CN114821304A - 建成区边界划定方法及系统 - Google Patents

Abstract

本发明实施例提供一种建成区边界划定方法及系统，属于城市规划领域。所述方法包括：获取被划定城市的辖区信息，并对所述辖区信息进行网格划分；对每一网格是否为建成区进行多维要素判定，并输出判定结果；过滤掉为非建成区的网格，基于剩余网格获得被划定城市的建成区边界。本发明方案消除了基于人口密度等要素提取建成区方法需要人为设置阈值产生的不确定性，缩减了基于遥感影像提取建成区范围的人力和时间，改善了基于灯光数据提取建成区方法的精度；能够科学快速获取一套横向可对比、纵向可比较的客观准确的建成区边界，多维度判别是否为建成区。

Description

建成区边界划定方法及系统

技术领域

本发明涉及城市规划领域，具体地涉及一种建成区边界划定方法及一种建成区边界划定系统。

背景技术

城市建成区边界是监测、评估和管理城市发展的重要基础空间单元，是研究城市发展模式、运行状态、空间结构形态演变的基础，尤其是在近年来住房和城乡建设部城市体检这一重点工作任务中，城市建成区单元划定的标准化、科学性、一致性是保障城市体检评估工作各项体检指标横向可对比、纵向可追踪的基础前提。但是，在现有的官方文件中，只有官方统计的建成区面积数值，没有与此对应的空间范围边界。至于进行具体的边界划定，还需要利用其它边界划定方法进行划定，目前主流的边界划定方法普遍存在划定结果准确性不高、精度差和划定效率低的问题，针对现有边界划定方法存在的诸多问题，需要创造一种新的建成区边界划定方法。

发明内容

本发明实施方式的目的是提供一种建成区边界划定方法及系统，以至少解决现有建成区边界划定方法准确性不高、精度差和划定效率低的问题。

为了实现上述目的，本发明第一方面提供一种建成区边界划定方法，应用于城市建成区边界划定，所述方法包括：获取被划定城市的辖区信息，并对所述辖区信息进行网格划分；对每一网格是否为建成区进行多维要素判定，并输出判定结果；过滤掉为非建成区的网格，基于剩余网格获得被划定城市的建成区边界。

可选的，所述对所述辖区信息进行网格划分，包括：识别被划定城市的辖区面积；判断所述辖区面积在预设面积等级体系中的具体等级；根据所述具体等级确定每一网格的尺寸信息；基于网格的尺寸信息进行被划定城市网格划分。

可选的，所述预设面积等级包括：根据面积从小到大包括多个面积等级；其中，面积等级越高，对应每一网格的尺寸越大。

可选的，所述多维要素包括：土地覆被要素、土地利用要素、道路网密度要素、基础服务设施密度要素、人口密度分布中任意多种要素的组合。

可选的，在对每一网格是否为建成区进行多维要素判定之前，所述方法还包括：获取每一网格的网格信息；基于所述网格信息提取出多维要素中每一种要素对应的要素评价信息；其中，所述网格信息包括：遥感解译数据，用于作为土地覆被要素和/或土地利用要素的要素评价信息；电子导航数据，用于作为道路网密度要素的要素评价信息；POI兴趣点数据，用于作为基础服务设施密度要素的要素评价信息；手机信令数据和/或LBS数据，用于作为人口密度分布的要素评价信息。

可选的，对每一网格是否为建成区进行多维要素判定，并输出判定结果，包括：针对每一网格，分别从每一维度进行是否为建成区的判定，获得多个结果；分别统计为“是”的结果数量和为“否”的结果数量，并进行对比：若“是”的数量大于“否”的数量，则判定当前网格为建成区；若“否”的数量大于“是”的数量，则判定当前网格为非建成区；若“否”的数量等于“是”的数量，则将该网格作为待标注网格，并将该网格推送给用户，根据回收自用户的标注结果判定当前网格为建成区或为非建成区。

可选的，基于剩余网格获得被划定城市的建成区边界，包括：对剩余网格依次进行融合、填充和去噪处理，获得初画建成区边界；获取被划定城市的规划信息，并基于所述规划信息对所述初画建成区边界进行修正，获得被划定城市的建成区边界。

可选的，所述规划信息包括：城市高分辨率遥感影像信息、城市高等级路网信息和城市生态廊道信息中的任意一种或多种。

本发明第二方面提供一种建成区边界划定系统，应用于城市建成区边界划定，所述系统包括：采集单元，用于获取被划定城市的辖区信息，并对所述辖区信息进行网格划分；处理单元，用于对每一网格是否为建成区进行多维要素判定，并输出判定结果；划定单元，用于过滤掉为非建成区的网格，基于剩余网格获得被划定城市的建成区边界。

另一方面，本发明提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的建成区边界划定方法。

通过上述技术方案，本发明方案充分利用多源大数据的优势，将城市辖区划分为多个网格，然后基于多维要素进行各网格是否为建成区判定，将判定为建成区的网格进行融合确定，最终获得建成区边界，本发明方案消除了基于人口密度等要素提取建成区方法需要人为设置阈值产生的不确定性，缩减了基于遥感影像提取建成区范围的人力和时间，改善了基于灯光数据提取建成区方法的精度；能够科学快速获取一套横向可对比、纵向可比较的客观准确的建成区边界，多维度判别是否为建成区。

本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：

图1是本发明一种实施方式提供的建成区边界划定方法的步骤流程图；

图2是本发明一种实施方式提供的建成区边界划定系统的系统结构图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

城市建成区边界是监测、评估和管理城市发展的重要基础空间单元，是研究城市发展模式、运行状态、空间结构形态演变的基础，尤其是在近年来住房和城乡建设部城市体检这一重点工作任务中，城市建成区单元划定的标准化、科学性、一致性是保障城市体检评估工作各项体检指标横向可对比、纵向可追踪的基础前提。

但是，在现有的官方文件中，只有官方统计的建成区面积数值，没有与此对应的空间范围边界。至于进行具体的边界划定，还需要利用其它边界划定方法进行划定，而这目前的技术背景下，主要存在以下几种边界划定方法：

1)通过遥感解译的方式提取建成区范围，一方面由于具有较强的主观性，造成不同划定人员对同一城市建成区范围的确定不一致；另一方面，基于高分辨率影像划定多个城市的建成区范围是相当费时费力的工作，很难保障建成区边界的年度更新。

2)基于夜间灯光强度划定建成区也是目前常用方法之一，但由于夜间灯光数据在建成区内出现饱和及外溢现象，以及分辨率的限制(灯光数据的最高分辨率为500米)导致提取出的建成区边界具有较大的误差。

3)基于人口密度、人口总量等要素提取建成区，虽然考虑到了建成区是城市人口集中分布的区域这一因子，但是不同规模等级的城市人口密度阈值相差很大。在批量提取多个城市建成区范围时，人口密度阈值需逐个城市进行研究后确定，无法形成统一的、可横向对比的自动化流程。

可见，无论是哪一种方法，均存在一定的问题，并不能高效率且准确的进行城市边界划定，本发明基于现有城市边界划定方法存在的问题，提出了一种新的建成区边界划定方法，基于多要素划定城市建成区的方法充分利用多源大数据的优势，综合统计数据、手机信令人口密度、道路网密度、科教文卫等公服设施密度数据以及高分辨率遥感影像，在格网尺度上科学快速的识别城市建成区范围。该方法规则统一，可以实现全流程化、全自动化提取，消除了基于人口密度等要素提取建成区方法需要人为设置阈值产生的不确定性，缩减了基于遥感影像提取建成区范围的人力和时间，改善了基于灯光数据提取建成区方法的精度；能够科学快速获取一套横向可对比、纵向可比较的客观准确的建成区边界，多维度判别是否为建成区。之后，对初步识别的建成区，进行多边形融合、去噪处理形成最终的建成区边界。

图2是本发明一种实施方式提供的建成区边界划定系统的系统结构图。如图2所示，本发明实施方式提供一种建成区边界划定系统，所述系统包括：采集单元，用于获取被划定城市的辖区信息，并对所述辖区信息进行网格划分；处理单元，用于对每一网格是否为建成区进行多维要素判定，并输出判定结果；划定单元，用于过滤掉为非建成区的网格，基于剩余网格获得被划定城市的建成区边界。

图1是本发明一种实施方式提供的建成区边界划定方法的方法流程图。如图1所示，本发明实施方式提供一种建成区边界划定的方法，所述方法包括：

步骤S10：获取被划定城市的辖区信息，并对所述辖区信息进行网格划分。

具体的，本发明方案是用于实诚建成区边界划定，所以作用对象为各目标城市，基于城市的实际规划情况，在地图上自动进行对应建成区边界划定。所以，首先需要获取被划定城市的辖区信息，以避免划定范围超出城市辖区信息从而导致划定结果无意义的问题，在规定的辖区范围内进行边界划定。进行辖区信息提取时，基于现有的电子地图信息便可以直接切准确的提取，直接利用目标城市作为检索条件在地理图库中进行检索，提取出对应城市所有辖区的地理信息。

或的辖区信息后，需要辖区进行网格划分，将辖区拆解为多个小网格独立单元，并对每一个网格单元进行是否为建成区判定，以此逐渐获得所有辖区网格的判定结果。容易理解的是，格网大小直接影响建成区提取精度和提取效率，网格越大，精度越低，但是提取效率高；网格小，精度高，但是效率低。所以，需要对提取效率和提取精度进行平衡。先预设场景，网格大小固定，城市越大，划分后获得的网格数量就越多，对应需要处理的数据量也就越大，所以，影响提取效率的主要因素便是网格的数量。在保证运算能力足够胜任计算，且处理时延能够被用户接受的前提下，预设一定的网格数量阈值，即在保证网格数量固定的前提下，城市范围越大，每个网格的尺寸也不得不增大。

优选的，为了提高网格尺寸确定速度，预设一定的网格尺寸确定规则，首先，对现有城市数据进行统计，进行提取效率尝试评估，将现有城市基于面积进行面积等级划分，当然，该面积等级划分也可以基于城市行政等级进行直接划分，例如省会城市理应在面积等级上高于县级城市。但是，受发展情况和地形限制影响，即使是相同的行政等级城市，也可能存在很大的面积区别。所以最优选的，提取被划定城市辖区信息的同时，提取辖区面积大小，然后基于该面积大小进行面积等级划分。根据适应性测试后，确定每个等级下对应的网格尺寸信息，然后直接对照当前城市的面积信息，便可确定当前城市进行网格划分时的网格尺寸信息。

在另一种可能的实施方式中，上述已知，现有官方文件会统计城市建成区面积信息，进行面积等级确定时，可以直接基于该公布的建成区面积进行面积等级确定。

确定对应城市网格尺寸信息后，便基于该尺寸信息进行被划定城市网格划分，进行网格划分时，需要无差别进行划分，即不考虑其他干扰因素，不遗漏所有辖区位置，保证小区内任何一个“像素点”均落入且仅落入一个网格内。

步骤S20：对每一个网格进行是否为建成区的多维要素判定，并输出每一个网格是否为建成区的结果。

具体的，现有进行边界划定的方法，普遍存在判定结果不准确的问题，主要原因便是未能完全考虑是否为建成区的体现因素。根据建成区定义，建成区为实际已成片开发建设、市政公用设施和公共设施基本具备的区域，人口相对集中。针对这种特性，为了全面的进行是否为建成区考量，本发明方案进行可多维要素判定，所述多维要素包括：土地覆被要素、土地利用要素、道路网密度要素、基础服务设施密度要素、人口密度分布中任意多种要素组合。

其中，对每一个网格进行是否为建成区的多维要素判定之前，所述方法还包括：获取每一个网格的网格信息；基于所述网格信息提取出每一种要素对应的要素评价信息；其中，所述网格信息包括：遥感解译数据，用于作为土地覆被要素和/或土地利用要素的要素评价信息；电子导航数据，用于作为道路网密度要素的要素评价信息；POI兴趣点数据，用于作为基础服务设施密度要素的要素评价信息；手机信令数据和/或LBS数据，用于作为人口密度分布的要素评价信息。

遥感解译数据，其实就是指从影像获取信息的基本过程。遥感影像的解译过程，可认为是获取遥感影像的逆过程，即从遥感对地面实况的模拟影像中提取遥感信息，反演地面原型过程。遥感影像解译包括目视解译、人机交互解译、计算机数字影像处理等。遥感解译经历了从人工解译到半自动解译，正在向全智能化解译的方向发展。遥感影像解译主要有两个途径：目视解译和计算机的数字影像处理。目视判读是一种传统的方法，是通过人工提取信息，使用眼睛目视观察，借助一些光学仪器在计算机显示屏幕上，凭借丰富的判读经验，扎实的专业知识和手头的相关资料，通过人脑分析、推理和判断，提取有用的信息。用轮廓线圈定它们和赋予属性代码，或用符号、颜色表示属性。通过遥感解译，我们可以判定网格内土地覆被或土地利用要数信息，即判定当前网格内是植被覆盖还是建筑物覆盖，然后基于这种规律判定当前区域是否为建成区域。

电子导航数据可以直接提取当前网格内存在的道路信息，可以预见的，网格内道路越多，分布越复杂，对应为建成区的概率也就越大。

POI(Point of Interest)兴趣点数据，一般来说POI数据可以进行一级和二级分类，每个分类都有对应的行业和名称，这些分类在数据采集和应用中都是十分重要的信息，通常在OSM展示中依靠分类进行信息展示，而名称、地址、坐标在OSM展示和检索作为基础信息来使用。而兴趣是一个非常主观性非常强的词语，在特定的情况下例如用户想发一封电子邮件的时候，电话远远没有邮箱地址有趣。所以POI在不同使用场景下，对POI数据有不同需求，当一个POI数据平台提供一系列接口和数据输出的时候必须考虑不同场景下用户的需求和数据特点。基于用户的搜索频次、设为目的地频次和地点本身的备案信息，可以直接进行POI数据统计，便可以直接提取出对应网格内基础服务设置密度的信息，例如，当前网格内存非常多的厂家注册信息，则该区域为建成区商业街的概率就越大。

手机信令数据和/或LBS数据可以统计用户使用通信信息的频次，对应区域内通信设备使用频次越高，该区域为建成区的概率也就越大。

分别进行每一维度的是否为建成区判定，获得多个判定结果；分别统计为“是”的结果数量和为“否”的结果数量，并进行对比。逐一以单个判别要素为标尺，以官方文件中城市建成区面积数值为阈值，对网格中单一要素的数值进行排序，进而判定单一要素条件下每一个网格是否为建成区。

例如，公布的最新建成区面积为1469.05平方公里；对所有栅格按照人口密度大小进行排序，每一个栅格面积为0.25平方公里，当栅格面积累积至1469.05平方公里时，所选定的网格即为人口密度条件下的建成区范围。及在限定了面积的前提下，对每一个网格的数值进行排序，只要完成排序到对应的面积区域，便将该网格之前所有的网格判定为建成区，其他区域判定为非建成区。其他因素评价与人口密度评级规则相同，均获得每一个网格下对应因素的数值，然后从大到小逐一排序，知道网格总面积达到公布建成区面积，停止排序，完成排序的网格作为建成区，其他区域作为非建成区。

在另一种可能的实施方式中，并非所有城市都具有公信力的官方建成面积公布数据，当这些不存在已知的公布建成面积城市需要进行建成区边界划定时，可以对已公布建成面积城市进行判定为最后一个建成区网格进行平均处理，城市的边界区域具有一定的相似性，及人口密度较低、路网较为简单等特性，然后基于该平均处理获得每一种要素下的数值阈值。例如，确定人口密度的数值阈值，当某网格内人口密度大于该阈值是，则判定该网格为建成区，反之则判定为非建成区。其他要素类似，统计出所有要素下的可看作建成区的要素数值阈值，然后基于该阈值进行网格是否为建成区判定。

若“是”的数量大于“否”的数量，则判定当前网格为建成区；若“否”的数量大于“是”的数量，则判定当前网格为非建成区；若“否”的数量等于“是”的数量，则将该网格作为待标注网格，并将该网格推送给用户，回收用户标注结果，基于所述标注结果判定当前网格为建成区或非建成区。

在另一种可能的实施方式中，同一网格被两个及以上因素判定为建成区时，该网格便被纳入到实际建成区范围。

步骤S30：过滤掉结果非建成区的网格，基于剩余网格获得所述被划定城市的建成区边界。

具体的，对剩余网格依次进行融合、填充和去噪处理，获得初画建成区边界；获取被划定城市的规划信息，并基于所述规划信息对所述初画建成区边界进行修正，获得最终建成区边界。

首先，对格网单元的建成区范围进行填充处理。例如，如果连续三个以下连续的非建成区网格，其周围相邻的网格均为建成区网格，则对这些网格进行填充处理，修改为建成区网格。比如一个非建城区网格，周围相邻的8个网格均为建成区，则将这个网格进行填充处理。反之，某个判定为建成区的网格，其相邻的8个网格均为非建成区，便重新制定该区域为非建成区。然后，对格网单元的建成区范围进行融合处理，形成建成区多边形。

在土地利用转换过程中，建设用地转换为非建设用地的可能性极小，因此需对照上一版已确定的建成区边界对初画建成区边界进行调整，以保障建成区范围的纵向一致性。例如，前一年已经确定某一区域为建成区，而当前年却没有识别到该部分区域，则在当前年初画建成区边界基础上增添该区域。

优选的，所述规划信息包括：城市高分辨率遥感影像信息、城市高等级路网信息和城市生态廊道信息中的任意一种或多种。对初画建成区边界，可结合高分辨率遥感影像、城市高等级路网、城市生态廊道等进行边界修正，获取更加清晰准确的最终建成区边界。初画建成区范围，已经可以直接用于城市体检、完整社区评估等工作中进行宏观测算。在落实到地方政府进行城市治理工作之前，可根据需求，结合高分辨率遥感影像、城市高等级路网、城市生态廊道等进行边界修正，获取更加清晰准确的建成区边界。

在本发明实施例中，本发明方案综合考虑人口密度、交通设施、公共服务设施、土地利用类型等多维要素，比通过单一要素划定建成区更符合建成区是人口相对集中、实际已成片建设、市政公用设施和公共设施基本具备的区域这一概念。随着大数据的可获取性和大数据挖掘技术的进步，本方法充分运用手机信令数据、百度LBS数据、电子导航数据、高分辨率遥感数据，保证了数据来源的可靠性和科学性，提高了建成区提取的精度。本方法中规则一致，可实现全过程自动化，因此能够快速批量识别多个城市的建成区范围，形成横向可对比、纵向可追踪、年度更新可实施的建成区边界成果。

本发明实施方式还提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的建成区边界划定方法。

本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。

Claims (10)

1.一种建成区边界划定方法，应用于城市建成区边界划定，其特征在于，所述方法包括：

获取被划定城市的辖区信息，并对所述辖区信息进行网格划分；

对每一网格是否为建成区进行多维要素判定，并输出判定结果；

过滤掉为非建成区的网格，基于剩余网格获得被划定城市的建成区边界。

2.根据权利要求1所述的方法，其特征在于，所述对所述辖区信息进行网格划分，包括：

识别被划定城市的辖区面积；

判断所述辖区面积在预设面积等级体系中的具体等级；

根据所述具体等级确定每一网格的尺寸信息；

基于网格的尺寸信息进行被划定城市网格划分。

3.根据权利要求2所述的方法，其特征在于，所述预设面积等级包括：

根据面积从小到大包括多个面积等级；其中，面积等级越高，对应每一网格的尺寸越大。

4.根据权利要求1所述的方法，其特征在于，所述多维要素包括：

土地覆被要素、土地利用要素、道路网密度要素、基础服务设施密度要素、人口密度分布中任意多种要素的组合。

5.根据权利要求4所述的方法，其特征在于，在对每一网格是否为建成区进行多维要素判定之前，所述方法还包括：

获取每一网格的网格信息；

基于所述网格信息提取出多维要素中每一种要素对应的要素评价信息；其中，

所述网格信息包括：

遥感解译数据，用于作为土地覆被要素和/或土地利用要素的要素评价信息；

电子导航数据，用于作为道路网密度要素的要素评价信息；

POI兴趣点数据，用于作为基础服务设施密度要素的要素评价信息；

手机信令数据和/或LBS数据，用于作为人口密度分布的要素评价信息。

6.根据权利要求1所述的方法，其特征在于，对每一网格是否为建成区进行多维要素判定，并输出判定结果，包括：

针对每一网格，分别从每一维度进行是否为建成区的判定，获得多个结果；

分别统计为“是”的结果数量和为“否”的结果数量，并进行对比：

若“是”的数量大于“否”的数量，则判定当前网格为建成区；

若“否”的数量大于“是”的数量，则判定当前网格为非建成区；

若“否”的数量等于“是”的数量，则将该网格作为待标注网格，并将该网格推送给用户，根据回收自用户的标注结果判定当前网格为建成区或为非建成区。

7.根据权利要求1所述的方法，其特征在于，基于剩余网格获得被划定城市的建成区边界，包括：

对剩余网格依次进行融合、填充和去噪处理，获得初画建成区边界；

获取被划定城市的规划信息，并基于所述规划信息对所述初画建成区边界进行修正，获得被划定城市的建成区边界。

8.根据权利要求7所述的方法，其特征在于，所述规划信息包括：

城市高分辨率遥感影像信息、城市高等级路网信息和城市生态廊道信息中的任意一种或多种。

9.一种建成区边界划定系统，应用于城市建成区边界划定，其特征在于，所述系统包括：

采集单元，用于获取被划定城市的辖区信息，并对所述辖区信息进行网格划分；

处理单元，用于对每一网格是否为建成区进行多维要素判定，并输出判定结果；

划定单元，用于过滤掉为非建成区的网格，基于剩余网格获得被划定城市的建成区边界。

10.一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行权利要求1-8中任一项权利要求所述的建成区边界划定方法。

Images