一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法技术

本发明专利技术公开了一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法，包括以下步骤：对交通小区数据和AOI数据分别进行预处理，得到各自对应的几何多边形对象、几何中心点对象以及编号等信息；将几何中心点经纬度信息输入到GeoHash算法中，确定其对应的GeoHash字符串编码；通过推演点法确定单个交通小区周围八个邻域的GeoHash字符串编码；基于加载到哈希表中的AOI数据，通过遍历交通小区九宫格区域的所有GeoHash编码，确定此交通小区附近的所有AOI；将交通小区依次与其附近的AOI在空间位置上进行相交操作，相交部分的面积即为此交通小区中此AOI对应用地类型的面积值；遍历完所有交通小区，即可确定每个交通小区每种用地类型的面积。小区每种用地类型的面积。小区每种用地类型的面积。

A statistical method of various types of land use areas in traffic districts based on AOI data and geohash algorithm

【技术实现步骤摘要】
一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法


[0001]本专利技术涉及一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法，属于交通仿真和交通大数据等
的工程


技术介绍

[0002]交通工程学科是一门集自然科学与社会科学于一体的综合性学科，随着现代科学技术的发展，交通领域也在向着智能化的方向发展；交通规划作为交通工程学科的重要组成，其涵盖的方法和技术中也开始广泛应用大数据、人工智能等新技术；比如交通需求的研究，传统获取交通需求的方法多为人工调查，成本高精度差，而随着新型技术的出现，基于大数据的新型交通需求预测方法快速发展，可通过获取人口和土地利用等数据预测交通小区在交通需求方面的发生与吸引，让交通需求的获取更便捷、更科学。
[0003]AOI的全称是Area Of Interest，可类比兴趣点POI(Point Of Interest)的含义翻译为兴趣面，用来表示地图数据中区域状的地理实体。通过关键词在百度或高德等地图引擎中搜索得到的点位置信息为POI数据，而得到的面域结果即为AOI数据。AOI数据可以直观形象的描述出空间各用地类型的分布情况，AOI数据使用多级标签来表示其对应地理实体所属于的用地类型，从一级到多级逐渐细化描述地理实体所属的用地类型，并且随着国内各大地图服务公司的快速发展，AOI数据的数量、质量、覆盖范围以及更新频率等多个方面都有了巨大提升。所以，丰富的AOI数据让交通小区内各类型用地面积的精确统计成为可能。
[0004]GeoHash是一种附近空间目标搜索算法，基本原理是将地球理解为一个二维平面，将平面递归分解成更小的子块，每个子块在一定经纬度范围内拥有相同的编码；其能将点的二维坐标映射为一个字符串编码，每个编码代表一个特定的矩形区域，在该矩形区域内所有点的坐标都共用这个编码，字符串编码越长精度越高，对应的矩形区域越小。使用AOI数据研究交通小区的土地利用情况，以往需要遍历全量AOI数据来搜索与交通小区相交的AOI，而使用Geohash算法则可以快速确定交通小区周围的AOI数据，提高算法的搜索效率，更快的统计出交通小区各类型用地的面积。

技术实现思路

[0005]专利技术目的：本专利技术通过对交通小区数据与AOI数据的处理，使用GeoHash算法高效统计出交通小区的土地利用情况，目标提出一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法。
[0006]技术方案：一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法，该方法包括以下步骤：
[0007](1)读取交通小区数据和AOI数据，具体包含以下数据：
[0008](11)交通小区数据由两部分组成，其一是交通小区边界数据，包括交通小区编号
及其对应的边界拓扑点编号序列，其二是拓扑点坐标数据，包括拓扑点编号、拓扑点x坐标、拓扑点y坐标；
[0009](12)AOI数据的属性包括AOI编号、AOI名称、AOI类型标签、AOI对应POI的经纬度、AOI的面积以及AOI边界拓扑点编号序列；
[0010](2)对交通小区数据和AOI数据进行预处理，具体步骤如下：
[0011](21)通过对步骤(1)中交通小区数据的预处理，输出交通小区的编号、几何中心点和几何多边形的字符串描述，具体步骤为：以拓扑点编号为键，以拓扑点x和y坐标的集合为值，将坐标集合转化为UTM平面坐标后加载到初始化的哈希表中；根据每个交通小区的边界拓扑点编号序列，通过哈希表确定对应的拓扑点坐标序列；将此拓扑点坐标序列转化为空间几何中的多边形对象，同时生成多边形对象的几何中心点对象；使用WKT(一种用于表示点、线、多边形等矢量几何对象的一种文本标记语言)将中心点对象和多边形对象输出为字符串的格式；
[0012](22)通过对步骤(1)中AOI数据的预处理，输出AOI的编号、类型编码、几何中心点和几何多边形的字符串描述，具体步骤为：明确所研究的土地利用类型种类范围，指定范围内每种用地类型对应的类型编码，并确定AOI原始类型标签与所研究土地利用类型种类的映射关系；基于此，对AOI原始类型标签中的一级标签进行提取、映射和转化为自定义的类型编码；先将AOI边界拓扑点编号序列中的坐标转化为UTM平面坐标，再将其转化为空间几何中的多边形对象，同时生成多边形对象的几何中心点对象；最后使用WKT将中心点对象和多边形对象输出为字符串的格式；
[0013](3)对空间坐标点进行GeoHash编码处理：根据研究的精度等级确定对应的GeoHash编码精度，即期望输出的GeoHash字符串编码的长度；交通小区数据与AOI数据的GeoHash编码原理相同，基于步骤(2)中的数据，针对每一条数据读取其几何中心点的WKT，并提取出几何中心点的坐标信息，将其转化为经纬度坐标后，与确定的编码精度一同输入到GeoHash算法中，即可输出一条字符串编码；分别在交通小区数据和AOI数据中新增一列存储每条数据对应的GeoHash字符串编码；
[0014](4)确定交通小区周围八块邻域的GeoHash编码，具体步骤如下：
[0015](41)步骤(3)中已确定GeoHash编码精度，根据GeoHash算法可得所研究的最小矩形的长度与宽度，则可进一步确定最小矩形横跨与纵跨的经度lonUnit和纬度单元latUnit；
[0016](42)已知交通小区的几何中心点经纬度坐标为(lon,lat)，则以下八个推演点分别处于此中心点周围的八个邻域：(lon,lat+latUnit)、(lon,lat
‑
latUnit)、(lon+lonUnit,lat)、(lon
‑
lonUnit,lat)、(lon
‑
lonUnit,lat
‑
latUnit)、(lon
‑
lonUnit,lat+latUnit)、(lon+lonUnit,lat
‑
latUnit)、(lon+lonUnit,lat+latUnit)；
[0017](43)根据GeoHash算法，输入交通小区几何中心点周围八个推演点的经纬度坐标，则可以得出此交通小区周围八块邻域点GeoHash编码；
[0018](5)根据GeoHash编码搜索九宫格区域内的AOI几何中心点，具体步骤如下：
[0019](51)基于步骤(3)中的AOI数据，以AOI几何中心点的GeoHash编码为键，由于单个GeoHash编码可能会对应多个AOI，故以AOI编号、类型编码、几何多边形的WKT组成的哈希子表构建列表作为值，将AOI数据加载到哈希表中；
[0020](52)针对每一个交通小区，依次遍历其自身以及周围八块邻域的GeoHash编码，以区域的GeoHash编码为键，在AOI数据的哈希表中确定对应的值，遍历完九个区域后，即可确定此交通小区邻域范围内所有的AOI几何中心点；
[0021]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法，其特征在于，包括以下步骤：(1)读取交通小区数据和AOI数据；(2)对交通小区数据和AOI数据进行预处理，提取交通小区几何中心点和几何多边形对象的字符串描述，映射自定义研究用地类型编码与AOI用地类型标签，并提取AOI几何中心点和几何多边形对象的字符串描述；(3)对交通小区数据和AOI数据中的几何中心点坐标进行GeoHash编码处理：根据研究的精度等级确定对应的GeoHash编码精度，即期望输出的GeoHash字符串编码的长度；交通小区数据与AOI数据的GeoHash编码原理相同，基于步骤(2)中的数据，针对预处理后的交通小区数据和AOI数据中的每一条数据，读取其几何中心点的WKT，并提取出几何中心点的坐标信息，将其转化为经纬度坐标后，与确定的编码精度一同输入到GeoHash算法中，即可输出一条字符串编码；分别在交通小区数据和AOI数据中新增一列存储每条数据对应的GeoHash字符串编码；(4)基于确定的GeoHash编码精度，通过交通小区几何中心点坐标和最小矩形经纬跨度，计算出交通小区上下左右空间位置上的八个推演点，从而进一步确定交通小区周围八块邻域的GeoHash编码；(5)将AOI数据装载到哈希表中，根据交通小区自身及其周围八块邻域的GeoHash编码，在AOI数据的哈希表中搜索几何中心点位于交通小区自身及其周围八块邻域内的AOI数据，交通小区自身及其周围八块邻域构成一个三行三列的九宫格；(6)通过交通小区和AOI对应的几何多边形对象空间位置上的相交操作，以此计算交通小区与各AOI相交面积：针对每一个交通小区，由步骤(5)确定其邻域范围内的AOI几何中心点，即进一步确定对应的AOI几何多边形对象，通过交通小区几何多边形对象与AOI几何多边形对象在空间位置上进行相交处理，即进一步求得相交部分的面积，以AOI类型编码为键，以相交的面积为值，将交通小区对应的各AOI类型相交面积存储到哈希表中，针对一个交通小区内存在同一类型多个AOI的情况，此时对应哈希表的键相同，而对同一种类型的多个AOI与交通小区相交的面积值叠加求和后存储到哈希表中；(7)将计算获得的各交通小区内各用地类型的面积结果进行存储和输出：以交通小区编号为键，以步骤(6)中计算出的哈希表结果为值，创建哈希表以此存储每一个交通小区内每一种用地类型的面积，最终将计算结果输出到介质中。2.根据权利要求1所述的一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法，其特征在于，步骤(1)的方法如下：(11)交通小区数据由两部分组成，其一是交通小区边界数据，包括交通小区编号及其对应的边界拓扑点编号序列，其二是拓扑点坐标数据，包括拓扑点编号、拓扑点x坐标、拓扑点y坐标；(12)AOI数据的字段包括AOI编号、AOI名称、AOI对应的用地类型标签、AOI对应的POI坐标、AOI的面积以及AOI边界拓扑点坐标序列，其中，AOI对应的用地类型标签由三级用地类型子标签通过分隔符连接生成，每一级用地类型子标签对AOI的用地类型进行描述，从一级到三级用地类型子标签，随着用地类型子标签级别的提升，其对AOI用地类型的描述逐渐细化。
3.根据权利要求2所述的一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法，其特征在于，步骤(2)的方法如下：(21)通过对步骤(1)中...

【专利技术属性】
技术研发人员：王炜，王宇航，华雪东，魏雪延，赵德，王建，
申请(专利权)人：东南大学，
类型：发明
国别省市：