CN110263109B - 一种融合互联网信息及gis技术的家庭户数估算方法 - Google Patents
一种融合互联网信息及gis技术的家庭户数估算方法 Download PDFInfo
- Publication number
- CN110263109B CN110263109B CN201910431491.8A CN201910431491A CN110263109B CN 110263109 B CN110263109 B CN 110263109B CN 201910431491 A CN201910431491 A CN 201910431491A CN 110263109 B CN110263109 B CN 110263109B
- Authority
- CN
- China
- Prior art keywords
- building
- residential
- family
- area
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005516 engineering process Methods 0.000 title claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 108091064702 1 family Proteins 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000003137 locomotive effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012732 spatial analysis Methods 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种融合互联网信息及GIS技术的家庭户数估算方法,其特征在于,包括如下步骤:1)、利用建筑矢量数据,识别住宅型建筑,提取住宅型建筑的地理坐标、面积轮廓、建筑层数信息;2)、采集网络住宅房屋信息,获取住宅型建筑的经度、纬度坐标和住房建筑面积数据;3)、利用步骤1)中获得的住宅型建筑矢量数据和步骤2)中获得的住房建筑面积数据进行家庭户数估算。本发明所述的方法对于家庭户数信息做出快速统计和精确估算,缩短了工程所需的时间,降低了人工成本,并且体现出精细空间尺度上的家庭户数信息。
Description
技术领域
本发明属于地理信息空间分析领域,特别涉及一种家庭户数估算方法。
背景技术
详细的家庭户数信息对于居民住房、汽车等需求预测、城市基础设施精准布局等具有重要作用。现有的家庭户数主要通过人口普查或人口抽样调查,采用人工填报调查问卷的方式获取,这种人工调查的方法,有赖于统计人员挨家挨户填报问卷调查,再由专门人员将表格转录、整理成册。整个过程需要消耗巨大的人力、物力和财力,不仅数据获取时间周期长,且人力和财力成本巨大。此外,获取的家庭户数数据主要以行政区域为统计单元,无法体现精细空间尺度上的家庭户数信息。因此有必要提出一种新的方法,对于家庭户数信息做出快速统计和精确估算,并且体现出精细空间尺度上的家庭户数信息。
发明内容
针对上述问题,本发明提出了一种融合互联网信息及GIS技术的家庭户数估算方法,包括如下步骤:1)、利用建筑矢量数据,识别住宅型建筑,提取住宅型建筑的地理坐标、面积轮廓、建筑层数信息;2)、采集网络住宅房屋信息,获取住宅型建筑的经度、纬度坐标和住房建筑面积数据;3)、利用步骤1)中获得的住宅型建筑矢量数据和步骤2)中获得的住房建筑面积数据进行家庭户数估算。
其中所述步骤1)中具体包括:
首先、在地理信息系统GIS软件中导入标准电子地图和建筑矢量数据,将建筑矢量数据叠加在电子地图之上;然后、根据每个建筑体下方地图所显示的名称,识别出所有住宅型建筑并将它们分别标记出来,从而完成对于住宅型建筑的识别提取。
其中所述步骤2)中具体包括如下步骤:
步骤2-1)、从网络上采集包括有经度、纬度和住宅建筑面积的住宅房屋信息;
步骤2-2)、对步骤2-1)中所采集的信息的经度、纬度坐标转换为标准大地坐标,进行坐标纠偏;
步骤2-3)、将通过步骤2-1)获取并且经过步骤2-2)坐标纠偏的住宅房屋信息当中所有经纬度坐标相同的数据进行合并;具体合并方式为:
将所有经纬度坐标相同的数据的住宅建筑面积取平均值,以此平均值作为该坐标上的住宅建筑面积,将该面积与坐标整合,作为该坐标位置上唯一的一条住宅房屋信息,从而确定该坐标位置上的住房建筑面积数据。
其中所述步骤3)中具体包括如下步骤:
步骤3-1)、对步骤2)中获得的住宅房屋信息中的住房建筑面积数据进行插值处理,生成空间上连续的单户住房建筑面积栅格数据;
步骤3-2)、利用步骤1)中获得的住宅型建筑矢量数据和步骤3-1)中生成的空间上连续的单户住房建筑面积栅格数据,确定住宅型建筑当中的单户住房建筑面积;
步骤3-3)、建立家庭户数估算模型,利用步骤1)中获得的住宅型建筑矢量数据和步骤3-2)中确定的住宅型建筑当中的单户住房建筑面积,按照估算模型进行家庭户数估算。
其中所述步骤3-1)中具体包括:
首先、在GIS软件中导入步骤2)中获得的住宅房屋信息;其次、选择具体执行插值的方法;然后、定义空间像元尺度的大小;最后、执行插值操作,生成空间上连续的单户住房建筑面积栅格数据。
其中所述步骤3-2)中具体包括:
首先、在GIS软件中将步骤1)中获得的住宅型建筑矢量数据与步骤3-1)中生成的空间上连续的单户住房建筑面积栅格数据按照其地理坐标进行叠加;其次、使用GIS软件进行分区统计,统计每个住宅型建筑体内对应的住房面积栅格像元的平均值;最终、对于所有提取出来的平均值进行记录,以所有被记录下来的平均值作为其所对应的各住宅型建筑体中的单户住房建筑面积。
其中所述步骤3-3)中具体包括:
首先、在GIS软件中,建立家庭户数估算模型;其次、根据步骤1)中获得的住宅型建筑矢量数据信息进行几何计算,得到住宅型建筑体的单层建筑总面积;然后、根据已经得到的住宅型建筑体的单层建筑总面积、住宅型建筑体的单户住房建筑面积和建筑矢量数据中自带的楼层数,按照已经设定的家庭户数估算模型进行计算,初步得到数据结果;最后、将计算所得的数据结果进行修正,将其整理得出整数结果,最终得到家庭户数信息;
其中数据修正所采取的规则为:对于计算结果小于2的值,重新赋值为1,即家庭户数不足2户的,划分为1户;其余浮点数值均向下取整。
本发明对于家庭户数信息做出快速统计和精确估算,缩短了工程所需的时间,降低了人工成本,并且体现出精细空间尺度上的家庭户数信息。本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的家庭户数估算方法的具体流程图;
图2为根据本发明实施例中建筑矢量数据选取后得到的北京市六大主城区住宅型建筑与非住宅型建筑分布图;
图3为根据本发明实施例从互联网平台采集的建筑面积数据的具体分布图;
图4为根据本发明实施例得到的各住宅型建筑上的单户住房建筑面积在空间中的总体分布图;
图5为根据本发明实施例得出的北京市六大主城区家庭户数空间分布估算结果图;
图6根据本发明实施例的为家庭户数空间估算精度验证对比结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明基于对房产中介互联网平台信息挖掘,结合建筑矢量数据,通过GIS空间分析技术,提出一种快速估算家庭户数空间分布的方法,该方法的实现过程主要分为三大部分:一是基于目视判读方法的住宅型建筑识别,以提取出住宅型建筑;二是基于互联网信息采集技术的住房建筑面积挖掘,以获取单户住房建筑面积数据;三是基于GIS空间分析技术的家庭户数空间估算。第三部分中对于家庭户数的空间估算需要基于第一部分和第二部分中所获得的住宅型建筑矢量数据和单户住房建筑面积数据来进行。
图1表示了本发明所提出的家庭户数估算方法的具体流程图。其中,图中住宅型建筑提取部分具体执行步骤为:首先、获得所要分析估算的地区的建筑矢量数据;然后、对该数据进行判断,区分其是否为住宅型建筑;最终、将其中所有的住宅型建筑数据信息提取出来。
图中单户住房建筑面积数据获取部分具体执行步骤为:首先、利用火车头采集器获取所要分析估算的地区的初始单户住房面积数据;其次、对该数据中的每一条具体单户住房面积数据的坐标信息进行纠正修偏,获得准确的地理坐标信息;然后、将每一条具体单户住房面积数据的坐标信息进行对比,将所有同经纬度的单户住房面积数据合并为同一条数据。最终、将初始单户住房面积数据整理修正完毕,得出全面精确的单户住房建筑面积数据。
图中家庭户数估算部分具体执行步骤为:首先、将之前得到的单户住房建筑面积数据进行反距离插值操作,得到单户住房建筑面积栅格数据;其次、将单户住房建筑面积栅格数据与之前得到的住宅型建筑矢量数据信息相结合,在GIS空间分析中,进行分区统计,得到所有住宅型建筑的单户住房建筑面积;然后、利用之前得到的单户住房建筑面积与住宅型建筑矢量数据信息,在GIS空间分析中,设定合适的家庭户数估算模型;最终、根据家庭户数估算模型,得到住宅型建筑的家庭户数及其分布。
作为一种具体实施方式,在下文中将以北京市六大主城区(东城区、西城区、朝阳区、海淀区、丰台区和石景山区)的地理信息和家庭户数为例来进行介绍和论述。
1、住宅型建筑识别提取:
本发明第一步首先要对所调查地区的住宅型建筑进行识别提取。住宅型建筑的识别提取需要基于当地的建筑矢量数据。建筑矢量数据是由若干个面组合而成的数据,视觉上类似于建筑群体的俯视平面图。该数据的每一个面(polygon),代表一个建筑体,面的位置记录着建筑所在的经纬度,形状代表建筑的外围轮廓。同时,每一个面都带有建筑体的单层建筑面积、楼层数等信息,这些信息均可在GIS空间分析软件中进行计算处理。在本实施例中,首先获取北京市六大主城区(东城区、西城区、朝阳区、海淀区、丰台区和石景山区)的建筑矢量数据。
原始的建筑矢量数据不仅包含住宅型建筑,同时也包含其他如写字楼、商场、医院、学校等非住宅型建筑,因此需要对矢量数据中各个建筑的类型做出辨别。
其具体过程为:首先、使用地理信息系统软件ArcGIS,在ArcGIS中导入无地理位置偏差的标准电子地图和建筑矢量数据,建筑矢量数据在电子地图之上叠加;然后、再根据每个建筑体下方地图所显示的名称(如显示某某小区几号楼、某某大厦等等),识别出住宅型建筑并将它们分别选取并标记出来,从而完成对于住宅型建筑的识别提取。
在本实施例中,根据建筑矢量数据选取后得到的北京市六大主城区住宅型建筑与非住宅型建筑分布图如图2所示。
2.住宅房屋信息采集,获取住房建筑面积:
本发明中所要得到最终家庭户数的结果,需要全面统计并掌握单户住房建筑面积。房产中介公司在互联网平台上,发布了大量详实、范围覆盖广泛的住宅房屋信息。故本发明中利用房产中介发布的信息来获得比较广泛可靠的数据。以链家信息为例,截止至2018年年底,其互联网平台网址“https://bj.lianjia.com”发布了北京市六大主城区(东城区、西城区、朝阳区、海淀区、丰台区和石景山区)共计23412条房屋信息,其中新房信息70条、二手房信息15311条、整租信息8031条。每条信息中,均详细记录了每个房屋所在小区、经纬度、住房建筑面积、房屋套内面积、所在楼房总层高、售价(或租金)等信息。本发明主要获取的是房屋的经纬度以及单户住房建筑面积信息。获取的主要过程为:
首先进行住宅房屋信息采集:
对于房产中介平台上所发布的房屋信息,本发明使用网站信息采集器来进行收集获取。火车头采集器是一款是用于网站信息采集的软件,通过该软件,可获取互联网平台上包括图片、文字等信息。在本实施例中使用火车头采集器来采集房产中介平台网址房屋信息来获取房屋经纬度和单户住房建筑面积。其具体过程为:
首先、打开火车头采集器,选择所要采集的互联网平台网址;然后、依次设置网址采集规则、信息采集规则、以及信息发布规则,完成房屋的经纬度信息以及单户住房建筑面积信息的采集。
通过住宅房屋信息采集所获得的房屋数据以Excel表格的形式呈现,每条数据均含有经度、纬度,以及住房建筑面积三条属性。
然后对住宅房屋信息的经纬度进行坐标纠偏:
由于房屋中介平台上公布的信息坐标与实际坐标不能保证完全一致,因此在进行空间分析之前,需要进行坐标纠偏。比如,得到的房屋经纬度采用的是经过加密的百度坐标,该坐标与真实的坐标之间存在一定程度的地理位置偏差,纠偏过程可通过坐标转换器进行,在本实施例中使用万能坐标转换器来进行坐标纠偏。其具体过程为:
首先、将采集获得的房屋经纬度序列导入万能坐标转换器;然后、选定坐标的转换规则为百度坐标转大地坐标,将现有百度坐标转换为实际坐标并输出,实现对于坐标的纠偏。
最后合并同经纬度的住房建筑面积信息数据:
同一小区内可能会有多条出售(出租)信息发布,通常它们所对应的房屋并不相同,但是依本发明所述的方法通过上述步骤所得到的同一小区房屋数据所定位的经纬度均相同,都是小区的中心位置。为了避免数据冲突、便于后续处理并且尽量提高数据的精度,需要对经纬度相同的房屋数据进行处理。在本发明中对于经纬度相同的房屋数据的具体处理方式为:将所有经纬度坐标相同的数据的住宅建筑面积取平均值,以此平均值作为该坐标上的住宅建筑面积,将该面积与坐标整合,作为该坐标位置上唯一的一条住宅房屋信息,从而确定该坐标位置上住房建筑面积数据。最终得到的住房建筑面积数据的具体分布如图3所示。
3、家庭户数估算:
基于上述1和2步骤中分别获取的住宅型建筑矢量数据和住房建筑面积数据,来进行各住宅型建筑内的家庭户数估算,估算的主要步骤为:
首先对住房建筑面积数据进行插值处理:
由于以上述方法从互联网平台挖掘到的住房建筑面积信息只对应到小区,还不能与每个住宅型建筑一一匹配,因此,为了获取每个住宅型建筑的单户住房建筑面积,首先需要将采集到的住房建筑面积数据进行插值处理。插值是实现由“点”推“面”的主要方法,经过插值处理后,可获得空间上连续的单户住房建筑面积栅格数据(栅格数据是由若干个方形像元组合成的连续的面)。在本实施例中的插值操作使用反距离插值法,其具体实现过程为:
首先、使用地理信息系统软件ArcGIS,在ArcGIS中导入单户住房建筑面积数据;其次、在选项中选择反距离插值法;然后、定义空间尺度大小为5m×5m的像元;最后、执行插值操作,生成空间上连续的单户住房建筑面积栅格数据。
然后确定住宅型建筑当中的单户住房建筑面积:
利用上一步中生成的空间上连续的单户住房建筑面积栅格数据,结合步骤1中提取出的住宅型建筑矢量数据信息,来进行建筑体的单户住房建筑面积提取。在地理信息系统软件ArcGIS中,将住宅型建筑矢量数据信息与空间上连续的栅格数据按照其地理坐标一一对应进行叠加,在叠加后得到的图像中各个住宅型建筑体的平面形状在其所固定的位置上所占据的面积范围之内都对应着若干个住房建筑面积栅格像元。在本发明中,以各住宅型建筑体的平面形状在其所固定的位置上所占据的面积范围之内对应的住房面积栅格像元的平均值作为该住宅型建筑体中单户住房建筑面积的基准值来进行提取。
具体实施方式为:首先、使用地理信息系统软件ArcGIS,将住宅型建筑矢量数据信息与的空间上连续的单户住房建筑面积栅格数据按照其地理坐标一一对应进行叠加;其次、选择使用ArcGIS中的分区统计工具,对于各住宅型建筑体的平面形状在其所固定的位置上所占据的面积范围之内对应的住房面积栅格像元的平均值进行提取;最终、对于所提取出来的平均值进行记录,以此平均值作为住宅型建筑体中的单户住房建筑面积。在本实施例中,各住宅型建筑上的单户住房建筑面积在空间中的总体分布如图4所示。
最后进行家庭户数估算:
对于家庭户数的估算需要继续利用住宅型建筑矢量数据信息与住宅型建筑体的单户住房建筑面积相结合进行计算。对家庭户数的估算首先要建立模型。理论上,单层建筑上的家庭户数等于建筑体的单层建筑总面积除以单户住房建筑面积,因此,在本发明中遵循以下公式(1)对于各住宅型建筑上的家庭户数进行估算:
公式(1)中,household为某一住宅型建筑体内的家庭户数,Areabuilding代表建筑体的单层建筑总面积;storey代表建筑体的楼层数;Areahouse代表单户住房建筑面积。使用ArcGIS中的字段计算器功能,可实现公式(1)的计算。另外,由于家庭户数为整数,而计算结果为浮点数(即计算结果带有小数点),需要有一套合理明确的规则来对计算结果进行修正,得出整数结果。在本发明中采取的规则为,对于计算结果小于2的值,重新赋值为1,即家庭户数不足2户的,划分为1户;其余浮点数值均向下取整(如3.8户向下取整为3户、2.4户向下取整为2户)。
具体实施方式为:首先、在地理信息系统软件ArcGIS中,根据住宅型建筑矢量数据信息,利用ArcGIS软件的几何计算功能,得到住宅型建筑体的单层建筑总面积;其次、根据之前步骤中已经得到的住宅型建筑体的单层建筑总面积、住宅型建筑体的单户住房建筑面积和建筑矢量数据中自带的楼层数,利用ArcGIS软件中的字段计算器功能,进行公式(1)中所述的计算,初步得到数据结果;最后、将计算所得的数据结果进行修正,将其整理得出整数结果,最终得到家庭户数信息。在本实施例中,最终所得到的家庭户数空间分布估算结果如图5所示。
关于本方法所做出的家庭户数估算精度验证:
为了便于评估本发明所做出的家庭户数估算精度,我们将依上述方案估算出的家庭户数与2015年《北京1%人口抽查调查数据》中的家庭户数进行对比。由于《北京1%人口抽查调查数据》统计的不是总人口,所以两者之间存在统计口径不一致的问题,因此进行精度验证时,此处主要对比区级行政单元内两套家庭户数数据占总家庭户数的占比的具体数值,并认为估算家庭户数的占比与抽样家庭户数的占比越相近,家庭户数的估算精度越高。具体的家庭户数估算精度验证对比结果如图6所示,可以看出,图中两条线在各个点上数值较接近,整体线形贴合度较高,所以可以由此判断本发明所做的家庭户数估算精度较高。
精度对比的具体数据结果如表1所示,整体而言,本发明估算的家庭户数精度较好,整体与抽样统计值差别不大。具体而言,丰台区和石景山区的估算结果最好,估算值与抽样值的家庭户数占比分别相差0.49%和0.85%;精度相差较大的是东城区和海淀区,但也仅相差6.04%和6.02%。
表1:家庭户数估算精度验证
行政区划 | 东城区 | 西城区 | 朝阳区 | 丰台区 | 石景山区 | 海淀区 | 总数 |
抽样家庭户数/户 | 4813 | 6931 | 20751 | 13089 | 3351 | 17186 | 66121 |
估算家庭户数/户 | 34947 | 40673 | 68179 | 50688 | 15536 | 52410 | 262433 |
抽样家庭户数占比/% | 7.28 | 10.48 | 31.38 | 19.80 | 5.07 | 25.99 | 100 |
估算家庭户数占比/% | 13.32 | 15.50 | 25.98 | 19.31 | 5.92 | 19.97 | 100 |
估算差异/% | 6.04 | 5.02 | -5.4 | -0.49 | 0.85 | -6.02 | 0 |
尽管参照前述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各实施例技术方案的精神和范围。
比如:在利用本发明方法执行住房面积采集时,除了链家,还可以采集我爱我家、贝壳、麦田房产等多个互联网平台的房屋信息;在利用本发明方法执行家庭户数估算时,住房建筑面积数据的插值方法除了反距离插值法,还可以使用克里金插值、样条函数插值、趋势面插值等方法。
另外,若从互联网获取的住房建筑面积数据可精细至建筑楼号,则本发明方法中合并同经纬度的数据的步骤可省略,且更有利于提高后续插值处理的精度。
Claims (6)
1.一种融合互联网信息及GIS技术的家庭户数估算方法,其特征在于,包括如下步骤:
1)、利用建筑矢量数据,识别住宅型建筑,提取住宅型建筑的地理坐标、面积轮廓、建筑层数信息;
2)、采集网络住宅房屋信息,获取住宅型建筑的经度、纬度坐标和住房建筑面积数据;
所述步骤2)中包括如下步骤:
步骤2-1)、从网络上采集包括有经度、纬度和住宅建筑面积的住宅房屋信息;
步骤2-2)、对步骤2-1)中所采集的信息的经度、纬度坐标转换为标准大地坐标,进行坐标纠偏;
步骤2-3)、将通过步骤2-1)获取并且经过步骤2-2)坐标纠偏的住宅房屋信息当中所有经纬度坐标相同的数据进行合并;具体合并方式为:
将所有经纬度坐标相同的数据的住宅建筑面积取平均值,以此平均值作为该坐标上的住宅建筑面积,将该面积与坐标整合,作为该坐标位置上唯一的一条住宅房屋信息,从而确定该坐标位置上的住房建筑面积数据;
3)、利用步骤1)中获得的住宅型建筑矢量数据和步骤2)中获得的住房建筑面积数据进行家庭户数估算。
2.根据权利要求1中所述的家庭户数估算方法,其特征在于,所述步骤1)包括:
首先、在地理信息系统GIS软件中导入标准电子地图和建筑矢量数据,将建筑矢量数据叠加在电子地图之上;然后、根据每个建筑体下方地图所显示的名称,识别出所有住宅型建筑并将它们分别标记出来,从而完成对于住宅型建筑的识别提取。
3.根据权利要求1中所述的家庭户数估算方法,其特征在于,所述步骤3)中具体包括如下步骤:
步骤3-1)、对步骤2)中获得的住宅房屋信息中的住房建筑面积数据进行插值处理,生成空间上连续的单户住房建筑面积栅格数据;
步骤3-2)、利用步骤1)中获得的住宅型建筑矢量数据和步骤3-1)中生成的空间上连续的单户住房建筑面积栅格数据,确定住宅型建筑当中的单户住房建筑面积;
步骤3-3)、建立家庭户数估算模型,利用步骤1)中获得的住宅型建筑矢量数据和步骤3-2)中确定的住宅型建筑当中的单户住房建筑面积,按照估算模型进行家庭户数估算。
4.根据权利要求3中所述的家庭户数估算方法,其特征在于,所述步骤3-1)中具体包括:
首先、在GIS软件中导入步骤2)中获得的住宅房屋信息;其次、选择具体执行插值的方法;然后、定义空间像元尺度的大小;最后、执行插值操作,生成空间上连续的单户住房建筑面积栅格数据。
5.根据权利要求3中所述的家庭户数估算方法,其特征在于,所述步骤3-2)包括:
首先、在GIS软件中将步骤1)中获得的住宅型建筑矢量数据与步骤3-1)中生成的空间上连续的单户住房建筑面积栅格数据按照其地理坐标进行叠加;其次、使用GIS软件进行分区统计,统计每个住宅型建筑体内对应的住房面积栅格像元的平均值;最终、对于所有提取出来的平均值进行记录,以所有被记录下来的平均值作为其所对应的各住宅型建筑体中的单户住房建筑面积。
6.根据权利要求3中所述的家庭户数估算方法,其特征在于,所述步骤3-3)中具体包括:
首先、在GIS软件中,建立家庭户数估算模型;其次、根据步骤1)中获得的住宅型建筑矢量数据信息进行几何计算,得到住宅型建筑体的单层建筑总面积;然后、根据已经得到的住宅型建筑体的单层建筑总面积、步骤3-2)中获得的住宅型建筑体的单户住房建筑面积和步骤1)中获得的建筑矢量数据中自带的楼层数,按照已经设定的家庭户数估算模型进行计算,初步得到数据结果;最后、将计算所得的数据结果进行修正,将其整理得出整数结果,最终得到家庭户数信息;
其中数据修正所采取的规则为:对于计算结果小于2的值,重新赋值为1,即家庭户数不足2户的,划分为1户;其余浮点数值均向下取整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910431491.8A CN110263109B (zh) | 2019-05-22 | 2019-05-22 | 一种融合互联网信息及gis技术的家庭户数估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910431491.8A CN110263109B (zh) | 2019-05-22 | 2019-05-22 | 一种融合互联网信息及gis技术的家庭户数估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263109A CN110263109A (zh) | 2019-09-20 |
CN110263109B true CN110263109B (zh) | 2021-03-23 |
Family
ID=67915224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910431491.8A Active CN110263109B (zh) | 2019-05-22 | 2019-05-22 | 一种融合互联网信息及gis技术的家庭户数估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263109B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866787A (zh) * | 2019-11-18 | 2020-03-06 | 许昌学院 | 一种基于手机信令和建筑轮廓的空置楼房统计方法 |
CN112925764B (zh) * | 2019-12-10 | 2023-09-12 | 中国再保险(集团)股份有限公司 | 一种巨灾模型的行业风险暴露数据库及其构建方法 |
CN112954623B (zh) * | 2021-02-02 | 2022-05-20 | 苏州丽景智行交通工程咨询有限公司 | 一种基于手机信令大数据的居民入住率估算方法 |
CN114490624B (zh) * | 2022-04-02 | 2022-06-28 | 北京融信数联科技有限公司 | 一种基于大数据的人房企智慧统计方法、系统及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008243130A (ja) * | 2007-03-29 | 2008-10-09 | Nomura Research Institute Ltd | 人口推定装置およびプログラム |
CN106708962A (zh) * | 2016-11-30 | 2017-05-24 | 中山大学 | 一种基于建筑物属性的城市人口分布方法 |
CN108871286A (zh) * | 2018-04-25 | 2018-11-23 | 中国科学院遥感与数字地球研究所 | 空间大数据协同的城市建成区人口密度估算方法和系统 |
-
2019
- 2019-05-22 CN CN201910431491.8A patent/CN110263109B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008243130A (ja) * | 2007-03-29 | 2008-10-09 | Nomura Research Institute Ltd | 人口推定装置およびプログラム |
CN106708962A (zh) * | 2016-11-30 | 2017-05-24 | 中山大学 | 一种基于建筑物属性的城市人口分布方法 |
CN108871286A (zh) * | 2018-04-25 | 2018-11-23 | 中国科学院遥感与数字地球研究所 | 空间大数据协同的城市建成区人口密度估算方法和系统 |
Non-Patent Citations (3)
Title |
---|
基于居住空间属性的人口数据空间化方法研究;董南 等;《地理科学进展》;20161130;第35卷(第11期);1317-1328 * |
基于高分辨率遥感影像的城市精细尺度人口估算;封静;《中国优秀硕士学位论文全文数据库》;20121231(第12期);A008-31 * |
封静.基于高分辨率遥感影像的城市精细尺度人口估算.《中国优秀硕士学位论文全文数据库》.2012,(第12期),A008-31. * |
Also Published As
Publication number | Publication date |
---|---|
CN110263109A (zh) | 2019-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263109B (zh) | 一种融合互联网信息及gis技术的家庭户数估算方法 | |
Yu et al. | View-based greenery: A three-dimensional assessment of city buildings’ green visibility using Floor Green View Index | |
CN109978249B (zh) | 基于分区建模的人口数据空间化方法、系统及介质 | |
KR20160100809A (ko) | 목표 주소를 확정하기 위한 방법 및 장치 | |
Lan et al. | Measuring urban compactness based on functional characterization and human activity intensity by integrating multiple geospatial data sources | |
Thebault et al. | Multicriteria roof sorting for the integration of photovoltaic systems in urban environments | |
CN111401692B (zh) | 一种度量城市空间功能紧凑度的方法 | |
CN106101224A (zh) | 识别用户所在地理位置的类别的方法及装置 | |
CN105188030A (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
CN111723959A (zh) | 区域的划分方法、装置、存储介质及电子装置 | |
CN114049462B (zh) | 一种三维模型单体化方法及装置 | |
CN116957887B (zh) | 智慧抄表方法及抄表系统 | |
Yasumoto et al. | Virtual city models for assessing environmental equity of access to sunlight: a case study of Kyoto, Japan | |
Xin et al. | Residential building stock modelling for mainland China targeted for seismic risk assessment | |
KR102254012B1 (ko) | 부동산 자동가격산정 방법 | |
CN117010933A (zh) | 基于模型的房产市场特征评价方法 | |
Crols et al. | Downdating high-resolution population density maps using sealed surface cover time series | |
CN114202149A (zh) | 一种数字化楼宇信息管理方法、装置、系统及存储介质 | |
CN113936200A (zh) | 一种基于移动终端的电表箱图像质量检测方法 | |
Habib | Fit-for-purpose conformal mapping for sustainable land administration in war-ravaged Syria | |
TWI739371B (zh) | 不動產估價方法及不動產估價裝置 | |
CN112926175A (zh) | 一种双层嵌入式poi定量评分系统及空间权重模型 | |
CN113408867A (zh) | 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法 | |
Wate et al. | Qualitative screening method for impact assessment of uncertain building geometry on thermal energy demand predictions | |
CN117371823B (zh) | 一种国土空间开发利用生态效应动态模拟预测系统 |
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 |