CN109582754A - 利用poi数据进行城市主体功能区中心探测的方法 - Google Patents
利用poi数据进行城市主体功能区中心探测的方法 Download PDFInfo
- Publication number
- CN109582754A CN109582754A CN201811507341.2A CN201811507341A CN109582754A CN 109582754 A CN109582754 A CN 109582754A CN 201811507341 A CN201811507341 A CN 201811507341A CN 109582754 A CN109582754 A CN 109582754A
- Authority
- CN
- China
- Prior art keywords
- isopleth
- functional areas
- poi
- poi data
- tree
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008569 process Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims 1
- 238000011002 quantification Methods 0.000 abstract description 3
- 238000013439 planning Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004918 carbon fiber reinforced polymer Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013316 zoning Methods 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)
Abstract
本发明公开了一种利用POI数据进行城市主体功能区中心探测的方法，它包括以下步骤：步骤一，生成POI密度分布图；步骤二，构造POI密度等值线树；步骤三，简化POI密度等值线树；步骤四，探测城市主体功能区范围。本发明利用POI数据代替城市人口普查数据和调查问卷，有效解决了传统利用人口普查数据和调查问卷所产生的数据更新困难问题；将POI强度表示为地形表面，解决了城市主体功能区中心和范围可能受预设边界和面积单位的限制等问题；通过构建指标频数密度和类型比例的方法来定量化城市功能区中心的性质以及他们之间的空间和功能关系。
Description
技术领域
本发明涉及一种利用POI数据进行城市功能区中心探测的方法，属于城市计算与规划技术领域。
背景技术
城市主体功能区是实现城市经济社会各类职能的重要空间载体，是城市功能的空间集聚形式。自中央提出“建立国家空间规划体系”以来，各部委和地区纷纷开展空间规划体系和规划协调机制的探索工作。对于城市空间规划来说，识别城市主体功能区并了解其内部空间结构有利于制定更好的城市规划，通过城市总体规划、城市区域规划和城市体系规划，设计和实施多中心城市发展战略，以分散单中心城市的人口和经济活动，解决交通拥堵、住房困难和环境污染等问题。
随着城市的发展，城市空间结构正在迅速变化，城市正在从之前的单中心模式发展到多中心模式。城市主体功能区的直接明确划分可以为城市规划者在未来规划中提供启发，并验证过去城市规划成果。传统的城市空间结构研究主要基于遥感数据，其价格昂贵且缺乏及时更新，不能满足城市规划者和学者的需求。兴趣点数据(points of interest,POI)是重要的城市基础地理信息数据，已被广泛应用于城市空间结构的研究。因此，利用城市POI数据开展城市功能区划分及结构探索成为一项重要研究。
目前国内外对此进行的相关研究，主要总结为以下几个方面：(1)基于人口普查数据设定阈值来确定城市中心，如G Giuliano等人仅基于总就业密度和总就业数据识别出洛杉矶市中心和三个大型子中心，同时揭示了不同类型中心的大小和位置分布，JF Mcdonald等人利用芝加哥的就业数据确定就业子中心。(2)基于遥感数据分析的方法，如Z Chen等人利用卫星传感器记录的地球表面的夜间灯光强度(NTL)数据识别城市功能区中心及结构；JH Pan等人利用夜间灯光数据识别中国多维贫困空间。(3)基于POI数据和出租车轨迹数据的方法，如郑宇等人利用北京市POI数据和出租车轨迹数据对北京市五环内的功能区进行划分；谷岩岩，焦利民等人利用打断分类法和核密度聚类法对兴趣点数据进行分析，识别城市功能区，并结合对出租车轨迹数据时空挖掘，定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。
从上述研究可以看出，已有研究主要存在以下三个问题：
(1)传统使用人口普查数据和调查数据进行的城市主体功能区划分方法大多使用预设的地理单元(如人口普查区块或行政区域)进行的。检测到的城市主体功能区中心和范围可能会受到这些预设边界和面积单位的限制；且数据获取困难，价格昂贵，周期较长。
(2)传统方法在一个特定的空间尺度上检测城市功能区结构，无法构建和表征具有多个空间尺度的城市结构层次。
(3)传统方法在进行城市功能区划分时并没有量化城市功能区中心的性质以及他们之间的空间和功能关系。
发明内容
针对以上方法存在的不足，本发明提出了一种利用POI数据进行城市主体功能区中心探测的方法，采用POI数据代替城市人口普查数据和调查数据来划分城市主体功能区。
本发明解决其技术问题采取的技术方案是：
本发明提供的一种利用POI数据进行城市主体功能区中心探测的方法，可以包括以下步骤：
步骤一，生成POI密度分布图；
步骤二，构造POI密度等值线树；
步骤三，简化POI密度等值线树；
步骤四，探测城市主体功能区范围。
作为本实施例一种可能的实现方式，在步骤一中，首先对POI数据进行预处理，然后利用核密度函数建立POI密度分布图，并获得POI密度等值线。
作为本实施例一种可能的实现方式，所述步骤二具体包括以下步骤：
(1)寻找种子等值线；
(2)由种子等值线向外扩展，将其最邻近闭合等值线作为其父节点，循环迭代直到包含最外层闭合等值线为止；
(3)生成局部等值线树。
作为本实施例一种可能的实现方式，所述等值线树由一个根节点、一组内部节点和一组叶节点组成，用以表示一组同心封闭等值线内相邻等值线之间的拓扑关系，其中，节点表示闭合的等值线，节点之间的连接线表示节点之间的包含关系；
所述种子等值线为不包围任何其他等值线但包含局部峰值点的封闭等值线；如果与种子等值线最近的外部等值线包含两个或更多独立的种子等值线，则该外部等值线为种子等值线的父节点。
构建等值线树时，等值线树由种子等值线作为等值线树底部的第一级等值开始。
首先寻找种子等值线；然后针对种子等值线通过搜索并添加其相邻的封闭等值线作为其父节点来生成等值线树，继续迭代添加父节点，直至包含最外层的闭合等值线作为根节点为止，从而生成局部等值线树。
作为本实施例一种可能的实现方式，在步骤三中，首先对POI密度等值线树进行简化，若两条等值线属于同一个分支且无拓扑变化，则只保留父节点，最后通过简化后的等值线，将叶节点对应的等值线表示为城市主体功能区中心。
作为本实施例一种可能的实现方式，所述步骤四具体包括以下步骤：
(1)根据等值线树确定叶节点为功能区范围；
(2)针对每个功能区单元构建指标频数密度(frequency density，FD)和类型比例(category ratio，CR)来识别功能性质。
作为本实施例一种可能的实现方式，所述根据等值线树确定叶节点为功能区范围的具体过程为：
每棵等值线树代表一个单中心或多中心结构的城市主体功能区；
单中心区域只有一个分支，简化后只剩下一个叶节点，该叶节点对应的轮廓线表示城市主体功能区中心的范围。
多中心区域具有两个及其以上的分支，简化后的轮廓线具有多个叶节点，其层数反映了多中心功能区的复杂性；
主等值线树中最大的叶节点代表城市主体功能区的主要中心。
作为本实施例一种可能的实现方式，所述针对每个功能区单元构建指标频数密度和类型比例来识别功能性质的过程为：
以类型比例值为50％作为判断功能区单元功能性质的标准，当单元内某一种类型的POI数据占比达到50％及以上时，即确定该功能区单元为单一功能区，该功能区单元的功能性质由POI数据类型而定；
当功能区单元内所有类型的POI数据占比均没有达到50％时，即确定该功能区为混合功能区，混合类型取决于单元内3种最主要的POI数据类型。
首先根据等值线树探测城市主体功能区，然后定量计算每个功能区单元的功能性质。
作为本实施例一种可能的实现方式，所述步骤一具体包括以下步骤：
(1)对原始POI数据进行噪声剔除，得到POI数据集；
(2)将得到的POI数据与研究区域进行空间连接，提取在研究区域内的POI数据组成试验数据集；
(3)利用高斯核函数对POI数据进行密度分布估计；
(4)以一定的等值线基础和等值线间隔生成等值线分布图。
作为本实施例一种可能的实现方式，对原始POI数据进行噪声剔除的过程为：
对POI数据进行坐标纠偏处理，采用百度地图提高的API，将POI数据由火星坐标系转换为WGS84坐标系；
根据同名实体匹配规则，对同物异名或同名异物POI进行处理，对同物异名POI只保留其中一个。
所述等值线基础和等值线间隔的取值采用多次试验选取最优值的方法进行选取，不同的城市具有不同的值。
本发明实施例的技术方案可以具有的有益效果如下：
本发明实施例的技术方案采用POI数据代替城市人口普查数据和调查数据，首先将POI强度表示为地形表面，并使用POI密度等值线描绘城市主体功能区结构，然后应用基于图论的等值线树方法来识别城市主体功能区中心及其子中心，并确定相邻城市中心之间的拓扑关系，同时可定量化计算城市功能区的性质，提出了一种利用等值线树来划分城市主体功能区并分析其空间关系的方法，为城市规划与城市基础设施建设提供了一种全新的思路和方法。
本发明实施例的技术方案采用POI数据提取城市主体功能区中心，相比于传统利用遥感数据和人口普查数据，POI数据具有易获取，数据成本低，空间粒度较精细，动态更新快，可反映城市活动的具体场所和功能等特点，将会为城市计算，城市结构划分、城市规划、城市基础设施服务等领域带来不可估量的价值。
本发明实施例的技术方案利用图论的思想，通过建立POI密度空间等值线树，可以从多个尺度提取城市主体功能区中心，打破传统的在单一尺度上检测城市功能区中心，无法构建和表征具有多个空间尺度的城市结果的弊端。
本发明实施例的技术方案利用POI类型定量化计算城市功能区的性质，改变了传统利用遥感灯光数据和普查数据造成无法量化城市功能区性质及其之间功能关系的局限。
附图说明：
图1是根据一示例性实施例示出的一种利用POI数据进行城市主体功能区中心探测的方法的流程图；
图2为以北京市主城区为例的一示例性实施例的研究区域及试验POI数据集示意图；
图3(a、b、c)为等值线树构建的示意图；
图4为等值线理论半径与密度的曲线图；
图5(a)为北京市主城区的核密度图，图5(b)和图5(c)为图5(a)的等值线局部放大图；
图6为北京市主城区12棵等值线树的边界；
图7为北京市主城区主树的轮廓树；
图8为主树(树A)中的嵌套层次结构；
图9为北京市主城区功能结构分布。
具体实施方式
下面结合附图与实施例对本发明做进一步说明：
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
为了能清楚直观说明本发明所达到的效果，下面以北京市主城区为例，通过具体实施方式，并结合附图1-9，对本发明进行详细阐述。
图1是根据一示例性实施例示出的一种CFRP低速冲击损伤样本低试验代价获取方法的流程图。如图1所述，本发明实施例提供的一种利用POI数据进行城市主体功能区中心探测的方法，可以包括以下步骤：
步骤一，生成POI密度分布图；首先对POI数据进行预处理，然后利用核密度函数建立POI密度分布图，进而获得POI密度等值线。
步骤二，构造POI密度等值线树；首先寻找种子等值线；然后针对种子等值线，通过搜索并添加其相邻封闭等值线作为其父节点来生成等值线树，继续迭代添加父节点，直到包含最外层的闭合等值作为根节点，生成局部等值线树。
步骤三，简化POI密度等值线树；首先对步骤二中获得的等值线树进行简化，若两条等值线属于同一个分支且无拓扑变化，则只保留父节点，最后通过简化后的等值线，将叶节点对应的等值线表示为城市主体功能区中心。
步骤四，根据等值线树探测城市主体功能区范围；首先根据等值线树探测城市主体功能区，然后定量计算每个功能区单元的功能性质。
进一步地，所述步骤一具体包括以下步骤：
(1)对原始POI数据进行噪声剔除，得到POI数据集；
参照2011年最新版城市用地分类与规划建设用地标准，并结合北京市城市设施分布情况：
①剔除公众认知度较低的POI，如ATM、报刊亭、公交站点等。
②将POI数据分为，商业金融、公司企业、住宅小区、医疗服务、休闲娱乐、科研教育、公园广场以及风景名胜共8大类。
(2)将(1)中得到的POI数据与研究区域进行空间连接，提取在研究区域内的POI组成试验数据集如图2所示；
(3)如图5a所示，选取带宽为3000m,利用高斯核函数对POI进行密度分布估计；
(4)以50个/平方米作为等值线基础和等值线间隔生成等值线分布图，如图5b和5c所示为局部放大图，在寻找边界阈值时采用了密度检测方法，如图4所示，通过刻画等值线理论半径与密度的曲线确定变化率最大处为等值线阈值。
密度检测方法的基本思想是观察相对应闭合曲线围成周长Ld的理论半径(Ld/2π)与密度值d的比值R变化情况，找到R的最大值，从而确定城市功能区边界，相比于一系列阈值的试错试验，提高了计算效率和准确性。密度检测方法具体包括两个步骤：
第一步：刻画比值R与密度值d的关系，理论上，采用曲线对比值R和密度值d进行拟合：
R＞r (2)
其中r为常数。
第二步：边界密度值的判定，实际上，由于多城市功能区中心的存在，POI密度分布在功能区内部存在一定的变化，因此，比值R与密度值d的曲线在城市功能区内部表现为波动，但存在一个具有全局意义的最大值点，使得该密度值对应的边界理论半径变化最大。那么该值即为城市功能区边界密度值。
进一步地，所述步骤二包括以下步骤：
(1)寻找种子等值线；
(2)由种子等值线向外扩展，将其最邻近闭合等值线作为其父节点，循环迭代直到包含最外层等高线；
(3)生成局部等值线树。
以图3为例说明，首先给出两个定义：
定义1：将不包围任何其他轮廓线但包含局部峰值点的封闭轮廓线定义为“种子轮廓线”，即种子等值线。
定义2：若与种子轮廓线最近的外部轮廓线包含两个或更多独立的种子轮廓，则该轮廓线将被定义为种子轮廓线的父节点。
轮廓树(即等值线树)中的每个节点只有一个父节点，但可能有一个或多个叶节点。对于图3所示的简单城市功能区中心结构，其局部轮廓树的生成主要有以下三个步骤：(1)寻找种子轮廓树U和T2，轮廓树由种子轮廓U和T2作为轮廓树底部的第一级轮廓开始；(2)针对种子轮廓线U，通过搜索并添加其相邻封闭轮廓线V作为其父节点来生长轮廓树，继续迭代添加父节点T1，直到包含最外层的闭合轮廓S作为根节点。此时，局部轮廓树生成；
进一步地，所述步骤三包括以下步骤：简化轮廓树，图3(b)中，U、V和T1属于同一个分支且无拓扑变化，因此只保留T1，利用T1和T2代表整个轮廓树中的T1-V-U和T2两个分支。该过程适用于整个轮廓树的简化，如图8所示，得到主城功能区的结构分布图。
进一步地，所述步骤四包括以下步骤：
(1)根据等值线树确定叶节点为功能区范围，在局部等值线树中，每棵树代表一个单中心或多中心结构的城市主体功能区，对于单中心区域，其只有一个分支，简化后只剩下一个叶节点，该叶节点对应的轮廓线表示城市主体功能区中心的范围，多城市功能区中心结构具有两个及其以上的分支，简化后的轮廓线具有多个叶节点，其层数反映了多中心功能区的复杂性。因此主树中最大的叶节点代表城市主体功能区的主要中心。得到城市主体功能区范围如图6所示；
(2)分别针对每个功能区单元构建指标频数密度和类型比例来识别功能性质，得到图9所示结果，计算公式为：
式中，i表示POI类型；ni表示单元内第i种类型POI的数量；Ni表示第i种类型POI的总数；Fi表示第i种类型POI占该类型POI总数的频数密度；Ci表示第i种类型POI的频数密度占单元内所有类型POI频数密度的比例。
经过试验分析，可以得出以下结论。
首先，本发明利用POI数据探测城市功能区中心及其结构，该方法通过POI数据可以有效探测出城市主体功能区范围及结构；很大程度上客服了利用遥感影像方法造成的成本高、周期长等缺陷；
第二，本发明使用密度检测方法刻画等值线半径与密度的曲线，通过确定变化率最大处阈值为城市主体功能区的边界阈值，克服了人为选取边界阈值的盲目性，减少了误差；
第三，本发明通过类比地形分析的等值线树方法有效探测出城市主体功能区主中心及其附属中心，为城市主体功能区探测方法提供了新思路。
以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视作为本发明的保护范围。
Claims (10)
1.一种利用POI数据进行城市主体功能区中心探测的方法，其特征是，包括以下步骤：
步骤一，生成POI密度分布图；
步骤二，构造POI密度等值线树；
步骤三，简化POI密度等值线树；
步骤四，探测城市主体功能区范围。
2.根据权利要求1所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，在步骤一中，首先对POI数据进行预处理，然后利用核密度函数建立POI密度分布图，并获得POI密度等值线。
3.根据权利要求1所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，所述步骤二具体包括以下步骤：
(1)寻找种子等值线；
(2)由种子等值线向外扩展，将其最邻近闭合等值线作为其父节点，循环迭代直到包含最外层闭合等值线为止；
(3)生成局部等值线树。
4.根据权利要求3所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是：
所述等值线树由一个根节点、一组内部节点和一组叶节点组成，用以表示一组同心封闭等值线内相邻等值线之间的拓扑关系，其中，节点表示闭合的等值线，节点之间的连接线表示节点之间的包含关系；
所述种子等值线为不包围任何其他等值线但包含局部峰值点的封闭等值线；如果与种子等值线最近的外部等值线包含两个或更多独立的种子等值线，则该外部等值线为种子等值线的父节点。
构建等值线树时，等值线树由种子等值线作为等值线树底部的第一级等值开始。
5.根据权利要求1所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，在步骤三中，首先对POI密度等值线树进行简化，若两条等值线属于同一个分支且无拓扑变化，则只保留父节点，最后通过简化后的等值线，将叶节点对应的等值线表示为城市主体功能区中心。
6.根据权利要求1所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，所述步骤四具体包括以下步骤：
(1)根据等值线树确定叶节点为功能区范围；
(2)针对每个功能区单元构建指标频数密度和类型比例来识别功能性质。
7.根据权利要求6所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，所述根据等值线树确定叶节点为功能区范围的具体过程为：
每棵等值线树代表一个单中心或多中心结构的城市主体功能区；
单中心区域只有一个分支，简化后只剩下一个叶节点，该叶节点对应的轮廓线表示城市主体功能区中心的范围。
多中心区域具有两个及其以上的分支，简化后的轮廓线具有多个叶节点，其层数反映了多中心功能区的复杂性；
主等值线树中最大的叶节点代表城市主体功能区的主要中心。
8.根据权利要求6所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，所述针对每个功能区单元构建指标频数密度和类型比例来识别功能性质的过程为：
以类型比例值为50％作为判断功能区单元功能性质的标准，当单元内某一种类型的POI数据占比达到50％及以上时，即确定该功能区单元为单一功能区，该功能区单元的功能性质由POI数据类型而定；
当功能区单元内所有类型的POI数据占比均没有达到50％时，即确定该功能区为混合功能区，混合类型取决于单元内3种最主要的POI数据类型。
9.根据权利要求1至8任一项所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，所述步骤一具体包括以下步骤：
(1)对原始POI数据进行噪声剔除，得到POI数据集；
(2)将得到的POI数据与研究区域进行空间连接，提取在研究区域内的POI数据组成试验数据集；
(3)利用高斯核函数对POI数据进行密度分布估计；
(4)以一定的等值线基础和等值线间隔生成等值线分布图。
10.根据权利要求9所述的利用POI数据进行城市主体功能区中心探测的方法，其特征是，对原始POI数据进行噪声剔除的过程为：
对POI数据进行坐标纠偏处理，采用百度地图提高的API，将POI数据由火星坐标系转换为WGS84坐标系；
根据同名实体匹配规则，对同物异名或同名异物POI进行处理，对同物异名POI只保留其中一个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811507341.2A CN109582754A (zh) | 2018-12-10 | 2018-12-10 | 利用poi数据进行城市主体功能区中心探测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811507341.2A CN109582754A (zh) | 2018-12-10 | 2018-12-10 | 利用poi数据进行城市主体功能区中心探测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109582754A true CN109582754A (zh) | 2019-04-05 |
Family
ID=65928001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811507341.2A Pending CN109582754A (zh) | 2018-12-10 | 2018-12-10 | 利用poi数据进行城市主体功能区中心探测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109582754A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110334321A (zh) * | 2019-06-24 | 2019-10-15 | 天津城建大学 | 一种基于兴趣点数据的城市轨交站区功能识别方法 |
| CN110533038A (zh) * | 2019-09-04 | 2019-12-03 | 广州市交通规划研究院 | 一种基于信息数据的城市活力区和中心城区边界识别的方法 |
| CN112257970A (zh) * | 2019-07-22 | 2021-01-22 | 山东科技大学 | 一种基于兴趣点大数据的城市功能区自动划分方法 |
| CN112686507A (zh) * | 2020-12-18 | 2021-04-20 | 天津大学 | 一种基于WorldPop数据的大都市区多中心指数评价方法 |
| CN112733782A (zh) * | 2021-01-20 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 基于道路网的城市功能区识别方法、存储介质和电子设备 |
| US20210224821A1 (en) * | 2020-07-24 | 2021-07-22 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Land usage property identification method, apparatus, electronic device and storage medium |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105138668A (zh) * | 2015-09-06 | 2015-12-09 | 中山大学 | 基于poi数据的城市商业中心与零售业态集聚区识别方法 |
-
2018
- 2018-12-10 CN CN201811507341.2A patent/CN109582754A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105138668A (zh) * | 2015-09-06 | 2015-12-09 | 中山大学 | 基于poi数据的城市商业中心与零售业态集聚区识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| ZUOQI CHEN等: "A New Approach for Detecting Urban Centers and Their Spatial Structure With Nighttime Light Remote Sensing", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
| 童莹等: "互联网兴趣点的商业区自动提取方法研究", 《测绘科学》 * |
| 许泽宁等: "基于电子地图兴趣点的城市建成区边界识别方法", 《地理学报》 * |
| 邓悦: "基于多源兴趣点数据的城市功能区划分方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110334321A (zh) * | 2019-06-24 | 2019-10-15 | 天津城建大学 | 一种基于兴趣点数据的城市轨交站区功能识别方法 |
| CN110334321B (zh) * | 2019-06-24 | 2023-03-31 | 天津城建大学 | 一种基于兴趣点数据的城市轨交站区功能识别方法 |
| CN112257970A (zh) * | 2019-07-22 | 2021-01-22 | 山东科技大学 | 一种基于兴趣点大数据的城市功能区自动划分方法 |
| CN110533038A (zh) * | 2019-09-04 | 2019-12-03 | 广州市交通规划研究院 | 一种基于信息数据的城市活力区和中心城区边界识别的方法 |
| CN110533038B (zh) * | 2019-09-04 | 2022-04-12 | 广州市交通规划研究院 | 一种基于信息数据的城市活力区和中心城区边界识别的方法 |
| US20210224821A1 (en) * | 2020-07-24 | 2021-07-22 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Land usage property identification method, apparatus, electronic device and storage medium |
| CN112686507A (zh) * | 2020-12-18 | 2021-04-20 | 天津大学 | 一种基于WorldPop数据的大都市区多中心指数评价方法 |
| CN112733782A (zh) * | 2021-01-20 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 基于道路网的城市功能区识别方法、存储介质和电子设备 |
| CN112733782B (zh) * | 2021-01-20 | 2022-02-11 | 中国科学院地理科学与资源研究所 | 基于道路网的城市功能区识别方法、存储介质和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109582754A (zh) | 利用poi数据进行城市主体功能区中心探测的方法 | |
| Xia et al. | Analyzing spatial relationships between urban land use intensity and urban vitality at street block level: A case study of five Chinese megacities | |
| Wang et al. | Evaluating the suitability of urban development land with a Geodetector | |
| Ma | Spatial equity analysis of urban green space based on spatial design network analysis (sDNA): A case study of central Jinan, China | |
| Yao et al. | Discovering the homogeneous geographic domain of human perceptions from street view images | |
| Li et al. | Multi-scale analysis of rural housing land transition under China's rapid urbanization: The case of Bohai Rim | |
| WO2017166370A1 (zh) | 一种基于区域城际流强度测算模型的划定大都市圈的方法 | |
| CN105138668A (zh) | 基于poi数据的城市商业中心与零售业态集聚区识别方法 | |
| CN107247938A (zh) | 一种高分辨率遥感影像城市建筑物功能分类的方法 | |
| CN110533038A (zh) | 一种基于信息数据的城市活力区和中心城区边界识别的方法 | |
| CN113034040B (zh) | 一种典型物种迁移廊道选址方法、装置及设备 | |
| CN106650618A (zh) | 一种基于随机森林模型的人口数据空间化方法 | |
| CN104834666A (zh) | 基于路网和兴趣点的声环境功能区划分方法 | |
| Qi et al. | Development and application of 3D spatial metrics using point clouds for landscape visual quality assessment | |
| CN105206057A (zh) | 基于浮动车居民出行热点区域的检测方法及系统 | |
| Tian et al. | Suburban identification based on multi-source data and landscape analysis of its construction land: A case study of Jiangsu Province, China | |
| Li et al. | A two-phase clustering approach for urban hotspot detection with spatiotemporal and network constraints | |
| He et al. | What is the developmental level of outlying expansion patches? A study of 275 Chinese cities using geographical big data | |
| Xie et al. | A least cumulative ventilation cost method for urban ventilation environment analysis | |
| CN104463442B (zh) | 一种城乡建设集聚性的探测方法 | |
| Deng et al. | The research on identification and spatial pattern of urban mixed land-use: A case study of Chengdu | |
| Hu et al. | Urban landscape information atlas and model system based on remote sensing images | |
| CN115544729A (zh) | 一种基于开源地理数据的城市形态与碳排放相关分析方法与系统 | |
| Lin et al. | Enhancing Urban Land Use Identification Using Urban Morphology | |
| Li et al. | Spatial Distribution and Factors Influencing Elderly Care Service Facilities based on Accessibility Evaluation—Taking Wuxi City as an Example |
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 |
Application publication date: 20190405 |
|
| RJ01 | Rejection of invention patent application after publication |