CN112819033A - 一种乡村聚落分类方法及系统 - Google Patents

一种乡村聚落分类方法及系统 Download PDF

Info

Publication number
CN112819033A
CN112819033A CN202110035393.XA CN202110035393A CN112819033A CN 112819033 A CN112819033 A CN 112819033A CN 202110035393 A CN202110035393 A CN 202110035393A CN 112819033 A CN112819033 A CN 112819033A
Authority
CN
China
Prior art keywords
rural
colony
settlement
plaque
geographic information
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
CN202110035393.XA
Other languages
English (en)
Inventor
朱雷洲
袁满
黄亚平
徐迪雅
郑有旭
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202110035393.XA priority Critical patent/CN112819033A/zh
Publication of CN112819033A publication Critical patent/CN112819033A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于乡村规划相关技术领域，其公开了一种乡村聚落分类方法及系统，该方法包括：获取乡村地理信息数据并对地理信息数据进行预处理，其中，地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；基于地理信息数据计算乡村聚落的特征参数，其中，特征参数包括规模分布特征、空间分布特征以及形态分布特征；将特征形态参数与对应的预设阈值进行比较得到比较结果，对比较结果进行归类即获得乡村聚落分类。本申请将乡村聚落分布情况进行量化数据化，然后根据数据化的数据特征对乡村聚落进行分类，分类更加科学精准，并且可以进行细化分析，显著的提高了乡村聚落分类的合理性。

Description

一种乡村聚落分类方法及系统
技术领域
本发明属于乡村规划相关技术领域，更具体地，涉及一种乡村聚落分类方法及系统。
背景技术
近年来，在快速城镇化进程中，乡村聚落各方面都发生着明显的变化，为应对乡村发展需求，乡村规划扮演着及其重要的作用，为因地制宜、分类施策的对不同类型乡村进行规划，需要对乡村聚落进行科学的类型划分。目前乡村聚落类型划分的方法还未统一，主要包括传统定性判识以及主体区位分类两种方法，这两种方法均存在一定的局限性。前者依靠行为人主观经验目测判识，不仅需要耗费大量的人力物力，而且由于主观认知不同，分类结果难免存在差异，后者一般根据乡村聚落所处地理区域划分结果判定该地区聚落处于同一种亚类，这种方法虽然可以有效解决分类结果统一的问题，但是统一的地理区划下单个聚落的特征容易得到忽略，难以有效指导后续乡村规划，因此，亟需设计一种乡村聚落分类方法。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种乡村聚落分类方法及系统，本申请通过采集并计算乡村聚落的特征参数，通过特征参数对乡村聚落进行分类，由于是基于真实的乡村聚落参数矢量数据，因此划分方式简单准确。
为实现上述目的，按照本发明的一个方面，提供了一种乡村聚落分类方法，所述方法包括：
S1：获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；
S2：基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；
S3：将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。
优选地，所述规模分布特征包括乡村聚落斑块的平均面积；所述空间分布特征包括平均最邻近距离指数和/或平均斑块密度；所述形态分布特征包括面积加权平均斑块形状指数和/或斑块长宽比。
优选地，所述平均最邻近距离指数ANN的计算公式为：
Figure BDA0002894086660000021
其中，
Figure BDA0002894086660000022
为每个聚落中心点与其邻近聚落中心点距离的平均值；
Figure BDA0002894086660000023
为假设随机模式下聚落中心点之间的期望平均距离；n为聚落斑块总数，di为当前聚落斑块与第i个聚落斑块的距离，A为乡村聚落斑块总面积。
优选地，所述平均斑块密度PD的计算公式为：
Figure BDA0002894086660000024
其中，n为聚落斑块总数，h为平滑参数，k为核函数，为di为当前聚落斑块与第i个聚落斑块的距离。
优选地，所述面积加权平均斑块形状指数AWMSI的计算公式为：
Figure BDA0002894086660000025
其中，L为聚落斑块类型数目，D为各类型所包含的聚落斑块数目，δ为第δ类聚落斑块，ε为第ε个聚落斑块，A为乡村聚落斑块的总面积，Pδε为每个乡村聚落斑块的周长，aδε为每个乡村聚落斑块的面积。
优选地，所述斑块长宽比λ的计算公式为：
Figure BDA0002894086660000031
其中，a为聚落斑块的长度，b为聚落斑块的宽度。
优选地，所述平均最邻近距离指数ANN的预设阈值为0.9，当ANN≥0.9时为散布模式，当ANN＜0.9时为集聚模式；所述平均斑块密度PD的预设阈值为3.0，当PD≥3.0时为高密度，当PD＜3.0时为低密度；所述面积加权平均斑块形状指数AWMSI的预设阈值为3.0，当AWMSI≥3.0时为复杂，当AWMSI＜3.0时为简单；所述斑块长宽比λ的预设阈值为2.0，当λ≥2.0时为条带，当λ＜2.0时为团块；所述乡村聚落斑块的平均面积MPS的预设阈值为6.0。
优选地，步骤S3中采用ward法进行归类。
本申请另一方面提供了一种乡村聚落分类系统，所述系统包括：
预处理模块：用于获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；
计算模块：用于基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；
比较模块：用于将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的一种乡村聚落分类方法及系统至少具有如下有益效果：
1.本申请将乡村聚落分布情况进行量化数据化，然后根据数据化的数据特征对乡村聚落进行分类，分类更加科学精准，并且可以进行细化分析，显著的提高了乡村聚落分类的合理性；
2.本申请从乡村聚落的规模分布特征、空间分布特征以及形态分布特征多方面进行研究分析，从而从不同的维度对乡村聚落进行分类，分类更加科学合理；
3.本申请的空间分布特征和形态分布特征又可以有多种形式，选择方式多样，用户可以根据不同的需求不同的研究目的进行选择，普适性广；
4.本申请还具体公开了平均最邻近距离指数、平均斑块密度、面积加权平均斑块形状指数、斑块长宽比等特征参数的具体计算公式以及对应的预设阈值，用户可以直接套用公式即可求得所需参数，将求得参数与预设阈值进行比较即可得到对应的分类，极其方便快捷；
5.可以采用计算进行归类计算，例如采用ward法进行归类计算，进一步简化工作量，提高了分类速度和效率。
附图说明
图1示意性示出了根据本实施例的乡村聚落分类方法的步骤图；
图2示意性示出了根据本实施例的乡村聚落分类方法的流程图；
图3A示意性示出了根据本实施例的乡村聚落斑块的矢量数据图；
图3B示意性示出了根据本实施例的水体的矢量数据图；
图3C示意性示出了根据本实施例的道路的矢量数据图；
图3D示意性示出了根据本实施例的行政边界的矢量数据图；
图4示意性示出了根据本实施例的聚落平均斑块面积的示意图；
图5示意性示出了根据本实施例的平均最邻近距离指数的示意图；
图6示意性示出了根据本实施例的平均斑块密度的示意图；
图7示意性示出了根据本实施例的平均斑块形状指数的示意图；
图8示意性示出了根据本实施例的长宽比的示意图；
图9示意性示出了根据本实施例的乡村聚落类型划分的结果示意图。
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仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1及图2，本发明提供了一种乡村聚落分类方法，所述方法包括步骤S1～S3，本实施例以汉川市为例对其进行具体介绍如下。
S1：获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据。
首先，收集乡村基础地理信息数据，主要包括乡村聚落斑块、水体、道路、行政边界矢量数据，并将这些矢量数据录入处理软件中，例如录入ArcGIS软件中，并统一坐标系。
本实施例中，收集汉川市乡村聚落斑块shp数据(A)、水体shp数据(B)、道路shp数据(C)、行政边界shp数据(D)(如图3A～3D所示)，利用ArcGIS软件将它们转换为统一的地理空间坐标系。
S2：基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征。
其中，所述规模分布特征包括乡村聚落斑块的平均面积；所述空间分布特征包括平均最邻近距离指数和/或平均斑块密度；所述形态分布特征包括面积加权平均斑块形状指数和/或斑块长宽比。
乡村聚落斑块的平均面积MPS的计算公式为：
Figure BDA0002894086660000051
其中，A为乡村聚落斑块总面积，n为聚落斑块总数。
如果MPS≥6.0，为大规模；若MPS＜6.0，为小规模。汉川市中的乡镇为研究单位，计算汉川市乡镇内平均斑块面积分析聚落斑块的规模空间分布，计算结果如图4所示。
所述平均最邻近距离指数ANN的计算公式为：
Figure BDA0002894086660000061
其中，
Figure BDA0002894086660000062
为每个聚落中心点与其邻近聚落中心点距离的平均值；
Figure BDA0002894086660000063
为假设随机模式下聚落中心点之间的期望平均距离；n为聚落斑块总数，di为当前聚落斑块与第i个聚落斑块的距离，A为乡村聚落斑块总面积。
所述平均最邻近距离指数ANN的预设阈值为0.9，当ANN≥0.9时为散布模式，当ANN＜0.9时为集聚模式。测度汉川市聚落斑块的空间分布集聚度，进而得出其分布模式，计算结果如图5所示。
所述平均斑块密度PD的计算公式为：
Figure BDA0002894086660000064
其中，n为聚落斑块总数，h为平滑参数，k为核函数，为di为当前聚落斑块与第i个聚落斑块的距离。
所述平均斑块密度PD的预设阈值为3.0，当PD≥3.0时为高密度，当PD＜3.0时为低密度。计算汉川市聚落斑块平均斑块密度(PD)，揭示其空间分布密度特征，计算结果如图6所示
所述面积加权平均斑块形状指数AWMSI的计算公式为：
Figure BDA0002894086660000065
其中，L为聚落斑块类型数目，D为各类型所包含的聚落斑块数目，δ为第δ类聚落斑块，ε为第ε个聚落斑块，A为乡村聚落斑块的总面积，Pδε为每个乡村聚落斑块的周长，aδε为每个乡村聚落斑块的面积。
所述面积加权平均斑块形状指数AWMSI的预设阈值为3.0，当AWMSI≥3.0时为复杂，当AWMSI＜3.0时为简单。计算汉川市乡村聚落斑块面积加权平均斑块形状指数(AWMSI)。得到汉川市面积加权平均斑块形状指数来反映整体形态的空间分异情况，计算结果如图7所示。
所述斑块长宽比λ的计算公式为：
Figure BDA0002894086660000071
其中，a为聚落斑块的长度，b为聚落斑块的宽度。
所述斑块长宽比λ的预设阈值为2.0，当λ≥2.0时为条带，当λ＜2.0时为团块。计算汉川市乡村聚落斑块长轴与宽轴的比例长宽比(λ)，计算结果如图8所示。以上预设阈值如下下表1汇总所示。值得说明的是本实施例中的预设阈值仅仅是本申请针对汉川市所作的设计，具体预设阈值大小可以根据需要进行设计。
Figure BDA0002894086660000072
表1
S3：将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。
本实施例以平均斑块面积(MPS)、平均最邻近距离指数(ANN)、平均斑块密度(PD)、面积加权平均斑块形状指数(AWMSI)和长宽比(λ)5个测度指标为依据，进行指标聚类。
基于各形态指标在SPSS中选用聚类方法对26个乡镇进行分类，使用Ward法选择聚类方案的范围，最终将汉川市村镇聚落划分为大规模复杂低密度条带集聚型和小规模简单高密度团块散布型2种形态类型，两种类型的形态测度分布情况如图9所示。
本申请另一方面提供了一种乡村聚落分类系统，所述系统包括：
预处理模块：例如可以执行图1中的步骤S1，用于获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；
计算模块：例如可以执行图1中的步骤S2，用于基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；
比较模块：例如可以执行图1中的步骤S3，用于将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种乡村聚落分类方法，其特征在于，所述方法包括：
S1：获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；
S2：基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；
S3：将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。
2.根据权利要求1所述的乡村聚落分类方法，其特征在于，所述规模分布特征包括乡村聚落斑块的平均面积；所述空间分布特征包括平均最邻近距离指数和/或平均斑块密度；所述形态分布特征包括面积加权平均斑块形状指数和/或斑块长宽比。
3.根据权利要求2所述的乡村聚落分类方法，其特征在于，所述平均最邻近距离指数ANN的计算公式为：
Figure FDA0002894086650000011
其中，
Figure FDA0002894086650000012
为每个聚落中心点与其邻近聚落中心点距离的平均值；
Figure FDA0002894086650000013
为假设随机模式下聚落中心点之间的期望平均距离；n为聚落斑块总数，di为当前聚落斑块与第i个聚落斑块的距离，A为乡村聚落斑块总面积。
4.根据权利要求2所述的乡村聚落分类方法，其特征在于，所述平均斑块密度PD的计算公式为：
Figure FDA0002894086650000014
其中，n为聚落斑块总数，h为平滑参数，k为核函数，为di为当前聚落斑块与第i个聚落斑块的距离。
5.根据权利要求2所述的乡村聚落分类方法，其特征在于，所述面积加权平均斑块形状指数AWMSI的计算公式为：
Figure FDA0002894086650000021
其中，L为聚落斑块类型数目，D为各类型所包含的聚落斑块数目，δ为第δ类聚落斑块，ε为第ε个聚落斑块，A为乡村聚落斑块的总面积，Pδε为每个乡村聚落斑块的周长，aδε为每个乡村聚落斑块的面积。
6.根据权利要求2所述的乡村聚落分类方法，其特征在于，所述斑块长宽比λ的计算公式为：
Figure FDA0002894086650000022
其中，a为聚落斑块的长度，b为聚落斑块的宽度。
7.根据权利要求2所述的乡村聚落分类方法，其特征在于，所述平均最邻近距离指数ANN的预设阈值为0.9，当ANN≥0.9时为散布模式，当ANN＜0.9时为集聚模式；所述平均斑块密度PD的预设阈值为3.0，当PD≥3.0时为高密度，当PD＜3.0时为低密度；所述面积加权平均斑块形状指数AWMSI的预设阈值为3.0，当AWMSI≥3.0时为复杂，当AWMSI＜3.0时为简单；所述斑块长宽比λ的预设阈值为2.0，当λ≥2.0时为条带，当λ＜2.0时为团块；所述乡村聚落斑块的平均面积MPS的预设阈值为6.0。
8.根据权利要求1所述的乡村聚落分类方法，其特征在于，步骤S3中采用ward法进行归类。
9.一种乡村聚落分类系统，其特征在于，所述系统包括：
预处理模块：用于获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；
计算模块：用于基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；
比较模块：用于将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。
CN202110035393.XA 2021-01-12 2021-01-12 一种乡村聚落分类方法及系统 Pending CN112819033A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110035393.XA CN112819033A (zh) 2021-01-12 2021-01-12 一种乡村聚落分类方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110035393.XA CN112819033A (zh) 2021-01-12 2021-01-12 一种乡村聚落分类方法及系统

Publications (1)

Publication Number Publication Date
CN112819033A true CN112819033A (zh) 2021-05-18

Family

ID=75868816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110035393.XA Pending CN112819033A (zh) 2021-01-12 2021-01-12 一种乡村聚落分类方法及系统

Country Status (1)

Country Link
CN (1) CN112819033A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780459A (zh) * 2021-09-18 2021-12-10 东南大学 一种基于空间谱系的城乡聚落类型自动识别的方法与系统
CN115510177A (zh) * 2022-10-12 2022-12-23 江苏省城市规划设计研究院有限公司 一种考虑形状序列和紧凑度的用地斑块类型划分方法
CN116976692A (zh) * 2023-07-12 2023-10-31 北京大学 一种基于适应性循环路径的传统村落分类分区保护控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517024A (zh) * 2014-08-05 2015-04-15 中国科学院遥感与数字地球研究所 一种基于建筑物尺度的城市绿度空间评价建模方法
CN105760454A (zh) * 2016-02-04 2016-07-13 东南大学 一种城市人口分布密度实时动态测量方法
CN106970997A (zh) * 2017-04-07 2017-07-21 安徽建筑大学 一种徽州传统聚落景观特征指数分析方法
CN107067091A (zh) * 2016-10-11 2017-08-18 河南大学 一种基于蚁群优化算法的城市生态用地空间规划模型
CN109493344A (zh) * 2018-09-18 2019-03-19 北京大学 一种大规模城市三维场景的语义分割方法
CN110598249A (zh) * 2019-08-02 2019-12-20 南京航空航天大学 大规模航天器集群空间均匀分布方法
CN110837540A (zh) * 2019-10-29 2020-02-25 华中科技大学 一种空间位置数据的处理方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517024A (zh) * 2014-08-05 2015-04-15 中国科学院遥感与数字地球研究所 一种基于建筑物尺度的城市绿度空间评价建模方法
CN105760454A (zh) * 2016-02-04 2016-07-13 东南大学 一种城市人口分布密度实时动态测量方法
CN107067091A (zh) * 2016-10-11 2017-08-18 河南大学 一种基于蚁群优化算法的城市生态用地空间规划模型
CN106970997A (zh) * 2017-04-07 2017-07-21 安徽建筑大学 一种徽州传统聚落景观特征指数分析方法
CN109493344A (zh) * 2018-09-18 2019-03-19 北京大学 一种大规模城市三维场景的语义分割方法
CN110598249A (zh) * 2019-08-02 2019-12-20 南京航空航天大学 大规模航天器集群空间均匀分布方法
CN110837540A (zh) * 2019-10-29 2020-02-25 华中科技大学 一种空间位置数据的处理方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
姜自坤 等: "基于 GIS 的山东省乡村聚落空间格局研究", 《中国环境管理干部学院学报》 *
王彦辉, 东南大学出版社 *
王彦辉: "《在地性营造》", 30 November 2019, 东南大学出版社 *
魏璐瑶 等: "江苏省县域乡村集聚与脆弱性评价", 《地球信息科学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780459A (zh) * 2021-09-18 2021-12-10 东南大学 一种基于空间谱系的城乡聚落类型自动识别的方法与系统
CN113780459B (zh) * 2021-09-18 2022-10-28 东南大学 一种基于空间谱系的城乡聚落类型自动识别的方法与系统
CN115510177A (zh) * 2022-10-12 2022-12-23 江苏省城市规划设计研究院有限公司 一种考虑形状序列和紧凑度的用地斑块类型划分方法
CN115510177B (zh) * 2022-10-12 2023-08-11 江苏省城市规划设计研究院有限公司 一种考虑形状序列和紧凑度的用地斑块类型划分方法
CN116976692A (zh) * 2023-07-12 2023-10-31 北京大学 一种基于适应性循环路径的传统村落分类分区保护控制方法

Similar Documents

Publication Publication Date Title
CN112819033A (zh) 一种乡村聚落分类方法及系统
CN108959466B (zh) 基于bcs-dbscan的出租车载客热点可视化方法及系统
CN111299815A (zh) 一种用于低灰度橡胶垫视觉检测与激光切割轨迹规划方法
CN109189949B (zh) 一种人口分布计算方法
CN110263717A (zh) 一种融入街景影像的土地利用类别确定方法
CN112132840B (zh) 一种车载行道树点云分类与特征信息提取方法
CN111062446B (zh) 基于多源国土资源数据的土地类型分类方法
CN110443793A (zh) 一种沥青混合料空隙分布均匀性评价方法
CN108986024A (zh) 一种基于网格的激光点云规则排列处理方法
CN112084716B (zh) 一种基于富营养化综合评价的赤潮预测预警方法
CN107832910A (zh) 一种评价道路交通特征对一氧化碳排放浓度影响的方法
Gerundo et al. The measure of land consumption caused by urban planning
Song et al. Identifying flow clusters based on density domain decomposition
CN113379269B (zh) 多因素空间聚类的城市商业功能区划方法、装置及介质
CN110750573A (zh) 一种基于网格化和时空聚类的交通拥堵演化规律的识别方法
CN116628462B (zh) 城市三维空间用地功能属性识别与时空变化监测分析方法
CN115205699B (zh) 一种基于cfsfdp改进算法的地图图斑聚类融合处理方法
CN112561392A (zh) 一种城市公园绿地服务水平的评价系统及方法
CN116977666A (zh) 一种城市道路点云数据的绿度空间的评价方法及可读存储介质
CN118113919A (zh) Gdp空间化的方法
CN115358507B (zh) 生产建设项目扰动图斑水土流失风险识别评估方法
CN115457386A (zh) 一种村庄用地信息化生成方法
CN110517220A (zh) 一种基于激光三维数据的集料表面数量检测方法
CN113902249B (zh) 一种土壤重金属影响因素解析方法及装置
Li et al. The research about spatial distribution of urban functions based on POI data

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: 20210518