基于时空大数据的城市区域功能识别模型及识别方法技术

本发明专利技术公开了一种基于时空大数据的城市区域功能识别模型及识别方法：根据城市路网和栅格法划分待研究城市地块，作为目标区域；构建动态时序图，生成动态时序图的节点特征和图邻接矩阵；构建动态图表示学习模型GAT

【技术实现步骤摘要】
基于时空大数据的城市区域功能识别模型及识别方法


[0001]本专利技术属于数据挖掘和城市计算
，涉及一种基于时空大数据的城市区域功能识别模型及识别方法。

技术介绍

[0002]近年来，伴随智慧城市相关应用的普及，居民出行产生的大量实时、高精度、全覆盖的移动时空大数据，为城市区域功能识别的相关研究提供了有效的数据支撑。时空大数据驱动的分析方法弥补了传统的基于问卷调查、遥感影像数据的研究中存在的经济代价高，易受主观判断影响等缺陷；此外，移动时空大数据能够更加细粒度的描述人类活动与城市空间结构之间的密切关系，为有效分析人类活动，进行城市空间结构的研究提供了强有力的数据支撑。另一方面，深度学习(Deep Learning)技术在图像处理、辅助诊断等领域的成功应用，表明了深度学习对复杂问题建模和求解的能力，为智慧城市分析提供了良好的技术基础。
[0003]目前，有很多工作聚焦于结合居民移动时空大数据进行聚类，从而对城市区域的功能进行有效、及时的识别。通常是基于出行数据和兴趣点数据描述居民出行模式，进一步利用机器学习算法识别特定城市的区域功能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空大数据的城市区域功能识别模型及识别方法，其特征在于，具体包括以下步骤：步骤1：根据城市路网和栅格法划分待研究城市地块，作为目标区域；步骤2：构建动态时序图，生成动态时序图的节点特征和图邻接矩阵；包括如下子步骤：步骤21：将目标区域B内每个地块作为动态时序图的节点，生成每个地块B
i
的特征，并将其作为动态时序图的节点特征；步骤22：计算目标区域B内各节点在整数时间段t时v
i
，v
z
相连的订单记录数量，作为有向加权图G
(t)
的邻接矩阵；定义整数时间段t对应的有向加权图G
(t)
的邻接矩阵为A＝(w
iz
)
N
×
N
，其中w
iz
表示节点B
i
和节点B
z
之间的权重，由下式计算得到：其中，(B
j_up
，B
j_down
)表示订单j从起始点Bj_up到终止点B
j_down
的OD(Origin
‑
Destination)流，card表示求集合的元素个数函数，即起始点B
j_up
到终止点B
j_down
之间相连的订单记录数量；步骤3：构建动态图表示学习模型GAT
‑
GRU，得到训练好的GAT
‑
GRU模型；步骤4：将固定时间范围内的工作日早晚高峰、周末早晚高峰这四个时间段分别通过步骤3训练好的GAT
‑
GRU模型计算，对模型输出的每个地块B
i
的高层语义特征表示f
T
表示进行k
‑
means聚类，结合POI分布对聚类结果进行语义识别。2.如权利要求1所述的基于时空大数据的城市区域功能识别模型及识别方法，其特征在于，所述步骤1包括如下子步骤：步骤11，提取待研究城市的路网数据，根据路网数据确定行政区域E；其中，E＝{(lon1，lat1)，...，(lon
i
，lat
i
)，...，(lon
n
，lat
n
)}，(lon
i
，lat
i
)表示地理空间上一个位置点i的经纬度坐标；步骤12，应用栅格数据模型对行政区域E进行处理，得到地块集合Z；其中，Z＝{polygon1，...polygon
j
，...polygon
s
}，polygon
j
表示地理空间上由a、b、c、d四个点组成的一个矩形地块面，表示为polygon
j
＝{(lon
a
，lat
a
，lon
b
，lat
b
，lon
c
，lat
c
，lon
d
，lat
d
)}；步骤13，将行政区域E与地块集合Z取交集，得到行政区域E内的地块集合B，作为目标区域B；其中，B＝{B1，...，B
i
，...，B
N
}，N为行政区域E内地块数量，B
i
为目标区域B中的第i个地块。3.如权利要求1所述的基于时空大数据的城市区域功能识别模型及识别方法，其特征在于，所述步骤21包括如下子步骤：步骤211，取目标区域B在固定时间范围T内的所有出租车订单，得到订单集合J；其中，J＝{j1，j2，...，j
i
，
…
，j
n
}。n为目标区域B在固定时间范围T内的所有出租车订单数量，j
i
为订单集合J中的第i个订单；对于一条有效的出租车订单：j＝{lon
up
，lat
up
，lon
down
，lat
down
，t
up
，t
down
}，其中lon
up
，lat
up
表示该订单j的上车位置，lon
down
，lat
down
表示该订单j的下车位置，t
up
为上车对应的时间戳，t
down
为下车对应的时间戳；
步骤212，利用下式对每一条订单进行时间段划分，即将该订单的t
up
，t
down
分别划分到对应的整数时间段中，整数时间段是指固定时间范围T内的每个小时；t
up
＝Floor(t
up
)，t
down
＝Floor(t
down
)；步骤213，遍历订单集合J，对于每条订单，利用下式计算地块B
i
在每个整数时间段t(t∈[0，23])内的上车、下车数量；若(lon
up
，lat
up
)∈B
i
，则B
i
在t
up

【专利技术属性】
技术研发人员：高原，王洁，张蕾，张小溪，颜建强，
申请(专利权)人：西北大学，
类型：发明
国别省市：