CN105574259A - 一种基于互联网词频的城市认知地图生成方法 - Google Patents

Abstract

本发明公开了一种基于互联网词频的城市认知地图生成方法，包括：在给定地域范围内，确定研究区域内的地名及路名，建立地名表格以及路名表格；对研究区域的现状CAD图进行编辑；抓取研究区域内的地名词频量以及路名词频量，将地名词频量赋值至地名表格中，将路名词频量赋值至路名表格中；对处理的CAD文件和建立的表格进行连接，分别计算出交叉口词频量、道路词频量以及街区词频量，并生成交叉口、道路和街区城市认知地图；运用交通成本计算方法生成两点或多点间的最佳认知路径，并结合交叉口、道路以及街区的认知地图，提出研究区域的优化建议。本发明基于网络数据收集的城市认知测度，可以为城市物质形态的规划设计提供新的基础性技术支撑。

Description

一种基于互联网词频的城市认知地图生成方法

技术领域

本发明涉及一种城市认知地图生成方法，尤其是一种基于互联网词频的城市认知地图生成方法，属于认知地图生成领域。

背景技术

随着全球化、网络化、信息化的不断深入，交通、通讯的不断变革中，市民获取城市空间要素认知的方式也发生了变化，城市空间感知已经不能再依赖于对真实物理环境的遍历式接触，而在很大程度上依赖媒介材料的传播，信息的快速传播，改变了人们获取数据的方式，在大量、高速、多样而富有价值的新数据下，为新时期的时空行为特征分析提供了可能。目前城市认知的调查方法更多的是沿用认知地图的方式，而认知地图更多地被认为反映一定群体对城市的空间认知，仅从环境实体空间的角度评判城市意象，难以定量分析一般的、广泛的社会群体的认知，更难以反映新媒体与互联网背景下的城市认知地图。

凯文·林奇认为城市意象是城市环境与观察者相互作用的结果，强调市民的感知和城市体验，意在通过城市意象“道路、边界、区域、节点、标志物”元素构建城市的空间结构。自凯文·林奇采用认知地图的方法对波士顿进行城市意象的分析以来，规划设计领域对城市认知的研究逐渐增多，但研究及规划调查中基本沿用小范围采样调查的方式，即通过对小样本人群进行问卷调查及认知地图绘制，得出城市或区域内的意象认知。伴随着信息技术的快速发展，互联网等新媒体已经大幅影响到市民的城市感知，社会活动产生的数据流量急剧上升，在类似于百度地图的普及下、市民可以在互联网上认知城市，国内外学者也在这方面做出了一些研究。赵渺希(2015)等以网络图片为实证分析对象，比较互联网媒介中不同城市的意象表达；李烨(2009)认为，利用网络数据分析得到的新认知地图是对互联网社会城市意象的反映，也在一定程度上丰富了规划研究的技术手段。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供了一种基于互联网词频的城市认知地图生成方法，该方法基于网络数据收集的城市认知测度，可以为城市物质形态的规划设计提供新的基础性技术支撑。

本发明的目的可以通过采取如下技术方案达到：

一种基于互联网词频的城市认知地图生成方法，所述方法包括以下步骤：

S1、在给定地域范围内，并确定研究区域内的地名及路名，建立地名表格以及路名表格；

S2、获取研究区域的现状CAD图，利用AutoCAD软件打开现状CAD图，对研究区域内的地名进行落点，并对每个地点进行编号，使该编号与地名表格的序号对应；利用AutoCAD软件打开现状CAD图，提取研究区域的道路中线至新CAD文件中，将同一道路的中线进行合并，生成路网结构，并对每段道路进行编号，使该编号与路名表格的序号对应；根据生成的路网结构，闭合生成各街区；

S3、利用Python软件抓取研究区域内的地名词频量以及路名词频量，将地名词频量赋值至地名表格中，将路名词频量赋值至路名表格中；

S4、利用GIS软件对处理的CAD文件和建立的表格进行连接，分别计算出交叉口词频量、道路词频量以及街区词频量，并生成交叉口、道路和街区城市认知地图。

优选的，步骤S1中，所述在定地域范围内的地名及路名，建立地名表格以及路名表格，具体为：

按照城市道路、标志建/构筑物、地段、山体、水体对地名进行分类，分类收集城市重要的地名与路名，同时以“序号”、“地名/路名”、“词频量”作为表头建立地名及路名的excel表格。

优选的，步骤S2，具体包括：

S201、获取研究区域的现状CAD图；

S202、添加点要素：点与地名对应，利用AutoCAD软件打开现状CAD图，建立新图层，对应确定的地名，对各地名进行逐一落点，并将每个地点在CAD中的“厚度”编号与地名的excel表格中的序号对应，最后对点要素单独存放为CAD文件；

S203、提取线要素：线与道路对应，利用AutoCAD软件打开现状CAD图，提取道路中线至新CAD文件中，用PE命令对同一道路的中线进行合并，生成路网结构，并将每段道路在CAD中的“厚度”编号与路名的excel表格中的序号相对应，最后对道路中线单独存为CAD文件；

S204、添加面要素：面与街区对应，利用AutoCAD软件打开道路中线CAD文件，用BO命令闭合生成各街区，再对街区单独存放为CAD文件。

优选的，步骤S4中，所述利用GIS软件对处理的CAD文件和建立的表格进行连接，具体包括：

S401、在GIS软件中新建一个GIS文档，将点要素CAD文件中的Point导入，按下鼠标右键打开属性表，打开全部字段，找到“厚度”字段，将点保存为shapefile文件，并导入地图中；

S402、选择连接和关联，用地名表格中的序号字段与点要素CAD文件中的“厚度”字段进行连接；

S403、将道路中线CAD文件中的Polyline加载至地图，打开全部字段，找到“厚度”字段，保存为shapefile文件；

S404、选择连接和关联，将路名表格中的序号字段与道路中线CAD文件中的“厚度”字段进行连接；

S405、将街区CAD文件中的Polygon加载至地图，保存为shapefile文件。

优选的，步骤S4中，所述计算出交叉口词频量、道路词频量以及街区词频量，具体包括：

S406、在GIS软件中选择开始编辑，选中全部路网，在更多编辑工具中调出高级编辑栏，选择“打断相交线”，道路沿交叉口打断，形成路段；

S407、新建字段计算每段路段的几何长度，再新建字段计算单位道路长度词频量，如下式：

$C_i=\frac{D_i}{{\mathrm{\α}}_i}$

其中，C_i为i道路单位道路词频量，D_i为i道路总词频量，α_i为i道路总长度；

S408、新建字段计算道路路段的词频量，并保存为shapefile文件，道路路段的词频量计算如下式：

S_j＝C_i*β_j

其中，S_j为i道路中路段j词频量，β_j为路段j的长度；

S409、在目录面板中用生成的道路路段shapefile文件构建网络，对道路路段shapefile文件按下鼠标右键，新建网络数据集，点击下一步直至完成，生成三个shapefile文件，保留交叉口点，至此已生成点、线、面三要素图层，即交叉口图层、路段图层、街区图层；

S410、将地名词频赋值至街区，对街区图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“总和”属性汇总地名图层；

S411、将街区词频赋值至交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总街区图层，保存字段为“词频1”，即对涉及交叉口j所有街区集合X进行平均值计算，如下式：

$M_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{b}_i,i\∈X_j$

其中，M_j为j路口的街区词频量，a_i为与j路口相交的i街区词频量；

至此，地名词频就均分至周边与其连接或相交的交叉口中；

S412、将道路词频赋值至交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总路段图层，保存字段为“词频2”，即对涉及交叉口j所有道路路段集合Y进行平均值计算，如下式：

$N_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{b}_i,i\∈Y_j$

其中，N_j为j路口的道路词频量，b_i为与j路口相交的i路段词频量；

至此，道路的词频也均分至与其连接的交叉口中；

S413、汇总词频至交叉口：在交叉口表中新建字段，将步骤S411生成的“词频1”与步骤S412生成的“词频2”字段进行加和，即生成“交叉口词频1”，如下式：

K_j＝M_j+N_j

。其中，K_j为j路口的词频量。

优选的，步骤S4中，所述生成交叉口、道路和街区城市认知地图，具体包括：

S414、将汇总的交叉口词频赋值至空间连接的路段：对路段图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“平均值”属性汇总交叉口图层，保存字段为“道路词频1”，即对涉及道路路段i所有交叉口集合Z进行平均值计算，如下式：

$P_i=\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}{K}_j,j\∈Z_j$

其中，P_i为i路段的词频量，K_j为与i路段相接的j路口的词频量；

S415、将道路路段词频重新赋值至连接交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“平均值”属性汇总路段图层，保存字段为“交叉口词频2”，即对涉及交叉口j所有道路路段集合Y进行平均值计算，如下式：

$K_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{P}_i,i\∈Y_j$

其中，K_j为j路口的词频量，P_i为与j路口相接的i路段的词频量；

S416、重复上述步骤S414和S415，依次再循环运算两次至生成“交叉口词频3”及“道路词频3”结束运算；

S417、将道路词频赋值至街区：对街区图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总交叉口图层，保存字段为“街区词频”，即对涉及街区j所有道路路段集合Y进行平均值计算，如下式：

$O_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{K}_i,i\∈Y_j$

其中，O_j为j街区的街区词频量，K_i为与j街区邻接的i路段的词频量；

S418、选择合适的图例分类系统，生成交叉口、道路和街区城市认知地图。

优选的，所述方法还包括：

S5、运用交通成本计算方法生成两点或多点间的最佳认知路径，并结合交叉口、道路以及街区的认知地图，提出研究区域的优化建议。

优选的，步骤S5中，所述运用交通成本计算方法生成两点或多点间的最佳认知路径，具体包括：

S501、打开路段图层属性，添加字段为“道路识别词频”，计算公式为：

${\mathrm{\δ}}_i=\frac{1}{P_i}$

其中，δ_i为i路段词频量的倒数，P_i为i路段的词频量；

S502、将步骤S417生成的路段图层导出，创建“路段.shp”文件，在目录中对“路段.shp”文件按下鼠标右键，新建网络数据集，点击下一步至“为网络数据集指定属性”，添加词频数为新的交通成本属性；编辑采用“道路识别词频”字段作为交通成本计算的方式，并设置为默认情况下使用，点击生成新的网络数据集并加载至地图中；

S503、打开NetworkAnalysis工具，选择步骤S502生成的网络数据集，点击新建路径，使用创建网络位置工具确定两个或多个节点，打开NetworkAnalysis窗口，在“路径选择-分析设置”中设置阻抗为词频数；

S504、在NetworkAnalysis工具栏中点击“求解”，自动计算出设定的两点或多点间的最佳认知路径，对生成路径保存为shapefile文件。

本发明相对于现有技术具有如下的有益效果：

1、本发明利用地名和道路的百度网络词频量作为基础，对城市的地点、交叉口(点)、路段(线)以及街区(面)三要素进行定量的认知分析，找出城市网络认知度较高的路段及区域，生成点、线、面的城市认知地图，从而改变对城市的认知方式，重构对城市的认知意象，以求对城市空间更精确的认识，是传统城市空间认知方法的一种补充。

2、本发明在生成城市认知地图后，还可以利用词频量，在ArcGIS中生成两点或多点间的最佳认知路径，结合交叉口、道路以及街区的认知地图，可以提出研究区域的优化建议。

附图说明

图1为本发明实施例1的城市认知地图生成方法的流程图。

图2为本发明实施例1的认知路径的计算示意图。

图3为本发明实施例2的道路编辑及编号示意图。

图4为本发明实施例2的交叉口图层示意图。

图5为本发明实施例2的路段图层示意图。

图6为本发明实施例2的街区图层示意图。

图7为本发明实施例2的交叉口认知地图。

图8为本发明实施例2的路段认知地图。

图9为本发明实施例2的街区认知地图。

图10为本发明实施例2的街区认知地图三维图像。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1：

传统意义上对城市空间的分析和设计过程均偏向于定性过程，依据传统数据遵从设计师的主观认知，缺乏理性科学性。而如今，网络“众筹”得到的新数据，既可扩大公众的参与度，还可通过定量的分析方法驱动规划设计。

如图1所示，本实施例的城市认知地图生成方法采用网络数据进行“众筹”分析，强调定量分析的启发式作用，包括以下步骤：

1)形态编辑

首先在给定地域范围内，确定研究区域内的地名及路名，接着对现状CAD进行编辑，添加城市地名点要素，提取道路中线的线要素，再根据道路中线路网建立街区区块面要素，为后面的分析作底图准备，具体为：

1.1)确定研究区域内地名及路名

按照城市道路(主次支路及街道)、标志建/构筑物、地段、山体、水体对地名进行分类，通过多种方法(包括大事记、网络资料、现场调查访谈等)分类收集城市重要的地名与路名，同时以“序号”、“地名/路名”、“词频量”作为表头建立地名及路名的excel表格。

1.2)对现状CAD进行编辑

获取研究区域的现状CAD图，添加或提取其点、线、面三要素，具体为：

1.2.1)添加点要素：点与地名对应，利用AutoCAD软件打开现状CAD图，建立新图层，对应确定的地名，对各地名进行逐一落点，并将每个地点在CAD中的“厚度”编号与地名的excel表格中的序号对应，最后对点要素单独存放为CAD文件；

1.2.2)提取线要素：线与道路对应，利用AutoCAD软件打开现状CAD图，提取道路中线至新CAD文件中，用PE命令对同一道路的中线进行合并，生成路网结构，并将每段道路在CAD中的“厚度”编号与路名的excel表格中的序号相对应，最后对道路中线单独存为CAD文件；

1.2.3)添加面要素：面与街区对应，利用AutoCAD软件打开道路中线CAD文件，用BO命令闭合生成各街区，再对街区单独存放为CAD文件。

2)数据获取

将网络开放数据作为主要数据来源，立足于互联网词频搜索量，对研究区域内地名、路名等名词进行百度网络词频统计。

利用Python软件抓取研究区域内的地名词频量以及路名词频量，将地名词频量赋值至地名表格中，将路名词频量赋值至路名表格中，具体为：

2.1)搜索词频

利用IDEL工具，打开作者编写的百度网页关键词抓取工具2WebPageNumber，运行文件模块，将city_list项修改为城市名，将adj_list项修改为地名或路名(按步骤2.1①中生成的地名或路名列表顺序排列，可同时放置多个)；

如下格式修改代码：

city_list＝[′所研究的城市(或区域)名称′]

adj_list＝[′地名/道路名称1′，′地名/道路名称2′，′地名/道路名称3′，……，′地名/道路名称N′]

改好后点File-Save作保存，然后点Run-Runmodel运行程序；按照提示输入保存的文件名，以.csv结尾，按回车开始运算；

2.2)转换格式

结束运算，到程序所在文件夹找到上面步骤2.1)中保存的文件，新建一个txt文本文件，将运行生成的csv文件拖动到txt文件中，保存后重新打开csv文件，则可得到地名或路名的词频数量；

2.3)赋值表格

将步骤2.2)得到的地名词频量赋值至地名表格中，将得到的路名词频量赋值至路名表格中；

3)认知地图的生成方法

利用ArcGIS10.1软件对之前处理的CAD文件及表格进行链接，通过运算分别计算出交叉口、街道及街区的词频量，并生成城市意象的认知地图。

3.1)链接CAD与表格信息

3.1.1)在GIS软件中新建一个GIS文档，将点要素(即地名)CAD文件中的Point导入，按下鼠标右键打开属性表，打开全部字段，找到“厚度(thickness)”字段，这就是步骤1.2)中在CAD进行的编号，接下来需要通过该字段与表格进行相连；将点保存为shapefile文件，并导入地图中；

3.1.2)选择连接和关联，用地名表格中的序号字段与点要素CAD文件中的“厚度”字段进行连接；

3.1.3)将道路中线CAD文件中的Polyline加载至地图，打开全部字段，找到“厚度”字段，保存为shapefile文件；

3.1.4)选择连接和关联，将路名表格中的序号字段与道路中线CAD文件中的“厚度”字段进行连接；

3.1.5)将街区CAD文件中的Polygon加载至地图，保存为shapefile文件。

3.2)生成交叉口与路段

打开路网属性表，新建字段计算每段道路的几何长度，再新建字段计算单位道路长度的词频量，具体为：

3.2.1)在GIS软件中选择开始编辑，选中全部路网，在更多编辑工具中调出高级编辑栏，选择“打断相交线”，道路沿交叉口打断，形成路段；

3.2.2)新建字段计算每段路段的几何长度，再新建字段计算单位道路长度词频量，如下式：

$C_i=\frac{D_i}{{\mathrm{\α}}_i}---\left(1\right)$

其中，C_i为i道路单位道路词频量，D_i为i道路总词频量，α_i为i道路总长度；

3.2.3)新建字段计算道路路段的词频量，并保存为shapefile文件，道路路段的词频量计算如下式：

S_j＝C_i*β_j(2)

其中，S_j为i道路中路段j词频量，β_j为路段j的长度；

3.2.4)在目录面板中用生成的道路路段shapefile文件构建网络，对道路路段shapefile文件按下鼠标右键，新建网络数据集，点击下一步直至完成，生成三个shapefile文件，保留交叉口点，至此已生成点、线、面三要素图层，即交叉口图层、路段图层、街区图层。

3.3)进行赋值

3.3.1)将地名词频赋值至街区，对街区图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“总和”属性汇总地名图层；

3.3.2)将街区词频赋值至交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总街区图层，保存字段为“词频1”，即对涉及交叉口j所有街区集合X进行平均值计算，如下式：

$M_j=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{a}_i,i\∈X_j---\left(3\right)$

其中，M_j为j路口的街区词频量，a_i为与j路口相交的i街区词频量；

至此，地名词频就均分至周边与其连接或相交的交叉口中；

3.3.3)将道路词频赋值至交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总路段图层，保存字段为“词频2”，即对涉及交叉口j所有道路路段集合Y进行平均值计算，如下式：

$N_j=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{b}_i,i\∈Y_j---\left(4\right)$

其中，N_j为j路口的道路词频量，b_i为与j路口相交的i路段词频量；

至此，道路的词频也均分至与其连接的交叉口中；

3.3.4)汇总词频至交叉口：在交叉口表中新建字段，将步骤3.3.2)生成的“词频1”与步骤3.3.3)生成的“词频2”字段进行加和，即生成“交叉口词频1”，如下式：

K_j＝M_j+N_j(5)

其中，K_j为j路口的词频量；

4)循环运算，将词频赋值至路段与街区

循环运算能使词频量在区域范围内考虑路段的邻接性，使认知路径的计算结果更符合现实，如图2所示，图中点状交叉口的计算：K_a＝(l₁+l₂+l₃+l₄)/4，线状道路路段：K_ab＝(K_a+K_b)/2，面状街区：Kabcd＝(K_ab+K_ac+K_bc+K_cd)/2；

每一次将路段词频赋值到交叉口再赋值回到路段的循环运算，即可以将下一相邻交叉口所涉及的路段词频也纳入考虑范围内。因此，循环三次的运算，恰好可以将路段所处街区周边其他所有相邻近路径的影响因素均纳入考虑范围。

4.1)将汇总的交叉口词频赋值至空间连接的路段：对路段图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“平均值”属性汇总交叉口图层，保存字段为“道路词频1”，即对涉及道路路段i所有交叉口集合Z进行平均值计算，如下式：

$P_i=\frac{1}{n}{\mathrm{\Σ}}_{j=1}^n{K}_j,j\∈Z_j---\left(6\right)$

其中，P_i为i路段的词频量，K_j为与i路段相接的j路口的词频量；

4.2)将道路路段词频重新赋值至连接交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“平均值”属性汇总路段图层，保存字段为“交叉口词频2”，即对涉及交叉口j所有道路路段集合Y进行平均值计算，如下式：

$K_j=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{P}_i,i\∈Y_j---\left(7\right)$

其中，K_j为j路口的词频量，P_i为与j路口相接的i路段的词频量；

4.3)重复上述步骤4.1)和步骤4.2)，依次再循环运算两次至生成“交叉口词频3”及“道路词频3”结束运算；

4.4)将道路词频赋值至街区：对街区图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总交叉口图层，保存字段为“街区词频”，即对涉及街区j所有道路路段集合Y进行平均值计算，如下式：

$O_j=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{K}_i,i\∈Y_j---\left(8\right)$

其中，O_j为j街区的街区词频量，K_i为与j街区邻接的i路段的词频量；

4.5)选择合适的图例分类系统，生成交叉口、道路和街区城市认知地图。

5)综合优化

利用上述运算结果，运用交通成本计算方法生成两点或多点间的网络最佳认知路径，并结合交叉口、路段及街区的认知地图提出空间优化的建议，具体为：

5.1)生成最佳认知路径

5.1.1)打开路段图层属性，添加字段为“道路识别词频”，计算公式为：

${\mathrm{\δ}}_i=\frac{1}{P_i}$

其中，δ_i为i路段词频量的倒数，P_i为i路段的词频量；

5.1.2)将步骤4)生成的路段图层导出，创建“路段.shp”文件，在目录中对“路段.shp”文件按下鼠标右键，新建网络数据集(即构建路网网络分析模型)，点击下一步至“为网络数据集指定属性”，添加词频数为新的交通成本属性；编辑采用“道路识别词频”字段作为交通成本计算的方式，并设置为默认情况下使用，点击生成新的网络数据集并加载至地图中；

5.1.3)打开NetworkAnalysis工具，选择步骤5.1.2)生成的网络数据集，点击新建路径，使用创建网络位置工具确定两个或多个节点，打开NetworkAnalysis窗口，在“路径选择-分析设置”中设置阻抗为词频数；

5.1.4)在NetworkAnalysis工具栏中点击“求解”，自动计算出设定的两点或多点间的最佳认知路径，对生成路径保存为shapefile文件；

5.1.5)根据两点或多点间的最佳认知路径，结合交叉口、道路以及街区的认知地图，提出研究区域的优化建议(分别是节点认知优化建议、城市道路认知优化建议和街区认知优化建议)。

实施例2：

本实施例是一个应用实例，以江西省九江市武宁县城区作为研究对象，对上述实施例1的方法进行实践，采用大数据、小样本的方式从网络角度提出新的城市空间认知，与传统的城市意象形成互补关系，也完善了城市规划调查体系。

1)形态编辑

1.1)对武宁县按照城市道路、标志建/构筑物、地段、山体、水体对地名进行分类，通过多种方法(包括大事记、网络资料、现场调查访谈等)分类收集城市重要的地名(武宁般小城镇的地名数量较少，可采取全样本的方式罗列生成地名列表)，共找到名词一共165个，其中城市道路59条，标志物/构筑物43个，地段41个，水体5个，山体17个，如下表1所示。

表1武宁县城地名、路名列表

1.2)在武宁县城现状图基础上对地名进行落点，提取道路中线，构建县城街区，并对地名和道路进行表格连接，如图3所示；

2)数据获取

运用Python工具对武宁县165个地名及路名进行百度网络词频的搜索和抓取。

2.1)运行Python工具，修改为city_list＝[‘武宁县’]，adj_list＝[‘豫宁大道’，‘朝阳路’，‘沙田大道’，‘协和大道’，‘建昌路’，‘西海大道’，……]，运行工具。Python工具代码如下：

2.2)结束搜索过程，生成武宁县地名词频列表与武宁县路名词频列表，可以看出水体的词频数最高的是庐山西海，山体词频数最高的是南山尖，地段词频数最高的是文化广场，如下表2～4所示。

表2水体地名词频搜索列表

表3山体地名词频搜索列表

表4地段地名词频搜索列表

3)计算分析

通过计算，将采集到的词频数据按一定的规制赋值至交叉口、路段以及街区上，生成基于网络词频的认知地图。

3.1)将上述整理好的武宁地名、道路、街区CAD与表格进行连接。

3.2)生成带词频属性的交叉口、路段与街区图层，分别如图4、图5和图6所示。

3.3)采用上述公式(6)和(7)作循环运算，计算出武宁县城交叉口与路段的词频量，利用公式(8)计算出武宁县城街区的词频量，并生成认知地图，其中交叉口认知地图如图7所示，路段认知地图如图8所示，街区认知地图如图9所示。

图7中，交叉口点的大小表示交叉口的词频数，交叉口同时受到与其连接的道路的词频影响，关注度较高的交叉口集中在武宁县老城区人民路东边和豫宁大道西边地区，可见老城的认知度还是相对较高的，由于新城建设量的增加，新城关注度也开始上升。

图8中，道路的粗细表示路段的关注度大小。由图中分析可知，武宁县内高速、省道、西海大桥、武宁大桥、豫宁老城片区道路关注度较高，同时西海大道由于其沿路景色优美，其关注度也相对较高。

图9中，街坊颜色的深浅代表街坊的热度。由图中分析可知，老城街区认知度普遍较高，并分别沿主要道路：协和大道和建昌路向工业区和沙田新城逐步渗透。

由图10的三维图像可知，词频热度呈现明显的中心聚集，武宁县旧城区的关注度较高，新城区关注度较低，可能因为新城区地名量较少，建成度较新，网络上积累的词条数量较低；网络上对交通、政治文化等基础公共设施(标志建/构筑物)的关注较高，其次是公园、广场(地段)等公共空间。

综上所述，本发明利用地名和道路的百度网络词频量作为基础，对城市的地点、交叉口(点)、路段(线)以及街区(面)三要素进行定量的认知分析，找出城市网络认知度较高的路段及区域，生成点、线、面的城市认知地图，从而改变对城市的认知方式，重构对城市的认知意象，以求对城市空间更精确的认识，是传统城市空间认知方法的一种补充。

以上所述，仅为本发明专利优选的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (8)

1.一种基于互联网词频的城市认知地图生成方法，其特征在于：所述方法包括以下步骤：

S1、在给定地域范围内，并确定研究区域内的地名及路名，建立地名表格以及路名表格；

S2、获取研究区域的现状CAD图，利用AutoCAD软件打开现状CAD图，对研究区域内的地名进行落点，并对每个地点进行编号，使该编号与地名表格的序号对应；利用AutoCAD软件打开现状CAD图，提取研究区域的道路中线至新CAD文件中，将同一道路的中线进行合并，生成路网结构，并对每段道路进行编号，使该编号与路名表格的序号对应；根据生成的路网结构，闭合生成各街区；

S3、利用Python软件抓取研究区域内的地名词频量以及路名词频量，将地名词频量赋值至地名表格中，将路名词频量赋值至路名表格中；

S4、利用GIS软件对处理的CAD文件和建立的表格进行连接，分别计算出交叉口词频量、道路词频量以及街区词频量，并生成交叉口、道路和街区城市认知地图。

2.根据权利要求1所述的一种基于互联网词频的城市认知地图生成方法，其特征在于：步骤S1中，所述给定地域范围内的地名及路名，建立地名表格以及路名表格，具体为：

按照城市道路、标志建/构筑物、地段、山体、水体对地名进行分类，分类收集城市重要的地名与路名，同时以“序号”、“地名/路名”、“词频量”作为表头建立地名及路名的excel表格。

3.根据权利要求2所述的一种基于互联网词频的城市认知地图生成方法，其特征在于：步骤S2，具体包括：

S201、获取研究区域的现状CAD图；

S202、添加点要素：点与地名对应，利用AutoCAD软件打开现状CAD图，建立新图层，对应确定的地名，对各地名进行逐一落点，并将每个地点在CAD中的“厚度”编号与地名的excel表格中的序号对应，最后对点要素单独存放为CAD文件；

S203、提取线要素：线与道路对应，利用AutoCAD软件打开现状CAD图，提取道路中线至新CAD文件中，用PE命令对同一道路的中线进行合并，生成路网结构，并将每段道路在CAD中的“厚度”编号与路名的excel表格中的序号相对应，最后对道路中线单独存为CAD文件；

S204、添加面要素：面与街区对应，利用AutoCAD软件打开道路中线CAD文件，用BO命令闭合生成各街区，再对街区单独存放为CAD文件。

4.根据权利要求3所述的一种基于互联网词频的城市认知地图生成方法，其特征在于：步骤S4中，所述利用GIS软件对处理的CAD文件和建立的表格进行连接，具体包括：

S401、在GIS软件中新建一个GIS文档，将点要素CAD文件中的Point导入，按下鼠标右键打开属性表，打开全部字段，找到“厚度”字段，将点保存为shapefile文件，并导入地图中；

S402、选择连接和关联，用地名表格中的序号字段与点要素CAD文件中的“厚度”字段进行连接；

S403、将道路中线CAD文件中的Polyline加载至地图，打开全部字段，找到“厚度”字段，保存为shapefile文件；

S404、选择连接和关联，将路名表格中的序号字段与道路中线CAD文件中的“厚度”字段进行连接；

S405、将街区CAD文件中的Polygon加载至地图，保存为shapefile文件。

5.根据权利要求4所述的一种基于互联网词频的城市认知地图生成方法，其特征在于：步骤S4中，所述计算出交叉口词频量、道路词频量以及街区词频量，具体包括：

S406、在GIS软件中选择开始编辑，选中全部路网，在更多编辑工具中调出高级编辑栏，选择“打断相交线”，道路沿交叉口打断，形成路段；

S407、新建字段计算每段路段的几何长度，再新建字段计算单位道路长度词频量，如下式：

$C_i=\frac{D_i}{{\mathrm{\α}}_i}$

其中，C_i为i道路单位道路词频量，D_i为i道路总词频量，α_i为i道路总长度；

S408、新建字段计算道路路段的词频量，并保存为shapefile文件，道路路段的词频量计算如下式：

S_j＝C_i*β_j

其中，S_j为i道路中路段j词频量，β_j为路段j的长度；

S409、在目录面板中用生成的道路路段shapefile文件构建网络，对道路路段shapefile文件按下鼠标右键，新建网络数据集，点击下一步直至完成，生成三个shapefile文件，保留交叉口点，至此已生成点、线、面三要素图层，即交叉口图层、路段图层、街区图层；

S410、将地名词频赋值至街区，对街区图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“总和”属性汇总地名图层；

S411、将街区词频赋值至交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总街区图层，保存字段为“词频1”，即对涉及交叉口j所有街区集合X进行平均值计算，如下式：

$M_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{b}_i,i\∈X_j$

其中，M_j为j路口的街区词频量，a_i为与j路口相交的i街区词频量；

至此，地名词频就均分至周边与其连接或相交的交叉口中；

S412、将道路词频赋值至交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总路段图层，保存字段为“词频2”，即对涉及交叉口j所有道路路段集合Y进行平均值计算，如下式：

$N_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{b}_i,i\∈Y_j$

其中，N_j为j路口的道路词频量，b_i为与j路口相交的i路段词频量；

至此，道路的词频也均分至与其连接的交叉口中；

S413、汇总词频至交叉口：在交叉口表中新建字段，将步骤S411生成的“词频1”与步骤S412生成的“词频2”字段进行加和，即生成“交叉口词频1”，如下式：

K_j＝M_j+N_j

其中，K_j为j路口的词频量。

6.根据权利要求5所述的一种基于互联网词频的城市认知地图生成方法，其特征在于：步骤S4中，所述生成交叉口、道路和街区城市认知地图，具体包括：

S414、将汇总的交叉口词频赋值至空间连接的路段：对路段图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“平均值”属性汇总交叉口图层，保存字段为“道路词频1”，即对涉及道路路段i所有交叉口集合Z进行平均值计算，如下式：

$P_i=\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}{K}_j,j\∈Z_j$

其中，P_i为i路段的词频量，K_j为与i路段相接的j路口的词频量；

S415、将道路路段词频重新赋值至连接交叉口：对交叉口图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以“平均值”属性汇总路段图层，保存字段为“交叉口词频2”，即对涉及交叉口j所有道路路段集合Y进行平均值计算，如下式：

$K_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{P}_i,i\∈Y_j$

其中，K_j为j路口的词频量，P_i为与j路口相接的i路段的词频量；

S416、重复上述步骤S414和S415，依次再循环运算两次至生成“交叉口词频3”及“道路词频3”结束运算；

S417、将道路词频赋值至街区：对街区图层按下鼠标右键，选择连接基于空间位置的另一图层的数据，以”平均值”属性汇总交叉口图层，保存字段为“街区词频”，即对涉及街区j所有道路路段集合Y进行平均值计算，如下式：

$O_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{K}_i,i\∈Y_j$

其中，O_j为j街区的街区词频量，K_i为与j街区邻接的i路段的词频量；

S418、选择合适的图例分类系统，生成交叉口、道路和街区城市认知地图。

7.根据权利要求6所述的一种基于互联网词频的城市认知地图生成方法，其特征在于：所述方法还包括：

S5、运用交通成本计算方法生成两点或多点间的最佳认知路径，并结合交叉口、道路以及街区的认知地图，提出研究区域的优化建议。

8.根据权利要求7所述的一种基于互联网词频的城市认知地图生成方法，其特征在于：步骤S5中，所述运用交通成本计算方法生成两点或多点间的最佳认知路径，具体包括：

S501、打开路段图层属性，添加字段为“道路识别词频”，计算公式为：

${\mathrm{\δ}}_i=\frac{1}{P_i}$

其中，δ_i为i路段词频量的倒数，P_i为i路段的词频量；

S502、将步骤S417生成的路段图层导出，创建“路段.shp”文件，在目录中对“路段.shp”文件按下鼠标右键，新建网络数据集，点击下一步至“为网络数据集指定属性”，添加词频数为新的交通成本属性；编辑采用“道路识别词频”字段作为交通成本计算的方式，并设置为默认情况下使用，点击生成新的网络数据集并加载至地图中；

S503、打开NetworkAnalysis工具，选择步骤S502生成的网络数据集，点击新建路径，使用创建网络位置工具确定两个或多个节点，打开NetworkAnalysis窗口，在“路径选择-分析设置”中设置阻抗为词频数；

S504、在NetworkAnalysis工具栏中点击“求解”，自动计算出设定的两点或多点间的最佳认知路径，对生成路径保存为shapefile文件。