[发明专利]一种基于开源地理空间矢量数据的城市功能区定量识别方法

说明书

本发明公开了一种基于开源地理空间矢量数据的城市功能区定量识别方法，该方法确立了开源数据引导下识别城市功能区的框架体系和技术流程。首先，通过定性分析方法对数据质量进行评估，并通过语义分析建立了各类开源数据源与国家分类标准之间的映射关系，制定了融合策略。该方法中研究单元由地理国情道路数据划分，分类参考数据则由三部分组成：OSM融合面数据，自影像中提取的单栋建筑物数据以及POI数据。通过判断城市划分区块与分类参考数据的空间关系将城市区块分成了5类。本发明提供的方法可以提高类别提取精度与识别精度。

技术领域

本发明涉及地理空间数据应用技术领域，具体涉及一种基于开源地理空间矢量数据的城市功能区定量识别方法。

背景技术

城市功能区对于城市管理、城市更新以及第三世界发展与规划问题研究有着非常重要的意义。短短几十年内，全球在推动城市化进程方面取得了巨大的成就，但同时也带来了诸多问题，例如城市蔓延和人口爆炸等，尤其在发展中国家，粗放型土地利用方式以及不均衡的配置成为了制约经济发展的主要因素，使得优化城市建设用地利用方式已成为当务之急，而掌握城市功能区分布与构造的真实现状恰恰是优化的重要前提。因此，如何对城市的复杂多样的功能区进行快速有效的定量识别是亟待解决的问题。

城市功能区不仅仅是对城市空间的描述，也是一种更高层次的隐含语义的表达。在人类社会与自然环境不断地交互过程中，逐渐形成了城市功能区并成为了研究人类活动的基本单元。早期在政府的支持下，形成了基于传统国家部门数据或实地调查数据构建指标体系的方法，主要通过综合各类指标计算结果分析经济发展层面的功能区分布。这类方法的数据源精度最高，集中于宏观尺度的定性分析，但是这些数据通常难以获取，甚至需要相关权限批准，同时，由于数据源获取方式费时费力，导致数据源的现势性差，其功能区识别结果精度受限于人为主观因素。近期遥感卫星技术的发展极大地推动了城市功能区研究的发展，高分辨率遥感影像覆盖范围广，结合机器学习模型能够有效地识别地物的几何特征与物理属性，但却因过度依赖于影像的自然属性导致无法识别地物及场景的社会语义属性，城市功能区识别的精细程度与准确程度很大程度上限制于土地利用与城市功能间的语义鸿沟。随着空间探测、开放地理信息系统等技术的迅猛发展，开源地理时空大数据为复杂城市功能区精准描述提供了新的视角。除了成本低廉、时空分辨率高，丰富的社会经济语义属性信息与强现势性是开源地理时空大数据较其他数据源而言独一无二的优势。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

目前缺乏针对开源地理数据的有效管理政策，因此如何全面地、充分地利用和分析开源地理数据仍需讨论，而基于多源的开源地理空间数据对复杂多元化的城市功能区进行精确描述更需要进一步的探索。目前的城市功能区识别方法均缺乏明确的且适用于中国国情的“功能区”定义，也并未讨论城市区块划分合理性。并且，如何建立面向多种开源地理空间矢量数据的处理框架与流程并未给出。最后，随着城市发展，仅分析单一功能区已不能满足国家需求，并且仅分析城市功能范围无法服务于精准规划。

由此可知，现有技术中的方法存在识别不够精确的技术问题。

发明内容

因此，本发明采用不同的开源地理空间矢量数据作为分析数据源，以国家标准作为功能识别参考，建立了完整的不同类别的城市区块下对功能区进行精确的定量识别框架与方法，解决或者至少部分解决现有技术中的方法存在的识别不够精确的技术问题。

为了解决上述技术问题，本发明提供了一种基于开源地理空间矢量数据的城市功能区定量识别方法，包括：

S1：通过定性分析方法对数据质量进行评估，并通过语义分析建立各类开源数据源与国家分类标准之间的映射关系，进行语义统一，再进行规范化处理；

S2：基于POI数据计算不同功能点数据在建筑物面内的频数密度与类别比率特征向量，对提取出的所有建筑物的功能进行识别；