基于街景数据和迁移学习的自动城市功能分区方法及系统技术方案

本发明专利技术提供了一种基于街景数据和迁移学习的自动城市功能分区方法及系统。所述方法及系统是基于街景照片和深度学习技术以及图像分割技术的城市功能区自动识别，通过使用街景照片场景语义信息，结合由图像分割技术获得的分类后的城市区文件数据，自动获取城市功能分区图。本发明专利技术可以用于自动且精确识别细粒度的城市功能区，为城市规划和城市环境的发展带来机遇。

Automated Urban Function Zoning Method and System Based on Street View Data and Migration Learning

The invention provides an automatic urban function partition method and system based on street view data and migration learning. The method and system are based on street view photographs, in-depth learning technology and image segmentation technology for automatic recognition of urban functional zones. By using the semantic information of street scene photographs and combining with the categorized urban document data obtained by image segmentation technology, the urban functional zoning map can be automatically obtained. The invention can be used to automatically and accurately identify fine-grained urban functional areas, and bring opportunities for the development of urban planning and urban environment.

【技术实现步骤摘要】
基于街景数据和迁移学习的自动城市功能分区方法及系统
本专利技术涉及计算机领域，具体涉及一种基于街景数据和迁移学习的自动城市功能分区方法及系统。
技术介绍
城市功能分区是城市规划、环境研究、空间规划等一系列应用的重要基础，城市功能区域的合理划分有助于合理规划把握城市空间结构，为城市制定科学的发展规划。然而，传统的城市功能区域划分主要基于实地调查或由遥感技术辅助实现或基于社交媒体数据实现等方法，这些方法存在一些限制条件：(1)基于实地调查方法存在主观性强、时效性差且需要耗费大量的人力和财力等问题。(2)由遥感技术辅助实现方法通常只能获得地球表面的属性值，不容易区分人类活动区的城市功能类型，例如写字楼和公寓。(3)基于社交媒体数据的方法存在主观性强，照片分布不均匀，噪声大等问题。(4)中国的OSM提供的区文件数据分割尺度比较大，分类粒度比较粗，获得到的城市功能分区图不够精细。因此，需要一种能够利用现有的反应客观事实的数据，而且区文件数据分割尺度粒度比较细，同时城市功能分区又是符合实际情况的，主要是照片数据分布均匀又能够客观性表现城市功能区的识别方法。
技术实现思路
为了能够客观地表现城市功能区本文档来自技高网...

【技术保护点】
1.一种基于街景数据和迁移学习的自动城市功能分区方法，其特征在于，包含如下步骤：S1、从网络数据源中获取研究区遥感影像图和街景照片数据，并统一所有街景照片的大小和命名格式；从地理信息系统中获取研究区OSM土地利用矢量数据；S2、对所述的研究区遥感影像图进行分割，构建出“多尺度”的影像以实现多层次分割；根据构建的影像分割层次，将每个分割的对象进行自底向上分类和合并后，得到细粒度的城市功能区；S3、对从步骤S1获取的街景照片数据做预处理；S4、对步骤S3中预处理后的街景照片数据进行分类；S5、对步骤S2中分割后的研究区遥感影像数据进行识别并结合步骤S4分类后的街景图像数据结果生成城市功能分区。

【技术特征摘要】
1.一种基于街景数据和迁移学习的自动城市功能分区方法，其特征在于，包含如下步骤：S1、从网络数据源中获取研究区遥感影像图和街景照片数据，并统一所有街景照片的大小和命名格式；从地理信息系统中获取研究区OSM土地利用矢量数据；S2、对所述的研究区遥感影像图进行分割，构建出“多尺度”的影像以实现多层次分割；根据构建的影像分割层次，将每个分割的对象进行自底向上分类和合并后，得到细粒度的城市功能区；S3、对从步骤S1获取的街景照片数据做预处理；S4、对步骤S3中预处理后的街景照片数据进行分类；S5、对步骤S2中分割后的研究区遥感影像数据进行识别并结合步骤S4分类后的街景图像数据结果生成城市功能分区。2.根据权利要求1所述的自动城市功能分区方法，其特征在于，步骤S1中获取研究区遥感影像图的网络数据源为谷歌地图网站，下载街景照片的API接口为腾讯地图提供的API接口，获取研究区OSM土地利用矢量数据的来源是地理信息系统为OpensStreetMap网站。3.根据权利要求1所述的自动城市功能分区方法，其特征在于，步骤S3对所述的街景照片数据做预处理包括以下子步骤：S31、将步骤S1获取的街景照片数据的坐标转成GPS全球定位系统使用的WGS84坐标系，使之与研究区遥感影像图的坐标系相吻合；S32、将步骤S31处理后的街景照片数据与步骤S2分类得到的土地利用parcel进行链接，获得街景照片数据的地理标签和地理位置信息；具体包括：根据所获街景照片数据的四个视角的角度值，分别朝着东西南北四个方向加上或者减去一个街景照片所在街道的宽度值m，使得调整后的街景照片地理坐标Gxi,Gyi)，其中i＝1,2,3,4，落在附近的城市功能区内或者之上，具体使用下面公式计算：其中，(Gx,Gy)表示街景照片的地理坐标；m表示街景照片所在街道的宽度，它是一个阈值，可以根据实际情况调整m的值，使得链接结果最佳；angle表示地理坐标系上的东南西北四个方向，其中0度表示地理坐标系朝北；90度表示地理坐标系朝东；180度表示地理坐标系朝南；270度表示地理坐标系朝西；上述公式意味着根据在获取街景照片的时候得到的街景角度值，当街景角度值为0度的时候，纬度就朝北加m；当街景角度值为90度的时候，经度就朝东加m；当街景角度值为180度的时候，经度就朝南加m；当街景角度值为270度的时候，经度就朝西加m。4.根据权利要求1所述的自动城市功能分区方法，其特征在于，步骤S4对预处理后的街景照片数据进行分类的具体步骤包括：S41：采用迁移学习技术获取经实际检验过的CNN网络的网络卷积层和池化层；S42：将所述的网络卷积层和池化层作为步骤S3中预处理后的街景照片数据集的特征提取器；经过所述卷积层和池化层处理街景照片数据集后得到若干维的特征向量；S43：采用加权多项逻辑回归模型和网络分类模型分别对步骤S42所得的特征向量进行分类，得到所述街景照片场景的分类结果和分类精度，选择精度最高的分类模型作为城市功能分区的最佳网络分类模型，该网络分类模型下分类所得的分类结果作为后续应用数据；其中网络分类模型为一个三层卷积网络，该网络是由三个卷积层组成的，其中每一层卷积核个数分别设置M、N、P。5.根据权利要求1所述的自动城市功能分区方法，其特征在于，步骤S5生成城市功能分区的具体步骤包括：S51：针对步骤S2中分割所得的每个土地利用parcel，构建土地利用类型概率yi和每种类型街景照...

【专利技术属性】
技术研发人员：方芳，余亚芳，刘袁缘，姚尧，阚文泽，周顺平，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42