一种遥感影像与出租车轨迹融合的自动城市功能分区方法技术

本发明专利技术提出了一种遥感影像与出租车轨迹融合的自动城市功能分区方法。首先，利用将目标城市划分为街区单元，计算各街区的轨迹时空信息熵并设定预设阈值，将街区分为两类区域。第一区域轨迹信息量充足，由各时段出租车上下客点的频度信息作为社会功能类别的解译标志，采用KMeans++聚类得到分区结果。第二区域通过区分遥感影像中有典型解译标志和非典型解译标志的地物，使用决策树对识别后地物的置信结果进行分类，得到分区结果；调整预设阈值结合交叉验证重复上述步骤，直到精度满足规定条件，最终得到目标城市的社会功能分区结果。本发明专利技术充分发挥了轨迹数据空间精度高、时间连续的优点，同时结合了遥感影像覆盖面广且地物识别能力强的优势。

【技术实现步骤摘要】
一种遥感影像与出租车轨迹融合的自动城市功能分区方法
本专利技术属于地理信息
，具体涉及一种遥感影像与出租车轨迹融合的自动城市功能分区方法。
技术介绍
城市功能区域的自动分区给城市规划设计与管理提供了一个有力途径，并帮助政府部门更加了解城市的规划布局，以提供居民更加幸福的生活环境。目前城市功能区域的识别与分类主要由专业且有经验的人员实地勘测与数字化，实施范围广难度大，无法短期自动更新，造成了极大的人力物力开销。目前也有一些学者尝试使用遥感或人类感知数据挖掘城市的功能区域，但数据源较为单一，且使用方法较为陈旧，识别的结果多处于定性分析与总结，无法泛化到其他区域。
技术实现思路
鉴于上述问题，本专利技术的目的是提供一种遥感影像与出租车轨迹融合的自动城市功能分区方法，以解决目前分区过多依赖于人力的问题。为解决上述技术问题，本专利技术采用的技术方案如下：S1.利用道路和河流将目标城市划分为若干个街区；S2.根据如下公式计算各个所述街区的轨迹时空信息熵TSTEi；其中，其中n代表街区数量，Nij代表第i个街区中第j时刻的上下客点数量，Si代表第i个街区的面积；S3.根据计算得到的各个所述街区的轨迹时空信息熵TSTEi和预设的轨迹时空信息熵阈值，将所述目标城市分为第一区域与第二区域，所述第一区域由轨迹数据信息量充足的街区构成，所述第二区域由轨迹数据信息量缺乏的街区构成；S4.针对所述第一区域，将所述第一区域中各个街区各时段出租车上下客点的频度信息作为各街区城市功能类别的解译标志，采用KMeans++进行聚类分析，将所述第一区域分为多个聚类簇，并判别每一个聚类簇代表的城市功能类型，得到所述第一区域的城市功能区类别的识别结果；针对所述第二区域，识别街区影像中有典型解译标志和非典型解译标志的地物，并使用决策树算法根据第二区域中的遥感影像地物识别置信结果及空间信息进行功能分类，得到所述第二区域的功能区类别识别结果；S5.综合所述第一区域的功能识别结果和所述第二区域的功能识别结果，得到所述目标城市的功能识别结果；S6.采用分层随机抽样的10折交叉验证法测试步骤S5得到的所述目标城市的识别结果的平均精度和平均Kappa系数，若所述平均精度和平均Kappa系数均达到预设条件，步骤S5得到的所述目标城市的识别结果为最终结果，否则重新确定轨迹时空信息熵阈值后转向步骤S3。进一步的，步骤S4中，针对所述第一区域，将所述第一区域中各个街区各时段出租车上下客点的频度信息作为各街区城市功能类别的解译标志，采用KMeans++进行聚类分析，将所述第一区域分为多个聚类簇，并判别每一个聚类簇代表的城市功能类型，得到所述第一区域的城市功能区类别的识别结果，具体为：S41.统计所述第一区域中各个街区各时段出租车上下客点的频度信息，获得各个街区的出租车频度序列，并根据如下公式对各个所述街区的出租车频度序列进行归一化处理，其中，表示第i个街区第m种的频度序列，表示第i个街区第m种归一化波谱，N表示街区数量；S42.根据预设的相似度指标和预设的聚类数量，采用K-Means++算法进行聚类分析，将所述第一区域分为多个聚类簇；S43.根据各个所述聚类簇中各个街区的用地类型分布情况，采取如下式所示的最大占比原则确定每一个聚类簇代表的社会功能属性，得到所述第一区域的功能区识别结果，其中，是指每一个聚类簇确定的社会功能属性，K指聚类的类别数量，ck指第k个聚类簇，指原ck中街区的功能类别集合，x是第k个聚类簇中各个街区的类别，是第k个聚类簇中街区的总数量。进一步的，所述出租车频度序列包括：总上客点时间频度序列、节假日上客点时间频度序列、工作日上客点时间频度序列、总下客点时间频度序列、节假日下客点时间频度序列和工作日下客点时间频度序列；所述总上客点时间频度序列为：其中，代表第j时刻在第i个街区的上客点平均数量；所述节假日上客点时间频度序列为：其中，代表节假日里第j时刻在第i个街区的上客点平均数量；所述工作日上客点时间频度序列为：其中，代表工作日里第j时刻在第i个街区的上客点平均数量；所述总下客点时间频度序列为：其中，代表第j时刻在第i个街区的下客点平均数量；所述节假日下客点时间频度序列为：其中，代表节假日里第j时刻在第i个街区的下客点平均数量；所述工作日下客点时间频度序列为：其中，代表工作日里第j时刻在第i个街区的下客点平均数量。进一步的，所述根据预设的相似度指标和预设的聚类簇数量，采用K-Means++算法进行聚类分析，将所述第一区域分为多个聚类簇，具体包括：S41.从所述第一区域中随机选取1个样本街区作为数据的聚类中心，并以确保各聚类中心之间相似度较小的原则选择其它聚类中心，形成K个初始的聚类中心集合CC＝{cc1，cc2，...，cck}；S42.根据所述预设的相似度指标计算所述第一区域中每一个街区与各个所述聚类中心的相似度；S43.将所述第一区域中的各个街区归为与其相似度最高的聚类中心，得到K个聚类簇；S44.求各个聚类簇中各街区出租车频度信息的均值作为新的聚类中心；其中，为第k个聚类簇的第m种HDS′的均值，为第k簇第l个街区的第m种归一化波谱，为第k簇中街区的数量，K为簇的数量。S45.循环步骤S42到步骤S44，直到得到的聚类中心不再变动或达到最大迭代次数时停止。进一步的，所述相似度指标如下式所示：其中，n代表街区数量,K代表聚类数量，cckm代表k个聚类中心的第m种归一化波谱。进一步的，步骤S6中所述预设条件为：所述平均精度为80％，所述平均Kappa系数为0.7。与现在技术相比，本专利技术包括：首先使用道路和河流数据将城市划分为街区，通过计算街区的轨迹时空信息熵将街区分为轨迹数据信息丰富的第一区域和轨迹数据信息不足的第二区域。第一区域轨迹信息量充足,由各时段出租车上下客点的频度信息作为社会功能类别的解译标志，采用KMeans++聚类得到识别结果，充分考虑了居民出行的时空分布规律，将轨迹数据包含的出行规律转换为社会功能类别的解译标志，发挥了轨迹数据空间精度高且可连续获取的优势。第二区域通过区分遥感影像中有典型解译标志和非典型解译标志的地物，使用决策树算法根据第二区域中的遥感影像地物识别置信结果及空间信息进行功能分类，得到第二区域城市功能区识别结果，充分发挥了遥感影响覆盖区域广和地物识别能力的特点。基于分治策略针对不同区域内的街区分别采用基于轨迹和遥感影像数据的识别方案，充分发挥了两种数据的优势，实现了城市功能分区的短周期更新，提高了各街区社会功能属性识别的精度，保证城市自动分区的准确性。附图说明图1是本专利技术实施例的一种遥感影像与出租车轨迹融合的自动城市功能分区方法的流程图；图2是本专利技术实施例中轨迹时空信息熵的分布图；图3是本专利技术实施例中第一区域的城市功本文档来自技高网...

【技术保护点】
1.一种遥感影像与出租车轨迹融合的自动城市功能分区方法，其特征在于，包含以下步骤：/nS1.利用道路和河流将目标城市划分为若干个街区；/nS2.根据如下公式计算各个所述街区的轨迹时空信息熵TSTE

【技术特征摘要】
1.一种遥感影像与出租车轨迹融合的自动城市功能分区方法，其特征在于，包含以下步骤：
S1.利用道路和河流将目标城市划分为若干个街区；
S2.根据如下公式计算各个所述街区的轨迹时空信息熵TSTEi；



其中，其中n代表街区数量，Nij代表第i个街区中第j时刻的上下客点数量，Si代表第i个街区的面积；
S3.根据计算得到的各个所述街区的轨迹时空信息熵TSTEi和预设的轨迹时空信息熵阈值，将所述目标城市分为第一区域与第二区域，所述第一区域由轨迹数据信息量充足的街区构成，所述第二区域由轨迹数据信息量缺乏的街区构成；
S4.针对所述第一区域，将所述第一区域中各个街区各时段出租车上下客点的频度信息作为各街区城市功能类别的解译标志，采用KMeans++进行聚类分析，将所述第一区域分为多个聚类簇，并判别每一个聚类簇代表的城市功能类型，得到所述第一区域的功能区类别的识别结果；
针对所述第二区域，识别街区影像中有典型解译标志和非典型解译标志的地物，并使用决策树算法根据第二区域中的遥感影像地物识别置信结果及空间信息进行功能分类，得到所述第二区域的功能区类别识别结果；
S5.综合所述第一区域的功能区类别的识别结果和所述第二区域的功能区类别的识别结果，得到所述目标城市的功能识别结果；
S6.采用分层随机抽样的10折交叉验证法测试步骤S5得到的所述目标城市的识别结果的平均精度和平均Kappa系数，若所述平均精度和平均Kappa系数均达到预设条件，步骤S5得到的所述目标城市的识别结果为最终结果，否则重新确定轨迹时空信息熵阈值后转向步骤S3。


2.按照权利要求1所述的一种遥感影像与出租车轨迹融合的自动城市功能分区方法，其特征在于，步骤S4中，针对所述第一区域，将所述第一区域中各个街区各时段出租车上下客点的频度信息作为各街区城市功能类别的解译标志，采用KMeans++进行聚类分析，将所述第一区域分为多个聚类簇，并判别每一个聚类簇代表的城市功能类型，得到所述第一区域的城市功能区类别的识别结果，具体为：
S41.统计所述第一区域中各个街区各时段出租车上下客点的频度信息，获得各个街区的出租车频度序列，并根据如下公式对各个所述街区的出租车频度序列进行归一化处理，



其中，表示第i个街区第m种的频度序列，表示第i个街区第m种归一化波谱，N表示街区数量；
S42.根据预设的相似度指标和预设的聚类数量，采用K-Means++算法进行聚类分析，将所述第一区域分为多个聚类簇；
S43.根据各个所述聚类簇中各个街区的用地类型分布情况，采取如下式所示的最大占比原则确定每一个聚类簇代表的社会功能属性，得到所述第一区域的功能区识别结果，



其...

【专利技术属性】
技术研发人员：周侗，钱振，闫金伟，陶菲，王辰怡，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32