CN107133900A - 城市土地混合利用特征格网计算方法及装置 - Google Patents
城市土地混合利用特征格网计算方法及装置 Download PDFInfo
- Publication number
- CN107133900A CN107133900A CN201710218068.0A CN201710218068A CN107133900A CN 107133900 A CN107133900 A CN 107133900A CN 201710218068 A CN201710218068 A CN 201710218068A CN 107133900 A CN107133900 A CN 107133900A
- Authority
- CN
- China
- Prior art keywords
- survey region
- mrow
- interest
- msub
- point
- 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
- 238000000205 computational method Methods 0.000 title claims abstract description 11
- 239000013598 vector Substances 0.000 claims abstract description 38
- 238000013480 data collection Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000011160 research Methods 0.000 claims abstract description 10
- 239000002689 soil Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract description 7
- 230000032683 aging Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000004140 cleaning Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种城市土地混合利用特征格网计算方法及装置,该方法包括:获取研究区域,根据研究区域构建研究区域公里格网体系;根据研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息;根据兴趣点数据集和类型信息获得各个单元格网对应的城市土地混合利用多维特征向量;根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示,做到利用城市范围内数据量大、更新及时、时效性强的互联网地图数据,解决了以往使用城市规划、土地调查及统计数据为主要数据基础,导致的时效性差、数据与现实的城市空间现状存在差异的问题,可以满足从小尺度到大尺度的多尺度研究分析需求。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种城市土地混合利用特征格网计算方法及装置。
背景技术
近30年,在我国高速城镇化过程中,长期注重于城市土地的集约利用,明确城市功能分区和性质单一的土地利用模式,逐渐出现了产业、居住和生活设施分离的用地功能单一化,功能分割且较为封闭的城市空间形态特征。这种空间形态的分割恰好伴随着大城市私家车的飞速增长,引发了严重的交通拥堵和环境污染问题。
而土地利用方式被认为是影响居民职住均衡的重要因素,进而影响着城市居民交通出行,甚至是城市居民碳排放与城市环境。在多层线性模型框架下分析得出结论:从个体的微观层面来看,居住在土地利用混合度相对较高的街道有利于降低其职住分离的概率。
然而,以往评价土地利用混合程度的方法却存在着诸多问题,其中最为明显的就是数据基础问题。这些年所基于的计算模型有所不同,但也多以各类型土地利用的面积构建模型,表达研究区域内的土地混合利用特征。这类土地混合利用计算模型多以城市规划、土地调查及统计数据为主要数据基础。而城市规划往往与现实的城市空间现状有着一定差异,传统的土地调查数据及统计数据具有一定的统计周期,因此数据存在一定的滞后性、延迟性,难以较好反映出最真实的城市空间现状。
同时,受到传统的城市规划、土地调查及统计数据限制,对于土地利用混合度的计算单元往往被局限于城区、街道,无法进行更精细的小尺度研究,而且对于研究单元邻接区域土地利用特征的影响无法较好表达。
而当今,互联网承载了海量数据及其背后潜在的信息与知识。而其中,大量的互联网数据直接或间接表达了地理位置信息,乃至土地利用特征。尤其互联网地图数据,其在城市范围内具有数据量大,更新及时,时效性高等特点。但当前国内鲜有成果是利用互联网地图数据,表示城市土地利用特征。
发明内容
本发明提供一种城市土地混合利用特征格网计算方法及装置,用于解决现有技术中难以较好反映出最真实的城市空间现状的问题。
第一方面,本发明提供一种城市土地混合利用特征格网计算方法,包括:
获取研究区域,根据所述研究区域构建研究区域公里格网体系;
根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息;
根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量;
根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示。
可选地,所述获取研究区域,根据所述研究区域构建研究区域公里格网体系,包括:
通过互联网地图API接口获取所述研究区域的边界点集合;
根据所述研究区域的边界点集合进行坐标转换、投影,获得研究区域边界点投影坐标系;
在所述研究区域边界点投影坐标系中,将研究区域边界点集合的边界点连线获得研究区域边界,并根据研究区域边界构建研究区域多边形图斑;
根据所述研究区域多边形图斑构建研究区域公里格网体系。
可选地,还包括:通过近邻分析方法对所述研究区域公里格网体系进行处理,获得分析后的研究区域公里格网体系。
可选地,根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息,包括:
根据所述研究区域公里格网体系中的单元格网中心点构建覆盖所述研究区域的采集圆集合;
根据所述采集圆集合和互联网地图获得各个采集圆内的兴趣点集合,以及各个兴趣点的类型信息。
可选地,还包括:对获取到的兴趣点集合中的兴趣点进行去重处理,对去重后的兴趣点集合中的兴趣点不属于土地利用类型的兴趣点进行去除。
可选地,根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量,包括:
构建所述单元格网对应的城市土地混合利用多维特征向量,其中,为单元格网d的城市土地混合利用多维特征向量,wd,j为预设土地利用类型中各个类型在单元格网d中的特征权重,j为预设土地利用类型;
其中,ni,j为单位格网d中属于预设土地利用类型中类型i的兴趣点的数量;Σkni,j为单位格网d中属于所有类型的兴趣点的总数;|D|为研究区域公里格网体系中所有兴趣点的总数;|{j:ti∈dj}|为研究区域公里体系中属于类型i的兴趣点的数量。
第二方面,本发明提供一种城市土地混合利用特征格网计算装置,包括:
构建模块,用于获取研究区域,根据所述研究区域构建研究区域公里格网体系;
采集模块,用于根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息;
生成模块,用于根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量;
显示模块,用于根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示。
可选地,所述构建模块具体用于:
通过互联网地图API接口获取所述研究区域的边界点集合;
根据所述研究区域的边界点集合进行坐标转换、投影,获得研究区域边界点投影坐标系;
在所述研究区域边界点投影坐标系中,将研究区域边界点集合的边界点连线获得研究区域边界,并根据研究区域边界构建研究区域多边形图斑;
根据所述研究区域多边形图斑构建研究区域公里格网体系。
可选地,所述采集模块具体用于:
根据所述研究区域公里格网体系中的单元格网中心点构建覆盖所述研究区域的采集圆集合;
根据所述采集圆集合和互联网地图获得各个采集圆内的兴趣点集合,以及各个兴趣点的类型信息。
可选地,所述生成模块具体用于:
构建所述单元格网对应的城市土地混合利用多维特征向量,其中,为单元格网d的城市土地混合利用多维特征向量,wd,j为预设土地利用类型中各个类型在单元格网d中的特征权重,j为预设土地利用类型;
其中,ni,j为单位格网d中属于预设土地利用类型中类型i的兴趣点的数量;Σkni,j为单位格网d中属于所有类型的兴趣点的总数;|D|为研究区域公里格网体系中所有兴趣点的总数;|{j:ti∈dj}|为研究区域公里体系中属于类型i的兴趣点的数量。
由上述技术方案可知,本发明提供的一种城市土地混合利用特征格网计算方法及装置,通过获取研究区域,根据研究区域构建研究区域公里格网体系,并根据研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息,再根据兴趣点数据集和类型信息利用TF*IDF权重获得各个单元格网对应的城市土地混合利用多维特征向量,从而根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示,做到利用城市范围内数据量大、更新及时、时效性强的互联网地图数据,解决了以往使用城市规划、土地调查及统计数据为主要数据基础,导致的时效性差、数据与现实的城市空间现状存在差异的问题,可以满足从小尺度到大尺度的多尺度研究分析需求。
附图说明
图1为本发明实施例1提供的城市土地混合利用特征格网计算方法的流程示意图;
图2为本发明实施例1提供的城市土地混合利用特征格网计算方法的框架示意图;
图3为本发明实施例1提供的公里格网体系的具体事例图;
图4为本发明实施例2提供的城市土地混合利用特征格网计算装置的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1和图2示出了本发明实施例1提供一种城市土地混合利用特征格网计算方法,包括:
S11、获取研究区域,根据所述研究区域构建研究区域公里格网体系。
在本步骤中,需要说明的是,首先要获取研究区域,对于研究区域的获取,在本发明实施例中,可通过互联网地图API接口获取所述研究区域的边界点集合。具体存在两种边界点集合获取的情况,如下:
a:研究区域为行政区的边界点获取方法:
利用互联网地图API行政区域查询功能接口,以研究区域名称为输入的检索参数,记录API接口返回的行政区域边界数组,保存为研究区域边界点集合。
b:研究区域为自绘多边形的边界点获取方法:
利用互联网地图API点击获取经纬度功能及绘制多边形覆盖地物功能接口,在互联网地图上绘制多边形研究区域,并记录多边形边界点数组,保存为研究区域边界点集合。
研究区域获取后,接着要构建研究区域公里格网体系。在本发明实施例中,由于研究区域边界点集合所在的坐标体系为互联网地图的坐标体系,如高德地图坐标系为GCJ-02、百度地图坐标系为BD-09。这类坐标系属于加密后的地理坐标系,以经纬度表示地理位置。而公里格网需要在投影坐标系中,以欧氏距离为长度计量进行构建。
因此,在本发明实施例中,借助坐标转换工具和GIS工具,将研究区域边界点的坐标系转换为已知的WGS84坐标系,再投影到研究区域相适应的投影坐标系中,获得研究区域边界点投影坐标系。
研究区域边界点投影坐标系构建后,应用GIS工具,将研究区域边界点连接成线,形成研究区域边界,进而以研究区域边界构建研究区域多边形图斑。
最后,应用GIS工具,根据研究区域多边形图斑创建构建研究区域公里格网体系,以及获取体系中多边形图斑图层和单元格网中心点图层。其中,格网像元高度、宽度的大小均设按照实际情况进行设定。在本实施例中,以L代表格网像元高度和宽度,便于后续相关步骤的解释说明。
另外,还需要说明的是,通过GIS工具创建的公里格网体系,实际是将研究区域多边形图斑的包络矩形划分形成的,一般是不能很好地贴合研究区域,以致很多单元格网不被研究区域包含或与研究区域相交,甚至部分单元格网可能会距离研究区域很远。
因此,应用GIS工具,进行近邻分析,根据研究需要,设定搜索半径为0至(为单元格网的对角线长度),提取研究区域包含、相交及近邻的单元格网,得到贴合研究区域的公里格网体系。
如图3所示,图中白色区域是北京市海淀区多边形图斑,黑色格网则是形成研究区域格网体系,浅灰色格网是通过近邻分析被去掉的格网,黑色的点是单元格网中心。
S12、根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息。
在本步骤中,需要说明的是,以研究区域格网体系的每个单元格网的中心点为采集圆圆心。采集半径可设为710米,略大于为以确保对研究区域的完全覆盖。
将采集圆心坐标系由投影坐标系转换为WGS84坐标系,进而转换为GCJ-02坐标系。应用高德地图API的placeSearch.searchNearBy接口,以710米为采集搜索半径参数,以全部类型(如汽车服务|汽车销售|汽车维修|摩托车服务|餐饮服务|购物服务|生活服务|体育休闲服务|医疗保健服务|住宿服务|风景名胜|商务住宅|政府机构及社会团体|科教文化服务|交通设施服务|金融保险服务|公司企业|道路附属设施|地名地址信息|公共设施)为兴趣点(POI)检索类型参数,依次输入采集圆心点坐标,获取相应采集圆内的兴趣点的类型信息,如ID编码、经纬坐标、名称、类型、地址等信息。直至完成所有采集圆的采集检索,获取得到相应的兴趣点数据集。
另外,需要说明的是,为确保完全覆盖研究范围,采集圆可为每一个单元格网的外接圆,在研究区域内采集圆彼此部分重叠。因此,得到的兴趣点数据集内必然存在数据重复。因此,可利用兴趣点ID编码的唯一特性,清洗去除掉兴趣点数据集中多余的重复数据。
通过兴趣点类型标签,清洗去除掉不表示土地利用类型的数据,如公交车站、红绿灯、建筑物门等。同时,应用坐标转换工具和GIS工具,将兴趣点投影到公里格网体系坐标系中,清洗去除掉不在研究区域公里格网体系范围内的数据点。
在这里,土地利用类型指的是土地利用方式相同的土地资源单元,是根据土地利用的地域差异划分的,是反映土地用途、性质及其分布规律的基本地域单位。是人类在改造利用土地进行生产和建设的过程中所形成的各种具有不同利用方向和特点的土地利用类别。其可包括林地,草地,耕地,建设用地等。
依据兴趣点数据的类型标签,将兴趣点数据按照其类型标签对应的土地利用类型进行整合,获得兴趣点数据对应的土地利用类型。
S13、根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量。
在本步骤中,需要说明的是,构建单元格网的城市土地混合利用多维特征向量。以各类土地利用类型为各个维度,构建多维特征向量,以此表示城市土地混合利用特征向量。即单元格网d的城市土地混合利用多特征向量表示为其中,为单元格网d的城市土地混合利用多维特征向量,wd,j为预设土地利用类型中各个类型在单元格网d中的特征权重,j为预设土地利用类型。
以步骤S12所述的土地利用类型为例,若其包括林地、草地、耕地和建筑用地四种类型,则单位格网d的城市土地混合利用多特征向量可表示为
wd,j为特征权重,其获得方式依据TF*IDF(Term Frequency-Inverse DocumentFrequency,词频-逆向文件频率),TF*IDF是一种信息检索与数据挖掘的常用统计方法。用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。该方法认为,某个字词或短语在一篇文章中出现的频率TF较高,并且在语料库集合中很少出现,则认为该词或短语具有很好的类别区分能力,能更好地表示该文章的特征。
结合本实施例,某种土地利用类型的兴趣点如果在单元格网内分布较多,并且在整个研究区域中分布较少,那么这一类型的土地利用则应有更大的权重用以表示这个单元格网的土地利用特征。
因此,设定在单位格网d中,土地利用类型i的兴趣点分布比重为TFi,则其中,ni,j为单位格网d中属于预设土地利用类型中类型i的兴趣点的数量;∑kni,j为单位格网d中属于所有类型的兴趣点的总数。
而对于IDF,则可以由研究区域格网体系中分布的所有兴趣点总数除以研究区域格网体系中土地利用类型i的兴趣点数量,再将得到的商取对数得到:
其中,|D|为研究区域公里格网体系中所有兴趣点的总数;|{j:ti∈dj}|为研究区域公里体系中属于类型i的兴趣点的数量。如果该土地利用类型不在研究区域格网体系内存在,就会导致被除数为零,因此,使用1+|{j:ti∈dj}|替代|{j:ti∈dj}|,即:
综上可知,
通过上述步骤,可计算研究区域格网体系中每一个单元格网内各类土地利用类型的土地利用TF*IDF权重值,得到每一个单元格网的城市土地混合利用多维特征向量,以此表示该单元格网的城市土地混合利用多维特征。
S14、根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示。
在本步骤中,需要说明的是,获得每个单元格网对应的城市土地混合利用多维特征向量后,将所有特征向量进行规整,获得城市土地混合利用特征格网体系,并最终显示。
本发明实施例1提供的一种城市土地混合利用特征格网计算方法,通过获取研究区域,根据研究区域构建研究区域公里格网体系,并根据研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息,再根据兴趣点数据集和类型信息利用TF*IDF权重获得各个单元格网对应的城市土地混合利用多维特征向量,从而根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示,做到利用城市范围内数据量大、更新及时、时效性强的互联网地图数据,解决了以往使用城市规划、土地调查及统计数据为主要数据基础,导致的时效性差、数据与现实的城市空间现状存在差异的问题,可以满足从小尺度到大尺度的多尺度研究分析需求。
图4示出了本发明实施例2提供的一种城市土地混合利用特征格网计算装置,包括构建模块21、采集模块22、生成模块23和显示模块24,其中:
构建模块21,用于获取研究区域,根据所述研究区域构建研究区域公里格网体系;
采集模块22,用于根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息;
生成模块23,用于根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量;
显示模块24,用于根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示。
由于本发明实施例2所述装置与上述实施例1所述方法的原理相同,对于更加详细的解释内容在此不再赘述。
需要说明的是,本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。
本发明实施例2提供的一种城市土地混合利用特征格网计算装置,通过获取研究区域,根据研究区域构建研究区域公里格网体系,并根据研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息,再根据兴趣点数据集和类型信息利用TF*IDF权重获得各个单元格网对应的城市土地混合利用多维特征向量,从而根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示,做到利用城市范围内数据量大、更新及时、时效性强的互联网地图数据,解决了以往使用城市规划、土地调查及统计数据为主要数据基础,导致的时效性差、数据与现实的城市空间现状存在差异的问题,可以满足从小尺度到大尺度的多尺度研究分析需求。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种城市土地混合利用特征格网计算方法,其特征在于,包括:
获取研究区域,根据所述研究区域构建研究区域公里格网体系;
根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息;
根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量;
根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示。
2.根据权利要求1所述的方法,其特征在于,所述获取研究区域,根据所述研究区域构建研究区域公里格网体系,包括:
通过互联网地图API接口获取所述研究区域的边界点集合;
根据所述研究区域的边界点集合进行坐标转换、投影,获得研究区域边界点投影坐标系;
在所述研究区域边界点投影坐标系中,将研究区域边界点集合的边界点连线获得研究区域边界,并根据研究区域边界构建研究区域多边形图斑;
根据所述研究区域多边形图斑构建研究区域公里格网体系。
3.根据权利要求2所述的方法,其特征在于,还包括:通过近邻分析方法对所述研究区域公里格网体系进行处理,获得分析后的研究区域公里格网体系。
4.根据权利要求3所述的方法,其特征在于,根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息,包括:
根据所述研究区域公里格网体系中的单元格网中心点构建覆盖所述研究区域的采集圆集合;
根据所述采集圆集合和互联网地图获得各个采集圆内的兴趣点集合,以及各个兴趣点的类型信息。
5.根据权利要求4所述的方法,其特征在于,还包括:对获取到的兴趣点集合中的兴趣点进行去重处理,对去重后的兴趣点集合中的兴趣点不属于土地利用类型的兴趣点进行去除。
6.根据权利要求5所述的方法,其特征在于,根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量,包括:
构建所述单元格网对应的城市土地混合利用多维特征向量,其中,为单元格网d的城市土地混合利用多维特征向量,wd,j为预设土地利用类型中各个类型在单元格网d中的特征权重,j为预设土地利用类型;
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>TF</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>IDF</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mfrac>
<mrow>
<mo>|</mo>
<mi>D</mi>
<mo>|</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mrow>
<mo>|</mo>
<mrow>
<mo>{</mo>
<mi>j</mi>
<mo>:</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,ni,j为单位格网d中属于预设土地利用类型中类型i的兴趣点的数量;Σkni,j为单位格网d中属于所有类型的兴趣点的总数;|D|为研究区域公里格网体系中所有兴趣点的总数;|{j:ti∈dj}|为研究区域公里体系中属于类型i的兴趣点的数量。
7.一种城市土地混合利用特征格网计算装置,其特征在于,包括:
构建模块,用于获取研究区域,根据所述研究区域构建研究区域公里格网体系;
采集模块,用于根据所述研究区域公里格网体系和互联网地图获得各个单元格网对应的兴趣点数据集以及各个兴趣点对应的类型信息;
生成模块,用于根据所述兴趣点数据集和所述类型信息获得各个单元格网对应的城市土地混合利用多维特征向量;
显示模块,用于根据所述城市土地混合利用多维特征向量获得城市土地混合利用特征格网体系并显示。
8.根据权利要求7所述的装置,其特征在于,所述构建模块具体用于:
通过互联网地图API接口获取所述研究区域的边界点集合;
根据所述研究区域的边界点集合进行坐标转换、投影,获得研究区域边界点投影坐标系;
在所述研究区域边界点投影坐标系中,将研究区域边界点集合的边界点连线获得研究区域边界,并根据研究区域边界构建研究区域多边形图斑;
根据所述研究区域多边形图斑构建研究区域公里格网体系。
9.根据权利要求8所述的装置,其特征在于,所述采集模块具体用于:
根据所述研究区域公里格网体系中的单元格网中心点构建覆盖所述研究区域的采集圆集合;
根据所述采集圆集合和互联网地图获得各个采集圆内的兴趣点集合,以及各个兴趣点的类型信息。
10.根据权利要求9所述的装置,其特征在于,所述生成模块具体用于:
构建所述单元格网对应的城市土地混合利用多维特征向量,其中,为单元格网d的城市土地混合利用多维特征向量,wd,j为预设土地利用类型中各个类型在单元格网d中的特征权重,j为预设土地利用类型;
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>TF</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>IDF</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mfrac>
<mrow>
<mo>|</mo>
<mi>D</mi>
<mo>|</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mrow>
<mo>|</mo>
<mrow>
<mo>{</mo>
<mi>j</mi>
<mo>:</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,ni,j为单位格网d中属于预设土地利用类型中类型i的兴趣点的数量;∑kni,j为单位格网d中属于所有类型的兴趣点的总数;|D|为研究区域公里格网体系中所有兴趣点的总数;|{j:ti∈dj}|为研究区域公里体系中属于类型i的兴趣点的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710218068.0A CN107133900B (zh) | 2017-04-05 | 2017-04-05 | 城市土地混合利用特征格网计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710218068.0A CN107133900B (zh) | 2017-04-05 | 2017-04-05 | 城市土地混合利用特征格网计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107133900A true CN107133900A (zh) | 2017-09-05 |
CN107133900B CN107133900B (zh) | 2021-07-27 |
Family
ID=59715468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710218068.0A Active CN107133900B (zh) | 2017-04-05 | 2017-04-05 | 城市土地混合利用特征格网计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133900B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446782A (zh) * | 2018-01-19 | 2018-08-24 | 武汉工程大学 | 一种顾及多尺度的土地资源优化配置方法 |
CN109740968A (zh) * | 2019-01-25 | 2019-05-10 | 中国科学院上海高等研究院 | 二氧化碳排放空间格网化方法、系统、介质和装置 |
CN110019616A (zh) * | 2017-12-04 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种poi现势状态获取方法及其设备、存储介质、服务器 |
CN110070279A (zh) * | 2019-04-10 | 2019-07-30 | 广东省城乡规划设计研究院 | 基于多源数据的用地效率量化评估方法、系统和存储介质 |
CN110163210A (zh) * | 2019-05-24 | 2019-08-23 | 北京百度网讯科技有限公司 | 一种兴趣点poi信息采集方法、装置、设备和存储介质 |
CN110633334A (zh) * | 2018-05-30 | 2019-12-31 | 百度在线网络技术(北京)有限公司 | 用于获取信息的方法及装置 |
CN111664869A (zh) * | 2020-05-28 | 2020-09-15 | 武汉中海庭数据技术有限公司 | 一种高精度地图地物数据质量评定方法及装置 |
CN111968018A (zh) * | 2020-07-16 | 2020-11-20 | 北京大学 | 一种地铁出行目的识别方法及装置 |
US11922099B2 (en) | 2017-11-10 | 2024-03-05 | Autodesk, Inc. | Techniques for automatically generating designs having characteristic topologies for urban design projects |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177393A1 (en) * | 2008-01-07 | 2009-07-09 | Simone Francine Tertoolen | Navigation device and method |
CN103533501A (zh) * | 2013-10-15 | 2014-01-22 | 厦门雅迅网络股份有限公司 | 一种地理围栏生成方法 |
CN104200387A (zh) * | 2014-09-18 | 2014-12-10 | 信阳师范学院 | 一种顾及地理实体语义相似度的土地用途分区方法 |
CN106021499A (zh) * | 2016-05-20 | 2016-10-12 | 中国农业大学 | 基于志愿者地理信息的建设用地分类方法和装置 |
CN106250540A (zh) * | 2016-08-09 | 2016-12-21 | 大连理工大学 | 基于百度地图开放数据与Web数据挖掘的区域停车难易指数的分析方法 |
-
2017
- 2017-04-05 CN CN201710218068.0A patent/CN107133900B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177393A1 (en) * | 2008-01-07 | 2009-07-09 | Simone Francine Tertoolen | Navigation device and method |
CN103533501A (zh) * | 2013-10-15 | 2014-01-22 | 厦门雅迅网络股份有限公司 | 一种地理围栏生成方法 |
CN104200387A (zh) * | 2014-09-18 | 2014-12-10 | 信阳师范学院 | 一种顾及地理实体语义相似度的土地用途分区方法 |
CN106021499A (zh) * | 2016-05-20 | 2016-10-12 | 中国农业大学 | 基于志愿者地理信息的建设用地分类方法和装置 |
CN106250540A (zh) * | 2016-08-09 | 2016-12-21 | 大连理工大学 | 基于百度地图开放数据与Web数据挖掘的区域停车难易指数的分析方法 |
Non-Patent Citations (7)
Title |
---|
CHENRU CHEN 等: "Land use classification in construction areas based volunteered geographic information", 《2016 FIFTH INTERNATIONAL CONFERENCE ON AGRO-GEOINFORMATICS》 * |
JING YUAN 等: "Discovering regions of different functions in a city using human mobility and POIs", 《IN PROCEEDINGS OF THE 18TH ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING》 * |
YABEA: "TF-IDF算法(1)—算法概述", 《HTTPS://WWW.CNBLOGS.COM/YBJOURNEY/P/4793370.HTML》 * |
YANDONG WANG 等: "Mapping Dynamic Urban Land Use Patterns with Crowdsourced Geo-Tagged Social Media(Sina-Weibo) and Commercial Points of Interest Collections in Beijing,China", 《SUSTAINABILITY》 * |
我真心不是天使: "公里格网数据", 《HTTPS://BAIKE.BAIDU.COM/HISTORY/%E5%85%AC%E9%87%8C%E6%A0%BC%E7%BD%91%E6%95%B0%E6%8D%AE/12017151/103529406》 * |
章欣欣 等: "基于Dyna_CLUE的厦门市土地利用变化模拟", 《厦门理工学院学报》 * |
阮一峰: "TF-IDF与余弦相似性的应用(一):自动提取关键词", 《HTTP://WWW.RUANYIFENG.COM/BLOG/2013/03/TF-IDF.HTML》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11922099B2 (en) | 2017-11-10 | 2024-03-05 | Autodesk, Inc. | Techniques for automatically generating designs having characteristic topologies for urban design projects |
CN110019616A (zh) * | 2017-12-04 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种poi现势状态获取方法及其设备、存储介质、服务器 |
CN110019616B (zh) * | 2017-12-04 | 2022-07-12 | 腾讯科技(深圳)有限公司 | 一种poi现势状态获取方法及其设备、存储介质、服务器 |
CN108446782A (zh) * | 2018-01-19 | 2018-08-24 | 武汉工程大学 | 一种顾及多尺度的土地资源优化配置方法 |
CN110633334A (zh) * | 2018-05-30 | 2019-12-31 | 百度在线网络技术(北京)有限公司 | 用于获取信息的方法及装置 |
CN109740968A (zh) * | 2019-01-25 | 2019-05-10 | 中国科学院上海高等研究院 | 二氧化碳排放空间格网化方法、系统、介质和装置 |
CN110070279A (zh) * | 2019-04-10 | 2019-07-30 | 广东省城乡规划设计研究院 | 基于多源数据的用地效率量化评估方法、系统和存储介质 |
CN110070279B (zh) * | 2019-04-10 | 2020-04-14 | 广东省城乡规划设计研究院 | 基于多源数据的用地效率量化评估方法、系统和存储介质 |
CN110163210A (zh) * | 2019-05-24 | 2019-08-23 | 北京百度网讯科技有限公司 | 一种兴趣点poi信息采集方法、装置、设备和存储介质 |
CN111664869A (zh) * | 2020-05-28 | 2020-09-15 | 武汉中海庭数据技术有限公司 | 一种高精度地图地物数据质量评定方法及装置 |
CN111968018A (zh) * | 2020-07-16 | 2020-11-20 | 北京大学 | 一种地铁出行目的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107133900B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133900A (zh) | 城市土地混合利用特征格网计算方法及装置 | |
Ma | Spatial equity analysis of urban green space based on spatial design network analysis (sDNA): A case study of central Jinan, China | |
Wang et al. | Identification and analysis of urban functional area in Hangzhou based on OSM and POI data | |
Gao et al. | Spatial heterogeneity in distance decay of using bike sharing: An empirical large-scale analysis in Shanghai | |
Wu et al. | Using geometrical, textural, and contextual information of land parcels for classification of detailed urban land use | |
CN111401692B (zh) | 一种度量城市空间功能紧凑度的方法 | |
WO2022198963A1 (zh) | 基于大数据的商业空间品质评价方法、系统、设备及介质 | |
Shang et al. | Estimating building-scale population using multi-source spatial data | |
Noor et al. | Determination of spatial factors in measuring urban sprawl in Kuantan using remote sensing and GIS | |
CN110458333A (zh) | 一种基于POIs数据的人口空间分布预测方法及系统 | |
Zhang et al. | Using street view images to identify road noise barriers with ensemble classification model and geospatial analysis | |
Ye et al. | Urban commerce distribution analysis based on street view and deep learning | |
Zagorskas | GIS-based modelling and estimation of land use mix in urban environment | |
Tara et al. | Between 2D and 3D: Studying structural complexity of urban fabric using voxels and LiDAR-derived DSMs | |
Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
Chen et al. | Quantifying the relationships between network distance and straight-line distance: applications in spatial bias correction | |
Jaroszewicz et al. | Spatially explicit mixed-use indicators to measure life quality across the city—A conceptual framework and case study: Piaseczno—A medium sized city in the peri-urban zone of Warsaw, Poland | |
Cui et al. | Research on the driving forces of urban hot spots based on exploratory analysis and binary logistic regression model | |
Bertolini et al. | Accessibility: Operationalizing a concept with relevance for planners | |
CN113537567A (zh) | 一种生态旅游资源开发价值评价方法 | |
Andersson | Urban Expansion and Public Transport: Implications for Inclusive Development | |
Wang et al. | Integrating BP and MGWR-SL model to estimate village-level poor population: An experimental study from Qianjiang, China | |
Makki | Geographical Information Systems in Analysis and Enhancement for Problems Solving and Decision Making | |
Long et al. | Big models: From Beijing to the whole China | |
Banos et al. | Geographical information and urban transport systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |