CN115757986B - 一种乡村生活圈感知画像的方法、装置和介质 - Google Patents
一种乡村生活圈感知画像的方法、装置和介质 Download PDFInfo
- Publication number
- CN115757986B CN115757986B CN202211477864.3A CN202211477864A CN115757986B CN 115757986 B CN115757986 B CN 115757986B CN 202211477864 A CN202211477864 A CN 202211477864A CN 115757986 B CN115757986 B CN 115757986B
- Authority
- CN
- China
- Prior art keywords
- village
- social
- life
- social activity
- taking
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种乡村生活圈感知画像的方法、装置和介质，方法包括：获取乡村生活圈的基础数据，对基础数据进行预处理，提取村民聚居生活信息和构建道路拓扑网络；以村民驻地和社会活动地为节点，以村民在社会活动地的共现性为关系边，建立乡村生活社会网络模型；以村民驻地到社会活动地的共现性为指征，根据社会活动地中心度识别出乡村生活圈中心；计算每一独立生活圈的模块度，以村民在社会活动地的共现性为指征，计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围。本发明对于乡村生活圈中心和范围的识别具有各自独立的算法，无论先描绘中心还是先描绘范围，画像结果均不受影响，保证了乡村生活圈画像的客观性和准确性。
Description
技术领域
本发明属于国土空间测度技术领域，具体涉及一种乡村生活圈感知画像的方法、装置和介质。
背景技术
在国土空间规划领域，乡村生活圈是指乡村居民的日常活动投影在地理空间上所形成的相互关联的生产和生活的集合，能够促进在乡村中形成熟人社区，满足居民日常生活和交往的近邻需求，同时是实现乡村地区均衡资源分配和维护空间公正的重要工具。其中，乡村生活圈规划的前置条件是对乡村生活圈进行画像，以获取生活圈的凝聚范围和凝聚中心。
现有乡村生活圈画像的方法，是基于乡村生活圈是所有村民日常活动空间汇总的认知，从时空地理学的视角，通过测度个体居民生活行为活动轨迹，借助于LBS(LocationBased Service，基于位置的服务)等大数据方法，运用叠置、统计、抽取和降维等方式，从居民个延伸到群体，将居民个体日常生活活动轨迹线性叠加为行为空间，进而获得村民群体活动空间的集合。然而，居民个体活动与乡村生活圈整体结构之间存在复杂的非线性关系，个体静态隔离式的时空行为在某一时空的活动合集表征的是局部热点，而不是生活圈整体。因此，采用从居民个体行为推演乡村生活圈整体的线性叠合方法，容易陷入个体无法过渡到整体的萨缪尔森复合错误，尤其当先入为主地定义以设施为中心或以村民为中心时，得到的对乡村生活圈的画像结果截然不同，因此现有的方法无法客观准确地对乡村生活圈进行画像。
发明内容
本发明的目的是提供一种乡村生活圈感知画像的方法、装置和介质，用以解决现有技术中存在的无法客观准确地对乡村生活圈进行画像的技术问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面提供一种乡村生活圈感知画像的方法，包括：
获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，其中，村民聚居生活信息至少包括村民驻地和社会活动地；
以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型；
以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；
计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围。
在一种可能的设计中，在获取乡村生活圈画像相关的基础数据之后，所述方法还包括：
采用坐标转换和配准工具对所述基础数据进行坐标系配准。
在一种可能的设计中，根据基础数据构建道路拓扑网络，包括：
根据基础数据中的道路运输管理GPS台账数据和地理国情交通数据，提取道路信息；
根据所述道路信息构建道路拓扑网络，并采用地理数据库拓扑验证和修复工具进行道路网络拓扑的检查和修正；
设置出行模式、连通性策略和成本约束条件，构建得到完整的道路拓扑网络。
在一种可能的设计中，以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型，包括：
基于多距离空间聚类分析方法识别社会活动地的最优聚类距离，并将所述最优聚类距离作为构建乡村生活社会网络模型的距离边界；
根据所述道路拓扑网络、所述村民驻地以及所述社会活动地，以拓扑网络距离为计算原则，构建OD成本矩阵，其中，所述OD成本矩阵用于测度所述村民驻地到所述社会活动地的最小出行成本距离；
根据所述OD成本矩阵，通过匹配属性信息，转置得到以所述村民驻地和所述社会活动地为节点，以村民在社会活动地的共现性为关系边的乡村生活二模社会网络模型，其中，所述属性信息至少包括村民驻地人口和出行成本距离。
在一种可能的设计中，基于多距离空间聚类分析方法识别社会活动地的最优聚类距离，包括：
采用多距离空间聚类分析中的Ripley’s K算法，设置距离参数，根据距离参数计算每个距离的聚类密度，并将所有距离的平均聚类密度作为预期标准密度；
通过比较每个距离的聚类密度与预期标准密度之间的差值，识别当前距离的聚类程度，并将聚类程度最大的作为社会活动地的最优聚类距离。
在一种可能的设计中，根据所述道路拓扑网络、所述村民驻地以及所述社会活动地，以拓扑网络距离为计算原则，构建OD成本矩阵，包括：
设置OD参数，根据所述道路拓扑网络，以所述最优聚类距离为可达边界，构建所述村民驻地和所述社会活动地之间的OD成本矩阵。
在一种可能的设计中，以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心，包括：
将所述乡村生活二模社会网络模型投影转换为社会活动地的一模社会网络，其中，所述一模社会网络中节点间的连线的强弱用于表征社会活动地服务于村民驻地的数量；
在二模网络点度中心计算算法的基础上，通过村民驻地人口的加权，计算所述一模社会网络的社会活动地的中心度；
根据所述社会活动地的中心度，采用邻域去重算法识别出乡村生活圈中心。
在一种可能的设计中，计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围，包括：
将所述乡村生活二模社会网络模型中的每一节点分别设为一独立的生活圈，通过加权村民驻地人口属性，计算每一独立生活圈的模块度；
基于贪婪化模块社群发现算法，重复向每一独立生活圈中添加村民驻地节点和社会活动地节点，计算模块度增量，直至得到模块度增量最大的村民驻地和社会活动地分组，识别为乡村生活圈范围。
第二方面提供一种乡村生活圈感知画像的装置，包括：
数据处理模块，用于获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，其中，村民聚居生活信息至少包括村民驻地和社会活动地；
模型构建模块，用于以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型；
中心识别模块，用于以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；
范围识别模块，用于计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围。
第三方面提供一种存储介质，其特征在于，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的乡村生活圈感知画像的方法。
第四方面提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的乡村生活圈感知画像的方法。
第五方面提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面任意一种可能的设计中所述的乡村生活圈感知画像的方法。
本发明相较于现有技术的有益效果为：
本发明通过获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，然后以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型，该模型空间映射出村民日常活动的整体，反映了乡村生活圈中村民个体活动之间存在的非线性特性；然后以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；最后计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围。即本发明中对于乡村生活圈中心和范围的识别具有各自独立的算法，则无论是先描绘中心还是先描绘范围，其画像结果均不受描述顺序的影响，避免了现有线性叠加村民个体日常活动轨迹方法中先入为主定义以设施为中心或者以村民为中心时，出现的画像结果不同的问题，保证了乡村生活圈画像的客观性和准确性。
附图说明
图1为本申请实施例中的乡村生活圈感知画像的方法流程图；
图2为本申请实施例中的乡村生活圈感知画像的方法的逻辑框图。
具体实施方式
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，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅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。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
实施例
为了解决现有技术中先入为主地定义以设施为中心或以村民为中心时，得到的对乡村生活圈的画像结果截然不同，因此现有的方法无法客观准确地对乡村生活圈进行画像的技术问题。本申请实施例提供了一种乡村生活圈感知画像的方法，该方法通过建立乡村生活社会网络模型，模型空间映射出村民日常活动的整体，反映了乡村生活圈中村民个体活动之间存在的非线性特性，对于乡村生活圈中心和范围的识别具有各自独立的算法，则无论是先描绘中心还是先描绘范围，其画像结果均不受描述顺序的影响，避免了现有线性叠加村民个体日常活动轨迹方法中先入为主定义以设施为中心或者以村民为中心时，出现的画像结果不同的问题，保证了乡村生活圈画像的客观性和准确性。
下面将对本申请实施例提供的乡村生活圈感知画像的方法进行详细说明。
其中，需要说明的是，本申请实施例提供的乡村生活圈感知画像的方法可应用于任意使用操作系统的终端设备来对业务订单进行有效监控，其中，操作系统包括但不限于Windows系统、Mac系统、Linux系统、Chrome OS系统、UNIX操作系统、IOS系统和安卓系统等，此处不做限定；其中，终端设备包括但不限于IPAD平板电脑、个人移动电脑、工业计算机、个人计算机等，此处不做限定。为便于描述，除特别说明外，本申请实施例均以个人计算机为执行主体进行说明。可以理解，所述执行主体并不构成对本申请实施例的限定，在其他的一些实施例中可以采用其他类型的终端设备作为执行主体。
如图1-图2所示，是本申请实施例提供的乡村生活圈感知画像的方法的流程图，所述乡村生活圈感知画像的方法包括但不限于由步骤S1～S4实现：
步骤S1.获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，其中，村民聚居生活信息至少包括村民驻地和社会活动地；
其中，需要说明的是，本申请实施例中乡村生活圈画像相关的基础数据包括但不限于国土调查土地利用现状数据、地形图、乡村人口普查、道路运输管理GPS(GlobalPositioning System，全球定位系统)台账数据、地理国情交通数据、互联网POI(Point ofInformation，兴趣点)等数据，上述基础数据的获取方式可以是抽取各官方网站或商业网站的线上数据，也可以是线上获取各机构的纸质数据，并通过人工录入的方式获取，此处不做限定。
其中，在获取乡村生活圈画像相关的基础数据之后，所述方法还包括：
采用坐标转换和配准工具对所述基础数据进行坐标系配准。
具体的，通过ETL(Extract-Transform-Load，抽取，转换，加载)工具将数据统一存入Geodatabase数据库，并使用坐标转换和配准工具对所述基础数据进行坐标系配准，从而使得所有基础数据处于同一坐标系下，便于后续的分析和计算。
在步骤S1一种具体的实施方式中，对所述基础数据进行预处理，以提取村民聚居生活信息，包括：
(1)村民驻地提取，具体是指村民生活在空间上的映射，主要从国土调查土地利用现状数据中提取连片的农村宅基地几何信息，从地形图中提取农村宅基地建筑单体信息，包括建筑功能、几何、层数、面积、权属人等信息，并通过面转点工具得到村民驻地点数据；
(2)村民驻地人口插值，通过插值算法，基于农村宅基地建筑单体信息，代入乡村人口普查数据，计算得到每个村民驻地人口；
(3)社会活动地提取，主要从互联网POI数据中，提取与村民聚居生活相关的村委会、小学、幼儿园、卫生室、小卖部等设施，作为社会活动地。
在步骤S1一种具体的实施方式中，根据基础数据构建道路拓扑网络，包括：
(1)根据基础数据中的道路运输管理GPS台账数据和地理国情交通数据，提取道路信息，其中，道路信息包括但不限于城市道路、国道、省道、县道、乡道、农村道路、机耕道等信息。
(2)根据所述道路信息构建道路拓扑网络，并采用地理数据库拓扑验证和修复工具进行道路网络拓扑的检查和修正，从而避免出现重叠、相交、伪节点、悬挂点等错误；
(3)设置出行模式、连通性策略和成本约束条件，构建得到完整的道路拓扑网络。
步骤S2.以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型。
在步骤S2一种具体的实施方式中，以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型，包括：
步骤S21.基于多距离空间聚类分析方法识别社会活动地的最优聚类距离，并将所述最优聚类距离作为构建乡村生活社会网络模型的距离边界；
具体的，基于多距离空间聚类分析方法识别社会活动地的最优聚类距离，包括：
(1)采用多距离空间聚类分析中的Ripley’s K算法，设置距离参数，根据距离参数计算每个距离的聚类密度，并将所有距离的平均聚类密度作为预期标准密度，其中，距离参数包括但不限于起始距离、增量步长、步数等；
(2)通过比较每个距离的聚类密度与预期标准密度之间的差值，识别当前距离的聚类程度，并将聚类程度最大的作为社会活动地的最优聚类距离。
步骤S22.根据所述道路拓扑网络、所述村民驻地以及所述社会活动地，以拓扑网络距离为计算原则，构建OD成本矩阵，其中，所述OD成本矩阵用于测度所述村民驻地到所述社会活动地的最小出行成本距离；
具体的，根据所述道路拓扑网络、所述村民驻地以及所述社会活动地，以拓扑网络距离为计算原则，构建OD(origin-destination，起点-目的地)成本矩阵，包括：
设置OD参数，根据所述道路拓扑网络，以所述最优聚类距离为可达边界，构建所述村民驻地和所述社会活动地之间的OD成本矩阵，其中，OD参数包括但不限于道路拓扑网络数据、源数据和目标数据，其中，所述关系边的权重是可达距离表征的共现性大小。
步骤S23.根据所述OD成本矩阵，通过匹配属性信息，转置得到以所述村民驻地和所述社会活动地为节点，以村民在社会活动地的共现性为关系边的乡村生活二模社会网络模型，其中，所述属性信息至少包括村民驻地人口和出行成本距离。
步骤S3.以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；
在步骤S3一种具体的实施方式中，以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心，包括：
步骤S31.将所述乡村生活二模社会网络模型投影转换为社会活动地的一模社会网络，其中，所述一模社会网络中节点间的连线的强弱用于表征社会活动地服务于村民驻地的数量；
步骤S32.在二模网络点度中心计算算法的基础上，通过村民驻地人口的加权，计算所述一模社会网络的社会活动地的中心度；
其中，需要说明的是，社会活动地的中心度用于测度社会活动地在乡村生活社会网络中的中心影响力，优选的，采用NetworkX模型库中的二模网络点度中心计算算法加权人口数量，计算社会活动地的中心度。
步骤S33.根据所述社会活动地的中心度，采用邻域去重算法识别出乡村生活圈中心。
其中，需要说明的是，本申请实施例中的邻域去重算法为现有的算法，其具体的算法原理在此不再赘述。
步骤S4.计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围。
在步骤S4一种具体的实施方式中，计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围，包括：
步骤S41.将所述乡村生活二模社会网络模型中的每一节点分别设为一独立的生活圈，通过加权村民驻地人口属性，计算每一独立生活圈的模块度；
步骤S42.基于贪婪化模块社群发现算法，重复向每一独立生活圈中添加村民驻地节点和社会活动地节点，计算模块度增量，直至得到模块度增量最大的村民驻地和社会活动地分组，识别为乡村生活圈范围。
其中，优选的，采用NetworkX模型库中贪婪模块化社群发现算法重复向每一独立生活圈中添加村民驻地节点和社会活动地节点，计算模块度增量，其具体的算法原理为现有的算法原理，此处不再赘述。
基于上述公开的内容，本申请实施例通过获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，然后以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型，该模型空间映射出村民日常活动的整体，反映了乡村生活圈中村民个体活动之间存在的非线性特性；然后以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；最后计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围。即本发明中对于乡村生活圈中心和范围的识别具有各自独立的算法，则无论是先描绘中心还是先描绘范围，其画像结果均不受描述顺序的影响，避免了现有线性叠加村民个体日常活动轨迹方法中先入为主定义以设施为中心或者以村民为中心时，出现的画像结果不同的问题，保证了乡村生活圈画像的客观性和准确性。
第二方面提供一种乡村生活圈感知画像的装置，包括：
数据处理模块，用于获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，其中，村民聚居生活信息至少包括村民驻地和社会活动地；
模型构建模块，用于以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型；
中心识别模块，用于以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；
范围识别模块，用于计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第三方面提供一种存储介质，其特征在于，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的乡村生活圈感知画像的方法。
其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第三方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第四方面提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的乡村生活圈感知画像的方法。
具体举例的，所述存储器可以但不限于包括随机存取存储器(Random-AccessMemory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output，FIFO)和/或先进后出存储器(First Input Last Output，FILO)等等；所述处理器可以不限于采用型号为STM32F105系列的微处理器；所述收发器可以但不限于为WiFi(无线保真)无线收发器、蓝牙无线收发器、GPRS(General Packet RadioService，通用分组无线服务技术)无线收发器和/或ZigBee(紫蜂协议，基于IEEE802.15.4标准的低功耗局域网协议)无线收发器等。此外，所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第四方面提供的前述计算机设备的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第五方面提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面任意一种可能的设计中所述的乡村生活圈感知画像的方法。
本实施例第五方面提供的前述包含指令的计算机程序产品的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种乡村生活圈感知画像的方法，其特征在于，包括：
获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，其中，村民聚居生活信息至少包括村民驻地和社会活动地；
以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型；
以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；
计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围；
以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型，包括：
基于多距离空间聚类分析方法识别社会活动地的最优聚类距离，并将所述最优聚类距离作为构建乡村生活社会网络模型的距离边界；
根据所述道路拓扑网络、所述村民驻地以及所述社会活动地，以拓扑网络距离为计算原则，构建OD成本矩阵，其中，所述OD成本矩阵用于测度所述村民驻地到所述社会活动地的最小出行成本距离；
根据所述OD成本矩阵，通过匹配属性信息，转置得到以所述村民驻地和所述社会活动地为节点，以村民在社会活动地的共现性为关系边的乡村生活二模社会网络模型，其中，所述属性信息至少包括村民驻地人口和出行成本距离。
2.根据权利要求1所述的乡村生活圈感知画像的方法，其特征在于，在获取乡村生活圈画像相关的基础数据之后，所述方法还包括：
采用坐标转换和配准工具对所述基础数据进行坐标系配准。
3.根据权利要求1所述的乡村生活圈感知画像的方法，其特征在于，根据基础数据构建道路拓扑网络，包括：
根据基础数据中的道路运输管理GPS台账数据和地理国情交通数据，提取道路信息；
根据所述道路信息构建道路拓扑网络，并采用地理数据库拓扑验证和修复工具进行道路网络拓扑的检查和修正；
设置出行模式、连通性策略和成本约束条件，构建得到完整的道路拓扑网络。
4.根据权利要求1所述的乡村生活圈感知画像的方法，其特征在于，基于多距离空间聚类分析方法识别社会活动地的最优聚类距离，包括：
采用多距离空间聚类分析中的Ripley’s K算法，设置距离参数，根据距离参数计算每个距离的聚类密度，并将所有距离的平均聚类密度作为预期标准密度；
通过比较每个距离的聚类密度与预期标准密度之间的差值，识别当前距离的聚类程度，并将聚类程度最大的作为社会活动地的最优聚类距离。
5.根据权利要求1所述的乡村生活圈感知画像的方法，其特征在于，根据所述道路拓扑网络、所述村民驻地以及所述社会活动地，以拓扑网络距离为计算原则，构建OD成本矩阵，包括：
设置OD参数，根据所述道路拓扑网络，以所述最优聚类距离为可达边界，构建所述村民驻地和所述社会活动地之间的OD成本矩阵。
6.根据权利要求1所述的乡村生活圈感知画像的方法，其特征在于，以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心，包括：
将所述乡村生活二模社会网络模型投影转换为社会活动地的一模社会网络，其中，所述一模社会网络中节点间的连线的强弱用于表征社会活动地服务于村民驻地的数量；
在二模网络点度中心计算算法的基础上，通过村民驻地人口的加权，计算所述一模社会网络的社会活动地的中心度；
根据所述社会活动地的中心度，采用邻域去重算法识别出乡村生活圈中心。
7.根据权利要求1所述的乡村生活圈感知画像的方法，其特征在于，计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围，包括：
将所述乡村生活二模社会网络模型中的每一节点分别设为一独立的生活圈，通过加权村民驻地人口属性，计算每一独立生活圈的模块度；
基于贪婪化模块社群发现算法，重复向每一独立生活圈中添加村民驻地节点和社会活动地节点，计算模块度增量，直至得到模块度增量最大的村民驻地和社会活动地分组，识别为乡村生活圈范围。
8.一种乡村生活圈感知画像的装置，其特征在于，包括：
数据处理模块，用于获取乡村生活圈画像相关的基础数据，对所述基础数据进行预处理，以提取村民聚居生活信息和构建道路拓扑网络，其中，村民聚居生活信息至少包括村民驻地和社会活动地；
模型构建模块，用于以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型；
中心识别模块，用于以所述村民驻地到所述社会活动地的共现性为指征，测度在不同出行模式下所述乡村生活社会网络模型的社会活动地中心度，并根据所述社会活动地中心度识别出乡村生活圈中心；
范围识别模块，用于计算所述乡村生活社会网络模型中每一独立生活圈的模块度，并以村民在所述社会活动地的共现性为指征，通过社群发现算法计算模块度增量最大的村民驻地和社会活动地分组，识别出乡村生活圈范围；
以所述村民驻地和所述社会活动地为节点，以村民在所述社会活动地的共现性为关系边，并根据所述道路拓扑网络，建立乡村生活社会网络模型，包括：
基于多距离空间聚类分析方法识别社会活动地的最优聚类距离，并将所述最优聚类距离作为构建乡村生活社会网络模型的距离边界；
根据所述道路拓扑网络、所述村民驻地以及所述社会活动地，以拓扑网络距离为计算原则，构建OD成本矩阵，其中，所述OD成本矩阵用于测度所述村民驻地到所述社会活动地的最小出行成本距离；
根据所述OD成本矩阵，通过匹配属性信息，转置得到以所述村民驻地和所述社会活动地为节点，以村民在社会活动地的共现性为关系边的乡村生活二模社会网络模型，其中，所述属性信息至少包括村民驻地人口和出行成本距离。
9.一种存储介质，其特征在于，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～7任意一项所述的乡村生活圈感知画像的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211477864.3A CN115757986B (zh) | 2022-11-23 | 2022-11-23 | 一种乡村生活圈感知画像的方法、装置和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211477864.3A CN115757986B (zh) | 2022-11-23 | 2022-11-23 | 一种乡村生活圈感知画像的方法、装置和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115757986A CN115757986A (zh) | 2023-03-07 |
| CN115757986B true CN115757986B (zh) | 2023-10-03 |
Family
ID=85336391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211477864.3A Active CN115757986B (zh) | 2022-11-23 | 2022-11-23 | 一种乡村生活圈感知画像的方法、装置和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115757986B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
| CN112991124A (zh) * | 2021-02-03 | 2021-06-18 | 河南财经政法大学 | 基于场强模型的农村居民点空间结构识别与优化方法 |
| WO2021143090A1 (zh) * | 2020-01-16 | 2021-07-22 | 华南理工大学 | 社区生活圈空间识别方法、系统、计算机设备及存储介质 |
| WO2022105111A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技（深圳）有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
| CN114926098A (zh) * | 2022-06-30 | 2022-08-19 | 华中科技大学 | 基于移动定位数据的城乡生活圈快速划定方法及其系统 |
-
2022
- 2022-11-23 CN CN202211477864.3A patent/CN115757986B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021143090A1 (zh) * | 2020-01-16 | 2021-07-22 | 华南理工大学 | 社区生活圈空间识别方法、系统、计算机设备及存储介质 |
| AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
| WO2022105111A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技（深圳）有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
| CN112991124A (zh) * | 2021-02-03 | 2021-06-18 | 河南财经政法大学 | 基于场强模型的农村居民点空间结构识别与优化方法 |
| CN114926098A (zh) * | 2022-06-30 | 2022-08-19 | 华中科技大学 | 基于移动定位数据的城乡生活圈快速划定方法及其系统 |
Non-Patent Citations (1)
| Title |
|---|
| 马晓婷 ; .基于交通网络分析的城市社区生活圈划分――以山西省原平市中心城区为例.四川建筑.2020,(04),第 11-14+17页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115757986A (zh) | 2023-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107396304B (zh) | 基于智能手机的实时城市人口密度及人群流动估计方法 | |
| Huang et al. | Big spatial data for urban and environmental sustainability | |
| Liu et al. | Characterizing mixed-use buildings based on multi-source big data | |
| CN108181607B (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
| WO2016150407A1 (zh) | 一种基于地址解析数据的建设用地类型快速识别方法 | |
| Wu et al. | A comprehensive quality assessment framework for linear features from Volunteered Geographic Information | |
| CN104281991A (zh) | 智慧社区三维监控平台及智慧社区三维监控方法 | |
| CN106849353B (zh) | 输变电工程环保监测与敏感区域预测系统及方法 | |
| CN114548811B (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
| Xue et al. | Multi-source data-driven identification of urban functional areas: A case of Shenyang, China | |
| CN112861972A (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
| Zeng et al. | Integrating anthropogenic heat emissions and cooling accessibility to explore environmental justice in heat-related health risks in Shanghai, China | |
| Aasa et al. | Spatial interpolation of mobile positioning data for population statistics | |
| CN113222327A (zh) | 一种基于服务能力的地块可达性分析方法 | |
| CN110753097B (zh) | 数据处理方法、电子设备及计算机可读存储介质 | |
| Leyk et al. | Establishing relationships between parcel data and land cover for demographic small area estimation | |
| KR20150018121A (ko) | Ｇｉｓ 기반 축제방문객 통계관리 시스템 및 방법 | |
| Zhou et al. | Residential-employment mixed use and jobs-housing balance: A case study of Shenzhen, China | |
| CN117114210B (zh) | 无障碍公共设施布局优化方法、装置、设备及存储介质 | |
| CN115757986B (zh) | 一种乡村生活圈感知画像的方法、装置和介质 | |
| Moise et al. | Analyzing geographical access to HIV sentinel clinics in relation to other health clinics in Zambia | |
| Sun et al. | Deep convolutional autoencoder for urban land use classification using mobile device data | |
| Zhao et al. | Urban spatial structure analysis: quantitative identification of urban social functions using building footprints | |
| Cui et al. | Research on the driving forces of urban hot spots based on exploratory analysis and binary logistic regression model | |
| Dong et al. | The universality in urban commuting across and within cities |
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 |