城市空间演进模拟预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种城市空间演进模拟预测方法、装置、电子设备及存储介质，包括：获取与城市空间结构对应的空间特征数据；将所述空间特征数据落入到预设的网格中按预设规则进行自变量提取；将提取到的所述自变量输入至预设的城市空间演进模拟预测模型中，得到与所述自变量对应的土地使用功能类型预测结果，并基于所述土地使用功能类型预测结果、及与所述自变量对应的格网所表示的土地区域得到城市空间结构预测图。本发明专利技术能够对城市用地类型发展进行预测、分析，其土地使用功能类型预测结果十分全面，精准度高，从而有利于为城市动态监测、规划实施评估和空间治理提供技术支撑。规划实施评估和空间治理提供技术支撑。规划实施评估和空间治理提供技术支撑。

【技术实现步骤摘要】
城市空间演进模拟预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种城市空间演进模拟预测方法、装置、电子设备及存储介质。

技术介绍

[0002]城市空间形态是城市人类活动与城市功能组织在空间上的投影，是城市经济、社会存在和发展的空间形式，表现了城市各种物质要素在空间范围内的分布特征和组合关系，反映了城市资源要素的分布状况和利用程度。城市空间发展演变过程是自上而下的城市规划引导和自下而上的自组织、自适应二者互相结合、互相影响的复杂、动态过程。
[0003]目前，已有研究大都是面向城镇化进程中非建设用地转为建设用地时的几何形状方面的分析，缺乏从城市土地使用功能视角的钻探。部分研究涉及到了用地功能，但是在类型上或者是建设用地与非建设用地二分法，或者是土地使用功能分类较为简单，主要分为建设用地、水体、农用地、林地等，本质上是城镇化快速进程中非建设用地转为建设用地现象显著的城市空间不断扩张、蔓延的应用场景，缺乏对建设用地使用功能的进一步细分。因此，既不利于在城市形态与功能设计之间进行精细建模分析，也不利于深层次探究城市功能设计对城市形态结构的影响和调控。同时，已有研究多是对历史进行回溯、分析和解释，对于未来不同规划情景和策略下城市形态的联动发展和演变同样缺乏有效预测评估手段。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术实施例提供一种城市空间演进模拟预测方法、装置、电子设备及存储介质。
[0005]第一方面，本专利技术实施例提供一种城市空间演进模拟预测方法，包括：获取与城市空间结构对应的空间特征数据；将所述空间特征数据落入到预设的网格中按预设规则进行自变量提取；其中，所述预设的网格中包括n个格网，n为正整数；每个格网用于表示城市空间结构中的土地区域，并与所述城市空间结构中的土地区域具有唯一对应关系，每个格网具有唯一的ID标号，所述ID标号与格网对应的土地区域具有唯一的对应关系；每个格网中至少包括一块地块，并将同一格网中面积最大的地块的土地使用功能类型作为当前格网的土地使用功能类型；所述自变量为用地类指标、规模类指标、距离类指标、领域元胞的影响及效应指标以及类别型自变量；所述自变量与预设的网格中的格网具有对应关系；将提取到的所述自变量输入至预设的城市空间演进模拟预测模型中，得到与所述自变量对应的土地使用功能类型预测结果，并基于所述土地使用功能类型预测结果、及与所述自变量对应的格网所表示的土地区域得到城市空间结构预测图；其中，所述土地使用功能类型预测结果是指进行城市空间演进后的土地使用功能类型预测结果；所述城市空间结构预测图为网格图，所述网格图中的每个格网通过格网的颜色来表征：与格网ID对应的土地区域在进行城市空间演进后的土地使用功能类型预测结果；其中，所述土地使用功能
类型预测结果包括：一类工业用地、二类工业用地、三类公共用地、公共设施用地、居住用地、其他建设用地、非建设用地、交通用地以及村建设用地中的至少一种；所述预设的城市空间演进模拟预测模型为采用样本自变量作为输入数据，以及与所述样本自变量对应的城市空间结构预测图作为输出数据，基于机器学习算法进行训练得到的。
[0006]进一步地，还包括：在城市时空演化元胞自动机模型的基础上，使用神经网络训练所述城市时空演化元胞自动机模型形成土地使用功能类型转换规则，并基于与所述土地使用功能类型转换规则对应的转换准确率确定所述预设的城市空间演进模拟预测模型；其中，所述土地使用功能类型转换规则为：所述样本自变量与所述土地使用功能类型预测结果之间的转化规则。
[0007]进一步地，还包括：获取空间特征数据；所述空间特征数据包括：邻域各类建设用地总数、兴趣点poi数据、常住人口数据、地铁站点数据、功能区范围数据、规划道路数据、规划绿地数据、区政府位置数据、现状道路数据、现状绿地数据、现状水体数据、规划用地数据、现状用地数据、环路数据、开发边界数据、区县数据；将所述空间特征数据分别落于预设的网格中，按预设规则进行样本自变量提取；样本自变量包括：邻域各类建设用地总数、兴趣点poi核密度、常住人口数、距地铁站距离、距功能区距离、距规划道路距离、距规划绿地距离、距区政府距离、距现状道路距离、距现状绿地距离、距现状水体距离、规划用地
‑
一类工业用地、规划用地
‑
二类工业用地、规划用地
‑
三类工业用地、规划用地
‑
公共设施用地、规划用地
‑
居住用地、规划用地
‑
其他建设用地、规划用地
‑
非建设用地、规划用地
‑
村建设用地、规划用地
‑
交通用地、现状用地
‑
一类工业用地、现状用地
‑
二类工业用地、现状用地
‑
三类工业用地、现状用地
‑
公共设施用地、现状用地
‑
居住用地、现状用地
‑
其他建设用地、现状用地
‑
非建设用地、现状用地
‑
村建设用地以及现状用地
‑
交通用地、环路
‑
二环内、环路
‑
二环至三环间、环路
‑
六环外、环路
‑
三环至四环间、环路
‑
四环至五环间、环路
‑
五环至六环间、开发边界内、开发边界外、中心城区内、中心城区外中的至少一种；将所述样本自变量输入至所述城市时空演化元胞自动机模型，使用神经网络训练所述城市时空演化元胞自动机模型形成所述土地使用功能类型转换规则；并通过反复对参数的选择调优，当与所述土地使用功能类型转换规则对应的召回率、F1系数、准确率、kappa系数满足预设要求时停止训练，确定为预设的城市空间演进模拟预测模型。
[0008]进一步地，所述将所述空间特征数据分别落于预设的网格中，按预设规则进行样本自变量提取之后，还包括：使用皮尔森相关系数法对提取到的样本自变量进行相关性检验。
[0009]第二方面，本专利技术实施例提供了一种城市空间演进模拟预测装置，包括：获取模块，用于获取与城市空间结构对应的空间特征数据；提取模块，用于将所述空间特征数据落入到预设的网格中按预设规则进行自变量提取；其中，所述预设的网格中包括n个格网，n为正整数；每个格网用于表示城市空间结构中的土地区域，并与所述城市空间结构中的土地区域具有唯一对应关系，每个格网具有唯一的ID标号，所述ID标号与格网对应的土地区域具有唯一的对应关系；每个格网中至少包
括一块地块，并将同一格网中面积最大的地块的土地使用功能类型作为当前格网的土地使用功能类型；所述自变量为用地类指标、规模类指标、距离类指标、领域元胞的影响及效应指标以及类别型自变量；所述自变量与预设的网格中的格网具有对应关系；预测模块，用于将提取到的所述自变量输入至预设的城市空间演进模拟预测模型中，得到与所述自变量对应的土地使用功能类型预测结果，并基于所述土地使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市空间演进模拟预测方法，其特征在于，包括：获取与城市空间结构对应的空间特征数据；将所述空间特征数据落入到预设的网格中按预设规则进行自变量提取；其中，所述预设的网格中包括n个格网，n为正整数；每个格网用于表示城市空间结构中的土地区域，并与所述城市空间结构中的土地区域具有唯一对应关系，每个格网具有唯一的ID标号，所述ID标号与格网对应的土地区域具有唯一的对应关系；每个格网中至少包括一块地块，并将同一格网中面积最大的地块的土地使用功能类型作为当前格网的土地使用功能类型；所述自变量为用地类指标、规模类指标、距离类指标、领域元胞的影响及效应指标以及类别型自变量；所述自变量与预设的网格中的格网具有对应关系；将提取到的所述自变量输入至预设的城市空间演进模拟预测模型中，得到与所述自变量对应的土地使用功能类型预测结果，并基于所述土地使用功能类型预测结果、及与所述自变量对应的格网所表示的土地区域得到城市空间结构预测图；其中，所述土地使用功能类型预测结果是指进行城市空间演进后的土地使用功能类型预测结果；所述城市空间结构预测图为网格图，所述网格图中的每个格网通过格网的颜色来表征：与格网ID对应的土地区域在进行城市空间演进后的土地使用功能类型预测结果；其中，所述土地使用功能类型预测结果包括：一类工业用地、二类工业用地、三类公共用地、公共设施用地、居住用地、其他建设用地、非建设用地、交通用地以及村建设用地中的至少一种；所述预设的城市空间演进模拟预测模型为采用样本自变量作为输入数据，以及与所述样本自变量对应的城市空间结构预测图作为输出数据，基于机器学习算法进行训练得到的。2.根据权利要求1所述的城市空间演进模拟预测方法，其特征在于，还包括：在城市时空演化元胞自动机模型的基础上，使用神经网络训练所述城市时空演化元胞自动机模型形成土地使用功能类型转换规则，并基于与所述土地使用功能类型转换规则对应的转换准确率确定所述预设的城市空间演进模拟预测模型；其中，所述土地使用功能类型转换规则为：所述样本自变量与所述土地使用功能类型预测结果之间的转化规则。3.根据权利要求2所述的城市空间演进模拟预测方法，其特征在于，还包括：获取空间特征数据；所述空间特征数据包括：邻域各类建设用地总数、兴趣点poi数据、常住人口数据、地铁站点数据、功能区范围数据、规划道路数据、规划绿地数据、区政府位置数据、现状道路数据、现状绿地数据、现状水体数据、规划用地数据、现状用地数据、环路数据、开发边界数据、区县数据；将所述空间特征数据分别落于预设的网格中，按预设规则进行样本自变量提取；样本自变量包括：邻域各类建设用地总数、兴趣点poi核密度、常住人口数、距地铁站距离、距功能区距离、距规划道路距离、距规划绿地距离、距区政府距离、距现状道路距离、距现状绿地距离、距现状水体距离、规划用地
‑
一类工业用地、规划用地
‑
二类工业用地、规划用地
‑
三类工业用地、规划用地
‑
公共设施用地、规划用地
‑
居住用地、规划用地
‑
其他建设用地、规划用地
‑
非建设用地、规划用地
‑
村建设用地、规划用地
‑
交通用地、现状用地
‑
一类工业用地、现状用地
‑
二类工业用地、现状用地
‑
三类工业用地、现状用地
‑
公共设施用地、现状用地
‑
居住用地、现状用地
‑
其他建设用地、现状用地
‑
非建设用地、现状用地
‑
村建设用地以及现状用地
‑
交通用地、环路
‑
二环内、环路
‑
二环至三环间、环路
‑
六环外、环路
‑
三环至四环间、环路
‑
四环至五环间、环路
‑
五环至六环间、开发边界内、开发边界外、中心城区内、中心城区外中
的至少一种；将所述样本自变量输入至所述城市时空演化元胞自动机模型，使用神经网络训练所述城市时空演化元胞自动机模型形成所述土地使用功能类型转换规则；并通过反复对参数的选择调优，当与所述土地使用功能类型转换规则对应的召回率、F1系数、准确率、kappa系数满足预设要求时停止训练，确定为预设的城市空间演进模拟预测模型。4.根据权利要求3所述的城市空间演进模拟预测方法，其特征在于，所述将所述空间特征数据分别落于预设的网格中，按预设规则进行样本自变量提取之后，还包括：使用皮尔森相关系数法对提取到的样本自变量进行相关性检验。5.一种城市空间演进模拟预测装置，其特征在于，包括：获取模块，用于获取与城市空间结构对应的空间特征数据；提取模块，用于将所述空间特征数据落入到预设的网格中按预设规则进行自变量提取；其中，所述预设的网格中包括n个格网，n为正...

【专利技术属性】
技术研发人员：喻文承，何莲娜，张晓东，孙子云，高娜，李晓烨，王海洋，黄晓春，曹娜，杨明，常青，宋浩然，贺凯，张宇，徐帅，
申请(专利权)人：北京城垣数字科技有限责任公司，
类型：发明
国别省市：