ArcGIS模型构建器在城市园林绿化指标测算中的应用

为了解决国家园林城市评选中遥感指标测算流程复杂,重复性工作多,人工处理效率低下的问题,提出利用ArcGIS模型构建器构建指标测算模型实现自动化处理的方法,以某地区国家园林城市指标测算应用实例表明,模型只需设置好参数,即可完成一键运算,以其中一项指标公园绿化活动场地服务半径覆盖率测算为例进行了说明。除了构建单模型,还可将多个模型合并为一个模型,通过一次构建,输出多个测算结果,以万人拥有绿道长度及绿道服务半径覆盖率测算为例说明了实现思路。该方法的应用极大节省了工时,提高了工效,灵活性高,扩展性强,可广泛应用于多个项目场景中的数据处理任务。

生活圈视角下的社区生活便利度评价研究

生活圈是城市居民日常出行范围对公共服务的基本需求,15分钟社区生活圈便利度是评价城市宜居程度的重要影响因素。本研究从生活圈视角出发,以合肥市二环为例,构建了覆盖八大类一级指标和22小类二级指标的15分钟社区生活圈便利度评价指标体系,引入设施覆盖率和达标率定量评价双重指标,分别对合肥市二环5、10、15分钟社区生活圈便利度进行测度。从15分钟社区生活圈评价结果来看,设施覆盖率上,合肥市二环内便利店、市场、药店、公交设施几乎覆盖全部小区,但购物中心、广场、电影院、养老院的覆盖率偏低,服务水平还有待进一步提高,设施达标率上,15分钟生活圈小区8项指标达标率均在90%以上,几乎所有小区在步行1公里范围内可达便利店、医疗、交通这三类设施,所有小区中8项指标平均达标7.7项。本研究提供了一种定量评价城市公共设施服务水平的方法,结果可以为指导城市未来生活圈公共服务设施的布局优化提供一定的参考。

一种室内导航网络众包构建方法

室内导航网络是室内位置服务的基础,传统人工测绘或基于CAD半自动提取等方法时效性较差。室内移动对象众包轨迹数据的出现为室内导航网络构建提供了一种新的解决方案。提出一种室内导航网络众包构建方法。首先提取出用于构建室内导航网络的廊道区域轨迹点;其次通过轨迹点生长融合聚类算法将廊道轨迹点转化为聚类点;最后通过聚类点连接生成室内导航网络。以某商城一楼2d的移动对象轨迹数据进行了实验。结果表明,本文方法提取的室内导航网络准确度较高,能够为室内空间结构快速变化检测和更新提供支持。

基于网络分析的合肥市滨湖新区公园绿地可达性研究

城市公园绿地在协调城市空间、改善城市生态方面起到不可替代的作用。基于GIS网络分析法,从步行、骑行、机动车三种交通方式分析了滨湖新区及其各街道城市公园绿地的可达性和服务状况。结果显示:①滨湖新区城市公园数量不足且空间分布不均匀,中部地区三大公园占据了公园总面积的78%,滨湖世纪街道、方兴街道、万年埠街道城市公园可达性好于烟墩街道和义城街道;②缓冲区分析法高估了公园绿地的可达性,网络分析法较缓冲区法更能准确地评价城市公园的真实服务水平;③以行政区为评价单元低估了公园绿地的可达性,仅有30.15%的面积能够在15 min内步行到达公园,而居住小区角度有64.3%的面积能够在15 min内步行到达公园;④公园整体可达性良好,0 min~5 min内机动车方式下的公园绿地可达性优于步行和骑行方式,15 min内机动车方式下的公园绿地可达性和骑行方式相当,几乎覆盖所有居住小区。研究获得了合肥滨湖新区城市公园绿地空间分布和服务情况的准确资料,为城市公园空间布局优化提供参考。

基于移动对象轨迹的室内导航网络构建方法

室内导航网络是行人导航、信息推荐和商业分析的基础。传统人工测绘或半自动提取的室内三维导航网络无法满足复杂室内空间结构高频变化需求。随着室内定位技术的不断发展,室内移动对象轨迹数据爆发式增长,为室内导航网络快速构建与变化监测更新提供了可能。本文提出一种基于移动对象轨迹的室内导航网络构建方法,在基于ST-DBSCAN的轨迹简化预处理基础上,提出了室内轨迹自适应栅格化算法,减弱栅格图像分辨率对导航网络提取的影响,有效避免廊道轨迹密度差异造成的导航网络拓扑连通失效,并通过CFSFDP自适应聚类算法自动识别楼层之间连通点,实现室内导航网络的快速构建。实验数据来源于上海图聚智能科技股份有限公司提供的某商城真实的室内移动对象轨迹数据,实验结果表明,与普适栅格化方法相比,本文提出的方法将导航网络构建准确率平均提高2.43%,拓扑正确度提高12.8%。

室内用户语义位置预测研究

位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务(Location-based Service,LBS)领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法(Spatial-Temporal Agglomerative Nesting,ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型(Long Short-Term Memory,LSTM)挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。