CN115292342B - 一种基于poi数据更新城市用地现状图的方法、系统及设备 - Google Patents
一种基于poi数据更新城市用地现状图的方法、系统及设备 Download PDFInfo
- Publication number
- CN115292342B CN115292342B CN202211223944.6A CN202211223944A CN115292342B CN 115292342 B CN115292342 B CN 115292342B CN 202211223944 A CN202211223944 A CN 202211223944A CN 115292342 B CN115292342 B CN 115292342B
- Authority
- CN
- China
- Prior art keywords
- land
- poi data
- spot
- map
- updating
- 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 39
- 239000013598 vector Substances 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 5
- 230000003139 buffering effect Effects 0.000 claims description 2
- AHLBNYSZXLDEJQ-FWEHEUNISA-N orlistat Chemical compound CCCCCCCCCCC[C@H](OC(=O)[C@H](CC(C)C)NC=O)C[C@@H]1OC(=O)[C@H]1CCCCCC AHLBNYSZXLDEJQ-FWEHEUNISA-N 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 12
- 238000004220 aggregation Methods 0.000 abstract description 8
- 230000002776 aggregation Effects 0.000 abstract description 8
- 238000013507 mapping Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000009828 non-uniform distribution Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 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
- G06F16/23—Updating
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于POI数据更新城市用地现状图的方法、系统及设备，本发明以三调图斑为主索引，按面积占优法获取用地现状初始图斑；对各图斑进行面缓冲区操作，获取各图斑关联POI数据集；对POI进行重分类，计算各图斑的聚集度，并根据阈值作二分处理；对于聚集度低的图斑，考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度；对于聚集度高的图斑，分别对每一类的POI提取外边界，并计算图斑面积，求解图斑相似度；最后判断作替换还是新增的更新操作。本发明能够极大消除POI数据误差影响、提高更新召回率、降低图斑误分类、更新准确率高等优点，是一种比现有方法更优的城市用地现状图更新方案。
Description
技术领域
本发明属于数据处理技术领域，涉及一种更新城市用地现状图的方法、系统及设备，具体涉及一种基于POI数据更新城市用地现状图的方法、系统及设备。
背景技术
城市用地现状图作为调查、规划、用途管制、开发利用等业务的基础底图，在“统一底图”的框架体系中，起到了基础性、决定性的作用。用地现状图的识别、提取、制作、更新等主题一直以来都是土地资源管理领域的重点内容，尤其是城市环境下的用地现状图更新问题，更是学术界、产业界和自然资源管理部门研究的热点，特别是随着时空大数据的发展（例如：众源POI、OSM地图、多源遥感影像、车载GPS轨迹点等），国内外的相关研究者提出了多种城市用地现状图的更新方法，部分研究成果也发表了具有影响力的论文或专利。
然而，通过分析国内外现有的大量研究发现，现有各类方法在实际使用过程中也面临着以下问题：首先，现有的研究对聚集度作二分处理，只对聚集度低（地类单一）的图斑进行更新操作，而对聚集度较高（地类复杂多样）的图斑做舍弃操作，降低了更新的召回率。其次，对聚集度低的图斑，现有研究只是单纯的根据POI的频数和比例进行地类相似度的判断，缺少了地类子节点不均匀的考虑，容易造成地类误分类、误更新等问题，降低了更新的准确率。
发明内容
为了解决上述技术问题，本发明提出了一种基于POI数据更新城市用地现状图的方法、系统及设备，具有能够极大消除POI数据误差影响、提高更新召回率、降低图斑误分类、更新准确率高等优点。
本发明的方法所采用的技术方案是：一种基于POI数据更新城市用地现状图的方法，包括以下步骤：
步骤1：以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现状初
始图斑集合
；其中，所述三调图斑是第三次全国国土调查获取的图斑；
步骤2：遍历集合
中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对POI
数据进行空间叠加，获取各图斑关联POI数据集
；
步骤3：对POI数据进行重分类，计算各图斑的聚集度I j ，比较I j 和阈值T 1，若I j ≤T 1，则执行步骤4；若I j ＞T 1，则执行步骤6；
其中，通过建立POI数据分类标准和《国土空间调查、规划、用途管制用地用海分类指南》中分类标准的映射关系，对POI数据进行重分类；
步骤4：考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度S j ，并和阈值T 2进行比较，若S j ≥T 2，则执行步骤5；若S j ＜T 2，则执行步骤7；
步骤5：将新的地类替换图斑的地类，更新用地现状图斑；
步骤6：遍历该图斑关联的各类型的POI数据，其中，第i种类型的POI数据记为
；
步骤7：提取POI数据的外边界，并计算图斑面积，求解图斑相似度
；
步骤8：比较图斑相似度
和阈值T 3；
若
≥T 3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；
否则，对下一类型POI数据执行步骤7。
本发明的系统所采用的技术方案是：一种基于POI数据更新城市用地现状图的系统，包括以下模块：
模块1，用于以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现
状初始图斑集合
；其中，所述三调图斑是第三次全国国土调查获取的图斑；
模块2，用于遍历集合
中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对
POI数据进行空间叠加，获取各图斑关联POI数据集
；
模块3，对POI数据进行重分类，计算各图斑的聚集度I j ，比较I j 和阈值T 1，若I j ≤T 1，则转到模块4；若I j ＞T 1，则转到模块6；
其中，通过建立POI数据分类标准和《国土空间调查、规划、用途管制用地用海分类指南》中分类标准的映射关系，对POI数据进行重分类；
模块4，用于考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度S j ，并和阈值T 2进行比较，若S j ≥T 2，则转到模块5；若S j ＜T 2，则转到模块7；
模块5，用于将新的地类替换图斑的地类，更新用地现状图斑；
模块6，用于遍历该图斑关联的各类型的POI数据，其中，第i种类型的POI数据记为
；
模块7，用于提取POI数据的外边界，并计算图斑面积，求解图斑相似度
；
模块8，用于比较图斑相似度
和阈值T 3；
若
≥T 3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；
否则，对下一类型POI数据转到模块7。
本发明的设备所采用的技术方案是：一种基于POI数据更新城市用地现状图的设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现所述的基于POI数据更新城市用地现状图的方法。
本发明在使用聚集度对图斑进行二分处理的基础上，对于聚集度低的图斑，考虑各地类的子节点密度，构建地类的概念向量，能够克服根据POI的频数和比例进行地类相似度的判断造成的误分类、误更新等问题，提高更新的准确率；同时，对聚集度较高的图斑，进一步地对各个类型的POI进行提取外边界操作，然后基于图斑相似度判断是否进行更新操作，提高了更新的召回率。
附图说明
图1为本发明实施例的方法流程图；
图2为本发明实施例的图斑聚集度分布示意图。
具体实施方式
为了便于本领域专业技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种基于POI数据更新城市用地现状图的方法，包括以下步骤：
步骤1：以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现状初
始图斑集合
；
本实施例的三调图斑是指第三次全国国土调查获取的图斑，主要包括空间图形和
地类2部分内容，三调图斑的地类共分为13个一级类、59个二级类。以三调图斑的空间图形
为主索引叠加现有用地规划图斑，并基于面积占优法计算两类图斑的面积相似度，对于判
定为相似的图斑，使用现有技术将用地规划图斑的各种关联属性（包括地类）进行拆分、合
并、转换后赋给三调图斑，实现融合。融合后的图斑作为用地现状初始图斑集合
，集合
中的每一个图斑均包括空间属性和非空间属性两方面内容。空间属性是指带有地理坐标的
空间范围，通过三调图斑的空间图形获得；非空间属性是指不带地理坐标的属性，图斑的地
类分类标准参照《国土空间调查、规划、用途管制用地用海分类指南》中规定的二级地类名
称。
步骤2：遍历集合
中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对POI数
据进行空间叠加，获取各图斑关联POI数据集
；
本实施例遍历图斑集合
中的各图斑，对于其中的某一图斑L j ，按照一定的缓
冲区半径进行面缓冲操作，缓冲区的半径需要考虑POI数据的误差及偏移距离进行确定，例
如考虑到实验数据集中POI数据误差及偏移距离的中位数为30米，本实施例对图斑L j 进行
半径为30米的缓冲区操作，并基于该缓冲区对POI数据进行空间叠加获得了与图斑L j 关联
的POI数据集POI j 。基于以上操作，能够获取某图斑更多的关联POI，一定程度上解决POI数
据的误差及偏移问题。
步骤3：对POI数据进行重分类，计算各图斑的聚集度I j ，比较I j 和阈值T 1，若I j ≤T 1，则执行步骤4；若I j ＞T 1，则执行步骤6；
本实施例获得了与图斑L j 关联的数据集POI j 之后，POI数据的类别还是按照由POI数据提供商制定的分类标准进行分类，而不同的提供商制定的分类标准各不相同。为此，需要按照现有技术建立POI数据分类标准和《国土空间调查、规划、用途管制用地用海分类指南》中分类标准的映射关系，并对POI数据进行重分类，如下表所示为城市空间内用地类别映射表。
表1 城市空间内用地类别映射表
此时，数据集POI j 中的POI数据将包含几个固定的类别，对于每一类的
（第i
种类别的POI数据记为
）进行倍增处理提升相对数量较少但功能影响度大POI数据的
显著度，克服POI数据数量和影响度不均衡对等的问题，提升图斑聚集度的准确性；同样的
对POI j 也进行倍增处理，然后使用如下的计算公式计算图斑L j 的聚集度：
其中，m为POI数据的类型数，
为倍增函数，可以使用现有技术获得，例如，
使用POI的用地面积和功能影响力进行倍增处理，POI j 为图斑L j 关联的POI数据，第i种类别
的POI数据记为
。
图2为本实施例的各图斑聚集度分布图。通过归一化和倍增处理，可以消除不同图斑面积关联POI数据差异带来的误差，提高图斑聚集度的计算结果准确率。聚集度代表了图斑地类的纯度，聚集度越低表示地类纯度越高，地类类型越单一；聚集度越高表示地类纯度越低，地类类型越复杂多样。阈值T 1代表了对图斑进行二分处理的临界值，本实施例选取T 1=0.45，根据聚集度将图斑分为2类。
步骤4：考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度S j ，并和阈值T 2进行比较，若S j ≥T 2，则执行步骤5；若S j ＜T 2，则执行步骤7；
本实施例中，三调图斑的地类共分为13个一级类、59个二级类，各一级类包含的二级类（子节点）的数量各不相同，也就是父节点和子节点之间呈现一种非均匀的分布特征，常规的概念向量构建方法，不能解决子节点非均匀分布的影响，从而使得计算出的图斑相似度出现偏差。本实施例按以下子步骤构建地类的概念向量，求解图斑的地类相似度S j ：
步骤4.1：令根节点权重为1，将其作为向量的1维分量；
步骤4.2：计算一级地类的子节点密度，将其作为权重赋给向量的2维分量；
按照《国土空间调查、规划、用途管制用地用海分类指南》中规定的分类标准，城市环境下一级地类包括居住用地、公共管理与公共服务用地、商业服务业用地、工矿用地、仓储用地、交通运输用地、公用设施用地、绿地与开敞空间用地、特殊用地共9类，子节点密度理解为9，因此，将9作为权重赋给向量的2维分量。例如，居住用地的概念向量为[1,9,0,0,0,0,0,0,0,0]，公共管理与公共服务用地的概念向量为[1,0,9,0,0,0,0,0,0,0]，商业服务业用地的概念向量为[1,0,0,9,0,0,0,0,0,0]，工矿用地的概念向量为[1,0,0,0,9,0,0,0,0,0]，仓储用地的概念向量为[1,0,0,0,0,9,0,0,0,0]，交通运输用地的概念向量为[1,0,0,0,0,0,9,0,0,0]，公用设施用地的概念向量为[1,0,0,0,0,0,0,9,0,0]，绿地与开敞空间用地的概念向量为[1,0,0,0,0,0,0,0,9,0]，特殊用地的概念向量为[1,0,0,0,0,0,0,0,0,9]。
步骤4.3：计算各一级地类包含的二级地类的子节点密度，并将其作为权重赋给向量的3维分量；
按照《国土空间调查、规划、用途管制用地用海分类指南》中规定的分类标准，对各一级地类包含的二级地类构建概念向量，例如：交通运输用地一级地类包含铁路用地、公路用地、机场用地、港口码头用地、管道运输用地、城市轨道交通用地、交通场站用地共7个二级地类，子节点密度理解为7，因此，将7作为权重赋给向量的3维分量。例如，铁路用地的概念向量为[1,0,0,0,0,0,9,0,0,0,7]，公路用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,7]，机场用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,7]，港口码头用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,7]，管道运输用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,0,7]，城市轨道交通用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,0,0,7]，交通场站用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,0,0,0,7]。
步骤4.4：对低维向量进行补零操作向高维向量升维，使其与高维向量具有相同的维数；
为了计算两向量的余弦相似度，需对低维向量进行补零操作向高维向量升维，使
其与高维向量具有相同的维数，本实施例为了计算铁路用地和公路用地的地类相似度，对
步骤4.3中铁路用地的概念向量[1,0,0,0,0,0,9,0,0,0,7]进行补零操作，升维为
=[1,0,
0,0,0,0,9,0,0,0,7,0]，使其与高维的公路用地概念向量
=[1,0,0,0,0,0,9,0,0,0,0,
7]具有相同的维数。
步骤4.5：计算两向量的余弦相似度；
计算两个概念向量的余弦相似度，本实施例对铁路用地和公路用地两个概念向量，使用如下式的向量余弦相似度计算公式，
求得余弦相似度为0.63，该相似度即为地类相似度S j ，将S j 和阈值T 2进行比较，阈值T 2代表了地类相似的可信度。本实施例设定T 2=0.55，若S j ≥T 2，表示地类相似，执行步骤5；若S j ＜T 2，表示地类不相似，执行步骤7。
步骤5：将新的地类替换图斑的地类，更新用地现状图斑；
步骤6：遍历该图斑关联的各类型的POI数据，其中，第i种类型的POI数据记为
；
步骤7：提取POI数据的外边界，并计算图斑面积，求解图斑相似度
；
本实施例中，对于地类纯度较低，地类类型复杂多样的图斑，需要对关联的不同类
型POI进行遍历，对某一具体类型的
，可以使用核密度分析法、热点分析法等现有方法
提取外边界，例如，本实施例使用热点分析法提取POI的外边界，并基于ArcMap软件计算图
斑和外边界的面积，然后使用如下的图斑相似度计算公式：
其中，其中，
为图斑L j 的面积，
为类型
的POI数据外边界面
积。
为图斑相似度。
步骤8：比较图斑相似度
和阈值T 3；
若
≥T 3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；
否则，对下一类型POI数据执行步骤7。
本实施例设定T 3=0.8，阈值T 3代表了POI外边界和图斑相似的可信度，若
≥T 3，
表示POI外边界和图斑相似，将新的地类新增为图斑的地类，更新用地现状图斑；若
＜T 3，表示POI外边界和图斑不相似，不做处理，然后对下一类型POI执行步骤7。
应当理解的是，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 (8)
1.一种基于POI数据更新城市用地现状图的方法，其特征在于，包括以下步骤：
步骤1：以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现状初始图
斑集合
；其中，所述三调图斑是第三次全国国土调查获取的图斑；
步骤2：遍历集合
中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对POI数据进
行空间叠加，获取各图斑关联POI数据集
；
步骤3：对POI数据进行重分类，计算各图斑的聚集度I j ，比较I j 和阈值T 1，若I j ≤T 1，则执行步骤4；若I j ＞T 1，则执行步骤6；
步骤4：考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度S j ，并和阈值T 2进行比较，若S j ≥T 2，则执行步骤5；若S j ＜T 2，则执行步骤7；
步骤5：将新的地类替换图斑的地类，更新用地现状图斑；
步骤6：遍历该图斑关联的各类型的POI数据，其中，第i种类型的POI数据记为
；
步骤7：提取POI数据的外边界，并计算图斑面积，求解图斑相似度
；
步骤8：比较图斑相似度
和阈值T 3；
若
≥T 3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；
否则，对下一类型POI数据执行步骤7。
2.根据权利要求1所述的基于POI数据更新城市用地现状图的方法，其特征在于：步骤1
中，所述用地现状初始图斑集合
中的每一个图斑均包括空间属性和非空间属性两方
面内容；所述空间属性，是指带有地理坐标的空间范围，通过三调图斑的空间图形获得；所
述非空间属性，是指不带地理坐标的属性。
3.根据权利要求1所述的基于POI数据更新城市用地现状图的方法，其特征在于：步骤2
中，遍历图斑集合
中的各图斑，对于其中的某一图斑L j ，按照预设的缓冲区半径进行
面缓冲操作，并基于该缓冲区对POI数据进行空间叠加获得与图斑L j 关联的POI数据POI j 。
4.根据权利要求1所述的基于POI数据更新城市用地现状图的方法，其特征在于：步骤3
中，
；
其中，m为POI数据的类型数，
为倍增函数，POI j 为图斑L j 关联的POI数据，第i种类
别的POI数据记为
。
5.根据权利要求1所述的基于POI数据更新城市用地现状图的方法，其特征在于：步骤4中，所述构建地类的概念向量，求解图斑的地类相似度S j ；具体包括以下子步骤：
步骤4.1：令根节点权重为1，将其作为向量的1维分量；
步骤4.2：计算一级地类的子节点密度，将其作为权重赋给向量的2维分量；
步骤4.3：计算各一级地类包含的二级地类的子节点密度，并将其作为权重赋给向量的3维分量；
步骤4.4：对低维向量进行补零操作向高维向量升维，使其与高维向量具有相同的维数；
步骤4.5：计算两向量的余弦相似度，即为地类相似度S j 。
6.根据权利要求1所述的基于POI数据更新城市用地现状图的方法，其特征在于：步骤7
中，图斑相似度
计算公式定义为：
其中，
为图斑L j 的面积，
为类型
的POI数据外边界面积。
7.一种基于POI数据更新城市用地现状图的系统，其特征在于，包括以下模块：
模块1，用于以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现状初
始图斑集合
；其中，所述三调图斑是第三次全国国土调查获取的图斑；
模块2，用于遍历集合
中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对POI
数据进行空间叠加，获取各图斑关联POI数据集
；
模块3，对POI数据进行重分类，计算各图斑的聚集度I j ，比较I j 和阈值T 1，若I j ≤T 1，则转到模块4；若I j ＞T 1，则转到模块6；
模块4，用于考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度S j ，并和阈值T 2进行比较，若S j ≥T 2，则转到模块5；若S j ＜T 2，则转到模块7；
模块5，用于将新的地类替换图斑的地类，更新用地现状图斑；
模块6，用于遍历该图斑关联的各类型的POI数据，其中，第i种类型的POI数据记为
；
模块7，用于提取POI数据的外边界，并计算图斑面积，求解图斑相似度
；
模块8，用于比较图斑相似度
和阈值T 3；
若
≥T 3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；
否则，对下一类型POI数据转到模块7。
8.一种基于POI数据更新城市用地现状图的设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的基于POI数据更新城市用地现状图的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211223944.6A CN115292342B (zh) | 2022-10-09 | 2022-10-09 | 一种基于poi数据更新城市用地现状图的方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211223944.6A CN115292342B (zh) | 2022-10-09 | 2022-10-09 | 一种基于poi数据更新城市用地现状图的方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115292342A CN115292342A (zh) | 2022-11-04 |
| CN115292342B true CN115292342B (zh) | 2022-12-20 |
Family
ID=83833895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211223944.6A Active CN115292342B (zh) | 2022-10-09 | 2022-10-09 | 一种基于poi数据更新城市用地现状图的方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115292342B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116796044B (zh) * | 2023-04-25 | 2024-02-06 | 广东国地规划科技股份有限公司 | 一种poi数据集的数据处理方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103457975A (zh) * | 2012-06-01 | 2013-12-18 | 腾讯科技（深圳）有限公司 | 获取地图兴趣点评价数据的方法和装置 |
| CN106294458A (zh) * | 2015-05-29 | 2017-01-04 | 北京四维图新科技股份有限公司 | 一种地图兴趣点更新方法及装置 |
| CN108805920A (zh) * | 2018-06-01 | 2018-11-13 | 环境保护部卫星环境应用中心 | 未利用地上土壤污染风险区域的识别方法和装置 |
| CN109145068A (zh) * | 2018-07-12 | 2019-01-04 | 百度在线网络技术（北京）有限公司 | 地图更新方法及装置 |
| CN110176018A (zh) * | 2019-04-18 | 2019-08-27 | 中国测绘科学研究院 | 一种保持结构化地物轮廓特征的图斑合并方法 |
| CN113360586A (zh) * | 2021-06-03 | 2021-09-07 | 深圳前海微众银行股份有限公司 | 地址聚集度查询方法、装置、设备及计算机可读存储介质 |
| CN113743080A (zh) * | 2021-08-16 | 2021-12-03 | 南京星云数字技术有限公司 | 一种分层级地址文本相似度比对方法、装置及介质 |
| CN114723792A (zh) * | 2022-03-25 | 2022-07-08 | 广州极飞科技股份有限公司 | 地块信息更新方法、装置、电子设备及存储介质 |
| CN115019163A (zh) * | 2022-04-01 | 2022-09-06 | 湖南大学 | 基于多源大数据的城市要素识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111291145B (zh) * | 2020-01-21 | 2022-07-29 | 腾讯科技（深圳）有限公司 | 无线热点与兴趣点的映射方法、装置和存储介质 |
| EP3860163B1 (en) * | 2020-01-30 | 2023-07-12 | HERE Global B.V. | Matching location-related information with name information of points of interest |
-
2022
- 2022-10-09 CN CN202211223944.6A patent/CN115292342B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103457975A (zh) * | 2012-06-01 | 2013-12-18 | 腾讯科技（深圳）有限公司 | 获取地图兴趣点评价数据的方法和装置 |
| CN106294458A (zh) * | 2015-05-29 | 2017-01-04 | 北京四维图新科技股份有限公司 | 一种地图兴趣点更新方法及装置 |
| CN108805920A (zh) * | 2018-06-01 | 2018-11-13 | 环境保护部卫星环境应用中心 | 未利用地上土壤污染风险区域的识别方法和装置 |
| CN109145068A (zh) * | 2018-07-12 | 2019-01-04 | 百度在线网络技术（北京）有限公司 | 地图更新方法及装置 |
| CN110176018A (zh) * | 2019-04-18 | 2019-08-27 | 中国测绘科学研究院 | 一种保持结构化地物轮廓特征的图斑合并方法 |
| CN113360586A (zh) * | 2021-06-03 | 2021-09-07 | 深圳前海微众银行股份有限公司 | 地址聚集度查询方法、装置、设备及计算机可读存储介质 |
| CN113743080A (zh) * | 2021-08-16 | 2021-12-03 | 南京星云数字技术有限公司 | 一种分层级地址文本相似度比对方法、装置及介质 |
| CN114723792A (zh) * | 2022-03-25 | 2022-07-08 | 广州极飞科技股份有限公司 | 地块信息更新方法、装置、电子设备及存储介质 |
| CN115019163A (zh) * | 2022-04-01 | 2022-09-06 | 湖南大学 | 基于多源大数据的城市要素识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| 基于位置签到数据的城市空间分析与可视化;陈冉等;《地理信息世界》;20170625(第03期);全文 * |
| 建昌县第三次土地调查变化图斑的核实;李萌;《测绘标准化》;20200615(第02期);全文 * |
| 建筑覆盖面积动态信息的POI数据生成仿真;乔雪等;《计算机仿真》;20200815(第08期);全文 * |
| 耦合约束动态地块分裂和矢量元胞自动机的城市扩张模拟;刘鹏华等;《地理与地理信息科学》;20180715(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115292342A (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110222445A (zh) | 基于bim与设计信息的集成、协同设计和交付方法及系统 | |
| CN107391753B (zh) | 一种基于gis的路产矢量化数据自动生成系统及方法 | |
| CN107092680A (zh) | 一种基于地理网格的政务信息资源整合方法 | |
| CN107391514A (zh) | 一种数据普查成果输出方法 | |
| Huang et al. | Automatic generation of road maps from low quality GPS trajectory data via structure learning | |
| CN114692236B (zh) | 一种面向大数据的国土空间规划底图底数处理方法 | |
| CN115292342B (zh) | 一种基于poi数据更新城市用地现状图的方法、系统及设备 | |
| CN110889794A (zh) | 一种市政道路征地房屋统计方法 | |
| CN110688756B (zh) | 一种采集和制图一体化的竣工图制作方法 | |
| CN114238542A (zh) | 多源交通gis路网多层级实时融合更新方法 | |
| Li et al. | Defining the boundaries of urban built-up area based on taxi trajectories: a case study of Beijing | |
| CN107609242A (zh) | 一种基于智能手机和数字地形图的公路勘察选线方法 | |
| Song et al. | Identifying flow clusters based on density domain decomposition | |
| CN111523606B (zh) | 一种道路信息的更新方法 | |
| Li et al. | A two-phase clustering approach for urban hotspot detection with spatiotemporal and network constraints | |
| CN115860520A (zh) | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 | |
| CN109800903A (zh) | 一种基于出租车轨迹数据的盈利路线规划方法 | |
| CN111738527A (zh) | 一种基于热点探测模型的城市交通小区划分方法 | |
| CN117332945A (zh) | 一种基于gis的丘陵地区县级国土空间规划分区方法 | |
| CN115293585B (zh) | 一种基于gis-t搭建路网机动车动态排放清单的方法 | |
| CN113657776B (zh) | 一种自然保护地立标点选址方法及系统 | |
| Wang et al. | Hierarchical stroke mesh: A new progressive matching method for detecting multi-scale road network changes using OpenStreetMap | |
| Du et al. | A novel semantic recognition framework of urban functional zones supporting urban land structure analytics based on open‐source data | |
| TW202228091A (zh) | 用於產生地圖資料之方法、資料處理設備及電腦程式產品 | |
| CN107220615A (zh) | 一种融合兴趣点大数据的城市不透水面信息提取方法 |
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 |