论文部分内容阅读
城市功能区的识别对于自然与社会资源测算、城市功能地域空间规划等具有重要作用。传统识别方法主要是利用统计调查数据,建立评价指标来量化城市景观与社会经济特征,但其存在数据获取成本高、识别效率低,构建评价指标的主观因素强等问题,难以准确地刻画不同城市功能的自然与社会特征。城市景观能够反映城市的空间结构等自然特征,而社会感知则可以刻画城市的社会经济与人类活动特征,将城市景观与社会感知进行有效融合,将是实现城市功能区识别的一条可行途径。因此,本文通过设计城市景观多层次测算模型、研究城市功能语义度量算法,提出了一种融合景观测算和语义度量的城市功能区识别方法。论文的主要研究内容如下:(1)设计了一套城市景观多层次测算模型。首先,提出了城市景观的单一要素测算方法,以绿地、水体、建筑物、道路、公共设施、其他用地等为基本要素,量化了要素的面积、周长、数量、高度等指标;继而,设计了基于组合要素的城市景观测算方法,提出了建筑物面积与公共设施数量之间的比率、建筑物面积与其他建成用地面积的比率、建筑物面积与道路长度的比率、公共设施的数量与道路长度的比率等指标;最后,发展了基于整体要素的城市景观测算方法,构建了城市景观多样性指数、城市景观形状指数、城市景观平均分维数和城市景观分离度等指标。(2)实现了一种基于时空主题模型的城市功能语义度量算法。首先,针对现有语义度量方法难以发掘时空信息的问题,通过改进传统的LDA(Latent Dirichlet Allocation)主题模型,建立时间与空间文本文档,从而构建了顾及城市功能语义的时空主题模型;继而,利用时空主题的时间变化与文本差异,建立了 TWED(Time-warped Edit Distance)模型与文本相似模型,提出了时空主题的时间相似度和语义相似度算法;最后,采用层次聚类算法,分别将时间相似度和语义相似度作为聚类的“时间距离”和“语义距离”,发展了基于时间相似度和语义相似度的城市功能主题聚类方法。(3)提出了一种融合景观测算和语义度量的城市功能区识别方法。针对地理学中的可变用地单元对城市功能区识别的影响问题,依照社区划分的方式,提出了一种城市功能区的用地单元构建方法;在此基础上,融合城市景观信息与城市功能语义度量信息,采用针对高维特征分类的边界树分类模型,引入全连接算法和贪婪算法,识别高维特征下的城市功能类型,构建了城市功能自动识别模型;最后,从整体识别精度与各功能区类型的角度出发,提出了整体精度、Kappa系数、生产者精度和用户精度指标等精度评估指标。本文以深圳市福田区为研究区域,利用路网数据、电子地图数据、兴趣点数据和兴趣点评论数据,对本文提出的模型和方法进行了试验验证。结果表明:仅考虑城市景观特征的城市功能区识别的总体精度为0.637,仅考虑城市功能语义特征的城市功能区识别的总体精度为0.664,而融合景观与语义特征的城市功能区识别的总体精度为0.823,识别精度明显提高;本文所提出的城市景观多层次测算模型、城市功能语义度量算法、融合城市景观与城市功能语义的城市功能区识别方法等,有效地解决了识别效率低、精度差的问题,为城市功能区的识别提供了一条新思路。