一种基于POI和改进主题模型的城市功能区识别方法技术

本申请公开了一种基于POI和改进主题模型的城市功能区识别方法，属于地理信息系统技术领域。基于POI和改进主题模型的城市功能区识别方法包括以下步骤：获取目标功能区域的兴趣点数据，其中，兴趣点数据包括各兴趣点的空间位置数据；根据空间位置数据，将目标功能区域划分成多个功能子区域；确定各个功能子区域的子区域语义特征；根据子区域语义特征，得到目标功能区域的区域空间语义特征，从而解决了现有功能区域识别技术中存在的识别精度低，准确性差的问题。性差的问题。性差的问题。

【技术实现步骤摘要】
一种基于POI和改进主题模型的城市功能区识别方法


[0001]本申请涉及地理信息系统
，尤其涉及一种基于POI和改进主题模 型的城市功能区识别方法。

技术介绍

[0002]随着大数据时代的来临，学者们对城市功能区的识别已逐渐展开深入研 究。基于POI的城市功能区识别是其中的重要方向之一。这是因为POI(Pointsof Interest，兴趣点，指电子地图上代表地理实体的点)数据具有可获取性、 完整性等特点，更重要的是POI不仅蕴含了地理实体的物理特征，还表征了 其社会经济属性特征，这与城市功能区同时表征区域物理特征和社会经济特 征的特点不谋而合。
[0003]目前，基于POI的城市功能区识别方法中基于主题模型的方法采用词袋 模型表示POI数据，将城市功能区作为文档，功能区内的POI作为文档的单 词，依据功能区内POI出现的频率，从POI的共现关系中挖掘功能区内的语 义信息，依据语义信息对城市功能区进行识别。
[0004]主题模型是自然语言处理中的常用方法。然而，不同于自然语言中的单 词，组成城市功能区的POI数据具有空间特征，从而导致了功能区语义特征 的空间异质性。现有研究采用主题模型提取城市功能区的语义信息，忽略了 POI的空间特征和功能区语义特征的空间异质性，制约了语义特征表达的准确 性，从而造成了功能区识别精度低、准确性差的问题。
[0005]申请内容
[0006]本申请的主要目的在于提供一种基于POI和改进主题模型的城市功能区 识别方法，旨在解决现有功能区域识别技术中存在的识别精度低，准确性差 的问题。
[0007]为实现以上目的，本申请提供了一种基于POI和改进主题模型的城市功 能区识别方法，所述方法包括：
[0008]获取目标功能区域的兴趣点数据，其中，所述兴趣点数据包括各兴趣点 的空间位置数据；
[0009]根据所述空间位置数据，将所述目标功能区域划分成多个功能子区域；
[0010]确定各个所述功能子区域的子区域语义特征；
[0011]根据所述子区域语义特征，得到所述目标功能区域的区域空间语义特征。
[0012]可选地，所述获取目标功能区域的兴趣点数据，其中，所述兴趣点数据 包括各兴趣点的空间位置数据，包括：
[0013]获取目标功能区域所在城市的城市兴趣点数据，其中，所述兴趣点数据 包括兴趣点的空间位置数据；
[0014]根据所述兴趣点的空间位置数据，将所述城市兴趣点数据匹配到城市地 图上，得到目标功能区域的兴趣点数据。
[0015]可选地，所述根据所述空间位置数据，将所述目标功能区域划分成多个 功能子区
域，包括：
[0016]根据所述空间位置数据，对所述兴趣点进行聚类，得到第一聚类结果；
[0017]根据所述第一聚类结果，将目标功能区域划分为多个子区域。
[0018]可选地，所述确定各个所述功能子区域的子区域语义特征，包括：
[0019]根据LDA模型与所述功能子区域的所有兴趣点数据，确定各个所述功能 子区域的主题分布；
[0020]将识别出的主题分布中概率排布为前预设数量个的主题确定为所述功能 子区域的子区域语义特征。
[0021]可选地，所述根据所述子区域语义特征，得到所述目标功能区域的区域 空间语义特征，包括：
[0022]将所有所述功能子区域的子区域语义特征进行聚类，得到所述目标功能 区域的特征类型。
[0023]可选地，若各个所述功能子区域的子区域语义特征属于同一类型，则将 所述子区域语义特征作为所述目标功能区域的区域空间语义特征。
[0024]可选地，若各个所述功能子区域的子区域语义特征不属于同一类型，则 将所有所述功能子区域的子区域语义特征聚类，得到第二聚类结果；
[0025]根据所述第二聚类结果，确定出所述目标功能区域的区域空间语义特征。
[0026]此外，为实现上述目的，本申请还提供一种基于POI和改进主题模型的 城市功能区识别装置，所述装置包括：
[0027]数据获取模块，用于获取目标功能区域的兴趣点数据，其中，所述兴趣 点数据包括各兴趣点的空间位置数据；
[0028]区域划分模块，用于根据所述空间位置数据，将目标功能区域划分为多 个子区域。
[0029]类型确定模块，用于确定所述功能子区域的子区域语义特征；
[0030]类型识别模块，用于根据所述子区域语义特征，得到所述目标功能区域 的区域空间语义特征。
[0031]本申请还提供一种基于POI和改进主题模型的城市功能区识别设备，包 括：处理器，存储器以及存储在所述存储器中的基于POI和改进主题模型的 城市功能区识别程序，所述基于POI和改进主题模型的城市功能区识别程序 被所述处理器执行时实现第一方面的实现方式中的任一种可能的实现方式中 所述的各个步骤。
[0032]本申请还提供一种计算机可读存储介质，其上存储有基于POI和改进主 题模型的城市功能区识别程序，所述基于POI和改进主题模型的城市功能区 识别程序被处理器执行时实现第一方面的实现方式中的任一种可能的实现方 式中所述的各个步骤。
[0033]本申请实施例提出了一种基于POI和改进主题模型的城市功能区识别方 法，通过获取目标功能区域的兴趣点数据，得到兴趣点的空间位置数据；根 据兴趣点的空间位置数据将目标功能区域划分为多个功能子区域；确定各个 功能子区域内的子区域语义特征；融合目标功能区内子区域的语义特征，进 一步得到目标功能区域的语义特征。即本申请：(1)首先基于兴趣点的空间 位置信息，采用聚类算法对兴趣点进行空间聚类，将空间上邻近的POI被划 分到一起组合为一个目标功能区域的子区域，因而同一个子功能区域内兴趣 点
具有更强的空间关联性。(2)采用主题模型提取子区域的语义特征。在此 步骤中，本方法将子区域作为目标功能区提取语义特征的空间尺度，不同于 直接应用主题模型提取功能区的语义特征，可基于空间关联性更强的兴趣点 更加准确地识别出每个功能子区域的子区域语义特征，保证了同一语义特征 中兴趣点的空间关联性。(3)融合功能区内子区域的语义特征，进一步得到 目标功能区的语义特征，此特征包含了语义特征的空间特性，反映了功能区 内语义特征的空间异质性。
[0034]本申请通过目标功能区内子区域的划分重新定义了目标功能区语义特征 (主题)提取的空间尺度，通过语义特征提取的空间尺度约束实现了功能区 空间语义特征的提取。此外，本申请还可避免直接采用主题模型进行功能区 识别时，直接从所有兴趣点出现的概率中寻找语义特征而导致部分功能子区 域高频出现的POI在识别过程中掩盖了剩余部分功能子区域高度聚集但是出 现频率低的POI导致的识别误差大，从而提高功能区域识别的精度和准确性。
附图说明
[0035]图1为本申请涉及的硬件运行环境的基于POI和改进主题模型的城市功能 区识别设备的结构示意图；
[0036]图2为本申请基于P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于POI和改进主题模型的城市功能区识别方法，其特征在于，所述方法包括：获取目标功能区域的兴趣点数据，其中，所述兴趣点数据包括各兴趣点的空间位置数据；根据所述空间位置数据，将所述目标功能区域划分成多个功能子区域；确定各个所述功能子区域的子区域语义特征；根据所述子区域语义特征，得到所述目标功能区域的区域空间语义特征。2.根据权利要求1所述的基于POI和改进主题模型的城市功能区识别方法，其特征在于，所述获取目标功能区域的兴趣点数据，其中，所述兴趣点数据包括各兴趣点的空间位置数据，包括：获取目标功能区域所在城市的城市兴趣点数据，其中，所述兴趣点数据包括兴趣点的空间位置数据；根据所述兴趣点的空间位置数据，将所述城市兴趣点数据匹配到城市地图上，得到目标功能区域的兴趣点数据。3.根据权利要求1所述的基于POI和改进主题模型的城市功能区识别方法，其特征在于，所述根据所述空间位置数据，将所述目标功能区域划分成多个功能子区域，包括：根据所述空间位置数据，对所述兴趣点进行聚类，得到第一聚类结果；根据所述第一聚类结果，将目标功能区域划分为多个子区域。4.根据权利要求1所述的基于POI和改进主题模型的城市功能区识别方法，其特征在于，所述确定各个所述功能子区域的子区域语义特征，包括：根据LDA模型与所述功能子区域的所有兴趣点数据，确定各个所述功能子区域的主题分布；将识别出的主题分布中概率排布为前预设数量个的主题确定为所述功能子区域的子区域语义特征。5.根据权利要求1至4任一项所述的基于POI和改进主题模型的城市功能区识别方法，其特征在于，所述根据所述子区域语义特征，得到所述目标功能区域的区域空间语义特征，包括：将所有所述功能子区域的子区域语义特征进行聚类，得到所述目标功能区域的特征类型。6.根据权利要求1

【专利技术属性】
技术研发人员：杨鑫，杨宜来，段亮亮，薄帅帅，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：