空间大数据协同的城市建成区人口密度估算方法和系统技术方案

本发明专利技术涉及一种空间大数据协同的城市建成区人口密度估算方法和系统，该方法利用高分辨率光学遥感数据基于面向对象的分类方法获得建筑物范围；利用城市精细道路网络空间大数据通过空间拓扑算法划分城市区块，并结合兴趣点空间大数据区分城市区块为居住区和非居住区；利用遥感光学立体成像数据获得建筑物高度；根据建筑高度和建筑物范围并结合人口统计数据，利用多元回归分析法构建人口密度估算模型；将所述建筑物的范围和建筑物的高度作为输入变量，输入至所述人口密度估算模型，计算得到人口密度，进而利用空间统计分析法将其分配至城市建成区对应的规则格网空间。该方法和系统能够精确并准确地实现城市建成区人口密度估算，更适合城市规划、防灾减灾和商业决策对精细人口数据的需要，有利于进一步推广和应用。

Population Density Estimation Method and System for Urban Built-up Areas Based on Large Spatial Data Collaboration

The present invention relates to a method and system for estimating population density of urban built-up areas with large spatial data collaboration. The method uses high-resolution optical remote sensing data to obtain building area based on object-oriented classification method, and uses large spatial data of urban fine road network to divide urban blocks by spatial topology algorithm, and combines them with each other. Large spatial data of interest points differentiate urban blocks into residential and non-residential areas; use remote sensing optical stereo imaging data to obtain building height; use multiple regression analysis method to construct population density estimation model according to building height and building range combined with demographic data; and use the range of the buildings and buildings mentioned above. Height is used as input variable and input to the population density estimation model. Population density is calculated and then allocated to the regular grid space corresponding to urban built-up areas by using spatial statistical analysis method. This method and system can accurately and accurately estimate the population density of urban built-up areas. It is more suitable for the needs of urban planning, disaster prevention and mitigation and commercial decision-making for fine population data, and is conducive to further promotion and application.

【技术实现步骤摘要】
空间大数据协同的城市建成区人口密度估算方法和系统
本专利技术涉及城市遥感及城市人口学
，特别是一种空间大数据协同的城市建成区人口密度估算方法和系统。
技术介绍
人口密度分布是人口过程在空间上的表现形式，城市人口密度分布及模拟是城市空间结构和郊区化研究中的重要内容。国内外学者针对“圈层式”城市的特征，利用数学模型揭示了城市人口密度分布的一般规律。这些研究基于统计数据分析人口密度空间分布，假定人口在普查区域内连续均匀分布，但实际的人口分布并非连续。国际上，许多机构致力于人口密度空间化的研究和产品生产，其中最有影响的是GPW和LandScan全球人口数据产品。GPW(v1，v2)数据简单地将统计人口平均分布到规则格网上而未考虑人口分布的影响因素，LandScan数据通过计算公路、坡度、土地覆盖和夜间灯光对人口分布影响的概率系数来模拟格网上的人口密度。在国内，很多学者也开展了全国和区域性的人口密度格网模型研究，主要使用基于中分辨率遥感数据解译的土地利用数据、夜间灯光数据和人口统计数据等，结合我国不同区域的人口分布特征，基于统计或者物理模型研究了公里格网尺度的人口密度空间化格网方法。与假定人口在区域内是连续均匀分布的统计数据相比，人口密度格网数据能够更加详细地反映人口的实际分布状况，在受灾人口评估、区域发展规划等领域得到了广泛的应用。但是，这些人口密度格网产品空间尺度过于粗糙，不能满足城市建成区人口空间分布分析的需求；另一方面，基于土地利用/土地覆盖数据和优化参数生产的人口空间化产品，由于相同土地利用类型人口密度相同且城市建成区优化参数的空间异质性不显著(如夜间灯光数据达到饱和)，无法准确刻画城市建成区人口实际空间分布特征。随着遥感技术的发展，高空间分辨率遥感数据获取变得越发容易，且价格低廉。可利用的高分辨率遥感数据主要包括光学、雷达和LiDAR等类型，利用高分辨率遥感数据可以识别建筑物并提取建筑物面积、高度等属性信息。基于建筑物三维信息，可以将城市人口精细地分配到建筑空间。近年来，一些学者研究了基于高空间分辨率遥感数据的城市人口估算模型，通过提取建筑物的几何和类型信息，建立估计人口数量的模型，获得了较好的实验效果。但是，这些研究主要选择城市建成区内的小区域为试验区，以居民小区或者居民委员会为单元估算人口总量，仍不足以精细反映人口的空间分布状况。针对当前的人口密度空间化产品无法精细刻画城市建成区人口空间分布特征的问题，本专利技术基于高分辨率光学立体成像数据，提取建筑物范围、高度信息，辅以城市建成区精细道路网络和兴趣点等空间大数据对建筑物划分类别，进而提出一种基于建筑物几何属性和类型信息的精细人口密度估算方法和系统，为城市规划、防灾减灾和商业决策提供可靠的人口数据支持。
技术实现思路
本专利技术针对传统基于土地利用/土地覆盖数据和优化参数生产的人口空间化产品无法准确刻画城市建成区人口实际空间分布特征的问题，提供一种空间大数据协同的城市建成区人口密度估算方法，基于高分辨率光学遥感数据以及遥感光学立体成像数据分别提取的建筑物范围和高度，利用道路网络和兴趣点空间大数据，协同构建人口密度估算模型，实现了城市建成区精细的人口密度估算。本专利技术还涉及一种空间大数据协同的城市建成区人口密度估算系统。本专利技术的技术方案如下：一种空间大数据协同的城市建成区人口密度估算方法，其特征在于，该方法通过卫星获取的根据城市建成区对应的光学遥感数据基于面向对象的分类方法获得建筑物范围；并利用城市精细道路网络空间大数据通过空间拓扑算法将城市建成区划分为若干面状的城市区块，通过兴趣点(POI)空间大数据划分城市区块为居住区和非居住区；再利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据获得建筑物高度；然后根据获得的建筑高度和建筑物范围并结合人口统计数据，利用多元回归分析法构建人口密度估算模型；将所述建筑物的范围和建筑物的高度作为输入变量，输入至所述人口密度估算模型，计算得到人口密度，进而利用空间统计分析法将其分配至城市建成区对应的规则格网空间。进一步地，所述方法包括下述步骤：第一步骤，通过卫星获取的根据城市建成区对应的光学遥感数据，基于面向对象的分类方法，选取相应的分类特征，获得建筑物范围；第二步骤，利用城市精细道路网络空间大数据通过空间拓扑算法将城市建成区划分为若干面状的城市区块，计算若干类型兴趣点分别在城市区块内的比例，通过兴趣点空间大数据划分城市区块为居住区和非居住区；第三步骤，利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据，基于摄影测量原理提取数字表面模型数据，进而计算获得建筑物高度；第四步骤，根据第一步骤获得的建筑物范围和第三步骤获得的建筑高度并结合人口统计数据，利用多元回归分析法构建人口密度估算模型；第五步骤，将所述建筑物的范围和建筑物的高度作为输入变量，输入至第四步骤构建的人口密度估算模型，计算得到人口密度数据，进而利用空间统计分析法将其分配至城市建成区对应的规则格网空间。进一步地，所述第一步骤通过卫星获取的根据城市建成区对应的光学遥感数据，基于面向对象的分类方法，采用多尺度分割算法将所述光学遥感数据分割为均质对象，并选取相应的分类特征，所述分类特征包括光谱特征、几何特征、纹理特征和专题指数特征，利用支持向量机分类法，获得建筑物范围；和/或，所述第二步骤利用城市精细道路网络空间大数据通过空间拓扑算法将城市建成区划分为若干面状的城市区块，计算各类型兴趣点在所述城市区块内的比例，所述兴趣点包括居民小区、商业、政府、教育和医疗，通过兴趣点空间大数据划分所述城市区块为居住区和非居住区，进而将建筑物划分为居住区建筑和非居住区建筑，得到居住区建筑矢量数据；和/或，所述第三步骤利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据，基于摄影测量原理和第二步骤中获得的所述居住区建筑矢量数据，分别利用不同组合的所述遥感光学立体成像数据提取数字表面模型的精度，确定精度最高的组合作为最终数字表面模型数据，进而计算获得建筑物高度；和/或，所述第五步骤是首先将城市建成区划分为规则格网，在利用第四步骤中建立的人口密度估算模型计算得到人口密度数据后，利用空间统计分析法将人口密度数据作为统计人口数据分配到规则格网空间。进一步地，所述第一步骤通过卫星获取的根据城市建成区对应的光学遥感数据，先经过包括正射校正和影像融合的光学遥感数据预处理，再基于面向对象的分类方法，选取相应的分类特征，获得建筑物范围；所述城市精细道路网络空间大数据包括以下道路类型：穿越城市的高速路、城市快速路、国道、省道、县道、乡镇村道、九级路、行人道路；采用的所述空间拓扑算法包括以空间拓扑关系中的相交、接触的算法将城市建成区划分为若干面状的城市区块。进一步地，所述第一步骤通过卫星获取的根据城市建成区对应的光学遥感数据，基于面向对象的分类方法，采用多尺度分割算法将所述预处理后的光学遥感数据分割为均质对象，根据建筑物范围提取的需要，建立分类体系，并选取相应的分类特征，选择训练样本，构建训练样本库，所述训练样本分布均匀且覆盖整个城市建成区，利用支持向量机分类方法，获得土地覆盖分类结果，并在所述分类结果中选择出建筑物类别，获得建筑物范围。进一步地，所述第三步骤利用卫星获取本文档来自技高网...

【技术保护点】
1.一种空间大数据协同的城市建成区人口密度估算方法，其特征在于，该方法通过卫星获取的根据城市建成区对应的光学遥感数据基于面向对象的分类方法获得建筑物范围；并利用城市精细道路网络空间大数据通过空间拓扑算法将城市建成区划分为若干面状的城市区块，通过兴趣点(POI)空间大数据划分城市区块为居住区和非居住区；再利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据获得建筑物高度；然后根据获得的建筑高度和建筑物范围并结合人口统计数据，利用多元回归分析法构建人口密度估算模型；将所述建筑物的范围和建筑物的高度作为输入变量，输入至所述人口密度估算模型，计算得到人口密度，进而利用空间统计分析法将其分配至城市建成区对应的规则格网空间。

【技术特征摘要】
1.一种空间大数据协同的城市建成区人口密度估算方法，其特征在于，该方法通过卫星获取的根据城市建成区对应的光学遥感数据基于面向对象的分类方法获得建筑物范围；并利用城市精细道路网络空间大数据通过空间拓扑算法将城市建成区划分为若干面状的城市区块，通过兴趣点(POI)空间大数据划分城市区块为居住区和非居住区；再利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据获得建筑物高度；然后根据获得的建筑高度和建筑物范围并结合人口统计数据，利用多元回归分析法构建人口密度估算模型；将所述建筑物的范围和建筑物的高度作为输入变量，输入至所述人口密度估算模型，计算得到人口密度，进而利用空间统计分析法将其分配至城市建成区对应的规则格网空间。2.根据权利要求1所述的方法，其特征在于，所述方法包括下述步骤：第一步骤，通过卫星获取的根据城市建成区对应的光学遥感数据，基于面向对象的分类方法，选取相应的分类特征，获得建筑物范围；第二步骤，利用城市精细道路网络空间大数据通过空间拓扑算法将城市建成区划分为若干面状的城市区块，计算若干类型兴趣点分别在城市区块内的比例，通过兴趣点空间大数据划分城市区块为居住区和非居住区；第三步骤，利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据，基于摄影测量原理提取数字表面模型数据，进而计算获得建筑物高度；第四步骤，根据第一步骤获得的建筑物范围和第三步骤获得的建筑高度并结合人口统计数据，利用多元回归分析法构建人口密度估算模型；第五步骤，将所述建筑物的范围和建筑物的高度作为输入变量，输入至第四步骤构建的人口密度估算模型，计算得到人口密度数据，进而利用空间统计分析法将其分配至城市建成区对应的规则格网空间。3.根据权利要求2所述的方法，其特征在于，所述第一步骤通过卫星获取的根据城市建成区对应的光学遥感数据，基于面向对象的分类方法，采用多尺度分割算法将所述光学遥感数据分割为均质对象，并选取相应的分类特征，所述分类特征包括光谱特征、几何特征、纹理特征和专题指数特征，利用支持向量机分类法，获得建筑物范围；和/或，所述第二步骤利用城市精细道路网络空间大数据通过空间拓扑算法将城市建成区划分为若干面状的城市区块，计算各类型兴趣点在所述城市区块内的比例，所述兴趣点包括居民小区、商业、政府、教育和医疗，通过兴趣点空间大数据划分所述城市区块为居住区和非居住区，进而将建筑物划分为居住区建筑和非居住区建筑，得到居住区建筑矢量数据；和/或，所述第三步骤利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据，基于摄影测量原理和第二步骤中获得的所述居住区建筑矢量数据，分别利用不同组合的所述遥感光学立体成像数据提取数字表面模型的精度，确定精度最高的组合作为最终数字表面模型数据，进而计算获得建筑物高度；和/或，所述第五步骤是首先将城市建成区划分为规则格网，在利用第四步骤中建立的人口密度估算模型计算得到人口密度数据后，利用空间统计分析法将人口密度数据作为统计人口数据分配到规则格网空间。4.根据权利要求2或3所述的方法，其特征在于，所述第一步骤通过卫星获取的根据城市建成区对应的光学遥感数据，先经过包括正射校正和影像融合的光学遥感数据预处理，再基于面向对象的分类方法，选取相应的分类特征，获得建筑物范围；所述城市精细道路网络空间大数据包括以下道路类型：穿越城市的高速路、城市快速路、国道、省道、县道、乡镇村道、九级路、行人道路；采用的所述空间拓扑算法包括以空间拓扑关系中的相交、接触的算法将城市建成区划分为若干面状的城市区块。5.根据权利要求4所述的方法，其特征在于，所述第一步骤通过卫星获取的根据城市建成区对应的光学遥感数据，基于面向对象的分类方法，采用多尺度分割算法将所述预处理后的光学遥感数据分割为均质对象，根据建筑物范围提取的需要，建立分类体系，并选取相应的分类特征，选择训练样本，构建训练样本库，所述训练样本分布均匀且覆盖整个城市建成区，利用支持向量机分类方法，获得土地覆盖分类结果，并在所述分类结果中选择出建筑物类别，获得建筑物范围。6.根据权利要求2或3所述的方法，其特征在于，所述第三步骤利用卫星获取的根据所述居住区对应的建筑物的遥感光学立体成像数据，基于摄影测量原理，根据遥感光学立体成像数据的正视和前视、正视和后视、前视和后视三种组合，确定三种组合最佳的参数提取数字表面模型，评价三种组合提取数字表面模型的精度，确定精度最高的组合作为最终数字表面模型数据，以第二步骤确定的居住区为基准，计算居住区的地面高度，进而计算获得建筑物高度；和/或，所述第四步骤根据第一步骤获得的建筑物范围和第三步骤获得的建筑物高度，通过空间数据重采样将其由矢量数据转换为栅格数据，然后根据建筑物范围计算的建筑物面积并结合建筑物高度计算建筑物体积，利用以...

【专利技术属性】
技术研发人员：王世新，周艺，刘文亮，王丽涛，朱金峰，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11