基于sDNA模型的路网形态与POI数据空间特征相关性研究——以湖北省监利市为例

路网形态作为城市内部形态,对城市空间发展具有重要影响。本文以监利市域路网为研究对象,基于sDNA模型和ArcGIS软件,运用核密度、标准差椭圆和空间句法来定量研究市域内POI数据的空间分布特征和路网形态,并分析二者之间的相关性。研究表明,(1)市域POI数据空间特征呈现出“一主两副多中心”的格局和“西北-东南”的斜向分布特征;(2)市域路网形态随着搜索半径的增大而逐渐体现出连续性,中心城区和高速公路的作用明显,但村镇之间的连通性较弱;(3)市域路网形态与POI数据的相关性随着半径的增大而增强,在相同尺度下POI数据的分布更容易受到道路接近度的影响,且远距离出行时,道路接近度对POI数据的影响大于穿行度。

石家庄POI数据与道路网络接近中心性的空间耦合性研究

分析城市POI数据与道路网络接近中心性的空间耦合关系,对于探究POI空间分布规律、引导城市各功能区合理布局具有重要意义。以石家庄中心城区为研究范围,依托Arc GIS平台分析了各类POI数据的空间分布特征,运用城市网络分析对道路网络的接近中心性进行测度。通过双因素组合制图对二者的空间耦合关系进行可视化分析,揭示了不同密度、不同类型的POI空间分布规律。

多源数据加权融合的城市建成区改进指数评估

针对多源数据提取建成区的研究大多集中在等权融合方向,缺乏考虑不同数据源包含的信息量差异的问题,通过多源数据加权融合方法对前人的城市建成区提取指数进行改进,以改善不同质量级数据直接融合导致建成区提取不准确的问题。首先,构建融合夜间灯光数据、NDVI数据、路网数据和POI数据的改进PREANI指数;其次,融入不透水面数据和温度数据构建无权指数UCI和有权指数WCI;最后,选择迭代法和动态阈值法提取建成区,并对3种指数分别进行评估。结果表明:改进PREANI的Kappa系数为0.80,UCI融入温度和不透水面数据将Kappa系数提高至0.83;WCI提取的建成区轮廓更准确,在增强城乡建成区细部对比、提升边缘地物区分能力方面表现良好,其Kappa系数、查全率、查准率和F1分数均在0.85以上。

基于多源数据的南京市主城区城市功能分区识别研究

对于城市规划来说,识别城市功能区是进行具体城市规划建设的先手棋,高精度的识别结果可以为城市空间结构优化升级和资源合理配置提供数据支撑。聚焦南京市主城区,利用缓冲区和频率密度算法,结合POI数据和OSM路网数据对城市功能区进行识别研究,以OSM路网数据(不规则格网)和渔网分析工具(规则格网),对主城区进行分割获取研究单元,前者做缓冲区分析,后者做频率密度,得到识别结果,并进行对比分析。研究表明:基于OSM路网数据的不规则格网在较大尺度研究单元识别精度更高,更能体现功能区范围的连续性与协调性;基于渔网分析的规则格网在中小尺度精度更高,更能体现出功能区的细节和空间变化。总体来说两种方法的识别结果与南京市主城区实际功能区范围与类型相符合,为南京市规划发展提供借鉴意义。

融合OSM路网与POI数据的城市功能区识别研究

识别城市功能区的分布特征可为城市空间结构及资源的合理配置等提供帮助。该文以南京市中心城区为研究对象,基于核密度估计算法提出了一种融合OSM路网与POI数据的城市功能区识别方法:利用OSM路网对城市进行自动分割,获得具有相同社会经济功能的研究单元;基于核密度估计算法实现POI设施的影响扩散,削弱了POI点的离散化现象,同时设置核密度带宽对比实验,分析带宽大小对功能区识别结果的影响。结果表明:较大带宽使POI影响范围扩大,功能区混合程度增高,识别精度较低;较小带宽使POI对邻近位置的影响难以扩散,POI自身分布对结果影响较大;而最适带宽组识别效果最好,精度达81.3%;研究区被分为22个功能区类型(6个单一功能区、15个混合功能区和1个综合功能区),识别结果与南京市实际情况相符,可为城市发展规划与管理提供借鉴。

上海城市道路对消费活力的影响:基于POI密度与多样性分析

中国城市经济随着改革深入面临巨大转型,消费活力成为衡量一个城市经济发展能力和潜力的重要指标。文章以上海为例,利用辛普森指数、相关性分析法、核密度计算,研究了城市消费活力空间分布和热点识别、城市道路网与消费活力的相关性。结果表明:上海城市消费活力在空间密度上主要呈单核扩散模式,即由主城区中心向周边发展的态势;城郊区域出现的热点,可用以识别和评价政府规划的新型城镇中心的崛起和发展;道路节点密度与消费活力水平呈正相关关系,且相关程度较高(相关系数大于0.5);道路密度与消费活力水平呈微弱的正相关关系。总之,上海城市道路网建设对于消费活力形成及发展具有正面的促进作用。这些都可为城市道路规划与合理布局提供理论参考。

基于多模态数据融合的典型路网POI自动识别

针对路网兴趣点(point of interest,POI)数据传统获取方法人工依赖高、成本高、效率低等问题,基于遥感影像和车辆轨迹数据融合提出了一种典型路网POI自动识别方法。该方法通过卷积神经网络(convolutional neural network,CNN)提取遥感影像中的道路几何特征,并利用循环神经网络(recurrent neural network,RNN)有效捕捉车辆轨迹隐含的道路交通特征,最后通过神经网络,实现从多模态数据中识别路网中红绿灯路口、加油站、停车场等兴趣点。本研究以2019年重庆市中心城区道路兴趣区域的400张遥感影像数据和40000条出租车轨迹数据作为训练样本进行了实验验证。结果表明,对比单一使用车辆轨迹数据的算法,该算法识别精度提高了近11.83%;对比单一使用遥感影像数据的算法,该算法识别精度提高了近2.53%。

支持偏好调控的路网隐私保护k近邻查询方法

随着人们对个体隐私的日益关注,位置服务中的隐私保护问题成为数据库领域新兴的研究热点.针对面向路网的隐私保护k近邻查询中,保护位置隐私引发的难以兼顾查询质量问题及查询者对查询效率与准确性间偏好调控需求问题,引入PoI(Points of Interest)概率分布概念,通过分析服务器端PoI邻接关系,生成PoI概率分布.将服务器端查找k近邻PoI过程分解为路网扩张查询阶段和迭代替换阶段,为迭代替换阶段构建基于PoI概率分布的可替换PoI概率预测机制.基于所构建概率预测机制,提出支持用户偏好调控的保护位置隐私k近邻查询方法AdPriQuery(Adjustable Privacy-preserving knearest neighbor Query),查询者通过调节筛选概率阈值,在兼顾位置隐私安全的同时,实现对查询效率与准确性的偏好调控.所提调控机制对已有的基于空间混淆的路网环境保护位置隐私近邻查询方法具有良好的兼容性.理论分析和实验结果表明,所提方法在兼顾保护位置隐私的同时,能有效提高服务器端查询效率,同时支持查询结果准确性与查询效率的偏好调控要求.

基于路网距离的重庆市小区价格空间分异与影响因素研究

小区住宅价格影响深远,关系着城市的吸引力和竞争力,对其空间分布特征和影响机制展开研究具有实际意义。以重庆市主城区为研究区,探究小区房价空间分布模式和规律,对比基于真实路径距离和欧式直线距离构建地理加权回归模型的模拟效果和估计精度,从而揭示各影响因素对小区房价的影响程度和区域差异。结果表明:①重庆市主城小区价格具有空间正相关性,且呈多中心、片区式分布;②城市中心、地铁和购物是影响住宅价格较为重要的因子,地形因素不显著;③各变量的影响在不同空间位置有显著差异,城市中心、地铁、写字楼和江景空间分异现象明显,公交和绿化率标准差较小;④由路网距离度量影响因素能够提供优于直线的真实空间距离,模型解释力更高。

中国城市地区的识别:街区尺度的探索

作为评估城市发展的重要指标,城市地区被认为能够通过广泛可用的数据集来进行明确且便捷的识别并有助于规划决策和相关的城市研究。截至目前,识别城市地区的既有方法通常基于中分辨率的遥感数据集或空间中(如具有数平方千米的区块乃至更大的乡镇或行政区)低分辨率的社会经济信息(如人口密度)。然而,这些方法鲜少关注通过结合形态和功能特征来定义的具有高分辨率微观数据的大面积城市地区。故本文研究了一个自动化框架,用于在街区层面划定城市地区,使用逐渐可及的地形测量来生成各个区块(或地理单位)及广泛的兴趣点(POIs),从而推断出每个区块的密度。同时,本文基于矢量元胞自动机(VCA)模型,从所有生成的街廓中识别城市街廓,并将各街廓的密度、邻里条件与其他空间变异纳入考量。本文将这种方法用于绘制所有654个中国城市的城市地区,并将其与中分辨率遥感图像、人口密度和道路交叉口所反映的信息进行比较。与其他现有框架相比,本文提出的框架被证明更为简单、省时且精细。该架构主张定义城市地区的过程应具有一致性、高效性和可用性,同时应考虑城市中无所不在的空间和功能因素。

夜间灯光融合多源数据的建成区提取方法

夜间灯光数据已被广泛应用于城市建成区提取研究。针对已有研究未过滤NPP/VIIRS数据火光、气体燃烧等背景噪声,且仅顾及单一要素进行建成区提取,导致建成区提取不准确的问题,提出一种夜间灯光融合多源数据的建成区提取方法。首先,构建顾及POI、道路、EVI多源要素的夜间灯光修正指数PREANI;然后,基于该指数,利用动态阈值二分法对建成区进行提取;最后,以东营市为实验区,对提出的方法进行对比验证和讨论。结果表明:该方法在城市边缘地物区分、城市空间结构辨识能力方面具有明显优势,对于整体空间形态、细节边界表现效果更优;基于该方法提取的建成区,查全率、查准率和F1值均有明显提高,其提取边界更为精准,表现出较好的适用性。本研究对于城市建成区提取与城市空间结构刻画具有重要的意义。

基于POI数据的城市功能区识别及其空间分布特征——以珠海市中心城区为例

为了探究城市功能区的空间分布特点,基于兴趣点(POI)数据构建城市功能区定量识别体系,分析珠海市中心城区城市功能区的空间分布特征.结果表明:①珠海市中心城区的功能区普遍具有明确的主导功能,且呈现“中心居住,外围工业,混合分散”的分布格局.②“单一”和“混合”功能区交错分布的地区主要集中在珠海市中心城区北部.③混合功能区多表现为居住和商业服务设施功能的混合,呈现出“商住联动”特征.

路网空间下郑州市兴趣点分析与可视化研究

在网络核密度算法的基础上,结合郑州市道路网特点设计了基于网络栅格剖分的网络核密度计算模型,得出路网空间下郑州市不同类型兴趣点(POI)网络核密度的分布结果,并借助三维可视化方法对计算结果进行直观表达,揭示了郑州市POI空间分布的内在规律.结果表明:(1)网络栅格剖分核密度算法在路网空间下对POI进行空间密度分析,更好地反映了与交通强相关POI的分布规律;(2)三环内外的POI网络核密度结果有着显著的差别,三环可作为当前郑州市中心城区的边界线;(3)不同类型的POI在分布格局和聚集形态整体上差别较大,体现出行业之间巨大的差异性.

O2O与实体商业空间布局与关联研究——以乌鲁木齐市为例

以O2O(Online to Offline,线上到线下)为代表的网络团购电子商业因其消费方式和体验过程的特殊性、服务范围的空间特定性,正在对城市实体商业空间格局产生不可忽视的影响。目前,对O2O与实体商业的研究多关注在空间特征与影响因素上。文章以乌鲁木齐市为例,选取2019年的O2O与实体商业POI(Point of Interest,兴趣点)数据,运用空间计量方法、空间句法测算的路网可达性以及OLS模型,对乌鲁木齐市O2O与实体商业的空间分布以及空间关联进行实证研究。结果表明:首先,乌鲁木齐市O2O与实体商业空间都表现出中心集聚,外围离散分布的特征,但O2O商业的中心集聚性较低,而外围呈现出多核心的形态。其次,O2O对实体商业具有极强的关联性,一方面,O2O能够加剧实体商业中心化现象,给中心聚集区的消费者带来更多的便利,从而加剧中心区的消费能力,使中心更加极化;另一方面,使商业在空间上产生扩散效应,即利用O2O模式的网络优势,使更多的商家远离中心区域同样达到高收益的效果,同时O2O使诸多商业的信息传播不再受距离限制,刺激了新的商业类型发展。对O2O与实体商业关系论证能够帮助理解电子商务影响下的城市商业区位理论,并有助于了解未来城市商业空间发展内在逻辑。

基于路网的群体出行计划查询算法

群体出行计划(GTP)查询旨在为一组用户查找共同的活动地点(通常以兴趣点(Po I)表示)以达到整体的出行开销最小。当前,对群体出行计划查询的研究大多仅限于欧氏空间,然而人们真实的出行却受到道路网络的约束。针对该问题,提出了两个基于路网的群体出行计划查询算法NE-GTP和ER-GTP。其中,NE-GTP通过扩展每个用户所在的边,来迭代地找到这组用户感兴趣的Po I;ER-GTP则是利用R树索引和欧氏距离是路网距离的下界这一条件来快速搜索满足关键词条件的Po I。实验结果表明,ER-GTP方法在查询速度上总体要比NE-GTP快一个数量级左右;而且,当数据量很大时,ER-GTP也有很好的可扩展性。

面向时间依赖路网的空间索引方法

在兴趣点(POI)呈稀疏分布时,现有时间依赖路网中的k近邻查询方法效率较低,且无法高效支持多类型的POI查询。为此,建立基于POI分布的空间索引结构TDG。根据路径权值上、下界对预计算路径进行剪枝优化,在此基础上,提出一种索引更新策略与基于TDG的k近邻查询算法。实验结果表明,与启发式查询算法相比,该算法的扩展节点数量平均减少87.5%,查询响应时间平均缩短33%～66%。

语义知识支持的城市POI与道路网集成方法

提出一种基于POI与道路间语义关联的城市POI与道路网集成方法。首先利用POI的路名信息构建POI语义连接图,并识别和简化道路交叉口结构;然后结合POI与交叉点的连接路名信息进行POI与路网的特征点匹配;最后通过迭代方式实现POI与路网数据的位置集成。实验表明,本文方法能够将偏差较大的POI有效集成到道路网中,保证POI与导航路网间相对位置的准确性。

支持关键词搜索的top-K条最优路线查询问题

支持关键词搜索的top-K条最优路线查询问题是针对给定的道路网络、兴趣点集合、起点和多个关键词的路线查询。查询旨在找到途经与查询关键词匹配的多个兴趣点的k条最优路线。然而,一些现有研究为降低算法的复杂度,将用户输入关键词的顺序作为到达兴趣点顺序,不适用于对兴趣点到达顺序没有要求的场景,降低了实用性;另一些研究为提高查询效率,设定距离阈值对不符合要求的兴趣点剪枝,然而这类算法无法保证被剪枝的兴趣点一定不能组成最优路线。针对上述问题,提出一种关键词感知的top-K最优路线搜索(KKRS)算法。首先,将整个道路网络划分为多个子网络。然后,采用启发式搜索策略从查询起点所在的子网络开始逐步扩展搜索范围,直至找到top-K条最优路线或遍历完整个道路网络。在扩展过程中,引入子图剪枝策略,用于剪去不包含top-K最优路线的子网络,缩小搜索范围。此外,为避免对每个可能构成最优路线的兴趣点集合依次计算,设计兴趣点序列的剪枝策略,以快速过滤不可能构成最优路线的兴趣点序列,降低计算代价。最后,在真实数据集和合成数据集上对提出的两种剪枝算法进行实验,实验结果表明这两种算法在所有数据集上的子图剪枝上都能达到70%以上的剪枝率,在兴趣点序列剪枝上则能保证60%以上的剪枝率。与目前已有的先进算法大规模路网图下关键词覆盖最优路径查询(KORL)、ROSE-GM(Recurrent Optimal Subroute Expansion Using Greedy Merge Strategy)、OSSCaling和StarKOSR(finding Top-K Optional Sequenced Routes with A*)相比,KKRS算法比对比算法中查询效率较高的StarKOSR算法提高了40%。

道路网约束下的城市兴趣点选取

针对道路对城市内部兴趣点数据分布有密切的约束关系,故城市内POI数据往往呈现出沿着道路分布的特征这一现象,提出一种在道路网约束下城市内部POI数据的选取算法。通过建立道路网的拓扑结构,根据POI数据的分布位置分为道路周边分布的和远离道路分布的两大类,对道路周边的点使用"间苗法"选取,对远离道路分布的点根据其分布模式决定采用"随机法"或其他方法选取。算法采用实际数据进行实验,切实可行,并得到了合理的结果。

运用网络核密度估计与克里格插值识别城市功能区

挖掘适宜于认知的高所信息能为进一步的分析提供依据。城市功能区的识别是这类信息挖掘的典型案例,对城市规划及对以往用地规划的验证具有重要意义。提出一种单纯运用城市路网与兴趣点(point of interest, POI)识别城市功能区的方法。首先,运用网络核密度估计方法计算出各功能类型POI的点位强度;然后,运用克里格插值将网络核密度估计结果可视化;最后,依据分等级的城市路网划分各类型功能区的边界。对武汉市进行的实验结果表明,该方法能较有效地识别城市中的功能区。