WO2016150407A1 - 一种基于地址解析数据的建设用地类型快速识别方法 - Google Patents

一种基于地址解析数据的建设用地类型快速识别方法 Download PDF

Info

Publication number
WO2016150407A1
WO2016150407A1 PCT/CN2016/082559 CN2016082559W WO2016150407A1 WO 2016150407 A1 WO2016150407 A1 WO 2016150407A1 CN 2016082559 W CN2016082559 W CN 2016082559W WO 2016150407 A1 WO2016150407 A1 WO 2016150407A1
Authority
WO
WIPO (PCT)
Prior art keywords
land
data
unit
land use
construction
Prior art date
Application number
PCT/CN2016/082559
Other languages
English (en)
French (fr)
Inventor
赵渺希
郭振松
Original Assignee
华南理工大学
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 华南理工大学 filed Critical 华南理工大学
Priority to SG11201707620RA priority Critical patent/SG11201707620RA/en
Publication of WO2016150407A1 publication Critical patent/WO2016150407A1/zh

Links

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
    • 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

Definitions

  • the invention relates to the research field of urban construction land, and particularly relates to a rapid identification method for construction land type based on address analysis data.
  • Niu Xinyi (2008) relied on GIS technology to analyze resources, environment and The economic data for scenario simulation of land use proposes a method for generating functional partition planning schemes; Liu Yaolin (2010) uses basic statistical data and spatial data for land suitability evaluation, and proposes a method for land use zoning and layout; Tao Pei (2014) used the call volume and volume of mobile data to study the relationship between social function and land use.
  • diverse Internet data is a direct reflection of urban functions. Using these data to study the function of cities and the nature of land use will help to improve the level of urban planning and enrich the means of planning technology.
  • the above technical solutions still cannot solve the rapid identification of the construction land.
  • the main object of the present invention is to overcome the shortcomings and deficiencies of the prior art, and to provide a method for quickly identifying a construction land type based on address resolution data.
  • a method for quickly identifying a construction land type based on address resolution data comprising the steps of:
  • the land use type division map is used to judge the land use rate and the land use accuracy rate respectively. When it satisfies both requirements, the address can be determined. The rapid identification of the construction land type of the analytical data is completed.
  • step S1 the land identification data acquisition based on the Sina open platform and/or the land identification data acquisition based on the Baidu LBS open platform is obtained;
  • the data acquisition suspension is required to wait for the cancellation to continue to run, after the returned data is encoded and formatted, the data acquisition is completed, wherein the data information mainly includes Check-in address, classification and code, number of sign-in, number of people signing in, latitude and longitude, number of photos;
  • Baidu LBS open platform address service interface based on Baidu LBS open platform for land use identification data acquisition; through Baidu LBS open platform address service interface, combined with Locoy Spider data acquisition software to obtain a certain range of facility geographic information, facility name, number of comments, comment scores, specific for:
  • the obtained data information includes the facility name, the facility latitude and longitude, the address, the number of comments, and score.
  • step S2 the traditional data is subjected to address resolution through the service function of the Geocoding API in the Baidu LBS open platform, and the specific method is:
  • step S3.1 the functional strength measurement model of each type of construction land is:
  • H i in the formula is the functional strength of the land of the i-th unit
  • ⁇ k is the weight of the k-th data element
  • P ik is the standard value of the k-th data element in the i-th unit
  • S i is the i-th unit
  • i 1, 2, ..., m
  • k 1, 2, ..., n
  • the standard value P ik of the various types of data elements calculated above is superimposed and calculated according to the weight relationship ⁇ k , and the functional strength of each unit is obtained by calculating the ratio of the sum of the standard values of the data elements in the unit to the area of the unit construction land S i . ,
  • the functional strength measurement of various types of construction land includes the determination of the strength of the residential function, the measurement of the functional strength of the public management and public service facilities, the measurement of the functional strength of the commercial service facility, the measurement of the functional strength of the industry, and the determination of the functional strength of the logistics storage. , functional strength measurement of roads and transportation facilities, functional strength measurement of public facilities, and functional strength measurement of green spaces and squares.
  • step S3.2 the specific method for comprehensive assessment of the properties of various types of construction land is:
  • step S3.2.4 the determination is as follows:
  • Residential land A unit that has only one significant land use function in the unit and is a function of residential land is determined as a residential land;
  • Residential mixed land A unit that has two or more types of significant land use functions in the unit and includes the function of the residential land is determined as a residential mixed land;
  • Land for public management and public service facilities The unit that has only one significant land use function in the unit and functions for the public service land is determined as the land for public management and public service facilities; in addition, there are two or more types in the unit.
  • the unit of the land use function and the function of the public service land and the green land, the industrial storage, and the municipal road land are determined as the land for public management and public service facilities;
  • a unit that has only one significant land use function in the unit and is a commercial land function is determined to be a commercial service facility land; in addition, there are two or more significant land use functions in the unit, and The unit for commercial land function and green land, industrial storage, and municipal road land function is determined as a commercial service facility land;
  • Public service and commercial mixed land A unit that has two significant land use functions in the unit and functions for public service land and commercial land is determined as a public service and commercial mixed land;
  • Green space and square land The unit with only one kind of significant land use function and the function of green land and square land is judged as green land and square land; in addition, there are two or more kinds of significant land use functions in the unit, and The unit for the combination of green land and square land use functions with industrial storage and municipal road land functions is determined as green land and square land;
  • Industrial storage mixed land The unit that has only one significant land use function in the unit and is used for industrial land function or logistics storage land function is determined as industrial storage mixed land;
  • a unit that has only one significant land use function in the unit and functions as a public land use function or a road traffic facility land use function is determined as a mixed use of public facilities and road traffic facilities;
  • Land that fails to determine the nature of land use A unit that does not have a significant land use function is determined as a land that fails to determine the nature of the land.
  • the method for checking the nature of the urban construction land is:
  • the recognition rate of the nature of the construction land is ⁇ ⁇ 80%, it means that the land recognition rate is qualified; otherwise, if it is unqualified, it is necessary to re-divide the space unit or supplement the relevant land identification data and then perform calculation and analysis again;
  • the method for checking the accuracy of urban construction land use identification is:
  • the specific operation method for checking the accuracy of the identification of the nature of urban construction land is:
  • a new "self-drawn land type" field is added, which is different from the type of rapid identification land use, and according to the aerial image map and the electronic image map, the land use attribute is entered in the corresponding space unit, and the self-painting current land use analysis map is obtained;
  • the area of the spatial unit with inconsistent land use is obtained by calculating the ratio of the area of the land with the same nature of the land within the sampling range to the accuracy of the land use identification.
  • the specific calculation formula is:
  • the present invention has the following advantages and beneficial effects:
  • the invention provides a method for quickly identifying the type of construction land based on address analysis data, which greatly reduces the time cost and labor cost compared with the traditional field survey and research to map the current land use property analysis map.
  • a more convenient and fast method for identifying land use types In reality, a city construction land is often a mixture of multiple functions, rather than a single nature of land. Based on the current classification of urban construction land, this method proposes a variety of mixed land concepts, which is more in line with the actual carrying capacity of construction land.
  • the invention is built on the basis of address resolution data, and the recognition rate and accuracy of the construction land property identification are closely related to the data source. For cities or regions where the address resolution data is accurate and rich, the nature of the construction land can be To achieve rapid identification; conversely, there will be a certain bottleneck for areas where data is missing. At the same time, how to apply this research method to guide the functional layout of urban land use and the mixed mode of urban land use needs further study.
  • FIG. 1 is a specific implementation technical flowchart of a method for quickly identifying the nature of construction land based on address resolution data
  • Figure 2 is a measurement diagram of the strength of the living function
  • Figure 3 is a functional strength measurement diagram of public management and public service facilities
  • Figure 4 is a functional strength measurement diagram of a commercial service facility
  • Figure 5 is a diagram of the functional strength measurement of the industry
  • Figure 6 is a functional strength measurement diagram of the logistics warehousing
  • Figure 7 is a functional strength measurement diagram of roads and traffic facilities
  • Figure 8 is a functional strength measurement diagram of a utility
  • Figure 9 is a functional intensity measurement diagram of a green space and a square
  • Figure 10 is a comprehensive division map of the nature of construction land.
  • the invention is a working base diagram for identifying the type of construction land by the boundary of the city (region), the scope of the construction land and the current road network, and the combination of the network open address analysis data and the traditional address analysis data is obtained through calculation and analysis.
  • the functional strength of various types of construction land in the city and the comprehensive assessment of the nature of the land (as shown in Figure 1).
  • the most important feature of the invention is that the address analysis data is used to quickly identify the construction land type, including the mining of research data, the address analysis of traditional data, the calculation and analysis method of the strength measurement of construction land, and the calculation and analysis of the comprehensive assessment of the nature of construction land.
  • the method and the method of checking the nature of the construction land include the following steps:
  • the invention uses network data as the main data source, including Baidu open platform data, Sina Weibo open platform data, etc., supplemented by data such as business directory to enrich the data source.
  • the invention divides urban construction land into residential land (R), public management and public service facility land (A), commercial service industry land (B), industrial land. (M), logistics and storage land (W), land for roads and transportation facilities (S), land for public facilities (U), land for green space and land for square (G), and different types of land are selected for different types of land.
  • Data Sources The invention utilizes an address resolution tool of the Baidu open platform to perform address on data such as a business directory. Analyze, and through the GIS system, the network data and the traditional data are unified spatially and coordinately corrected, and the functional strength of the classified land and the comprehensive evaluation of the nature of the land are carried out.
  • the data information mainly includes the check-in address, classification and code, the number of sign-in, the number of people sign in, the latitude and longitude, the number of photos, and the like.
  • the obtained data information includes the facility name, facility latitude and longitude, address, number of comments, and rating. Wait.
  • the traditional data such as the business directory is subjected to address resolution to obtain its geographic information. It should be specially noted that the obtained address resolution information has a certain deviation, and needs to be filtered and corrected in the process of spatially occupying the later data.
  • the specific steps are as follows:
  • the data obtained according to the nature of the urban construction land is divided into the corresponding eight categories for sorting, spatial placement in the GIS system, coordinate transformation and data Correction.
  • the existing construction land is divided by the current road center line, and the formed street block unit is used as a spatial unit for data placement. It should be specially noted that, because some spatial units lack relevant address resolution data, at this time, some block units with missing address resolution data and dense road networks are merged to improve the recognition rate of the nature of construction land.
  • the present invention realizes the comprehensive evaluation of the functional strength of various types of construction land and the nature of land use through comprehensive evaluation of various types of data, specifically including two aspects:
  • the functional strength of various types of construction land is measured.
  • the block unit divided by the road center line is used as the spatial unit of various types of data, and the number of facilities of different land use properties in the space unit is separately counted in the GIS system.
  • the entropy weighting method is applied to different data sources for normalization processing and weight calculation, and then the standard values are superimposed according to the weights between different data sources.
  • the standard values and spaces are summarized by the calculation unit. The ratio of the unit areas gives the functional intensity distribution of various land-use properties.
  • Table 1 Main data sources for determining the functional strength of various types of construction land
  • the entropy weighting method is used to perform normalization processing and weight calculation on the absolute data values after unit summarization, to solve the problem of dimensional inconsistency caused by different data sources. Then, according to the weight between different data sources, the standard value is superimposed. Finally, the functional intensity distribution of various types of land is obtained by the ratio of the standard value and the spatial unit area summarized by the calculation unit.
  • H i in the formula is the functional strength of the land of the i-th unit
  • ⁇ k is the weight of the k-th data element
  • P ik is the standard value of the k-th data element in the i-th unit
  • the standard value P ik of the various types of data elements calculated above is superimposed and calculated according to the weight relationship ⁇ k , and the functional strength of each unit is obtained by calculating the ratio of the sum of the standard values of the data elements in the unit to the area of the unit construction land S i . .
  • Baidu LBS open platform The address-resolved enterprise directory data is imported into the GIS system for spatial placement and coordinate correction, and the spatial unit covered is uniformly assigned with a radius of 300 meters (this study will uniformly cover the unit and assign the average value of Baidu data in the area). Value), as with Baidu data, then summarize by space unit.
  • the two types of data elements are superimposed according to the spatial unit and the weight relationship, and the residential land function of each unit is obtained by calculating the ratio of the sum of the standard values after superposition and the area S i of the construction land.
  • Intensity G i in this case, the southern land of Tianhe District was selected as a demonstration of results, as shown in Figure 2.
  • the functional strength of public management and public service facilities was determined by Baidu open platform data, Sina Weibo sign-in data and 2014 business directory data, and the public management and public service facilities were determined by the spatial distribution characteristics of public management and public service facilities. Distribution (see Table 3).
  • Table 3 Main data of the function strength measurement of public management and public service facilities
  • Sina Weibo sign-in data is classified as “Government Agency”, “Tax”, “Police Bureau”, “Court”, “Retirement Home”, “Campus Life”, “Museum”, “Library”, “Cultural Palace”
  • Public management and public service facilities such as "exhibition hall”, “high school”, “primary school” are screened out, and space placement and coordinate correction are performed in the GIS system, and are summarized according to the space unit.
  • the absolute point data of the unit summary is normalized, and the standard value P ik of the above four types of data elements is obtained, and the formula is calculated according to the entropy weighting method (4).
  • the formula (5) obtains the weight relationship between Baidu "university" data ⁇ 1 , Baidu other data ⁇ 2 , Weibo sign-in data ⁇ 3 , and business directory data ⁇ 4 is 0.2550, 0.2482, 0.2485, 0.2483.
  • Sina Weibo sign-in data is classified as “Food and Beverage”, “Coffee Shop”, “Tea House”, “Dessert Shop”, “Dish”, “Car Repair”, “Shopping Service”, “Shopping Mall”, “Special Sale”
  • the commercial facilities such as “shop”, “furniture building materials market”, “beauty salon” and “hotel” were screened out, and coordinate correction and unit summary were performed in the GIS system together with Baidu data.
  • Baidu open platform data Take Tianhe District of Guangzhou City as an example.
  • Baidu data selects the data with “factory” as the key word, Sina Weibo signs the data and selects the classification label as “industrial park” data, and performs spatial placement and coordinate correction in the GIS system. It should be specially stated that there is less industrial land in the Tianhe area, so the relevant address analysis data will also be reduced.
  • the standard values of the two types of data are superimposed according to the weight relationship, and divided by the unit construction land area S i to obtain the functional intensity G i of the industrial land, as shown in FIG. 5 .
  • the functional strength of the logistics storage land is determined by Baidu open platform data and 2014 business directory data (see Table 6).
  • the relevant data of the keywords “Warehouse” and “Logistics” are obtained. It is necessary to specify the relevant data obtained by searching for the keyword “logistics”, only a small amount of logistics.
  • the warehouse belongs to the logistics storage land, and most of the logistics operation outlets belonging to the commercial facilities should be screened and eliminated.
  • the industry classification code is “57 loading and unloading and other transportation service industry” and “58 warehousing industry” data, and some commercial enterprises’ office facilities data are carried out. Eliminated.
  • the above two types of data are separately imported into the GIS system for spatial placement and coordinate correction, and the statistics are summarized according to the spatial unit.
  • the absolute value is normalized by the entropy weighting method normalization formula (2) and formula (3), and the weight calculation is performed by using formula (4) and formula (5) to obtain Baidu data.
  • the weight ⁇ 1 and the business directory data weight ⁇ 2 are 0.5002 and 0.4998, respectively.
  • the entropy weighting method normalization formula (2) and formula (3) are used to normalize the absolute values, and use the formula (4) and formula (5) to calculate the weights, and obtain Baidu data weights ⁇ 1 , Sina
  • the microblog data weight ⁇ 2 and the business directory data weight ⁇ 3 are 0.3499, 0.3258, and 0.3243, respectively.
  • the functional strength of the utility is determined by Baidu open platform data and 2014 business directory data (see Table 8).
  • the functional strength of the green space and the square land is determined by Baidu open platform data and Sina Weibo sign-in data (see Table 9).
  • the calculation method of the mean square error is used to make a significant judgment on the land use properties of each unit.
  • land use compatibility characteristics and Relying on the new land use classification including: residential land (R), residential mixed land (R+), public management and public service facilities (A), commercial service facilities (B), public services and business Mixed land (A/B), green land and square land (G), industrial storage mixed land (M/W), mixed land for public facilities and road traffic facilities (S/U), other mixed land (O) and failure to distinguish Nine types of land, such as land use (N).
  • R+ residential mixed land
  • A/B industrial storage mixed land
  • S/U mixed use of public facilities and road traffic facilities
  • O other mixed land
  • the land for public facilities and the land for road traffic facilities, industrial land and logistics storage land are respectively merged to obtain the functional strength G ik of the six types of land.
  • the land can be determined according to the land use function, land use relationship, land compatibility, and aerial image map.
  • R A unit that has only one significant land use function and is a residential land function is determined as a residential land.
  • R+ A unit that has two or more kinds of significant land use functions in the unit and includes the function of the residential land is determined as a residential mixed land.
  • A The unit that has only one significant land use function in the unit and functions for the public service land is determined as the land for public management and public service facilities; in addition, there are two types in the unit or Two or more significant land use functions, and units that mix functions of public service land with green space, industrial storage, and municipal road land are judged as public management and public service facilities.
  • B Commercial service industry land
  • the unit that has only one significant land use function in the unit and is a commercial land function is judged as a commercial service facility land; in addition, there are two or more kinds of significance in the unit.
  • the unit that uses the land function and is mixed with the functions of the green space, the industrial storage, and the municipal road is determined to be the land for the commercial service industry.
  • a unit that has two distinctive land functions in the unit and functions for public service land and commercial land is determined as a public service and commercial mixed land.
  • Green space and square land The unit that has only one significant land use function in the unit and is the function of the green space and the square land is judged as the green land and the square land; in addition, there are two or more kinds of significance in the unit.
  • the unit that uses the land function and is mixed with the function of the green space and the plaza and the function of the industrial storage and the municipal road is judged to be the land for the green space and the plaza.
  • M/W Industrial storage mixed land
  • Utilities and road traffic facilities mixed land S/U: A unit that has only one significant land use function in the unit and functions as a public land use function or a road traffic facility land use function is defined as a mixed use of public facilities and road traffic facilities. .
  • N 9 Land that fails to determine the nature of land use (N): A unit that does not have a significant land use function is determined as a land that fails to determine the nature of the land.
  • the land classification information of each unit is imported into the spatial unit in the GIS system for classification display, and the satellite aerial image map and electronic map are used to assist the difficult-to-recognize mixed-use unit to obtain various types of urban construction land. Divide the graph (as shown in Figure 10).
  • the land use type classification map is used to judge the land use rate and the land use accuracy rate, when it satisfies both requirements simultaneously. It can be determined that the construction land type based on the address resolution data is quickly identified.
  • the number of spatial units identified by the nature of construction land is 847, of which the number of spatial units that fail to determine the nature of land use is 12, and the recognition rate ⁇ of the construction land can be calculated to be 98.58%. Meet the requirements.
  • a certain sampling range is delineated in the generated property land division map, wherein the sampling area should not be less than 10% of the total construction land area.
  • the current land use property map of the range is obtained by a third party, or the current land use property map within the sampling range is drawn by means of an aerial image map and an electronic satellite image.
  • the accuracy of land use identification is calculated by comparing the coincident areas between the two.
  • the area of the spatial unit with inconsistent land use is obtained by calculating the ratio of the area of the land with the same nature of the land within the sampling range to the accuracy of the land use identification.
  • the specific calculation formula is:
  • the construction land area of Tianhe District is 1096391.10m 2
  • the sampling area is 132161.56m 2 , which is more than 10% of the total construction land area.
  • the accuracy is calculated by comparing the consistency of the two maps in the GIS system.
  • the property identification of Huacheng Square should be regarded as consistent; in addition, since the Sports West Community and the Sports East Community are open commercial and mixed land, they will be classified as commercial land and self-drawn land in the results of rapid identification.
  • the current situation map categorizes it as residential land, and the identification of its land use should also be considered as consistent.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于地址解析数据的建设用地类型快速识别方法，包括下述步骤：Sl、利用现有开放平台的地址解析工具对所挖掘的各项数据进行地址解析；S2、对传统数据进行地址解析，获取其地理信息；S3、基于地址解析数据的类型和特征，通过各类数据的综合评价实现对各类建设用地的功能强度测定和用地性质的综合评价；S4、在建设用地功能强度测定和用地性质的综合评价之后，对生成的用地类型划分图分别进行用地识别率和用地识别准确率的判断，当它同时满足这两个要求时即可判定基于地址解析数据的建设用地类型快速识别完成。该方法与传统的实地勘察和调研进行绘制现状用地性质分析图相比，大大缩减了时间成本和人力成本。

Description

一种基于地址解析数据的建设用地类型快速识别方法 技术领域
本发明涉及城市建设用地的研究领域，特别涉及一种基于地址解析数据的建设用地类型快速识别方法。
背景技术
伴随着新信息技术的快速发展，大数据时代的降临已经改变了城市生活，同时也推动了城市规划技术的发展。近年来，社会活动产生数据快速增长，例如微博数据、手机数据、公交卡数据、图片数据、百度数据等为城市规划提供了更多的计算机数据支持。国内外学者已经对如何将这些数据应用到城市规划中做了一些尝试。Steven(2001)利用人口普查中的住房数据对土地利用和开放空间设施的布局进行了研究；Mark(2010)利用基于报纸数据进行文本分析，对土地利用和社会变化的关系进行了探究；Rob(2013)基于Flickr图片数据对地理类型聚类特征进了研究；王树亮(2001)利用GPS数据和网络数据分析了城市和乡村区域的土地使用情况；钮心毅(2008)依托GIS技术通过分析资源、环境和经济数据进行土地利用的情景模拟，提出了一种功能分区规划方案生成的方法；刘耀林(2010)利用基础统计数据和空间数据进行用地适宜性评价，提出了一种土地利用分区和布局的方法；陶佩(2014)利用手机数据的呼叫量和通话量对社会功能与用地性质划分的关系进行了研究。在大数据时代，多样的互联网数据是城市功能的直接反映，利用这些数据对城市功能和用地性质的研究将有助于提升城市规划的层次，并且丰富规划技术的手段。但是上述技术方案仍然不能很好的解决建设用地的快速识别。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于地址解析数据的建设用地类型快速识别方法。
为了到达上述目的，本发明采用以下技术方案：
一种基于地址解析数据的建设用地类型快速识别方法，其特征在于，包括下述步骤：
S1、研究数据的挖掘，利用现有开放平台的地址解析工具对所挖掘的各项数据进行地址解析，并通过GIS系统将网络数据和传统数据统一空间落位和坐标校正，进行分类用地的功能强度测定和用地性质的综合评定；
S2、对传统数据进行地址解析，获取其地理信息；
S3、基于地址解析数据的类型和特征，通过各类数据的综合评价实现对各类建设用地的功能强度测定和用地性质的综合评价，具体包括：
S3.1、各类建设用地的功能强度测定，在现状道路网的基础上，以道路中心线划分的街块单元作为各类数据的空间落位单元，在GIS系统中分别统计空间单元内不同用地性质的设施数量，首先针对各类用地性质中对不同数据源采取熵值赋权法进行归一化处理和权重计算，然后按照不同数据源之间的权重进行标准值叠加，最后通过计算单元汇总的标准值与空间单元面积的比值得到各类用地性质的功能强度分布情况；
S3.2、各类建设用地性质的综合评定，在获得各类用地功能强度测定的基础上，将空间单元内各类用地功能强度高于平均值0.5个标准差的用地功能定义为该空间单元的显著功能；
S4、在建设用地功能强度测定和用地性质的综合评价之后，对生成的用地类型划分图分别进行用地识别率和用地识别准确率的判断，当它同时满足这两个要求时即可判定基于地址解析数据的建设用地类型快速识别完成。
优选的，步骤S1中是基于新浪开放平台的用地识别数据获取和/或基于百度LBS开放平台的用地识别数据获取；
S1.1、基于新浪开放平台的用地识别数据获取的具体步骤为：
S1.1.1、根据要求填写新浪微博微博开放平台相关网页信息，获取App Key和App Secret；
S1.1.2、登陆新浪微博开放平台数据获取界面，输入数据获取所需的参数，点击调用接口，得到返回结果；
S1.1.3、选择地理信息接口中的place/nearby/pois接口，根据相关请求参数的要求编写URL请求，配置查询中心点的经纬度、查询范围、数据排序方式、单页返回记录条数、返回数据的起始和终止页数信息，并运用抓取新浪微博签到数据的Python工具批量获取所述数据；
S1.1.4、数据获取需要说明的是新浪开放平台有限时访问次数，数据获取中止是需等限制取消才能继续运行，将返回的数据进行编码格式转换之后，数据获取完成，其中，数据信息主要包括签到地址、分类及代码、签到数量、签到人数、经纬度、照片数量；
S1.2、基于百度LBS开放平台的用地识别数据获取；通过百度LBS开放平台的地址服务接口，结合Locoy Spider数据获取软件获取一定范围内的设施地理信息、设施名称、评论数量、评论分数，具体为：
S1.2.1、申请获取百度LBS开放平台API接口密钥；
S1.2.2、设置相关的URL请求参数；
S1.2.3、将配置好的URL请求参数在浏览器中打开，获取搜索对象的数量；
S1.2.4、将拼写合格的地址解析URL请求导入Locoy Spider工具，设置好采集标签和文本模板后开始对进行百度用地数据的获取，获取的数据信息包括设施名称、设施经纬度、地址、评论数量以及评分。
优选的，步骤S2中，通过百度LBS开放平台中的Geocoding API的服务功能，对传统数据进行地址解析，其具体方法为：
S2.1、申请获取百度LBS开放平台API接口密钥；
S2.2、根据相关的参数要求和获得的接口密钥，编写地址解析的URL请求；
S2.3、根据地址数据拼写地址解析的URL请求，并将拼写合格的地址解析URL请求存为TXT文本格式批量导入Locoy Spider工具，设置好采集标签和文本模板后开始利用Locoy Spider工具对带有地址信息的数据进行批量地址坐标解析，从而得到其地理信息。
优选的，步骤S3.1中，各类建设用地的功能强度测定模型为：
Figure PCTCN2016082559-appb-000001
式中的Hi为第i个单元的用地功能强度，αk为第k类数据要素的权重，Pik为第i个单元内第k类数据要素的标准值，Si为第i个单元的建设用地面积，其中i＝1，2，...，m；k＝1，2，...，n；具体如下：
S3.1.1、将各项数据要素标准化处理，假设第k项数据要素在空间单元i中的设施数量为βik，首先定义
Figure PCTCN2016082559-appb-000002
式中：i＝1，2，...，m；k＝1，2，...，n；
由于当fik＝0时，ln(fik)无意义，所以在计算标准值Pik时需对fik进行修正，进而得到重新定义的各单元内不同要素的标准值Pik：
Pik＝fik·ln(fik)  (3)
S3.1.2、根据熵权法确定各类数据要素的权重；
首先定义第k要素的熵值为γk，
Figure PCTCN2016082559-appb-000003
式中：(i＝1，2，...，m；k＝1，2，...，n)；
利用上述修正后的熵值评价指标进而得到不同数据要素的权重：
Figure PCTCN2016082559-appb-000004
式中：(k＝1，2，...，n)；
S3.1.3、计算各单元的用地功能强度；
将上述计算得到各类数据要素的标准值Pik按照权重关系αk进行叠加计算，通过计算单元内各数据要素的标准值总和与单元建设用地面积Si的比值，得到各单元的用地功能强度，
Figure PCTCN2016082559-appb-000005
式中：(i＝1，2，...，m；k＝1，2，...，n)。
优选的，各类建设用地的功能强度测定包括对居住功能强度测定、公共管理与公共服务设施的功能强度测定、商业服务业设施的功能强度测定、工业的功能强度测定、物流仓储的功能强度测定、道路与交通设施的功能强度测定、公用设施的功能强度测定以及绿地与广场的功能强度测定。
优选的，步骤S3.2中，各类建设用地性质的综合评定的具体方法为：
S3.2.1、合并用地，计算单元用地功能强度的平均值，
在八类用地功能强度的基础上，分别将公用设施和道路交通设施、工业和物流仓储设施进行归并，得到六类用地的功能强度Gik；
计算六类用地的平均值：
Figure PCTCN2016082559-appb-000006
式中：i＝1，2，...，m；k＝1，2，...，6；
S3.2.2、计算单元用地功能强度的标准差
Figure PCTCN2016082559-appb-000007
式中：i＝1，2，...，m
S3.2.3、判断单元用地功能强度的显著性
Figure PCTCN2016082559-appb-000008
式中：i＝1，2，...，m；k＝1，2，...，6
若Gik＞0且Rik≥0，则判定单元内该类用地功能显著；反之，则不显著；
S3.2.4、用地性质的综合评定，在得到各单元用地性质显著性的基础上，根据用地主导功能、用地依从关系、用地兼容性以及航拍影像图方式对用地进行判定。
优选的，步骤S3.2.4中，所述判定如下：
居住用地：将单元内只有一种显著性用地功能、且为居住用地功能的单元判定为居住用地；
居住混合用地：将单元内有两种或两种以上显著性用地功能、且其中包含居住用地功能的单元判定为居住混合用地；
公共管理与公共服务设施用地：将单元内只有一种显著性用地功能、且为公共服务用地功能的单元判定为公共管理与公共服务设施用地；此外，将单元内有两种或两种以上显著性用地功能、且为公共服务用地功能与绿地、工业仓储、市政道路用地功能混合的单元判定为公共管理与公共服务设施用地；
商业服务业设施用地：将单元内只有一种显著性用地功能、且为商业用地功能的单元判定为商业服务业设施用地；此外，将单元内有两种或两种以上显著性用地功能、且为商业用地功能与绿地、工业仓储、市政道路用地功能混合的单元判定为商业服务业设施用地；
公共服务和商业混合用地：将单元内有两种显著性用地功能、且为公共服务用地功能和商业用地功能的单元判定为公共服务和商业混合用地；
绿地与广场用地：将单元内只有一种显著性用地功能、且为绿地与广场用地功能的单元判定为绿地与广场用地；此外，将单元内有两种或两种以上显著性用地功能、且为绿地与广场用地功能与工业仓储、市政道路用地功能混合的单元判定为绿地与广场用地；
工业仓储混合用地：将单元内只有一种显著性用地功能、且为工业用地功能或者物流仓储用地功能的单元判定为工业仓储混合用地；
公用设施与道路交通设施混合用地：将单元内只有一种显著性用地功能、且为公用设施用地功能或者道路交通设施用地功能的单元判定为公用设施与道路交通设施混合用地；
其他混合用地：将单元内有两种或两种以上显著性用地功能的其他单元判定为其他混合用地；
未能判别用地性质的用地：将没有显著性用地功能的单元判定为未能判别用地性质的用地。
优选的，城市建设用地性质识别率的校核方法为：
在城市各类建设用地性质的功能强度测定和用地性质综合评定的基础上，得到城市各类建设用地性质的综合评定图，分别统计未能判别用地性质的空间单元数量n和建设用地空间单元的数量m，计算建设用地性质的识别率：
Figure PCTCN2016082559-appb-000009
若建设用地性质的识别率θ≥80％，则说明用地识别率合格；反之，则不合格，需重新划分空间单元或补充相关用地识别数据之后重新进行计算分析；
城市建设用地性质识别准确率的校核方法为：
在生成的建设用地性质划分图中划定一定的取样范围，其中取样范围的面积不应小于总建设用地面积的10％，通过第三方获取该范围的现状用地性质分布图，或者借助航拍影像图和电子卫星图来绘制该取样范围内的现状用地性质分布图，通过比较二者之间的重合面积来计算用地性质识别的准确率。
优选的，城市建设用地性质识别准确率的校核具体操作方法为：
(1)绘制取样范围现状用地
在GIS系统中新增“自绘用地类型”字段，区别于快速识别用地类型，并根据航拍影像图和电子影像图，在对应的空间单元录入用地属性，得到自绘现状用地分析图；
(2)统计重合用地单元，计算用地性质识别的准确率
在GIS系统中新增一个字段，将用地性质一致的空间单元标记为“K＝0”，将用地性质不一致的空间单元标记为“K＝1”，分别统计取样范围内用地单元的总面积和用地性质不一致的空间单元面积，通过计算取样范围内用地性质一致的面积与用地总面积的比值得到用地性质识别的准确率μ，具体计算公式为：
Figure PCTCN2016082559-appb-000010
式中：(i＝1，2，...，m)；
定义当μ≥80％时，即可判定建设用地性质综合评定的准确率合格；反之，则不合格，需通过数据纠错或者校核的方式重新进行计算分析。
本发明与现有技术相比，具有如下优点和有益效果：
1、发明提供的是一种基于地址解析数据的建设用地类型快速识别方法，与传统的实地勘察和调研进行绘制现状用地性质分析图相比，大大缩减了时间成本和人力成本，提供了一种更为便捷、快速的现状用地类型识别方法。现实中，一块城市建设用地往往是多种功能的混合，而不是单一性质的用地，本方法在现行城市建设用地分类的基础上，提出了多种混合用地的概念，更加符合建设用地的实际承载功能。
2、本发明建立在地址解析数据的基础上完成的，建设用地性质识别的识别率和准确率与数据源密切相关。对于地址解析数据准确、丰富的城市或区域而言，能够对其建设用地性质 实现快速识别；反之，对于数据缺失的区域则会有一定的瓶颈。同时，如何将这种研究方法运用到指导城市用地功能布局、城市用地混合方式等也有待进一步研究。
附图说明
图1是基于地址解析数据的建设用地性质快速识别方法的具体实现技术流程图；
图2是居住功能强度测定图；
图3是公共管理与公共服务设施的功能强度测定图；
图4是商业服务业设施的功能强度测定图；
图5是工业的功能强度测定图；
图6是物流仓储的功能强度测定图；
图7是道路与交通设施的功能强度测定图；
图8是公用设施的功能强度测定图；
图9是绿地与广场的功能强度测定图；
图10是建设用地性质综合划分图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例
本发明是一种以城市(区域)边界、建设用地范围和现状道路网作为建设用地类型识别的工作底图，以网络开放的地址解析数据和传统的地址解析数据结合的方式，通过计算分析得到城市各类建设用地的功能强度测定和用地性质综合评定(如图1所示)。
本发明的最大特色在于利用地址解析数据实现了快速识别建设用地类型，其中包括了研究数据的挖掘、传统数据的地址解析、建设用地功能强度测定的计算分析方法、建设用地性质综合评定的计算分析方法以及建设用地性质的校核检验方式，具体包括如下步骤：
1、研究数据的挖掘
本发明以网络数据作为主要的数据来源，包括百度开放平台数据、新浪微博开放平台数据等，并辅以企业名录等数据以丰富数据来源。本发明根据最新的《城市用地分类与规划建设用地标准》，将城市建设用地分为居住用地(R)、公共管理与公共服务设施用地(A)、商业服务业设施用地(B)、工业用地(M)、物流仓储用地(W)、道路与交通设施用地(S)、公用设施用地(U)、绿地与广场用地(G)八类用地展开研究，并针对不同类型的用地分别选取不同的数据来源。本发明利用百度开放平台的地址解析工具对企业名录等数据进行地址 解析，并通过GIS系统将网络数据和传统数据统一空间落位和坐标校正，进行分类用地的功能强度测定和用地性质的综合评定。
1.1、基于新浪开放平台的用地识别数据获取
通过新浪微博开放平台API数据服务中的微博接口和地理信息接口(http://open.weibo.com/wiki/2/place/nearby/pois)，获取一定范围内微博签到点的地址信息、分类代码、签到数量等信息，具体操作步骤为：
(1)根据要求填写新浪微博微博开放平台相关网页信息，获取App Key和App Secret，此步骤不直接获取数据，但为数据获取权限的必要步骤。
(2)登陆新浪微博开放平台数据获取界面，输入数据获取所需的参数，点击调用接口，即可在得到返回结果。
(3)选择地理信息接口中的place/nearby/pois接口，根据相关请求参数的要求编写URL请求，配置查询中心点的经纬度、查询范围、数据排序方式、单页返回记录条数、返回数据的起始和终止页数等相关参数信息，并运用作者编写的抓取新浪微博签到数据的Python工具批量获取所需数据。
(4)数据获取需要说明的是新浪开放平台有限时访问次数，数据获取中止是需等限制取消才能继续运行。将返回的数据进行编码格式转换之后，数据获取完成。其中，数据信息主要包括签到地址、分类及代码、签到数量、签到人数、经纬度、照片数量等。
1.2、基于百度LBS开放平台的用地识别数据获取
通过百度LBS开放平台的地址服务接口，结合Locoy Spider数据获取软件获取一定范围内的设施地理信息、设施名称、评论数量、评论分数等。具体操作步骤为：
(1)申请获取百度LBS开放平台API接口密钥；
(2)设置相关的URL请求参数，包括密钥号码、搜索对象(如公园、KTV等)、矩形搜索范围的经纬度坐标(URL请求参数的示例为http://api.map.baidu.com/place/v2/search？ak＝密钥号码&output＝json&query＝搜索对象&page_size＝1&page_num＝0&scope＝2&bounds＝坐标一，坐标二)。
(3)将配置好的URL请求参数在浏览器中打开，获取搜索对象的数量。需特别说明的是，受百度开放平台的接口限制，每次URL请求的搜索对象数量不能超过760条，一旦目标单元中的对象数量超过该值，则需缩小单元搜索范围。
(4)将拼写合格的地址解析URL请求导入Locoy Spider工具，设置好采集标签和文本模板后开始对进行百度用地数据的获取，获取的数据信息包括设施名称、设施经纬度、地址、评论数量、评分等。
2、传统数据的地址解析
通过百度LBS开放平台中的Geocoding API的服务功能，对企业名录等传统数据进行地址解析，获取其地理信息。需要特别说明的是，获取的地址解析信息存在一定的偏差，在后期数据的空间落位的过程中需要进行筛选和纠正。具体操作步骤为：
(1)申请获取百度LBS开放平台API接口密钥；
(2)根据相关的参数要求和获得的接口密钥，编写地址解析的URL请求；
(3)根据地址数据拼写地址解析的URL请求，并将拼写合格的地址解析URL请求存为TXT文本格式批量导入Locoy Spider工具，设置好采集标签和文本模板后开始对进行地址数据的批量解析利用Locoy Spider工具对传统的数据进行批量地址解析，从而得到其地理信息。
3、完成基础数据的收集和工作底图的处理之后，根据城市建设用地性质的类型将获取的数据分为相应的八类进行整理，在GIS系统中进行空间落位，并进行坐标转换和数据纠偏。以现状道路中心线对现状建设用地进行划分，将形成的街块单元作为数据落位的空间单元。需要特别说明的是，由于部分空间单元缺乏相关的地址解析数据，此时将部分缺失地址解析数据且道路网较为密集的街块单元进行合并，提高建设用地性质的识别率。
在此基础上，基于地址解析数据的类型和特征，本发明通过各类数据的综合评价实现对各类建设用地的功能强度测定和用地性质的综合评价，具体包括两个方面：
第一、各类建设用地的功能强度测定。在现状道路网的基础上，以道路中心线划分的街块单元作为各类数据的空间落位单元，在GIS系统中分别统计空间单元内不同用地性质的设施数量。首先针对各类用地性质中对不同数据源采取熵值赋权法进行归一化处理和权重计算，然后按照不同数据源之间的权重进行标准值叠加，最后通过计算单元汇总的标准值与空间单元面积的比值得到各类用地性质的功能强度分布情况。
第二、各类建设用地性质的综合评定。在获得各类用地功能强度测定的基础上，将空间单元内各类用地功能强度高于平均值0.5个标准差的用地功能定义为该空间单元的显著功能。为了更真实地反应现状建设用地的使用情况，本研究根据建设用地兼容性情况将各单元用地性质重新分为居住用地(R)、居住混合用地(R+)、公共管理与公共服务设施用地(A)、商业服务业设施用地(B)、公共服务和商业混合用地(A/B)、工业仓储用地(M/W)、公用设施与道路交通设施用地(S/U)、其他混合用地(O)和未能判别用地性质的用地(N)等九类用地，从而得到现状建设用地性质的综合评定。
3.1、城市各类建设用地的功能强度测定
在建设用地的功能强度测定方面，从各类建设用地的性质特征入手，分别选取不同的数据源作为评价测定的要素(见表1)，以道路中心线划分的街块单元作为空间落位单元，并对 单元内不同数据源的原子化数据进行汇总统计。
表1各类建设用地功能强度测定的主要数据源
Figure PCTCN2016082559-appb-000011
在此基础上，对按单元汇总之后的绝对数据值采取熵值赋权法进行归一化处理和权重计算，解决不同数据源造成的量纲不一致的问题。然后按照不同数据源之间的权重进行标准值叠加，最后通过计算单元汇总的标准值与空间单元面积的比值得到各类用地的功能强度分布情况。
各类建设用地的功能强度测定模型为：
Figure PCTCN2016082559-appb-000012
式中的Hi为第i个单元的用地功能强度，αk为第k类数据要素的权重，Pik为第i个单元内第k类数据要素的标准值，Si为第i个单元的建设用地面积(其中i＝1，2，...，m；k＝1，2，...，n)。
具体计算步骤如下：
①将各项数据要素标准化处理
由于各类数据要素的量纲和数量级均不一样，所以需对各类要素进行标准化处理。假设第k项数据要素在空间单元i中的设施数量为βik，首先定义
Figure PCTCN2016082559-appb-000013
式中：(i＝1，2，...，m；k＝1，2，...，n)。
由于当fik＝0时，ln(fik)无意义，所以在计算标准值Pik时需对fik进行修正，进而得到重新定义的各单元内不同要素的标准值Pik：
Pik＝fik·ln(fik)  (3)
②根据熵权法确定各类数据要素的权重
首先定义第k要素的熵值为γk，
Figure PCTCN2016082559-appb-000014
式中：(i＝1，2，...，m；k＝1，2，...，n)。
利用上述修正后的熵值评价指标进而得到不同数据要素的权重：
Figure PCTCN2016082559-appb-000015
式中：(k＝1，2，...，n)。
③计算各单元的用地功能强度
将上述计算得到各类数据要素的标准值Pik按照权重关系αk进行叠加计算，通过计算单元内各数据要素的标准值总和与单元建设用地面积Si的比值，得到各单元的用地功能强度。
Figure PCTCN2016082559-appb-000016
式中：(i＝1，2，...，m；k＝1，2，...，n)。
3.1.1、居住功能强度测定
居住功能强度测定选取了百度开放平台数据和2014年企业名录数据，分别通过“住区”和“居委会”的空间分布特征来判定居住用地的分布情况(见表2)。
表2居住功能强度测定的主要数据
Figure PCTCN2016082559-appb-000017
以广州市天河区为例，首先通过在百度开发平台中的搜索“小区”、“村”等关键词，获得一定范围内的住区点数据，并将该点数据以划分好的空间单元在GIS系统中进行落位和汇总。然后，筛选出2014年企业名录中“居委会”和“村委会”的相关数据，利用百度LBS开放平台中进行地址解析。将地址解析完毕的企业名录数据导入在GIS系统中进行空间落位和坐标纠偏，并以300米为半径，将覆盖的空间单元统一赋值(本研究将覆盖单元统一赋值为区内百度数据的平均值)，与百度数据一样再按空间单元进行汇总。
在此基础之上，利用熵值赋权法公式(2)和公式(3)将上述按单元汇总的百度数据和企业名录数据进行归一化处理，得到这两类数据的标准值Pik，并利用熵值赋权法公式(4)和公式(5)可得百度开放平台数据和企业名录数据的权重α1和α2，分别为0.5005和0.4995。
最后，利用用地功能强度公式(1)将这两类数据要素按照空间单元和权重关系进行叠加运算，通过计算叠加之后的标准值总和与建设用地的面积Si的比值得到各单元的居住用地功 能强度Gi，在本案例中选取了天河区的南部用地作为成果的展示，如图2所示。
3.1.2、公共管理与公共服务设施的功能强度测定
公共管理与公共服务设施的功能强度测定选取了百度开放平台数据、新浪微博签到数据和2014年企业名录数据，通过公共管理与公共服务设施的空间分布特征来判定公共管理与公共服务设施用地的分布情况(见表3)。
表3公共管理与公共服务设施功能强度测定的主要数据
Figure PCTCN2016082559-appb-000018
以广州市天河区为例，首先通过在百度开发平台中的搜索“医院”、“大学”、“中学”、“小学”、“图书馆”、“游泳馆”、“剧院”等关键词，获得各类设施的点数据。考虑到天河区高校众多的特殊性，在本研究中单独将“大学”作为单独的数据要素提取出来，与其他数据分为两类进行空间落位。
其次，将新浪微博签到数据中分类标签为“政府机构”、“税务”、“警察局”、“法院”、“敬老院”、“校园生活”、“博物馆”、“图书馆”、“文化宫”、“展览馆”、“中学”、“小学”等公共管理与公共服务设施筛选出来，并在GIS系统中进行空间落位和坐标纠偏，按照空间单元进行汇总。
然后，将企业名录数据中，将行业分类为“卫生、社会保障和社会福利业”、“公共管理和社会组织”、“文化、体育”、“教育”等企业数据筛选出来，并在百度LBS开发平台中进行地址解析，将解析后的数据导入GIS系统中进行坐标纠偏和单元汇总。
利用熵值赋权法公式(2)和公式(3)，将单元汇总的绝对点数据进行归一化，得到以上四类数据要素的标准值Pik，按照熵值赋权法计算公式(4)和公式(5)得到百度“大学”数据α1、百度其他数据α2、微博签到数据α3、企业名录数据α4之间的权重关系为0.2550、0.2482、0.2485、0.2483。
最后，利用用地功能强度计算公式(1)将四类要素的标准值按照权重关系进行叠加运算，各个单元的汇总标准值与单元建设用地面积的比值即为公共管理与公共服务设施用地的功能强度Gi，如图3所示。
3.1.3、商业服务业设施的功能强度测定
商业服务业设施的功能强度测定选取了百度开放平台数据和新浪微博签到数据，通过选 择一些商业用地内较具有代表性的商业设施数据来判定商业用地的功能强度(见表4)，由于企业名录数据中的商业设施数据较为复杂，在商业服务业设施用地的功能强度中并未选取。
表4商业服务业设施功能强度测定的主要数据
Figure PCTCN2016082559-appb-000019
以广州市天河区为例，在百度开放平台搜索天河区范围内的“餐饮”、“超市”、“旅馆”、“批发市场”、“商场”、“银行”、“KTV”、“网吧”、“电影院”、“足疗”、“棋牌”、“酒吧”、“咖啡厅”等关键词，可以得到天河区内的商业设施数据。
将新浪微博签到数据中分类标签为“餐饮美食”、“咖啡厅”、“茶艺馆”、“甜品店”、“菜系”、“汽车维修”、“购物服务”、“商场”、“专卖店”、“家具建材市场”、“美容美发”、“宾馆”等商业设施数据筛选出来，并与百度数据一起在GIS系统中进行坐标纠偏和单元汇总。
然后，利用熵值赋权法公式(2)、公式(3)、公式(4)和公式(5)得到百度数据和微博签到数据的标准值Pik和两类数据的权重关系，其中百度数据权重α1和微博签到数据权重α2均为0.5。
最后，通过用地功能强度计算公式(1)将各类数据的标准值按照权重进行叠加并除以单元建设用地面积Si，则可以得到商业服务业设施用地的功能强度Gi，如图4所示。
3.1.4、工业的功能强度测定
工业的功能强度测定选择百度开放平台数据和新浪微博签到数据(见表5)。以广州市天河区为例，百度数据选择以“工厂”为关键词的数据、新浪微博签到数据选择分类标签为“产业园”的数据，并在GIS系统中进行空间落位和坐标纠偏。需要特别说明的是，天河区内的工业用地较少，所以相关地址解析数据也会减少。
表5工业功能强度测定的主要数据
Figure PCTCN2016082559-appb-000020
在此基础上，利用熵权法计算公式(2)、公式(3)、公式(4)和公式(5)将两类原子数据归一化处理，并得到百度数据的权重α1和微博签到数据权重α2，α1和α2为0.4926、0.5074。
最后，利用用地功能强度计算公式(1)将两类数据的标准值按照权重关系进行叠加，并除以单元建设用地面积Si，得到工业用地的功能强度Gi，如图5所示。
3.1.5、物流仓储的功能强度测定
物流仓储用地的功能强度测定选取百度开放平台数据和2014年企业名录数据(见表6)。
表6物流仓储功能强度测定的主要数据
Figure PCTCN2016082559-appb-000021
以广州市天河区为例，在百度开放平台中获取关键词为“仓库”和“物流”的相关数据，需要特别说明的是通过搜索关键词为“物流”得到的相关数据，只有少量的物流仓库属于物流仓储用地，大部分属于商业设施的物流营运网点，应将其进行筛选剔除。
在进行地址解析之后的2014年企业名录数据中，将行业分类代码为“57装卸搬运和其他运输服务业”和“58仓储业”的数据筛选出来，并将一些物流企业办公的商业设施数据进行剔除。
然后，将以上两类数据分别导入GIS系统中进行空间落位和坐标纠偏，并按照空间单元进行汇总统计。在此基础上，利用熵值赋权法归一化公式(2)和公式(3)将绝对数值进行归一化处理，并利用公式(4)和公式(5)进行权重计算，得到百度数据权重α1和企业名录数据权重α2分别为0.5002、0.4998。
最后，利用用地功能强度计算公式(1)得到物流仓储用地的功能强度Gi(如图6所示)。
3.1.6、道路与交通设施的功能强度测定
道路与交通设施的功能强度测定选取百度开放平台数据、新浪微博签到数据和2014年企业名录数据。由于本研究是以道路为工作底图，所以部分道路用地需通过航拍图或者卫星图进行绘制识别(见表7)。
表7道路与交通设施功能强度测定的主要数据
Figure PCTCN2016082559-appb-000022
以广州市天河区为例，在百度开放平台中获取关键词为“客运站”、“火车站”、“码头”和“停车场”的相关数据，需要特别说明的是通过搜索关键词为“停车场”得到的相关数据，只有少量的公交站场、大型社会停车场属于道路与交通设施用地，大部分停车场属于其他性质用地的附属用地，应将其进行剔除。
在获取的新浪微博签到数据中，将分类标签为“飞机场”、“长途汽车站”和“火车站”的相关数据筛选出来，并剔除类似“火车站附近”的其他设施数据。
在进行地址解析后的2014年企业名录数据中，将行业分类为“51铁路运输业”、“52道路运输业”、“53城市公共交通业”、“54水上运输业”、“55航空运输业”的数据筛选出来，并将除码头或者站场之外的设施数据进行剔除。
然后，将以上三类数据导入GIS中进行空间落位和坐标纠偏，并按照空间单元进行汇总统计。利用熵值赋权法归一化公式(2)和公式(3)将绝对数值进行归一化处理，并利用公式(4)和公式(5)进行权重计算，得到百度数据权重α1、新浪微博数据权重α2、企业名录数据权重α3分别为0.3499、0.3258和0.3243。
最后，利用利用用地功能强度计算公式(1)得到道路与交通设施用地的功能强度Gi(如图7所示)。
3.1.7、公用设施的功能强度测定
公用设施的功能强度测定选取百度开放平台数据和2014年企业名录数据(见表8)。
表8公用设施功能强度测定的主要数据
Figure PCTCN2016082559-appb-000023
以广州市天河区为例，在百度开发平台中搜索关键词为“加油站”、“垃圾站”、“消防站”、“水厂”等公用设施，同时将新浪微博中分类标签为“加油站”的数据筛选出来。将两类数据导入GIS系统中进行空间落位和坐标纠偏，并按照空间单元进行汇总统计。
然后利用熵值赋权法公式(2)、公式(3)、公式(4)和公式(5)将绝对数值归一化处理和计算权重，得到百度数据权重α1和企业名录数据权重α2分别为0.4947、0.5053。
最后，利用用地功能强度计算公式(1)得到公用设施用地的功能强度Gi(如图8所示)。
3.1.8、绿地与广场的功能强度测定
绿地与广场用地的功能强度测定选取百度开放平台数据和新浪微博签到数据(见表9)。
表9绿地与广场功能强度测定的主要数据
Figure PCTCN2016082559-appb-000024
以广州市天河区为例，在百度开发平台中搜索关键词为“公园”的设施数据，同时将新浪微博中分类标签为“公园”、“动物园”、“城市广场”、“植物园”等数据筛选出来。将两类数据导入GIS系统中进行空间落位和坐标纠偏，并按照空间单元进行汇总。
然后利用熵值赋权法公式(2)、公式(3)、公式(4)和公式(5)将绝对数值归一化处理和计算权重，得到百度数据权重α1和企业名录数据权重α2分别为0.4947、0.5053。最后，利用利用用地功能强度计算公式(1)得到绿地与广场用地的功能强度Gi(如图9所示)。
3.2、城市各类建设用地性质的综合评定
在完成城市各类建设用地的功能强度测定的基础上，采用均方差的计算方法对各单元的用地性质作显著性判定。在现有的城市建设用地性质分类的基础上，根据用地兼容性特征和 依从关系重新提出新的用地性质分类，主要包括：居住用地(R)、居住混合用地(R+)、公共管理与公共服务设施用地(A)、商业服务业设施用地(B)、公共服务和商业混合用地(A/B)、绿地与广场用地(G)、工业仓储混合用地(M/W)、公用设施与道路交通设施混合用地(S/U)、其他混合用地(O)和未能判别用地性质的用地(N)等九类用地。
需要特别说明的是，由于居住用地与其他用地的混合程度最高，在此提出了居住混合用地(R+)；商业用地和公服用地的混合也是一种较为常见的类型，在此提出了公共服务和商业混合用地(A/B)；此外，由于公用设施用地、道路交通设施用地、工业用地和物流仓储用地的数量较少、样本数据也较为缺乏，在此重新分为工业仓储混合用地(M/W)、公用设施与道路交通设施混合用地(S/U)；对于其他各种复杂的混合用地在本研究中不作进一步的细分，在此统一归为其他混合用地(O)。
建设用地性质显著性判定和综合评定的具体步骤如下：
(1)合并用地，计算单元用地功能强度的平均值
在八类用地功能强度的基础上，分别将公用设施用地和道路交通设施用地、工业用地和物流仓储用地进行归并，得到六类用地的功能强度Gik。
计算六类用地的平均值：
Figure PCTCN2016082559-appb-000025
式中：(i＝1，2，...，m；k＝1，2，...，6)
(2)计算单元用地功能强度的标准差
Figure PCTCN2016082559-appb-000026
式中：(i＝1，2，...，m)
(3)判断单元用地功能强度的显著性
Figure PCTCN2016082559-appb-000027
式中：(i＝1，2，...，m；k＝1，2，...，6)
若Gik＞0且Rik≥0，则判定单元内该类用地功能显著；反之，则不显著。
(4)用地性质的综合评定
①在得到各单元用地性质显著性的基础上，可根据用地主导功能、用地依从关系、用地兼容性以及航拍影像图等方式对用地进行判定。
②居住用地(R)：将单元内只有一种显著性用地功能、且为居住用地功能的单元判定为居住用地。
③居住混合用地(R+)：将单元内有两种或两种以上显著性用地功能、且其中包含居住用地功能的单元判定为居住混合用地。
④公共管理与公共服务设施用地(A)：将单元内只有一种显著性用地功能、且为公共服务用地功能的单元判定为公共管理与公共服务设施用地；此外，将单元内有两种或两种以上显著性用地功能、且为公共服务用地功能与绿地、工业仓储、市政道路用地功能混合的单元判定为公共管理与公共服务设施用地。
⑤商业服务业设施用地(B)：将单元内只有一种显著性用地功能、且为商业用地功能的单元判定为商业服务业设施用地；此外，将单元内有两种或两种以上显著性用地功能、且为商业用地功能与绿地、工业仓储、市政道路用地功能混合的单元判定为商业服务业设施用地。
⑥公共服务和商业混合用地(A/B)：将单元内有两种显著性用地功能、且为公共服务用地功能和商业用地功能的单元判定为公共服务和商业混合用地。
⑦绿地与广场用地(G)：将单元内只有一种显著性用地功能、且为绿地与广场用地功能的单元判定为绿地与广场用地；此外，将单元内有两种或两种以上显著性用地功能、且为绿地与广场用地功能与工业仓储、市政道路用地功能混合的单元判定为绿地与广场用地。
⑥工业仓储混合用地(M/W)：将单元内只有一种显著性用地功能、且为工业用地功能或者物流仓储用地功能的单元判定为工业仓储混合用地。
⑦公用设施与道路交通设施混合用地(S/U)：将单元内只有一种显著性用地功能、且为公用设施用地功能或者道路交通设施用地功能的单元判定为公用设施与道路交通设施混合用地。
⑧其他混合用地(O)：将单元内有两种或两种以上显著性用地功能的其他单元判定为其他混合用地。
⑨未能判别用地性质的用地(N)：将没有显著性用地功能的单元判定为未能判别用地性质的用地。
在此基础之上，将各单元的用地分类信息导入GIS系统中的空间单元进行分类显示，借助卫星航拍影像图和电子地图对难以识别的混合用地单元进行辅助判定，得到城市各类建设用地类型划分图(如图10所示)。
4、城市各类建设用地性质的校核；在建设用地性质快速识别完成之后，对生成的用地类型划分图分别进行用地识别率和用地识别准确率的判断，当它同时满足这两个要求时即可判定基于地址解析数据的建设用地类型快速识别完成。
4.1、城市建设用地性质识别率的校
在城市各类建设用地性质的功能强度测定和用地性质综合评定的基础上，得到城市各类 建设用地性质的综合评定图。分别统计未能判别用地性质的空间单元数量n和建设用地空间单元的数量m，计算建设用地性质的识别率：
Figure PCTCN2016082559-appb-000028
本研究定义若建设用地性质的识别率θ≥80％，则说明用地识别率合格；反之，则不合格，需重新划分空间单元或补充相关用地识别数据之后重新进行计算分析。
以广州市天河区为例，其建设用地性质识别的空间单元数量为847个，其中未能判别用地性质的空间单元数量为12个，计算可得其建设用地性质的识别率θ为98.58％，符合要求。
4.2、城市建设用地性质识别准确率的校核
在生成的建设用地性质划分图中划定一定的取样范围，其中取样范围的面积不应小于总建设用地面积的10％。通过第三方获取该范围的现状用地性质分布图，或者借助航拍影像图和电子卫星图来绘制该取样范围内的现状用地性质分布图。通过比较二者之间的重合面积来计算用地性质识别的准确率。具体操作步骤为：
①绘制取样范围现状用地
在GIS系统中新增“自绘用地类型”字段，区别于快速识别用地类型，并根据航拍影像图和电子影像图，在对应的空间单元录入用地属性，得到自绘现状用地分析图，需要特殊说明的是，由于本研究在建设用地性质识别中提出了新的用地分类标准，在自绘的现状用地图应采用同样的分类标准。
②统计重合用地单元，计算用地性质识别的准确率
在GIS系统中新增一个字段，将用地性质一致的空间单元标记为“K＝0”，将用地性质不一致的空间单元标记为“K＝1”，分别统计取样范围内用地单元的总面积和用地性质不一致的空间单元面积，通过计算取样范围内用地性质一致的面积与用地总面积的比值得到用地性质识别的准确率μ，具体计算公式为：
Figure PCTCN2016082559-appb-000029
式中：(i＝1，2，...，m)。
本研究定义当μ≥80％时，即可判定建设用地性质综合评定的准确率合格；反之，则不合格，需通过数据纠错或者校核的方式重新进行计算分析。
以广州市天河区为例，天河区建设用地面积为1096391.10m2，划定取样范围面积为132161.56m2，超过总建设用地面积的10％。通过地址解析数据可以得到天河区内建设用地的性质，另外通过航拍影像图和第三方提供的相关规划图纸，可以在GIS系统中重新生成现状 建设用地性质分析图。
然后，通过在GIS系统中比较两张用地图的一致性，计算准确率。在此需要特别说明的是，由于天河区内花城广场的地面为绿地，地下为商业，在快速识别的结果中将其归为商业用地，自绘的用地现状图将其归为绿地，在此应将花城广场用地性质识别视为具有一致性；另外，由于体育西小区、体育东小区均为开放式的商住混合用地，在快速识别的结果中将其归为商业用地，自绘的用地现状图将其归为居住用地，在此也应将其用地性质识别视为具有一致性。
最后，根据公式(10)分别统计取样范围内用地性质一致的空间单元面积和空间单元总面积分别为132161.56m2和158564.04m2，计算二者的比值得到建设用地性质识别的准确率μ＝83.35％，校核合格。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

  1. 一种基于地址解析数据的建设用地类型快速识别方法，其特征在于，包括下述步骤：
    S1、研究数据的挖掘，利用现有开放平台的地址解析工具对所挖掘的各项数据进行地址解析，并通过GIS系统将网络数据和传统数据统一空间落位和坐标校正，进行分类用地的功能强度测定和用地性质的综合评定；
    S2、对传统数据进行地址解析，获取其地理信息；
    S3、基于地址解析数据的类型和特征，通过各类数据的综合评价实现对各类建设用地的功能强度测定和用地性质的综合评价，具体包括：
    S3.1、各类建设用地的功能强度测定，在现状道路网的基础上，以道路中心线划分的街块单元作为各类数据的空间落位单元，在GIS系统中分别统计空间单元内不同用地性质的设施数量，首先针对各类用地性质中对不同数据源采取熵值赋权法进行归一化处理和权重计算，然后按照不同数据源之间的权重进行标准值叠加，最后通过计算单元汇总的标准值与空间单元面积的比值得到各类用地性质的功能强度分布情况；
    S3.2、各类建设用地性质的综合评定，在获得各类用地功能强度测定的基础上，将空间单元内各类用地功能强度高于平均值0.5个标准差的用地功能定义为该空间单元的显著功能；
    S4、在建设用地功能强度测定和用地性质的综合评价之后，对生成的用地类型划分图分别进行用地识别率和用地识别准确率的判断，当它同时满足这两个要求时即可判定基于地址解析数据的建设用地类型快速识别完成。
  2. 根据权利要求1所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，步骤S1中是基于新浪开放平台的用地识别数据获取和/或基于百度LBS开放平台的用地识别数据获取；
    S1.1、基于新浪开放平台的用地识别数据获取的具体步骤为：
    S1.1.1、根据要求填写新浪微博微博开放平台相关网页信息，获取App Key和App Secret；
    S1.1.2、登陆新浪微博开放平台数据获取界面，输入数据获取所需的参数，点击调用接口，得到返回结果；
    S1.1.3、选择地理信息接口中的place/nearby/pois接口，根据相关请求参数的要求编写URL请求，配置查询中心点的经纬度、查询范围、数据排序方式、单页返回记录条数、返回数据的起始和终止页数信息，并运用抓取新浪微博签到数据的Python工具批量获取所述数据；
    S1.1.4、数据获取需要说明的是新浪开放平台有限时访问次数，数据获取中止是需等限制取消才能继续运行，将返回的数据进行编码格式转换之后，数据获取完成，其中，数据信息主要包括签到地址、分类及代码、签到数量、签到人数、经纬度、照片数量；
    S1.2、基于百度LBS开放平台的用地识别数据获取；通过百度LBS开放平台的地址服务 接口，结合Locoy Spider数据获取软件获取一定范围内的设施地理信息、设施名称、评论数量、评论分数，具体为：
    S1.2.1、申请获取百度LBS开放平台API接口密钥；
    S1.2.2、设置相关的URL请求参数；
    S1.2.3、将配置好的URL请求参数在浏览器中打开，获取搜索对象的数量；
    S1.2.4、将拼写合格的地址解析URL请求导入Locoy Spider工具，设置好采集标签和文本模板后开始对进行百度用地数据的获取，获取的数据信息包括设施名称、设施经纬度、地址、评论数量以及评分。
  3. 根据权利要求1所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，步骤S2中，通过百度LBS开放平台中的Geocoding API的服务功能，对传统数据进行地址解析，其具体方法为：
    S2.1、申请获取百度LBS开放平台API接口密钥；
    S2.2、根据相关的参数要求和获得的接口密钥，编写地址解析的URL请求；
    S2.3、根据地址数据拼写地址解析的URL请求，并将拼写合格的地址解析URL请求存为TXT文本格式批量导入Locoy Spider工具，设置好采集标签和文本模板后开始利用Locoy Spider工具对带有地址信息的数据进行批量地址坐标解析，从而得到其地理信息。
  4. 根据权利要求1所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，步骤S3.1中，各类建设用地的功能强度测定模型为：
    Figure PCTCN2016082559-appb-100001
    式中的Hi为第i个单元的用地功能强度，αk为第k类数据要素的权重，Pik为第i个单元内第k类数据要素的标准值,Si为第i个单元的建设用地面积，其中i＝1,2,…,m；k＝1,2,…,n；具体如下：
    S3.1.1、将各项数据要素标准化处理，假设第k项数据要素在空间单元i中的设施数量为βik，首先定义
    Figure PCTCN2016082559-appb-100002
    式中：i＝1,2,…,m；k＝1,2,…,n；
    由于当fik＝0时，ln(fik)无意义，所以在计算标准值Pik时需对fik进行修正，进而得到重新定义的各单元内不同要素的标准值Pik：
    Pik＝fik·ln(fik)  (3)
    S3.1.2、根据熵权法确定各类数据要素的权重；
    首先定义第k要素的熵值为γk，
    Figure PCTCN2016082559-appb-100003
    式中：(i＝1,2,…,m；k＝1,2,…,n)；
    利用上述修正后的熵值评价指标进而得到不同数据要素的权重：
    Figure PCTCN2016082559-appb-100004
    式中：(k＝1,2,…,n)；
    S3.1.3、计算各单元的用地功能强度；
    将上述计算得到各类数据要素的标准值Pik按照权重关系αk进行叠加计算，通过计算单元内各数据要素的标准值总和与单元建设用地面积Si的比值，得到各单元的用地功能强度，
    Figure PCTCN2016082559-appb-100005
    式中：(i＝1,2,…,m；k＝1,2,…,n)。
  5. 根据权利要求1或4所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，各类建设用地的功能强度测定包括对居住功能强度测定、公共管理与公共服务设施的功能强度测定、商业服务业设施的功能强度测定、工业的功能强度测定、物流仓储的功能强度测定、道路与交通设施的功能强度测定、公用设施的功能强度测定以及绿地与广场的功能强度测定。
  6. 根据权利要求5所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，步骤S3.2中，各类建设用地性质的综合评定的具体方法为：
    S3.2.1、合并用地，计算单元用地功能强度的平均值，
    在八类用地功能强度的基础上，分别将公用设施和道路交通设施、工业和物流仓储设施进行归并，得到六类用地的功能强度Gik；
    计算六类用地的平均值：
    Figure PCTCN2016082559-appb-100006
    式中：i＝1,2,…,m；k＝1,2,…,6；
    S3.2.2、计算单元用地功能强度的标准差
    Figure PCTCN2016082559-appb-100007
    式中：i＝1,2,…,m
    S3.2.3、判断单元用地功能强度的显著性
    Figure PCTCN2016082559-appb-100008
    式中：i＝1,2,…,m；k＝1,2,…,6
    若Gik＞0且Rik≥0，则判定单元内该类用地功能显著；反之，则不显著；
    S3.2.4、用地性质的综合评定，在得到各单元用地性质显著性的基础上，根据用地主导功能、用地依从关系、用地兼容性以及航拍影像图方式对用地进行判定。
  7. 根据权利要求6所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，步骤S3.2.4中，所述判定如下：
    居住用地：将单元内只有一种显著性用地功能、且为居住用地功能的单元判定为居住用地；
    居住混合用地：将单元内有两种或两种以上显著性用地功能、且其中包含居住用地功能的单元判定为居住混合用地；
    公共管理与公共服务设施用地：将单元内只有一种显著性用地功能、且为公共服务用地功能的单元判定为公共管理与公共服务设施用地；此外，将单元内有两种或两种以上显著性用地功能、且为公共服务用地功能与绿地、工业仓储、市政道路用地功能混合的单元判定为公共管理与公共服务设施用地；
    商业服务业设施用地：将单元内只有一种显著性用地功能、且为商业用地功能的单元判定为商业服务业设施用地；此外，将单元内有两种或两种以上显著性用地功能、且为商业用地功能与绿地、工业仓储、市政道路用地功能混合的单元判定为商业服务业设施用地；
    公共服务和商业混合用地：将单元内有两种显著性用地功能、且为公共服务用地功能和商业用地功能的单元判定为公共服务和商业混合用地；
    绿地与广场用地：将单元内只有一种显著性用地功能、且为绿地与广场用地功能的单元判定为绿地与广场用地；此外，将单元内有两种或两种以上显著性用地功能、且为绿地与广场用地功能与工业仓储、市政道路用地功能混合的单元判定为绿地与广场用地；
    工业仓储混合用地：将单元内只有一种显著性用地功能、且为工业用地功能或者物流仓储用地功能的单元判定为工业仓储混合用地；
    公用设施与道路交通设施混合用地：将单元内只有一种显著性用地功能、且为公用设施 用地功能或者道路交通设施用地功能的单元判定为公用设施与道路交通设施混合用地；
    其他混合用地：将单元内有两种或两种以上显著性用地功能的其他单元判定为其他混合用地；
    未能判别用地性质的用地：将没有显著性用地功能的单元判定为未能判别用地性质的用地。
  8. 根据权利要求1所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，城市建设用地性质识别率的校核方法为：
    在城市各类建设用地性质的功能强度测定和用地性质综合评定的基础上，得到城市各类建设用地性质的综合评定图，分别统计未能判别用地性质的空间单元数量n和建设用地空间单元的数量m，计算建设用地性质的识别率：
    Figure PCTCN2016082559-appb-100009
    若建设用地性质的识别率θ≥80％，则说明用地识别率合格；反之，则不合格，需重新划分空间单元或补充相关用地识别数据之后重新进行计算分析；
    城市建设用地性质识别准确率的校核方法为：
    在生成的建设用地性质划分图中划定一定的取样范围，其中取样范围的面积不应小于总建设用地面积的10％，通过第三方获取该范围的现状用地性质分布图，或者借助航拍影像图和电子卫星图来绘制该取样范围内的现状用地性质分布图，通过比较二者之间的重合面积来计算用地性质识别的准确率。
  9. 根据权利要求8所述的基于地址解析数据的建设用地类型快速识别方法，其特征在于，城市建设用地性质识别准确率的校核具体操作方法为：
    (1)绘制取样范围现状用地
    在GIS系统中新增“自绘用地类型”字段，区别于快速识别用地类型，并根据航拍影像图和电子影像图，在对应的空间单元录入用地属性，得到自绘现状用地分析图；
    (2)统计重合用地单元，计算用地性质识别的准确率
    在GIS系统中新增一个字段，将用地性质一致的空间单元标记为“K＝0”，将用地性质不一致的空间单元标记为“K＝1”，分别统计取样范围内用地单元的总面积和用地性质不一致的空间单元面积，通过计算取样范围内用地性质一致的面积与用地总面积的比值得到用地性质识别的准确率μ，具体计算公式为：
    Figure PCTCN2016082559-appb-100010
    式中：(i＝1,2,…,m)；
    定义当μ≥80％时，即可判定建设用地性质综合评定的准确率合格；反之，则不合格，需通过数据纠错或者校核的方式重新进行计算分析。
PCT/CN2016/082559 2015-03-23 2016-05-18 一种基于地址解析数据的建设用地类型快速识别方法 WO2016150407A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
SG11201707620RA SG11201707620RA (en) 2015-03-23 2016-05-18 Method for recognizing construction land use type based on address resolution data

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510128347.9 2015-03-23
CN201510128347.9A CN104750799B (zh) 2015-03-23 2015-03-23 一种基于地址解析数据的建设用地类型快速识别方法

Publications (1)

Publication Number Publication Date
WO2016150407A1 true WO2016150407A1 (zh) 2016-09-29

Family

ID=53590483

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/082559 WO2016150407A1 (zh) 2015-03-23 2016-05-18 一种基于地址解析数据的建设用地类型快速识别方法

Country Status (3)

Country Link
CN (1) CN104750799B (zh)
SG (1) SG11201707620RA (zh)
WO (1) WO2016150407A1 (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600063A (zh) * 2016-12-16 2017-04-26 东北电力大学 一种基于模糊粗糙集理论和时空信息的空间负荷预测方法
CN109558473A (zh) * 2018-12-06 2019-04-02 佛山科学技术学院 一种基于gis的道路交通设施信息管理系统及其建模方法
CN110428146A (zh) * 2019-07-11 2019-11-08 陕西华地勘察设计咨询有限公司 一种城镇低效用地精准识别与智能规划系统
CN110490507A (zh) * 2019-07-04 2019-11-22 丰图科技(深圳)有限公司 一种物流网络的新增线路检测方法、装置及设备
CN110852479A (zh) * 2019-10-12 2020-02-28 上海市政工程设计研究总院（集团）有限公司 一种基于人口覆盖率的公共服务设施服务半径评价方法
CN111339619A (zh) * 2018-11-15 2020-06-26 中国市政工程华北设计研究总院有限公司 一种基于改进pso算法的lid系统设计方法
CN111461197A (zh) * 2020-03-27 2020-07-28 国网上海市电力公司 一种基于特征提取的空间负荷分布规律研究方法
CN111523804A (zh) * 2020-04-23 2020-08-11 南京工业大学 一种基于实景三维的应急避难场所效能评估方法
CN111797188A (zh) * 2020-06-28 2020-10-20 武汉大学 一种基于开源地理空间矢量数据的城市功能区定量识别方法
CN112036636A (zh) * 2020-08-28 2020-12-04 国网福建省电力有限公司经济技术研究院 一种以电能终端消费为主的综合能源负荷预测方法
CN112419124A (zh) * 2020-11-19 2021-02-26 广州市城市规划勘测设计研究院 一种低效工业用地的快速识别方法、装置及其存储介质
CN112732843A (zh) * 2021-01-15 2021-04-30 首都师范大学 一种村庄功能类型的识别方法及装置
CN113377891A (zh) * 2021-06-30 2021-09-10 中国测绘科学研究院 一种面向空间矢量数据图斑面积的平差方法
CN113674122A (zh) * 2021-07-22 2021-11-19 华设设计集团股份有限公司 一种适用高并发出行数据的城市居民出行规律快速提取方法
CN116187624A (zh) * 2023-04-23 2023-05-30 中国城市建设研究院有限公司 一种公共设施建设地址判定方法、装置、存储介质及终端

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750799B (zh) * 2015-03-23 2018-04-13 华南理工大学 一种基于地址解析数据的建设用地类型快速识别方法
CN107766415B (zh) * 2017-09-08 2018-09-14 华南理工大学 基于用电数据的城镇低效工业用地快速识别方法
CN109029333A (zh) * 2018-07-18 2018-12-18 浙江地科土地勘测规划设计有限公司 一种土地面积校对方法
CN109977323B (zh) * 2019-03-13 2021-09-03 南京大学 一种基于电子地图的通勤数据批量采集方法
CN110070279B (zh) * 2019-04-10 2020-04-14 广东省城乡规划设计研究院 基于多源数据的用地效率量化评估方法、系统和存储介质
CN110196916B (zh) * 2019-05-05 2022-11-18 华南理工大学 一种道路类型识别方法
CN111209355B (zh) * 2019-10-31 2023-12-22 浙江中测时空科技有限公司 企业亩均效益专题地图可视化制图方法
CN111414449B (zh) * 2020-03-26 2023-08-25 江苏省基础地理信息中心 一种基于多源数据的地块单元信息画像方法
CN111984436A (zh) * 2020-08-25 2020-11-24 中央广播电视总台 一种数据采集系统
CN115069592B (zh) * 2022-07-25 2022-11-11 青岛锐智智能装备科技有限公司 一种用于称重式分级机的自动化控制系统
CN115630876A (zh) * 2022-12-06 2023-01-20 北京市城市规划设计研究院 城市腾退空间再利用评估方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324749A (zh) * 2013-07-05 2013-09-25 福建邮科通信技术有限公司 一种基于标准文本地址的空间化解析及纠偏方法
CN104750799A (zh) * 2015-03-23 2015-07-01 华南理工大学 一种基于地址解析数据的建设用地类型快速识别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1959714A (zh) * 2006-11-24 2007-05-09 中国科学院上海技术物理研究所 基于遥感影像的城市基础生态环境时空分析评价方法
CN101114277B (zh) * 2007-08-21 2010-11-24 南京大学 一种利用地理信息系统与遥感技术进行生态功能区划的方法
JP5327869B2 (ja) * 2009-10-20 2013-10-30 日本電信電話株式会社 有名度スコア算出装置、その方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324749A (zh) * 2013-07-05 2013-09-25 福建邮科通信技术有限公司 一种基于标准文本地址的空间化解析及纠偏方法
CN104750799A (zh) * 2015-03-23 2015-07-01 华南理工大学 一种基于地址解析数据的建设用地类型快速识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GAO, YINGCHUN ET AL.: "Analysis of Urban Land Use Growth in Shijiazhuang City", PROCESS IN GEOGRAPHY, vol. 27, no. 6, 30 November 2008 (2008-11-30), pages 18 - 24 *
PIJANOWSKI, B.C. ET AL.: "A Big Data Urban Growth Simulation at a National Scale: Configuring the GIS and Neural Network Based Land Transformation Model to Run in a High Performance Computing (HPC) Environment", ENVIRONMENTAL MODELLING & SOFTWARE, vol. 51, 31 January 2014 (2014-01-31), pages 250 - 268, XP028774870 *
XU, YAN ET AL.: "Study on the Variation of Land Use Pattern in Tidal Flat Reclamation Zones in Jiangsu Coastal Area", JOURNAL OF NATURAL RESOURCES, vol. 29, no. 4, 30 April 2014 (2014-04-30), pages 644 - 646 *
YANG, JUN ET AL.: "The Study of the Spatial Differentiation of the Residential Land-Use in Dalian Jinshitan National Tourist Holiday Resorts", GEOGRAPHICAL RESEARCH, vol. 34, no. 1, 31 January 2015 (2015-01-31), pages 169 - 180 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600063A (zh) * 2016-12-16 2017-04-26 东北电力大学 一种基于模糊粗糙集理论和时空信息的空间负荷预测方法
CN111339619B (zh) * 2018-11-15 2023-04-28 中国市政工程华北设计研究总院有限公司 一种基于改进pso算法的lid系统设计方法
CN111339619A (zh) * 2018-11-15 2020-06-26 中国市政工程华北设计研究总院有限公司 一种基于改进pso算法的lid系统设计方法
CN109558473A (zh) * 2018-12-06 2019-04-02 佛山科学技术学院 一种基于gis的道路交通设施信息管理系统及其建模方法
CN110490507A (zh) * 2019-07-04 2019-11-22 丰图科技(深圳)有限公司 一种物流网络的新增线路检测方法、装置及设备
CN110428146A (zh) * 2019-07-11 2019-11-08 陕西华地勘察设计咨询有限公司 一种城镇低效用地精准识别与智能规划系统
CN110852479A (zh) * 2019-10-12 2020-02-28 上海市政工程设计研究总院（集团）有限公司 一种基于人口覆盖率的公共服务设施服务半径评价方法
CN111461197A (zh) * 2020-03-27 2020-07-28 国网上海市电力公司 一种基于特征提取的空间负荷分布规律研究方法
CN111523804A (zh) * 2020-04-23 2020-08-11 南京工业大学 一种基于实景三维的应急避难场所效能评估方法
CN111797188A (zh) * 2020-06-28 2020-10-20 武汉大学 一种基于开源地理空间矢量数据的城市功能区定量识别方法
CN111797188B (zh) * 2020-06-28 2024-03-01 武汉大学 一种基于开源地理空间矢量数据的城市功能区定量识别方法
CN112036636A (zh) * 2020-08-28 2020-12-04 国网福建省电力有限公司经济技术研究院 一种以电能终端消费为主的综合能源负荷预测方法
CN112419124A (zh) * 2020-11-19 2021-02-26 广州市城市规划勘测设计研究院 一种低效工业用地的快速识别方法、装置及其存储介质
CN112732843B (zh) * 2021-01-15 2024-03-01 首都师范大学 一种村庄功能类型的识别方法及装置
CN112732843A (zh) * 2021-01-15 2021-04-30 首都师范大学 一种村庄功能类型的识别方法及装置
CN113377891A (zh) * 2021-06-30 2021-09-10 中国测绘科学研究院 一种面向空间矢量数据图斑面积的平差方法
CN113377891B (zh) * 2021-06-30 2023-11-03 中国测绘科学研究院 一种面向空间矢量数据图斑面积的平差方法
CN113674122A (zh) * 2021-07-22 2021-11-19 华设设计集团股份有限公司 一种适用高并发出行数据的城市居民出行规律快速提取方法
CN116187624A (zh) * 2023-04-23 2023-05-30 中国城市建设研究院有限公司 一种公共设施建设地址判定方法、装置、存储介质及终端
CN116187624B (zh) * 2023-04-23 2023-08-01 中国城市建设研究院有限公司 一种公共设施建设地址判定方法、装置、存储介质及终端

Also Published As

Publication number Publication date
CN104750799A (zh) 2015-07-01
SG11201707620RA (en) 2017-10-30
CN104750799B (zh) 2018-04-13

Similar Documents

Publication Publication Date Title
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
Hong et al. Hierarchical community detection and functional area identification with OSM roads and complex graph theory
Zhu et al. Analysis of the impact of the MRT system on accessibility in Singapore using an integrated GIS tool
US8996523B1 (en) Forming quality street addresses from multiple providers
US8566325B1 (en) Building search by contents
CN107133900B (zh) 城市土地混合利用特征格网计算方法及装置
CN111401692B (zh) 一种度量城市空间功能紧凑度的方法
US11966424B2 (en) Method and apparatus for dividing region, storage medium, and electronic device
CN104679942B (zh) 一种基于数据挖掘的建设用地承载效率测度方法
CN103514235B (zh) 一种增量码库的建立方法和装置
CN104077322A (zh) 基于问题的地理信息挖掘方法及系统
CN111159973B (zh) 一种中文地址的行政区划补齐及标准化方法
Zhang et al. Assessing OSM building completeness using population data
KR101610367B1 (ko) Ｌｂｓ 기반 문화관광축제 평가 시스템 및 방법
Yin et al. A deep learning approach for rooftop geocoding
Cetl et al. A comparison of address geocoding techniques–case study of the city of Zagreb, Croatia
Fonte et al. Classification of building function using available sources of VGI
Deng et al. Quantitative comparison of open-source data for fine-grain mapping of land use
CN115796629A (zh) 传统村落活力量化评价方法及系统、电子设备、存储介质
Zhou et al. Residential-employment mixed use and jobs-housing balance: A case study of Shenzhen, China
Yan et al. Identification of secondary functional areas and functional structure analysis based on multisource geographic data
Pan et al. Impact of Check‐In Data on Urban Vitality in the Macao Peninsula
Cui et al. Research on the driving forces of urban hot spots based on exploratory analysis and binary logistic regression model
Wang et al. Information mining for urban building energy models (UBEMs) from two data sources: OpenStreetMap and baidu map
Hung et al. Assessing the quality of building footprints on OpenStreetMap: a case study in Taiwan

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16767784

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16767784

Country of ref document: EP

Kind code of ref document: A1