CN108009201A - 一种基于空间聚类的城市建成区边界提取方法 - Google Patents

一种基于空间聚类的城市建成区边界提取方法 Download PDF

Info

Publication number
CN108009201A
CN108009201A CN201711044217.2A CN201711044217A CN108009201A CN 108009201 A CN108009201 A CN 108009201A CN 201711044217 A CN201711044217 A CN 201711044217A CN 108009201 A CN108009201 A CN 108009201A
Authority
CN
China
Prior art keywords
completed region
city
poi data
cluster
border
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
Application number
CN201711044217.2A
Other languages
English (en)
Inventor
段晓旗
颜金彪
何清华
祁剑青
胡最
邓运员
郑文武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hengyang Normal University
Original Assignee
Hengyang Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hengyang Normal University filed Critical Hengyang Normal University
Priority to CN201711044217.2A priority Critical patent/CN108009201A/zh
Publication of CN108009201A publication Critical patent/CN108009201A/zh
Pending legal-status Critical Current

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Graphics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种城市建成区边界的提取方法，旨在为城乡规划及其发展提供支持。本发明利用莫兰指数对POI数据进行处理，如果结果为均匀分布，则说明城市发展程度一致，不需要提取城市建成区边界。如果集聚特征明显，则用k均值聚类方法对POI数据进行聚类；聚类结果利用“剥皮”法提取外围边界，最后利用可视域的Delaunay三角网提取城市建成区边界。

Description

一种基于空间聚类的城市建成区边界提取方法
技术领域
本发明属于地图学与地理信息科学技术领域，提出一种提取城市建成区边界的一种方法，为决策提供支持。
背景技术
城市建成区边界对于落实城市功能区的建设，实现城市与区域规划具有重要的意义。同时，在时间尺度城市建成区边界能够确定城市的扩张的速度，为评价土地利用及城镇化发展质量提供了重要依据。
以往一般以行政区划边界作为城市建成区边界，但行政区划边界不能准确的描述城镇化发展水平。关于城市建成区边界的研究，具有代表的如通过灯光遥感的强度进行划分，或者利用土地覆盖或者建筑覆盖率等方法确定范围；还有的学者提出利用人口密度梯度法、八邻域相似比例法等。
以上方法在一定程度上都能提取城市建成区的边界，不过很难准确识别城市建成区边界，如灯光遥感的尺度比较大、人口流动性大等。本发明利用POI点数据，数据本身具有普遍性，对POI数据进行聚类分析，能够提取POI数据背后的深层次的信息。
发明内容
本发明的目的是提出一种城市建成区边界提取方法，提供了POI数据在城市规划问题中的应用，客观的反映了POI点数据之间的内在联系，保证其提取结果符合人们的认知。
本发明方法主要是提出利用POI数据提取城市建成区边界。
POI数据能够客观反映经济活动、人类活动的聚集特性。利用空间聚类方法提取城市建成区边界，其计算步骤如下，通过Moran’s I结果，判断POI数据的离散、聚集特性；在此基础上利用Kmeans聚类方法将POI数据进行聚类；对聚类结果进行“剥皮”操作，得到几个类的外围点；利用Delaunay三角剖分，构建几类POI数据外围点的可视域；再利用主骨架线方法提取城市建成区边界。
本发明旨在提供一种城市建成区边界提取的方法，能够较为准确的提取城市建成区边界，其结果符合人们的认知习惯。
附图说明
图1 是流程图
图2 是Moran’s I结果图
图3是kmeans聚类结果图
图4是各类进行“剥皮”操作结果图
图5是可视域构建Delaunay三角网图
图6是提取城市边界图
图7是实际应用图。
具体实施方式
为了详细说明本发明的技术内容、构造特征、所实习那的目的及所达到的效果，以下结合具体实施方式详细说明。
本发明的实施步骤可以分为：数据前期处理和数据提取两方面。下面对各实施步骤进行进一步的阐述。
本发明所采用的技术方案是按照以下步骤进行的：
1.数据前期处理：
步骤1：求POI数据的Moran’s I指数，计算得到POI数据的离散、聚集特征，公式为：
2.利用k均值聚类方法提取城市建成区边界，数据提取的步骤如下：
步骤1：利用k均值聚类方法对POI数据进行聚类，（1）0选定初始聚类中心；（2）将每个点归到离它最近的初始聚类中心下；（3）归类完成后重新计算聚类中心，公式如下：
重复（2）（3）直到一直到迭代了最大的步数或者前后的j的值相差小于一个阈值为止；
步骤2：根据聚类结果，分别对几个类分别进行“剥皮”操作，得到几个类的外围点；
步骤3：根据步骤三的结果，对各个类的外围点进行Delaunay三角剖分，构建可视域；
步骤4：生成Delaunay三角网，找到主骨架线。
综上所述，本发明提供了一种提取城市建成区边界的方法，符合人们的空间认知，能够较为准确的反映出城市扩张的边界问题。

Claims (2)

1.提出一种城市建成区边界提取的计算方法：
步骤一：利用Moran’s I指数检测商业点、餐饮、医疗、住宿服务等POI的离散型。
2.如果POI数据程聚集分布，则进行步骤二；
步骤二：利用Kmeans方法对POI数据进行聚类，得到聚类中心和聚类的数目；
步骤三：根据聚类结果，分别对几个类分别进行“剥皮”操作，得到几个类的外围点；
步骤四：根据步骤三的结果，对各个类的外围点进行Delaunay三角剖分，构建可视域；
步骤五：根据步骤四的结果，提取主骨架线，此主骨架线即为城市建成区间的边界；
综上所述，本发明利用空间聚类方法对POI数据进行聚类分析，并分别对各个类别进行“剥皮”操作，最后提取城市建成区边界，证明此方法能够有效的对城市建成区边界进行提取。
CN201711044217.2A 2017-10-31 2017-10-31 一种基于空间聚类的城市建成区边界提取方法 Pending CN108009201A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711044217.2A CN108009201A (zh) 2017-10-31 2017-10-31 一种基于空间聚类的城市建成区边界提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711044217.2A CN108009201A (zh) 2017-10-31 2017-10-31 一种基于空间聚类的城市建成区边界提取方法

Publications (1)

Publication Number Publication Date
CN108009201A true CN108009201A (zh) 2018-05-08

Family

ID=62052141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711044217.2A Pending CN108009201A (zh) 2017-10-31 2017-10-31 一种基于空间聚类的城市建成区边界提取方法

Country Status (1)

Country Link
CN (1) CN108009201A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135351A (zh) * 2019-05-17 2019-08-16 东南大学 基于城市建筑空间数据的建成区边界识别方法及设备
CN111862137A (zh) * 2020-07-15 2020-10-30 上海钧正网络科技有限公司 一种根据点集确定图形边界的方法、装置
CN115018859A (zh) * 2022-04-14 2022-09-06 中国资源卫星应用中心 基于多尺度空间嵌套的城市建成区遥感提取方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105824853A (zh) * 2015-01-09 2016-08-03 日本电气株式会社 聚类设备和方法
CN106294289A (zh) * 2016-08-25 2017-01-04 环境保护部南京环境科学研究所 一种保护动物的生态红线划定方法
JP6148769B2 (ja) * 2015-06-26 2017-06-14 キヤノン株式会社 複数のイベントクラスタを生成するために画像セットを分割するための方法、システムおよび装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105824853A (zh) * 2015-01-09 2016-08-03 日本电气株式会社 聚类设备和方法
JP6148769B2 (ja) * 2015-06-26 2017-06-14 キヤノン株式会社 複数のイベントクラスタを生成するために画像セットを分割するための方法、システムおよび装置
CN106294289A (zh) * 2016-08-25 2017-01-04 环境保护部南京环境科学研究所 一种保护动物的生态红线划定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郑凯 等: ""动态交通小区划分及公交服务评价"", 《2014第九届中国智能交通年会大会论文集》 *
郝斌 等: ""多维特征融合的城市商圈划分方法"", 《地理与地理信息科学》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135351A (zh) * 2019-05-17 2019-08-16 东南大学 基于城市建筑空间数据的建成区边界识别方法及设备
WO2020233152A1 (zh) * 2019-05-17 2020-11-26 东南大学 基于城市建筑空间数据的建成区边界识别方法及设备
CN111862137A (zh) * 2020-07-15 2020-10-30 上海钧正网络科技有限公司 一种根据点集确定图形边界的方法、装置
CN115018859A (zh) * 2022-04-14 2022-09-06 中国资源卫星应用中心 基于多尺度空间嵌套的城市建成区遥感提取方法及系统

Similar Documents

Publication Publication Date Title
Kruse et al. Places for play: Understanding human perception of playability in cities using street view images and deep learning
Yao et al. Discovering the homogeneous geographic domain of human perceptions from street view images
CN108427965B (zh) 一种基于路网聚类的热点区域挖掘方法
WO2016141753A1 (zh) 基于路网和兴趣点的声环境功能区划分方法
CN110348506B (zh) 基于遥感图像的土地利用分类方法、存储介质和计算设备
Zhang et al. Knowledge and topology: A two layer spatially dependent graph neural networks to identify urban functions with time-series street view image
CN107247938A (zh) 一种高分辨率遥感影像城市建筑物功能分类的方法
CN109948737A (zh) 基于大数据和机器学习的贫困空间分类识别方法和装置
CN106909899B (zh) 一种湿地景观演变过程的分析方法及分析系统
CN106097222A (zh) 顾及用户特征的公共设施空间可达性分析方法及装置
CN113034040A (zh) 一种典型物种迁移廊道选址方法、装置及设备
CN109582754A (zh) 利用poi数据进行城市主体功能区中心探测的方法
CN111563666A (zh) 一种基于网络热度的城市公共服务设施空间配置评价方法
CN111651502B (zh) 一种基于多子空间模型的城市功能区识别方法
CN110222959A (zh) 一种基于大数据的城市就业可达性测算方法及系统
CN112925870B (zh) 一种人口空间化方法及系统
CN106845559A (zh) 顾及poi数据空间异质性的地表覆盖验证方法及系统
Ye et al. Urban commerce distribution analysis based on street view and deep learning
CN102314610B (zh) 一种基于概率潜语义分析模型的面向对象影像聚类方法
CN108009201A (zh) 一种基于空间聚类的城市建成区边界提取方法
CN112070056A (zh) 一种基于面向对象和深度学习的敏感用地识别方法
CN116308956B (zh) 一种城市区域主导功能与规划用途差异检测的方法
Hu et al. A framework to detect and understand thematic places of a city using geospatial data
CN113672788A (zh) 一种基于多源数据和权重系数法的城市建筑功能分类方法
Liang et al. Assessing the validity of SafeGraph data for visitor monitoring in Yellowstone National Park

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180508

WD01 Invention patent application deemed withdrawn after publication