基于空间投影寻踪的城市街区活力评价方法及存储介质技术

一种基于空间投影寻踪的城市街区活力评价方法及存储介质，该方法利用多源城市地理数据获取城市街区活力的评价指标；提出多目标优化的空间投影寻踪方法，定义了两个目标函数分别用来最大程度的提取变异信息和最小化投影值较近的街区距离；通过多目标遗传算法将两个目标函数进行融合，获得的最优投影向量；基于投影向量和评价指标计算街区综合活力值，分析研究区域城市活力的空间分布特征和影响因素。该方法利用多维地理数据进行降维，获得一维最优投影解集，对传统投影寻踪模型进行改进，考虑了街区间的空间影响，利用多目标优化遗传算法，对城市活力进行了定量分析，提高了城市街区综合活力分析的准确性和可靠性。区综合活力分析的准确性和可靠性。区综合活力分析的准确性和可靠性。

【技术实现步骤摘要】
基于空间投影寻踪的城市街区活力评价方法及存储介质


[0001]本专利技术涉及城市研究
，具体的，涉及一种基于空间投影寻踪模型的城市街区活力评价方法及存储介质。

技术介绍

[0002]在全球化和城市化进程快速推进的背景下，人口流动加快，城市面积迅速扩大，城市活力成为衡量城市发展进程的一个重要指标。雅各布斯在《美国大城市的生与死》一书中介绍了城市活力的概念，认为城市的活力来源于内部生活的多样性，人与其日常活动的空间相互作用过程构成了生活多样性，城市多样性本身又会带来和刺激更多多样性的产生。城市规划者和管理者对定量化的分析城市活力越来越感兴趣，成为促进城市健康发展和提高人类生活质量的关键因素。
[0003]近年来，随着无线网络、空间定位技术和智能终端设备的广泛应用，积累形成了海量多源城市地理数据，例如手机信令、土地利用数据、基础设施数据和社交媒体数据等，为理解城市发展和规划提供了数据基础。然而，已有研究通常使用少数几种数据源来衡量城市活力，单一数据源只能反映城市活力的某一方面。例如，城市区域内的一个居民社区可能拥有较少的兴趣点，但人口密本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空间投影寻踪模型的城市街区活力评价方法，其特征在于，包括如下步骤：多源地理数据收集及预处理步骤S110：获取所需的城市活力综合评价数据，包括基础地理数据、城市地理数据和遥感数据，对所述城市活力综合评价数据进行预处理，包括数据裁剪、去重复值、去缺失值和投影转换，基于基础地理数据，进行街区划分，删除面积较小的街区单元，作为研究区域；城市活力评价指标构建步骤S120：以步骤S110划分得到的街区为基本单元，计算城市活力评价指标，对所述城市活力评价指标按照正向、负向影响进行标准化；改进的多目标优化的空间投影寻踪模型步骤S130：构建多目标优化的投影函数，构建第一目标函数最大化类间距离函数和第二目标函数最小化距离函数，以投影向量的元素平方和需满足平方和为1的限制条件，依据所述多目标优化的投影函数、两个目标函数和限制条件，使用非支配排序遗传算法(NSGA
‑
II)解决多目标优化问题，计算最优投影向量；城市综合活力结果评价步骤S140：依据S130计算得到的最优投影向量和标准化的评价指标计算城市综合活力值，采用分位数法将城市街区分为若干个等级，根据分级结果对城市活力的空间分布结果进行评价。2.根据权利要求1所述的城市街区活力评价方法，其特征在于，多源城市地理数据获取子步骤S111：所述城市活力综合评价数据主要包括基础地理数据、城市地理数据和遥感数据，其中：所述基础地理数据包括行政区划、道路网、铁路网、水系数据；所述城市地理数据包括POI、建筑物、公交站点、地铁站点和人口密度数据；所述遥感数据产品包括土地利用数据；街区划分子步骤S112：将城市区域按照公路网、铁路网和水系划分为若干个大小不同的多边形区域，根据城市的实际道路网络整理各级道路的宽度，以道路宽度作为缓冲区半径建立街道空间，并将各级道路网络的缓冲区数据合并；使用面状研究区域擦除道路缓冲区和河流，初步获得城市街区的矢量数据；检查并删除面积太小、难以承担社会和经济功能的街区。3.根据权利要求1所述的城市街区活力评价方法，其特征在于，所述城市活力评价指标构建步骤S120包括如下子步骤：评价指标计算子步骤S121:所述城市活力评价指标包括每个街区的POI密度、POI混合度、土地利用混合度、公交站点密度、最近地铁站点的距离、建筑物占地面积、容积率、建成区占比、人口密度、绿化率的10个评价指标，利用所述城市活力综合评价数据计算所述城市活力评价指标；指标标准化子步骤S122：根据评价指标对城市活力的影响方向判定指标是正向指标还是负向指标，城市活力越高指标越小的评价指标为负向指标，城市活力越高指标越大的评价指标为正向指标，根据指标对城市活力的影响方向选择不同的标准化方法进行指标标准化。4.根据权利要求1所述的城市街区活力评价方法，其特征在于，所述多目标优化的空间投影寻踪模型步骤S130具体包括：
构建多目标优化的投影函数子步骤S131：假设a＝{a1,a2,
…
,a
n
}为投影向量，n表示评价指标的数量，a
j
表示指标x
j
对应的投影值，X＝{x
ij
|i＝1,2,...,m；j＝1,2,...,n}为评价指标矩阵，x
ij
表示第i个街区的第j个指标值，将多维评价指标数据进行降维，投影形成一个综合指标Z＝{z
i
|i＝1,2,...,m}，投影函数的计算公式为：其中，z
i
表示街区i的综合活力值，也称为综合投影值，a
j
为待求向量，表示第j个评价指标的投影值，m表示街区的数量；构建目标函数子步骤S132：定义第一个目标函数Q1(a)，计算公式为：Q1(a)＝S(Z)D(Z)S(Z)表示类间距离，用综合投影值的方差计算：D(Z)表示类间距离，用综合投影值的距离计算：其中，n表示评价指标的数量；m...

【专利技术属性】
技术研发人员：张志然，张娟，刘纪平，冯旭亮，仇阿根，赵阳阳，王程宇，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：