居民出行异质性与城市活动结构

城市活动结构在居民出行过程中会产生动态变化,发现城市活动结构已经成为城市地理学、交通地理学研究的热点问题,对于城市规划与管理、公交线路调配、流量估计等具有重要意义。传统的城市结构发现方法是从计算机技术发展而来的,通常只考虑区域之间的交互,忽视了区域的属性信息,并且在顾及居民出行异质性方面研究不足。本文基于自编码模型,提出一种顾及居民出行异质性探测城市活动结构的表示学习方法,实现静态属性信息与动态出行信息的融合,并引入多元高斯分布模型,旨在完成从节点表示到社区表示的完整过程,实现更为准确的表示结果;借助地理探测器思想,顾及不同社区之间的居民出行异质性特征。试验发现,本文方法能够较为准确地发现城市活动结构以及居民的出行规律,通过与传统方法的比较,证明该方法在居民出行行为的挖掘上具有独特优势,便于从居民出行的角度重新认识城市活动结构。

基于空间相似关系的居民地群组目标地图综合质量评价

数字环境下的计算机自动制图综合质量评价,其本质就是计算综合前原图和综合后结果图之间的相似度,因此该文提出了基于空间相似关系对居民地群组地图要素的制图综合质量进行评价的方法。首先,根据多尺度空间相似关系的定义,提取出居民地群组多边形的特征因子并计算各因子综合前后的相似度;其次,在合理分配权重的基础上,建立居民地群组多边形总体相似度计算模型,并根据相似度计算结果对居民地群组目标要素的制图综合质量进行评价;最后,利用实验验证了该文所提评价方法的有效性。该研究为客观评价地图综合质量提供了一个新的思路。

长江经济带电力消耗时空格局演变特征

揭示电力消耗的时空演变动态特征对于实现电力资源的科学调配与合理利用有着重要的意义。因此,本文基于从DMSP/OLS夜间灯光数据提取的电力消耗数据,以我国长江经济带为例,运用变异系数、核密度分析、位序-规模法则、趋势分析、标准差椭圆等多种方法,对长江经济带省级、地级和县级三种不同尺度下的电力消耗时空格局演变特征进行分析。结果表明:(1)通过变异系数,我们发现长江经济带电力消耗变异系数(CV)在省、地、县三级都呈现出下降趋势。具体来看,县级电力消耗差异最大,其次是省级和地级。(2)通过核密度分析,我们发现长江经济带电力消耗集聚程度明显呈现出由东部向中西部依次递减的特征。(3)通过位序-规模法则,发现在省级、地级和县级尺度上长江经济带在研究时间段内的|q|值一直处于不断下降的态势,并且|q|值不断接近1,说明长江经济带在省级、地级和县级等多个尺度上电力消耗的规模与数量分布日趋合理。(4)通过趋势分析,我们发现长江经济带在省级、地级和县级三个尺度上的电力消耗变化增幅都明显呈现出由东部向中西部依次递减的特征。(5)通过标准差椭圆分析,我们发现长江经济带电力消耗标准差椭圆明显呈现出“西南-东北”的空间分布方向,并且往长三角地区的指向性非常明显,这说明推动长江经济带电力消耗增长的主要动力来自东西方向地区的电力消耗的增长。

基于层次分析法的多尺度点群目标相似度计算

计算不同尺度下空间目标的相似性是GIS研究的热点问题之一。点群是地理空间群组目标的一种,研究其相似性可对空间群组目标的计算机制图结果进行评价。以往的理论研究主要从影响点群目标的单一因子出发,对影响点群目标的简单因子进行分析,并以此提出相应计算模型。为了研究点群目标在不同尺度下的相似性问题,本文在前人研究的基础上,整合了影响点群目标相似性的主要因子(包括拓扑关系、方向关系、距离关系、分布范围和分布密度),并分别提出拓扑相似度、方向相似度、分布范围相似度、距离相似度分布和密度相似度的计算模型,从整体上把握计算点群目标的相似性。通过层次分析法,赋予5种因子相应的权重,最后集成不同尺度下点群目标相似度的总体计算模型。经过计算验证,该方法能较准确地计算不同尺度下点群目标的相似程度,为制图综合质量做出评价。

空白区域对点群相似性特征因子的影响

针对空白区域对点群相似性特征因子的影响,该文首先综述相关研究文献并整合影响点群相似性的要素,包括拓扑关系、方向关系、距离关系和分布范围;然后通过自适应聚类方法提取点群目标中的空白区域。通过对考虑空白区域与未考虑空白区域点群目标之间的拓扑关系、方向关系、距离关系和分布范围的相似度计算并进行对比,发现点群中的空白区域对点群的拓扑关系之间的相似度计算影响较小,对点群的方向关系、距离关系和分布范围的相似度计算影响较大。

顾及空间异质性的自适应IDW插值算法

传统的反距离加权(inverse distance weighted,IDW)插值法存在以假设空间过程平稳为前提,且插值过程需要用户提供初始化参数如分区数目、参考样点个数等的问题,因此提出一种顾及空间异质性的自适应IDW插值算法。该算法首先根据样点待插值属性数据的数理统计特征自适应设定分类阈值,将全部样点按照属性值大小分成高、中、低三类,其次利用机器学习算法k近邻法(k-nearest neighbor,k-NN)判定待插值点所属类别,然后根据分类结果自适应为待插值点一阶邻近样点,并设置相应的权重调和因子,最后构造出一个集空间相关与空间异质性于一体的IDW插值算法模型。实验结果表明,顾及空间异质性算法无需用户提供任何经验参数,其抗粗差的能力较另3种经典IDW插值算法更强,能够有效提高IDW插值算法的精准度。

结合POI数据的道路自动选取方法

人们对道路重要性的认知与道路周边设施有重要关系,针对现有地图综合道路选取方法中对语义特征考虑不足的问题,将POI数据引入到道路的语义特征分析中,提出一种综合考虑道路空间特征和语义特征的道路综合自动选取方法。首先,结合POI位置数据构造了道路语义特征度量的3个新参量:设施点密度、重要设施比率和专题设施比率;然后,与道路长度、连接值、总深度值、平均线密度等反映道路几何、拓扑和分布特征的度量参量一起,通过归一化和熵值法赋权进行整合计算,得到道路重要性值;最后,综合考虑道路重要性值、道路stroke构成和stroke连通度的约束条件进行道路的分步选取。实验结果表明,该方法在保留主要道路、保持道路分布疏密特征和道路连通性的同时,较好地顾及了道路的语义特征信息。

改进的最小生成树自适应空间点聚类算法

针对传统的最小生成树聚类算法存在使用全局不变阈值确定噪声边,聚类需要用户根据经验确定初始化聚类参数,如"边权值倍数容差","边长变化因子"等,聚类不能发现局部噪声的问题,本文提出了一种改进的最小生成树自适应空间点聚类算法。该算法在无需用户输入参数的前提下,克服主观因素的影响,根据最小生成树边长的数理统计特征定义裁剪因子。算法首先从宏观层面对最小生成树进行首轮删枝操作,消除全局环境下的噪声边,进而根据各子树的边长统计情况,自适应设定局部裁剪因子,进行第二轮删枝操作,消除局部环境下的噪声边。最后,采用1个模拟数据和1个实际应用验证算法的有效性,结果表明本文提出的改进算法在无需人为提供经验参数的环境下能够发现任意形状、不同密度的簇,能够准确的识别出空间点中的噪声数据,从而能够实现空间点数据背后隐藏信息的自动挖掘。