[发明专利]一种遥感影像与出租车轨迹融合的自动城市功能分区方法

权利要求书

1.一种遥感影像与出租车轨迹融合的自动城市功能分区方法，其特征在于，包含以下步骤：

S1.利用道路和河流将目标城市划分为若干个街区；

S2.根据如下公式计算各个所述街区的轨迹时空信息熵TSTE_i；

其中，其中n代表街区数量，N_ij代表第i个街区中第j时刻的上下客点数量，S_i代表第i个街区的面积；

S3.根据计算得到的各个所述街区的轨迹时空信息熵TSTE_i和预设的轨迹时空信息熵阈值，将所述目标城市分为第一区域与第二区域，所述第一区域由轨迹数据信息量充足的街区构成，所述第二区域由轨迹数据信息量缺乏的街区构成；

S4.针对所述第一区域，将所述第一区域中各个街区各时段出租车上下客点的频度信息作为各街区城市功能类别的解译标志，采用KMeans++进行聚类分析，将所述第一区域分为多个聚类簇，并判别每一个聚类簇代表的城市功能类型，得到所述第一区域的功能区类别的识别结果；

针对所述第二区域，识别街区影像中有典型解译标志和非典型解译标志的地物，并使用决策树算法根据第二区域中的遥感影像地物识别置信结果及空间信息进行功能分类，得到所述第二区域的功能区类别识别结果；

S5.综合所述第一区域的功能区类别的识别结果和所述第二区域的功能区类别的识别结果，得到所述目标城市的功能识别结果；

S6.采用分层随机抽样的10折交叉验证法测试步骤S5得到的所述目标城市的识别结果的平均精度和平均Kappa系数，若所述平均精度和平均Kappa系数均达到预设条件，步骤S5得到的所述目标城市的识别结果为最终结果，否则重新确定轨迹时空信息熵阈值后转向步骤S3。

2.按照权利要求1所述的一种遥感影像与出租车轨迹融合的自动城市功能分区方法，其特征在于，步骤S4中，针对所述第一区域，将所述第一区域中各个街区各时段出租车上下客点的频度信息作为各街区城市功能类别的解译标志，采用KMeans++进行聚类分析，将所述第一区域分为多个聚类簇，并判别每一个聚类簇代表的城市功能类型，得到所述第一区域的城市功能区类别的识别结果，具体为：

S41.统计所述第一区域中各个街区各时段出租车上下客点的频度信息，获得各个街区的出租车频度序列，并根据如下公式对各个所述街区的出租车频度序列进行归一化处理，

其中，表示第i个街区第m种的频度序列，表示第i个街区第m种归一化波谱，N表示街区数量；

S42.根据预设的相似度指标和预设的聚类数量，采用K-Means++算法进行聚类分析，将所述第一区域分为多个聚类簇；

S43.根据各个所述聚类簇中各个街区的用地类型分布情况，采取如下式所示的最大占比原则确定每一个聚类簇代表的社会功能属性，得到所述第一区域的功能区识别结果，

其中，是指每一个聚类簇确定的社会功能属性，K指聚类的类别数量，c_k指第k个聚类簇，指原c_k中街区的功能类别集合，x是第k个聚类簇中各个街区的类别，是第k个聚类簇中街区的总数量。

3.根据权利要求2所述的一种遥感影像与出租车轨迹融合的自动城市功能分区方法，其特征在于，所述出租车频度序列包括：总上客点时间频度序列、节假日上客点时间频度序列、工作日上客点时间频度序列、总下客点时间频度序列、节假日下客点时间频度序列和工作日下客点时间频度序列；

所述总上客点时间频度序列为：其中，代表第j时刻在第i个街区的上客点平均数量；

所述节假日上客点时间频度序列为：其中，代表节假日里第j时刻在第i个街区的上客点平均数量；

所述工作日上客点时间频度序列为：其中，代表工作日里第j时刻在第i个街区的上客点平均数量；

所述总下客点时间频度序列为：其中，代表第j时刻在第i个街区的下客点平均数量；

所述节假日下客点时间频度序列为：其中，代表节假日里第j时刻在第i个街区的下客点平均数量；

所述工作日下客点时间频度序列为：其中，代表工作日里第j时刻在第i个街区的下客点平均数量。