城市功能区语义信息挖掘与遥感分类

详细信息    查看全文 | 推荐本文 |

英文篇名：Semantic information mining and remote sensing classification of urban functional areas 作者：李娅 ; 刘亚岚 ; 任玉环 ; 王智灏 ; 曲畅 英文作者：LI Ya;LIU Yalan;REN Yuhuan;WANG Zhihao;QU Chang;Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences;University of Chinese Academy of Sciences;Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University; 关键词：城市功能分区 ; 建设用地提取 ; POI数据 ; 核密度估计 ; 语义信息挖掘 英文关键词：urban functional areas;;construction land extraction;;POI data;;kernel density estimation;;semantic information mining 中文刊名：中国科学院大学学报 英文刊名：Journal of University of Chinese Academy of Sciences 机构：中国科学院遥感与数字地球研究所;中国科学院大学;北京大学地球与空间科学学院遥感与地理信息系统研究所; 出版日期：2019-01-15 出版单位：中国科学院大学学报 年：2019 期：01 基金：国家自然科学基金青年基金(41601387)资助 语种：中文; 页：59-66 页数：8 CN：10-1131/N ISSN：2095-6134 分类号：P208

摘要

中国城镇化和智慧城市建设的推进,对城市精细化规划与管理提出新挑战。明确城市空间结构划分,加强城市功能区的合理规划,对城镇化建设具有重要意义。基于遥感图像数据、POI(point of interest)数据及路网数据,使用遥感信息提取技术和语义信息挖掘方法,实现城市功能区的语义分类。对随机挑选的360处区块进行样本验证,结果显示城市功能语义分区的精度达到87.5%。该方法受区域限制较少,对城市功能分区研究有效。
        As the urbanization and the policy of smart city advance step by step, new challenges are put forward for the meticulous planning of cities. It is of great significance to clarify the division of urban spatial structure and strengthen the rational planning of urban functional areas. We obtain the semantic classification results of urban functional areas using the remote sensing technology and the semantic information mining method based on the GF-1 image, POI(point of interest) data, and road network data. Firstly, extraction of construction land in study area is based on object-oriented method, and the block partition is recognized by using road network data. Considering that the semantic features from POI data make fine classification of urban construction land, we estimate POI data for each category using kernel density analysis. Then the evaluation model of function area category is established based on the overlapping regions of multiple types of kernel density. Thus the function land classification of study area is completed. 360 blocks of plots are randomly selected for sample verification test. The results show that the definition of urban function areas is accurate and the accuracy of urban function zoning is as high as 87.5%.

引文

[1] 刘可心. 面向升级的城市规划发展思考[C]//中国城市规划学会. 规划60年:成就与挑战-2016中国城市规划年会论文集. 北京:中国建筑工业出版社, 2016:1 040-1 049.
    [2] 王卫华,王开泳. 北京城市功能区演变与优化调控[J]. 中国名城, 2014(6):32-37.
    [3] 李禾. 城市“未老先衰”智慧或成治理良方[N]. 科技日报, 2017-04-18(5).
    [4] 国家新型城镇化规划(2014—2020年)[N]. 人民日报, 2014-03-17(9).
    [5] 杨朝斌,张树文,卜坤,等. 高分辨率遥感影像在城市LUCC中的应用[J]. 中国科学院大学学报, 2016,33(3):289-297.
    [6] 张亚亚,张立民,刘小伟,等. 基于语义网的遥感图像分类[J]. 计算机技术与发展,2015, 25(5):218-223.
    [7] 梁军辉,林坚,杜洋,等. 大数据条件下城市用地类型辨识研究:基于出租车GPS数据的动态感知[J]. 上海国土资源, 2016, 37(1):28-32.
    [8] 赵卫锋,李清泉, 李必军. 利用城市POI数据提取分层地表[J]. 遥感学报, 2011, 15(5):973-988.
    [9] 于翔. 基于城市公交刷卡数据和兴趣点的城市功能区识别研究[D]. 杭州:浙江大学, 2014.
    [10] Yuan J, Zheng Y, Xie X. Discovering regions of different functions in a city using human mobility and POIs[C]//ACM KDD. The 18th Acm Sigkdd Conference on Knowledge Discovery and Data Mining. Beijing, China:August 12-16, 2012:186-194.
    [11] 宋瑞,姚郑. 基于大数据的热点区域人员流量实时监测系统[J]. 中国科学院大学学报, 2015, 32(3):428-431.
    [12] Bauer D,Gonzalez M C, Toole J L, et al. Inferring land use from mobile phone activity[C]//Proceedings of Acm SigkddInternational workshop onUrban Computing, 2012:1-8.
    [13] 钱巧静,谢瑞,张磊,等. 面向对象的土地覆盖信息提取方法研究[J]. 遥感技术与应用, 2005(3):338-342.
    [14] 禹文豪,艾廷华,杨敏,等. 利用核密度与空间自相关进行城市设施兴趣点分布热点探索[J]. 武汉大学学报(信息科学版), 2016, 41(2):221-227.