CN106600046A - 基于多分类器融合的土地闲置预测方法及装置 - Google Patents

Abstract

本发明公开了基于多分类器融合的土地闲置预测方法。该方法包括：步骤A、选取训练样本地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为：闲置、非闲置、不确定；步骤B、以训练样本的特征数据作为分类器输入，以训练样本的类别作为期望输出，分别对多个不同的分类模型进行训练；步骤C、提取待预测地块的特征数据并分别输入所述多个分类器，得到多个分类器的分类结果；步骤D、使用基于置信度的分类器融合方法对所述多个分类器的分类结果进行融合，得到待预测地块的土地闲置预测结果。本发明还公开了基于多分类器融合的土地闲置预测装置。本发明可对土地闲置进行精确地预测，从而为土地的使用、规划、管理等提供科学依据。

Description

基于多分类器融合的土地闲置预测方法及装置

技术领域

本发明涉及一种基于多分类器融合的土地闲置预测方法及装置，属于城市土地规划技术领域。

背景技术

随着城镇人口增长和经济发展，城镇的空间扩张是一种必然的发展趋势，但是城镇化的加速发展也导致了建设土地资源的缺乏，城镇土地的频繁占用和浪费已经成为国家及地方政府面临的共同问题。为保护土地资源，土地资源管理在城市规划中起着重要作用。土地资源缺乏是典型的土地问题，闲置的建设用地应当及时被发现与利用。

许多的土地数据库已在中国各地建成，特别是随着GIS(地理信息系统)技术的巨大改进，数据的大小和可靠性都取得了巨大的成就。然而当这些数据被理解和运用时往往只停留在其表面上，绝大多数潜在的知识和规则尚未被发现，造成了消耗大量的时间和物质资源收集的信息的浪费。所以，通过数据挖掘的方式解决城市建设用地管理问题迫在眉睫。

目前，中国闲置用地的发现主要依靠人工调查和GIS(地理信息系统)技术。一方面，这种方式效率较低；更重要地，现有技术仅能依据闲置用地标准通过人工或计算机对土地当前是否闲置进行判断，而无法对未来的土地利用趋势进行科学而准确地预测。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种基于多分类器融合的土地闲置预测方法，可对土地未来是否会闲置进行精确地预测，从而为土地的使用、规划、管理等提供科学依据。

本发明基于多分类器融合的土地闲置预测方法，包括训练阶段和预测阶段；所述训练阶段具体如下：

步骤A、选取一组作为训练样本的地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为三个类别：闲置、非闲置、不确定；

步骤B、以训练样本的特征数据作为分类器输入，以训练样本的类别作为期望输出，分别对多个不同的分类模型进行训练，得到多个分类器以及每个分类器的置信度；

所述预测阶段具体如下：

步骤C、提取待预测地块的特征数据并分别输入所述多个分类器，得到多个分类器的分类结果；

步骤D、使用基于置信度的分类器融合方法对所述多个分类器的分类结果进行融合，得到待预测地块的土地闲置预测结果。

优选地，所述地块的特征数据包括地块的以下参数：年份、投资强度、开工率、开工周期、供地类型、土地用途。

优选地，开工率和开工周期利用以下方法提取得到：根据土地的图层数据，以一个月为时间间隔，分别将每个月的开工图层与供地图层进行压盖，得到图层的交集；然后利用图层的交集的面积占供地图层面积的比例得到开工率，利用压盖的月份信息与供地的日期间的差值得到开工周期。

优选地，所述多个不同的分类模型至少包括：朴素贝叶斯分类模型、SVM分类模型、随机森林分类模型。

优选地，所述基于置信度的分类器融合方法具体如下：

其中，H_Multi(x)表示融合后的分类结果，h_i(c|x)表示所有的K个分类器中第i个分类器的置信度。

根据相同的发明思路还可以得到以下技术方案：

基于多分类器融合的土地闲置预测装置，包括：

特征数据提取模块，用于提取地块的特征数据；

分类模块，用于根据特征数据提取模块所提取的特征数据对地块进行分类，其包括并行的多个不同的子分类器，每个子分类器预先通过以下方法训练得到：首先，选取一组作为训练样本的地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为三个类别：闲置、非闲置、不确定；然后，以训练样本的特征数据作为输入，以训练样本的类别作为期望输出，对该子分类器进行训练，得到训练后的子分类器以及该子分类器的置信度；

融合模块，用于使用基于置信度的分类器融合方法对分类模块中所有子分类器的分类结果进行融合，并将融合结果作为待预测地块的土地闲置预测结果输出。

优选地，所述地块的特征数据包括地块的以下参数：年份、投资强度、开工率、开工周期、供地类型、土地用途。

优选地，开工率和开工周期利用以下方法提取得到：根据土地的图层数据，以一个月为时间间隔，分别将每个月的开工图层与供地图层进行压盖，得到图层的交集；然后利用图层的交集的面积占供地图层面积的比例得到开工率，利用压盖的月份信息与供地的日期间的差值得到开工周期。

优选地，所述分类模块包括以下子分类器：朴素贝叶斯分类器、SVM分类器、随机森林分类器。

优选地，所述基于置信度的分类器融合方法具体如下：

其中，H_Multi(x)表示融合后的分类结果，h_i(c|x)表示所有的K个分类器中第i个分类器的置信度。

相比现有技术，本发明具有以下有益效果：

本发明首次将数据挖掘方法应用于土地闲置情况的预测，可对GIS系统所提供的大量土地数据进行深度分析挖掘，对未来的土地利用趋势进行科学而准确地预测，进而为土地的使用、规划、管理等提供科学依据；本发明所采用的多分类器融合方法可获得比传统的单分类器更高的土地闲置预测精度，且算法相对简单。

附图说明

图1为支持向量机中支持向量与边距的关系示意图；

图2为具体实施方式中基于置信度的分类器融合方法的原理示意图；

图3为具体实施方式中本发明预测方法的建模示意图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

本发明基于多分类器融合的土地闲置预测方法，包括训练阶段和预测阶段；所述训练阶段具体如下：

步骤A、选取一组作为训练样本的地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为三个类别：闲置、非闲置、不确定；

因为土地的数据往往是以图层、数字甚至不同长度的文本的格式存储在数据库中，因此有必要先用归一化方法将数据转化为数字的格式。

现有GIS系统可提供地块的大量不同参数信息，对于土地闲置预测，这些参数信息的重要性是不同的。根据大量分析实验，本发明优选采用以下地块数据作为土地闲置预测所使用的特征数据：年份、投资强度、开工率、开工周期、供地类型、土地用途；上述特征数据的定义如下：

年份：土地审批的年份；

投资强度：建设项目用地范围内单位面积固定资产投资额；

开工率：开工面积占供地面积的比例；

开工周期：供地日期与开工日期的日期时间差；

供地类型：包括协议出让，挂牌出让等方式；

土地用途：包括工业用地，科教用地等按照国家土地分类标准进行的分类。

上述特征数据均可通过土地数据库中的土地数据得到，其中，开工率和开工周期优选利用以下方法提取得到：根据土地的图层数据，以一个月为时间间隔，分别将每个月的开工图层与供地图层进行压盖，得到图层的交集；然后利用图层的交集的面积占供地图层面积的比例得到开工率，利用压盖的月份信息与供地的日期间的差值得到开工周期。

对于作为训练样本的地块，需要先通过人工方式对其闲置状况进行分类。当前闲置建设用地的定义是：取得土地满1年以上的土地，但开工面积小于1/3，则视为闲置用地。根据该标准，判断地块是否为闲置土地并将其标记为三种类型：闲置土地标记为“Y”，正常使用的土地标记为“N”，不确定状态的土地标记为“O”。标记规则如表1所示：(1)如果开工率大于等于1/3，并且开工周期小于等于365天(1年)，则肯定标记为“N”；(2)如果开工率小于1/3，施工日数大于365，则标记为闲置建设土地“Y”；(3)由于没有足够多的有关土地状况的信息，则不能判断是否发生了闲置建设土地的问题，解决该问题的方法是将土地分类为另一种类型(不确定状态的土地)，因此将这类土地以“O”标记。

表1标记规则

步骤B、以训练样本的特征数据作为分类器输入，以训练样本的类别作为期望输出，分别对多个不同的分类模型进行训练，得到多个分类器以及每个分类器的置信度；

为了提高预测精度，本发明采用了多个不同的分类模型分别进行训练。本发明可使用机器学习中的各种现有分类模型，例如支持向量机(SVM)、贝叶斯分类器、前馈神经网络、深度学习网络等。为了简便起见，本具体实施方式中仅使用了三种比较简单的分类模型：朴素贝叶斯分类模型、SVM分类模型、随机森林分类模型。下面对这三种分类器的基本内容进行简要介绍：

朴素贝叶斯分类器：

贝叶斯决策理论是基于概率进行决策的算法。它包括最小错误率贝叶斯决策规则，最小风险贝叶斯决策规则以及在最小错误率的条件下的另一种最小错误率决策。

若存在一系列N类：y＝{c₁,c₂,…,Lc_N}，贝叶斯理论即为：

其中，p(c)为先验概率，p(x|c)为类条件概率或似然概率，p(x)为归一化的“证据”因子，l_ij为实际c_j被误分为c_i类造成的损失，则条件风险(预期损失)为：

最小风险贝叶斯决策规则：

基于属性条件独立假设构建朴素贝叶斯分类器。朴素贝叶斯定理可以列为：

朴素贝叶斯决策规则为：

支持向量机(SVMs)分类器：

SVM基于统计学习理论，目的是找到决策边界的位置以产生类的最优分离(Vapnik1995)。边界的产生可以在如下的线性方程中描述。最接近超平面的采样点称为支持向量。

w^Tx+b＝0 (6)

从x到超平面的距离(w,b)为r(方程(7))，两个超平面之间的距离(边距)如图1所示。SVM的目的即是找到适当的w和b使g达到最大值。

随机森林分类器：

随机森林分类器是由Breiman和Cutler引入的树决策分类器的组合构成的算法。通常选择以10倍交叉验证结果作为随机森林与其他分类器比较的标准。通过引导重采样，可构建出几个树分类器。几轮训练后，获得一系列分类器{h₁(x),h₂(x),…,h_k(x)}，其后构造最终的随机森林，随机森林系统的结果通过简单的多数投票方式得到，分类决策为：

其中，H(x)为组合的分类模型，h(x)为单个决策树分类器。Y为输出变量。

I(h_i(x)＝Y)为指示函数。

上述分类器均为现有技术，更详细内容可参考相关文献，此处不再赘述。

所述预测阶段具体如下：

步骤C、提取待预测地块的特征数据并分别输入所述多个分类器，得到多个分类器的分类结果；

步骤D、使用基于置信度的分类器融合方法对所述多个分类器的分类结果进行融合，得到待预测地块的土地闲置预测结果；

本发明使用基于置信度的分类器融合方法来进行数据融合。本发明优选的基于置信度的分类器融合方法具体如下：

其中，H_Multi(x)表示融合后的分类结果，h_i(c|x)表示所有的K个分类器中第i个分类器的置信度。

该分类器融合方法基于投票，并且由模型中的多个分类器共同决定票数；每个分类器通过其置信度(或称为分类概率)产生投票。这种多分类器融合方法可以均衡各类单分类器的缺点。多分类器融合的结构原理如图2所示，训练集被输入到模型中，多分类器的每个基本分类器将产生置信度(h_NB(c|x),h_SVM(c|x),h_RF(c|x))，即多分类器融合的主要参数。分类结果取决于H_Multi(x)的最大值。对于本具体实施方式而言，多分类器融合的决策规则是：

为了验证本发明技术方案的效果，以武汉市汉南区为例，从湖北省武汉市汉南区土地数据库中提取信息，进行以下验证试验：

从土地数据库中提取了186个土地的数据，以此构成2837个实例，将其中约70％的土地数据用作训练集，30％作为测试集。训练集包括86个土地数据(1749个实例)，测试集包括40个土地数据(1088个实例)，向分类器中输入与闲置建设用地的问题有关的特征。实验中使用不同的分类器分别进行4组实验：朴素贝叶斯、SVM、随机森林和本发明的多分类器融合(其建模过程如图3所示)。实验中所提取的特征数据为：年份、投资强度、开工率、开工周期、供地类型、土地用途，这些特征被输入到朴素贝叶斯分类器，SVM分类器，随机森林分类器和多分类器融合中，实验结果分别示于表2至表5中。

表2朴素贝叶斯分类器分类结果

表3 SVM分类器分类结果

表4随机森林分类器分类结果

表5多分类器融合结果

各分类器的分类精度结果比较如表6所示：

表6分类器分类精度

通过以上验证试验可以看出，所有的分类器都达到了对闲置建设用地的预测的准确性，意味着土地数据属性中存在表明闲置建设用地的情况发生的潜在信息。与其他传统的分类器相比，朴素贝叶斯分类器在闲置建设土地的预测精度方面具有更好的性能，特别是对于标记为“Y”和“N”的土地；但其缺点也很明显，正确被分类为的“O”实例为零项，这可能是由于训练集和测试集中包含较少“O”类型的实例引起的。而多分类器融合则改进了这一点，其在每种类型的分类中都具有较良好的性能。此外，多分类器融合被证明在三个分类器的基础上将具有82.72％的精度(见表6)，表示其具有更好的性能。

Claims (10)

1.基于多分类器融合的土地闲置预测方法，其特征在于，包括训练阶段和预测阶段；所述训练阶段具体如下：

步骤A、选取一组作为训练样本的地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为三个类别：闲置、非闲置、不确定；

步骤B、以训练样本的特征数据作为分类器输入，以训练样本的类别作为期望输出，分别对多个不同的分类模型进行训练，得到多个分类器以及每个分类器的置信度；

所述预测阶段具体如下：

步骤C、提取待预测地块的特征数据并分别输入所述多个分类器，得到多个分类器的分类结果；

步骤D、使用基于置信度的分类器融合方法对所述多个分类器的分类结果进行融合，得到待预测地块的土地闲置预测结果。

2.如权利要求1所述方法，其特征在于，所述地块的特征数据包括地块的以下参数：年份、投资强度、开工率、开工周期、供地类型、土地用途。

3.如权利要求2所述方法，其特征在于，开工率和开工周期利用以下方法提取得到：根据土地的图层数据，以一个月为时间间隔，分别将每个月的开工图层与供地图层进行压盖，得到图层的交集；然后利用图层的交集的面积占供地图层面积的比例得到开工率，利用压盖的月份信息与供地的日期间的差值得到开工周期。

4.如权利要求1所述方法，其特征在于，所述多个不同的分类模型至少包括：朴素贝叶斯分类模型、SVM分类模型、随机森林分类模型。

5.如权利要求1所述方法，其特征在于，所述基于置信度的分类器融合方法具体如下：

$H_{Multi}\left(x\right)==\underset{c\∈y}{\mathrm{argmax}}\left(\underset{i=1}{\overset{K}{\Σ}}{h}_i\left(c|x\right)\right)$

其中，H_Multi(x)表示融合后的分类结果，h_i(c|x)表示所有的K个分类器中第i个分类器的置信度。

6.基于多分类器融合的土地闲置预测装置，其特征在于，包括：

特征数据提取模块，用于提取地块的特征数据；

分类模块，用于根据特征数据提取模块所提取的特征数据对地块进行分类，其包括并行的多个不同的子分类器，每个子分类器预先通过以下方法训练得到：首先，选取一组作为训练样本的地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为三个类别：闲置、非闲置、不确定；然后，以训练样本的特征数据作为输入，以训练样本的类别作为期望输出，对该子分类器进行训练，得到训练后的子分类器以及该子分类器的置信度；

融合模块，用于使用基于置信度的分类器融合方法对分类模块中所有子分类器的分类结果进行融合，并将融合结果作为待预测地块的土地闲置预测结果输出。

7.如权利要求6所述装置，其特征在于，所述地块的特征数据包括地块的以下参数：年份、投资强度、开工率、开工周期、供地类型、土地用途。

8.如权利要求7所述装置，其特征在于，开工率和开工周期利用以下方法提取得到：根据土地的图层数据，以一个月为时间间隔，分别将每个月的开工图层与供地图层进行压盖，得到图层的交集；然后利用图层的交集的面积占供地图层面积的比例得到开工率，利用压盖的月份信息与供地的日期间的差值得到开工周期。

9.如权利要求6所述装置，其特征在于，所述分类模块包括以下子分类器：朴素贝叶斯分类器、SVM分类器、随机森林分类器。

10.如权利要求6所述装置，其特征在于，所述基于置信度的分类器融合方法具体如下：

$H_{Multi}\left(x\right)==\underset{c\∈y}{\mathrm{argmax}}\left(\underset{i=1}{\overset{K}{\Σ}}{h}_i\left(c|x\right)\right)$

其中，H_Multi(x)表示融合后的分类结果，h_i(c|x)表示所有的K个分类器中第i个分类器的置信度。