[發明專利]一種基于通信數據與興趣點數據推斷城市功能的方法

在審

• 申請號: 201911032148.2
• 申請日: 2019-10-28
• 公開（公告）號: CN110766589A
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 鄭澤忠;侯安鍇;劉佳璽;程薈璇;肖一荻;李江
• 申請（專利權）人: 電子科技大學
• 主分類號: G06Q50/26
• 分類號: G06Q50/26;G06N3/08;G06N3/04
• 代理公司: 51250 成都時譽知識產權代理事務所(普通合伙)
• 代理人: 李正

本發明涉及城市規劃領域，目的是提供一種基于通信數據與興趣點數據推斷城市功能的方法，本發明包括有將研究區劃分區域、將多源時空大數據與劃分地圖疊加、獲取步驟1中分割的每個區域內部特征的數量、選取訓練模型的標簽樣本、建立深度學習模型，根據步驟4獲得的標簽樣本對模型進行訓練和城市功能可視化這6步對城市功能進行推斷，便于對城市的未來規劃，本發明具有實現簡單，計算速度快，推斷精度高，可視化效果好的優點。

技術領域

本發明涉及城市規劃領域，具體涉及一種基于通信數據與興趣點數據推斷城市功能的方法。

背景技術

城市是由多種復雜系統所構成的有機體，城市功能是城市存在的本質特征，是城市系統對外部環境的作用和秩序。城市功能區的推斷對于了解復雜的城市結構，揭示城市的物理和社會特征至關重要。城市功能，通常理解為城市在國家和地區范圍內的社會經濟生活中所能發揮的作用，包括眾多的功能區域，如行政區，經濟區，住宅區等，城市功能是城市發展的驅動因素。因此，研究城市功能結構對促進城市的健康發展有重要的意義。但城市和城市化區域是復雜、動態和高度集成的系統，以各種方式將社會、生態和技術基礎設施領域連接起來，為良好的治理、決策和規劃帶來深刻挑戰，如何實現城市功能區域的劃分推斷，更加準確的了解城市功能系統，將復雜的城市轉化為可視的城市功能系統，已經成為有關部門規劃城市的重要途徑之一。

人類社會已經進入大數據時代，傳統的信息存儲和傳播媒介已逐漸為計算機所替代，并呈現出指數增長的趨勢，成為21世紀最為重要的資源之一。人工智能技術的快速發展為大數據隱含信息的精準獲取和有效整合應用能力提供了全新的策略，深度學習是人工智能技術中目前研究最火熱的一種技術，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。深度學習能夠得到很好地表示數據的特征，同時由于模型的層次、參數很多，因此，模型有能力表示大規模數據，能夠在大規模訓練數據上取得更好的效果。城市功能具有多樣性、復雜性、無法直接根據數據推斷的特點，因此需要利用與城市功能相關的大數據信息并結合人工智能深度學習的方法來對城市功能進行推斷。

CN201810364960.4，一種基于城市功能混合度的測算方法及系統，該發明公開了一種基于城市功能混合度的測算方法，其包括：獲取POI數據集，依據POI數據集中的類型信息進行城市功能分類；繪制城市道路線圖層數據，并提取各道路中心點作為城市功能混合度的測算單元；提取各測算單元所在道路的相鄰街區，構建各測算單元的城市功能混合度測算指標；建立功能混合度測算模型，并對各測算單元進行城市功能混合度的測算，但獲取的POI數據無法與現實劃分的地圖進行疊加比對，無法使得城市功能可視化。

因此需要一種城市規劃的方法，建立的模型有能力表示大規模數據，能夠在大規模訓練數據上取得更好的效果，城市功能具有多樣性、復雜性、無法直接根據數據推斷的特點，因此需要利用與城市功能相關的大數據信息并結合人工智能深度學習的方法來對城市功能進行推斷。

發明內容

本發明目的在于提供一種基于通信數據與興趣點數據推斷城市功能的方法，采用動態的移動通信數據以及靜態的城市興趣點數據(Points of Interst，POI)，形成多源時空大數據模型；針對城市功能的特點，利用人工智能深度學習技術，根據所形成的多源時空大數據模型，對城市劃分的區域進行功能推斷，本發明具有實現簡單，計算速度快，推斷精度高，可視化效果好的優點；

為實現上述目的，本發明所采用的技術方案是：一種基于通信數據與興趣點數據推斷城市功能的方法：

S1:根據待研究城市區域的道路網，對所述待研究城市區域進行子區域劃分,得到若干個子區域；

S2：將各個所述子區域內的通信統計數據和興趣點統計數據作為多源時空大數據；