网络扩展对景观生态风险影响的评估方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
| US8024126B2 (en) * | 2003-07-10 | 2011-09-20 | International Business Machines Corporation | Moment analysis of tertiary protein structures |
| CN103577539A (zh) * | 2013-09-30 | 2014-02-12 | 北京建筑大学 | 一种基于gis的测量公交服务可达性的方法 |
-
2015
- 2015-03-19 CN CN201510121558.XA patent/CN104699906B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8024126B2 (en) * | 2003-07-10 | 2011-09-20 | International Business Machines Corporation | Moment analysis of tertiary protein structures |
| CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
| CN103577539A (zh) * | 2013-09-30 | 2014-02-12 | 北京建筑大学 | 一种基于gis的测量公交服务可达性的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 潘竟虎: "中国4A级及以上旅游景点（区）空间可达性测度", 《地理科学》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108121871A (zh) * | 2017-12-21 | 2018-06-05 | 中国科学院遥感与数字地球研究所 | 一种室内空间可达范围生成方法及装置 |
| CN108121871B (zh) * | 2017-12-21 | 2021-05-25 | 中国科学院遥感与数字地球研究所 | 一种室内空间可达范围生成方法及装置 |
| CN109166307A (zh) * | 2018-06-15 | 2019-01-08 | 中国地质大学（武汉） | 一种交通路网时空可达性的可视化隐喻表达方法及系统 |
| CN114118854A (zh) * | 2021-12-03 | 2022-03-01 | 中国科学院地理科学与资源研究所 | 一种道路网络扩展对景观生态风险影响的评估方法和装置 |
| CN114118854B (zh) * | 2021-12-03 | 2022-10-21 | 中国科学院地理科学与资源研究所 | 一种道路网络扩展对景观生态风险影响的评估方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104699906B (zh) | 2017-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bonczak et al. | Large-scale parameterization of 3D building morphology in complex urban landscapes using aerial LiDAR and city administrative data | |
| CN103363962B (zh) | 一种基于多光谱影像的湖泊水储量遥感估算方法 | |
| CN103971184B (zh) | 基于gis空间地理信息系统的输电线路路径生成方法 | |
| CN104063718A (zh) | 在作物识别和面积估算中选择遥感数据和分类算法的方法 | |
| CN110781267A (zh) | 一种基于地理国情的多尺度空间分析评价方法及系统 | |
| Subramani et al. | National highway alignment using GIS | |
| Herzog et al. | Least-cost kernel density estimation and interpolation-based density analysis applied to survey data | |
| CN110175370A (zh) | 一种城市汇水潜力区识别方法 | |
| CN104699906A (zh) | 一种结合车载轨迹数据及地形的空间可达性测度方法 | |
| Das et al. | Study on urban land suitability assessment using remote sensing and GIS: a case study of Khairagarh in Chhattisgarh | |
| Kim et al. | High-speed rail route and regional mobility with a raster-based decision support system: The Texas Urban Triangle case | |
| Raj et al. | Towards evaluating gully erosion volume and erosion rates in the Chambal badlands, Central India | |
| CN104463442B (zh) | 一种城乡建设集聚性的探测方法 | |
| Harinath et al. | Morphometric analysis using Arc GIS techniques a case study of Dharurvagu, south eastern part of Kurnool district, Andhra Pradesh, India | |
| Dohnal et al. | Identification of microrelief shapes along the line objects over DEM data and assessing their impact on the vehicle movement | |
| CN106096129A (zh) | 一种基于山地汇水计算的山脚水面规模分析方法 | |
| CN112462401A (zh) | 基于浮动车轨迹数据的城市峡谷快速探测方法及装置 | |
| Van Ninh et al. | Land use/cover change and landscape fragmentation analyses in Khon Kaen city, Northeastern Thailand | |
| Bothale et al. | Evaluation and comparison of multi resolution DEM derived through Cartosat-1 stereo pair–A case study of Damanganga Basin | |
| Tu et al. | Methods and experiments for collecting information and constructing models of bottom-layer contours in paddy fields | |
| Pokonieczny et al. | Modeling spatial relationships between geodetic control points and land use with regards to polish regulation | |
| Wagtendonk et al. | An indicator set for capturing long-term open space fragmentation and urban development dynamics | |
| Sandric et al. | Object-oriented methods for landslides detection using high resolution imagery, morphometric properties and meteorological data | |
| Zhang et al. | GRIDDED POPULATION DISTRIBUTION MAP FOR THE HEBEI PROVINCE OF CHINA. | |
| Fry et al. | A low-cost GPS-based protocol to create high-resolution digital elevation models for remote mountain areas |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170804 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |