CN107291918A - 一种兴趣点poi同位模式的可视化挖掘方法 - Google Patents
一种兴趣点poi同位模式的可视化挖掘方法 Download PDFInfo
- Publication number
- CN107291918A CN107291918A CN201710507962.XA CN201710507962A CN107291918A CN 107291918 A CN107291918 A CN 107291918A CN 201710507962 A CN201710507962 A CN 201710507962A CN 107291918 A CN107291918 A CN 107291918A
- Authority
- CN
- China
- Prior art keywords
- interest
- point
- color
- mrow
- values
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种兴趣点POI同位模式的可视化挖掘方法,包括以下步骤:S1、对城市中的各个类别的兴趣点,采用核密度估计方法计算各个单类兴趣点的核密度;进而选择任意两种类别的兴趣点,根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染,两类兴趣点分别采用红色和绿色色级,实现这两类兴趣点空间分布情况的可视化;S2、基于色光加色混合原理对选取择的两种类别兴趣点的可视化结果进行色彩混合,得到同位规则图谱,同位规则图谱中的混合后的黄色所占比例越高,表示两种类别的兴趣点之间的同位模式越强。本发明可顾及空间异质性,探索局部同位模式,属于形象思维范畴,具有直观、形象和易感受等特点。
Description
技术领域
本发明涉及空间数据挖掘领域,尤其涉及一种兴趣点POI同位模式的可视化挖掘方法。
背景技术
城市中的兴趣点POI涵盖了城市中的各类工程型与社会性服务设施,蕴含了丰富的人文经济及自然信息。这些设施之间可能存在一定的关联。挖掘设施之间的空间关联规则可为商业选址、基础设置布局、城市发展规划等提供决策支持(Rui et al.2016)。其中,空间同位模式的挖掘是空间关联规则挖掘的主要内容,空间同位模式是指一组不同类型的地理实体频繁地分布在各自的邻域范围内。
空间同位模式的挖掘主要采用两类方法(Huang et al.,2004):空间统计方法和数据挖掘方法。空间统计方法使用空间相关性指标描述不同类型空间要素的关系,包括交叉k函数(Cressie,2015),平均最近邻距离,空间回归模型(Chou,2007),同位系数(Leslieand Kronenfeld,2011)以及改进的地理加权同位系数(Cromley and Hanink,2014)。数据挖掘方法可分为基于聚类的叠置方法(Estivill-Castro and Lee,2001)以及基于关联规则的方法(边馥苓与万幼,2009)。基于关联规则的方法主要通过将事务的概念泛化,选择同位模型定义事务,然后设计类似的Apriori算法以挖掘同位模式。由于空间异质性的存在,同一空间不同区域内可能存在特殊的局部同位模式,有少量文献对区域同位模式进行了探索,将空间同位模式挖掘方法应用于用户事先指定的空间区域集(Celik et al.,2007),或使用k-mediods算法划分聚类的方式搜索区域同位模式(Eick et al.,2008),或基于k最近邻图挖掘区域同位模式(Qian et al.,2014)。
以上同位模式挖掘方法均是采用统计或是数据挖掘的方式,属于抽象思维的范畴,要求对复杂的数学公式、算法和相关参数等有深刻的理解。
发明内容
本发明要解决的技术问题在于针对现有技术中的同位模式挖掘方法要求对复杂的数学公式、算法和相关参数等有深刻的理解的缺陷,提供一种兴趣点POI同位模式的可视化挖掘方法。
本发明解决其技术问题所采用的技术方案是:
本发明提供一种兴趣点POI同位模式的可视化挖掘方法,包括以下步骤:
S1、对城市中的各个类别的兴趣点,采用核密度估计方法计算各个单类兴趣点的核密度,通过核密度表征单类兴趣点的空间分布情况;进而选择任意两种类别的兴趣点,根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染,两类兴趣点分别采用红色和绿色色级,实现兴趣点空间分布情况的可视化;
S2、基于色光加色混合原理对两类兴趣点空间分布情况可视化结果进行色彩混合,得到同位规则图谱,同位规则图谱中的混合后的黄色所占比例越高,表示两种类别的兴趣点之间的同位模式越强。
进一步地,本发明的步骤S1的具体方法为:
S11、将兴趣点所在的欧式空间划分为均匀网格,建立栅格空间,计算单类兴趣点对应的各个栅格空间的核密度;
S12、选择任意两种类别的兴趣点,根据核密度的数值大小采用分级设色的方法对兴趣点对应的栅格空间进行色彩渲染,两类兴趣点分别采用红色和绿色色级,实现兴趣点的空间分布情况的可视化。
进一步地,本发明的步骤S11的具体方法为:
S111、将兴趣点所在的欧式空间划分为均匀网格,建立栅格空间,得到栅格单元集,设栅格单元为Li,其中i=1,2,…n,n为空间所包含的栅格单元个数;
S112、计算每个栅格单元的核密度,核密度的计算公式为:
其中,k函数表示权重函数,k函数如下:
f(s)是栅格单元位置s处的核密度计算函数,h为距离衰减阈值,n为与位置s的距离小于或等于h的要素点数。
进一步地,本发明的步骤S12的具体方法为:
S121、选择任意两种类别的兴趣点,采用自然间断点分级法对每类兴趣点所对应栅格单元的不为0的核密度值进行分级,级别越高,核密度值越大;
S122、用色级对每类兴趣点所对应的栅格单元进行可视化,采用RGB颜色空间表示颜色,第一类兴趣点采用红色色级表示,其RGB颜色空间中R值不为0,G值和B值为0;第二类类兴趣点采用绿色色级表示,其RGB颜色空间中G值不为0,R值和B值为0,栅格单元的核密度值级别越高,其颜色能量越大、越明亮。
进一步地,本发明的步骤S2中进行色彩混合的具体方法为:
设第一类兴趣点的栅格单元颜色值为C_Ai,其RGB颜色空间中R值不为0,G值和B值为0,第二类兴趣点的栅格单元颜色值为C_Bi,其RGB颜色空间中G值不为0,R值和B值为0,基于色光加色混合原理,进行栅格单元的颜色混合,栅格单元颜色混合公式为:
f(A,B)=C_Ai(R,0,0)+C_Bi(0,G,0)=C_A&Bi(R,G,0)
完成颜色混合后获得同位规则图谱,同位规则“图谱”中黄光所占比例越大表明同位模式越强。
本发明产生的有益效果是:本发明的兴趣点POI同位模式的可视化挖掘方法,可顾及空间异质性,探索局部同位模式,属于形象思维范畴,具有直观、形象和易感受等特点;通过本发明的方法进行同位模型数据挖掘时,不要求使用者对复杂的数学公式、算法和相关参数等有深刻的理解,可以直观的通过颜色变化得到同位模式数据挖掘的结果。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的POI同位模式可视化挖掘方法流程图;
图2是本发明实施例的两类POI示意图;
图3是本发明实施例的A类POI分布情况可视化;
图4是本发明实施例的B类POI分布情况可视化;
图5是本发明实施例的两类POI同位规则“图谱”。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例的兴趣点POI同位模式的可视化挖掘方法,包括以下步骤:
S1、对城市中的各个类别的兴趣点,采用核密度估计方法计算各个单类兴趣点的核密度,通过核密度表征单类兴趣点的空间分布情况;进而根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染,实现空间分布情况的可视化;
S11、将兴趣点所在的欧式空间划分为均匀网格,建立栅格空间,计算单类兴趣点对应的各个栅格空间的核密度;
S111、将兴趣点所在的欧式空间划分为均匀网格,建立栅格空间,得到栅格单元集,设栅格单元为Li,其中i=1,2,…n,n为空间所包含的栅格单元个数;
S112、计算每个栅格单元的核密度,核密度的计算公式为:
其中,k函数表示权重函数,k函数如下:
f(s)是栅格单元位置s处的核密度计算函数,h为距离衰减阈值,n为与位置s的距离小于或等于h的要素点数。
S12、选择任意两种类别的兴趣点,根据核密度的数值大小采用分级设色的方法对兴趣点对应的栅格空间进行色彩渲染,实现各个类别的兴趣点的空间分布情况的可视化。
S121、选择任意两种类别的兴趣点,采用自然间断点分级法将每类兴趣点所对应栅格单元的不为0的核密度值分为5级,级别越高,核密度值越大;
S122、用色级对每类兴趣点所对应的栅格单元进行可视化,采用RGB颜色空间表示颜色,其中第一类兴趣点采用红色色级表示(RGB颜色空间中R值不为0,G值和B值为0),第二类兴趣点采用绿色色级表示(RGB颜色空间中G值不为0,R值和B值为0),栅格单元的核密度值级别越高,其颜色能量越大、越明亮。
S2、基于色光加色混合原理对两类兴趣点空间分布情况可视化结果进行色彩混合,得到同位规则图谱,同位规则图谱中的混合后的黄色所占比例越高,表示两种类别的兴趣点之间的同位模式越强。
在本发明的另一个具体实施例中:
本发明的方法是通过以下步骤实现的:
1、采用核密度估计方法表示单类POI的分布情况。
(1)核密度估计
核密度估计方法基于地理学第一定律,即地理事物或属性都是相互联系的,离得越近的事物彼此之间的联系就越强。核密度属性值随中心辐射距离的增大逐渐减小。核密度的公式定义为:
其中,f(s)是位置s处的核密度计算函数,h为距离衰减阈值,n为与位置s的距离小于或等于h的要素点数,k函数表示权重函数,定义如下:
将POI所在空间划分为均匀网格,建立栅格空间,得到栅格单元集,设栅格单元为Li,其中i=1,2,…n,n为欧氏空间所包含的栅格单元个数。计算单类POI的分布密度,每个栅格单元都获得一个核密度值Ki。对于A和B两类POI(如附图2所示),设A类POI对应的栅格单元核密度值为K_Ai,B类POI对应的栅格单元核密度值为K_Bi。
(2)POI分布情况可视化
使用RGB颜色空间表示颜色。颜色空间由颜色的三个参数组成的颜色三维空间,三个参数在对应的三维空间用色量的均匀变化相交织起来,构成一个理想的颜色空间。颜色空间中的任何一点都代表某一特定颜色。由RGB三个参数(R,G,B)描述颜色,每个参数的取值范围为0~255,数值越大,颜色能量越大、越明亮。
采用自然间断点分级法将计算得到的不为0核密度值进分为5级,采用色级的方式为栅格单元进行普染。设A类POI栅格单元颜色值为C_Ai,A类POI栅格单元颜色值为C_Bi。当K_Ai=0时,C_Ai为(0,0,0),当K_Bi=0时,C_Bi为(0,0,0)。当K_Ai≠0时候,C_Ai采用5级颜色(51,0,0),(102,0,0),(153,0,0),(204,0,0),(255,0,0)渲染,如附图3所示;当K_Bi≠0时候,C_Bi采用5级颜色(0,51,0),(0,102,0),(0,153,0),(0,204,0),(0,255,0)渲染,如附图4所示。
2、基于色光加色混合原理,对两类POI的可视化结果进行色彩混合,获得同位规则“图谱”;
基于色光加色混合原理,进行栅格单元的颜色混合,栅格单元颜色混合公式如下:
f(A,B)=C_Ai(R,0,0)+C_Bi(0,G,0)=C_A&Bi(R,G,0) (三)
完成颜色混合后获得同位规则图谱,如附图5所示,对于颜色混合后的栅格单元Li,当R=G,即两原色光等量混合时,得到黄色(Y);当R≠G,即两原色光非等量混合时,颜色偏向比例大的一方。总的来说,同位规则图谱中的混合后的黄色所占比例越高,表示两种类别的兴趣点之间的同位模式越强。已有同位模式的数据挖掘方法中,同位规则定义为:CS表示支持度,CC%表示置信度。本文可视化方法所得结果与目前已有的数据挖掘方法所计算所得结果间有一定的联系。设进行色彩混色前,要素类A对应的栅格单元颜色为红色(R参数不为0,G参数和B参数为0),要素类B对应的栅格单元颜色为绿色(G参数不为0,R参数和B参数为0),完成色彩混合得到同位规则“图谱”。观察同位规则“图谱”,粗略来看,同位规则的支持度与黄光栅格占总栅格的百分比相关,且百分比越高、色光能量越高,支持度越高,同位规则和同位规则的支持度相等。同位规则的置信度与黄色栅格单元色光能量占颜色R值不为0的栅格单元色光能量的百分比相关。同位规则和同位规则的置信度不相等。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种兴趣点POI同位模式的可视化挖掘方法,其特征在于,包括以下步骤:
S1、对城市中的各个类别的兴趣点,采用核密度估计方法计算各个单类兴趣点的核密度,通过核密度表征单类兴趣点的空间分布情况;进而选择任意两种类别的兴趣点,根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染,两类兴趣点分别采用红色和绿色色级,实现兴趣点空间分布情况的可视化;
S2、基于色光加色混合原理对两类兴趣点空间分布情况的可视化结果进行色彩混合,得到同位规则图谱,同位规则图谱中的混合后的黄色所占比例越高,表示两种类别的兴趣点之间的同位模式越强。
2.根据权利要求1所述的兴趣点POI同位模式的可视化挖掘方法,其特征在于,步骤S1的具体方法为:
S11、将兴趣点所在的欧式空间划分为均匀网格,建立栅格空间,计算单类兴趣点对应的各个栅格空间的核密度;
S12、选择任意两种类别的兴趣点,根据核密度的数值大小采用分级设色的方法对兴趣点对应的栅格空间进行色彩渲染,两类兴趣点分别采用红色和绿色色级,实现兴趣点的空间分布情况的可视化。
3.根据权利要求2所述的兴趣点POI同位模式的可视化挖掘方法,其特征在于,步骤S11的具体方法为:
S111、将兴趣点所在的欧式空间划分为均匀网格,建立栅格空间,得到栅格单元集,设栅格单元为Li,其中i=1,2,…n,n为空间所包含的栅格单元个数;
S112、计算每个栅格单元的核密度,核密度的计算公式为:
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mfrac>
<mn>1</mn>
<msup>
<mi>h</mi>
<mn>2</mn>
</msup>
</mfrac>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mo>-</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>h</mi>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中,k函数表示权重函数,k函数如下:
<mrow>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mo>-</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>h</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>3</mn>
<mn>4</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>-</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msup>
<mi>h</mi>
<mn>2</mn>
</msup>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
f(s)是栅格单元位置s处的核密度计算函数,h为距离衰减阈值,n为与位置s的距离小于或等于h的要素点数。
4.根据权利要求3所述的兴趣点POI同位模式的可视化挖掘方法,其特征在于,步骤S12的具体方法为:
S121、选择任意两种类别的兴趣点,采用自然间断点分级法对每类兴趣点所对应栅格单元的不为0的核密度值进行分级,级别越高,核密度值越大;
S122、用色级对每类兴趣点所对应的栅格单元进行可视化,采用RGB颜色空间表示颜色,第一类兴趣点采用红色色级表示,其RGB颜色空间中R值不为0,G值和B值为0;第二类类兴趣点采用绿色色级表示,其RGB颜色空间中G值不为0,R值和B值为0,栅格单元的核密度值级别越高,其颜色能量越大、越明亮。
5.根据权利要求1所述的兴趣点POI同位模式的可视化挖掘方法,其特征在于,步骤S2中进行色彩混合的具体方法为:
设第一类兴趣点的栅格单元颜色值为C_Ai,其RGB颜色空间中R值不为0,G值和B值为0,第二类兴趣点的栅格单元颜色值为C_Bi,其RGB颜色空间中G值不为0,R值和B值为0,基于色光加色混合原理,进行栅格单元的颜色混合,栅格单元颜色混合公式为:
f(A,B)=C_Ai(R,0,0)+C_Bi(0,G,0)=C_A&Bi(R,G,0)
完成颜色混合后获得同位规则图谱,同位规则“图谱”中黄光所占比例越大表明同位模式越强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507962.XA CN107291918A (zh) | 2017-06-28 | 2017-06-28 | 一种兴趣点poi同位模式的可视化挖掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507962.XA CN107291918A (zh) | 2017-06-28 | 2017-06-28 | 一种兴趣点poi同位模式的可视化挖掘方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107291918A true CN107291918A (zh) | 2017-10-24 |
Family
ID=60098291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710507962.XA Pending CN107291918A (zh) | 2017-06-28 | 2017-06-28 | 一种兴趣点poi同位模式的可视化挖掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107291918A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280685A (zh) * | 2018-01-19 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN108665149A (zh) * | 2018-04-23 | 2018-10-16 | 深圳市城市规划设计研究院有限公司 | 一种基于城市功能混合度的测算方法及系统 |
CN110019568A (zh) * | 2019-04-12 | 2019-07-16 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110909627A (zh) * | 2019-11-04 | 2020-03-24 | 中国科学院深圳先进技术研究院 | 区域poi配置可视化方法及系统 |
CN112148821A (zh) * | 2020-08-25 | 2020-12-29 | 中国地质大学(武汉) | 一种城市混合职住空间计算方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163224A (zh) * | 2011-04-06 | 2011-08-24 | 中南大学 | 自适应空间聚类方法 |
CN106021228A (zh) * | 2016-05-18 | 2016-10-12 | 德稻全球创新网络(北京)有限公司 | 一种利用知识地形图进行文本分析的方法及系统 |
CN106709989A (zh) * | 2016-11-18 | 2017-05-24 | 武汉理工大学 | 基于面向对象影像特征的地理本体建模与语义推理方法 |
-
2017
- 2017-06-28 CN CN201710507962.XA patent/CN107291918A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163224A (zh) * | 2011-04-06 | 2011-08-24 | 中南大学 | 自适应空间聚类方法 |
CN106021228A (zh) * | 2016-05-18 | 2016-10-12 | 德稻全球创新网络(北京)有限公司 | 一种利用知识地形图进行文本分析的方法及系统 |
CN106709989A (zh) * | 2016-11-18 | 2017-05-24 | 武汉理工大学 | 基于面向对象影像特征的地理本体建模与语义推理方法 |
Non-Patent Citations (1)
Title |
---|
艾廷华,周梦杰 等: "网络空间同位模式的加色混合可视化挖掘方法", 《测绘学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280685A (zh) * | 2018-01-19 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN108280685B (zh) * | 2018-01-19 | 2019-07-23 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN108665149A (zh) * | 2018-04-23 | 2018-10-16 | 深圳市城市规划设计研究院有限公司 | 一种基于城市功能混合度的测算方法及系统 |
CN108665149B (zh) * | 2018-04-23 | 2022-10-25 | 深圳市城市规划设计研究院有限公司 | 一种基于城市功能混合度的测算方法及系统 |
CN110019568A (zh) * | 2019-04-12 | 2019-07-16 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110019568B (zh) * | 2019-04-12 | 2022-03-11 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110909627A (zh) * | 2019-11-04 | 2020-03-24 | 中国科学院深圳先进技术研究院 | 区域poi配置可视化方法及系统 |
CN110909627B (zh) * | 2019-11-04 | 2022-04-26 | 中国科学院深圳先进技术研究院 | 区域poi配置可视化方法及系统 |
CN112148821A (zh) * | 2020-08-25 | 2020-12-29 | 中国地质大学(武汉) | 一种城市混合职住空间计算方法和系统 |
CN112148821B (zh) * | 2020-08-25 | 2022-05-03 | 中国地质大学(武汉) | 一种城市混合职住空间计算方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107291918A (zh) | 一种兴趣点poi同位模式的可视化挖掘方法 | |
Génevaux et al. | Terrain generation using procedural models based on hydrology | |
Roth et al. | Value-by-alpha maps: An alternative technique to the cartogram | |
Yanbo et al. | Territorial spatial planning for regional high-quality development–An analytical framework for the identification, mediation and transmission of potential land utilization conflicts in the Yellow River Delta | |
Hou et al. | Smart city oriented ecological corridor layout of Sanshui River Basin in arid area of Loess Plateau | |
CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
CN105205304A (zh) | 音乐色彩通感可视化方法 | |
CN101989178A (zh) | 多叉树数据结构的立体环状可视化方法 | |
Lin et al. | MOOSAS–A systematic solution for multiple objective building performance optimization in the early design stage | |
CN105512218A (zh) | 一种关联层次数据的可视化方法和应用 | |
CN106875281A (zh) | 基于贪心子图的社会网络节点挖掘方法 | |
CN104616328B (zh) | 一种供水压力分布图的绘制方法 | |
CN103200580B (zh) | 一种移动通信网络基站增补自动判决系统 | |
Day et al. | Outdoor Recreation Valuation (ORVal) User Guide: Version 2.0 | |
CN103778659B (zh) | 立体热力图的处理方法及装置 | |
CN106021228A (zh) | 一种利用知识地形图进行文本分析的方法及系统 | |
CN107341822A (zh) | 一种基于最小分支代价聚合的立体匹配方法 | |
CN101763659B (zh) | 基于图像集的大规模数字化高程数据模型自动生成方法 | |
CN111523721A (zh) | 基于gis网格单元的选址方法、装置、存储介质及设备 | |
CN109166307B (zh) | 一种交通路网时空可达性的可视化隐喻表达方法及系统 | |
CN110688443A (zh) | 一种地图注记模型及其注记方法 | |
CN102855624B (zh) | 一种基于广义数据场和Ncut算法的图像分割方法 | |
Doelling et al. | Building performance modeling in non-simplified architectural design | |
Mao et al. | Research on the relationship between the formation of local construction culture and geographical environment based on adaptability analysis | |
CN103871091A (zh) | 一种面向点要素分布特征表达的夜景图制作方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |