[發(fā)明專利]耦合街區(qū)時空特征和集成學(xué)習(xí)的城市功能區(qū)精細(xì)化識別方法

在審

• 申請?zhí)枺?/td>: 202210954350.6
• 申請日: 2022-08-10
• 公開（公告）號: CN115512216A
• 公開（公告）日: 2022-12-23
• 發(fā)明（設(shè)計）人: 林安琪;吳浩;羅文庭;江志猛;李巖
• 申請（專利權(quán)）人: 華中師范大學(xué)
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06F16/29;G06V10/26;G06V10/764;G06V10/77
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王守仁

1.耦合街區(qū)時空特征和集成學(xué)習(xí)的城市功能區(qū)精細(xì)化識別方法，其特征在于：首先，對OSM路網(wǎng)進(jìn)行預(yù)處理，生成研究區(qū)內(nèi)街區(qū)劃分結(jié)果，即為城市功能區(qū)的基本單元；然后，提取各街區(qū)單元的紋理和語義特征，其包括利用建筑物輪廓、POI、位置數(shù)據(jù)和高分辨率影像多源時空大數(shù)據(jù)，構(gòu)建由“形狀-屬性-位置-紋理”組成的SALT街區(qū)時空特征體系；接著，使用深度學(xué)習(xí)自編碼器Autoencoder，對SALT特征進(jìn)行降維，以消除特征間的信息冗余；最后，使用降維后的SALT特征和功能區(qū)標(biāo)簽訓(xùn)練Adaboost集成學(xué)習(xí)模型，將訓(xùn)練好的模型用于城市功能區(qū)分類，識別出各街區(qū)的精細(xì)化功能類別。

2.根據(jù)權(quán)利要求1所述的耦合街區(qū)時空特征和集成學(xué)習(xí)的城市功能區(qū)精細(xì)化識別方法，其特征在于，使用以下方法生成城市功能區(qū)的基本單元，簡稱街區(qū)單元：對OSM路網(wǎng)依次進(jìn)行投影變換、緩沖區(qū)分析、中心線提取、要素轉(zhuǎn)面和消除處理，再以高分辨率谷歌影像為底圖，對生成的面要素進(jìn)行核查，使其與底圖完全匹配，得到街區(qū)單元。

3.根據(jù)權(quán)利要求1所述的耦合街區(qū)時空特征和集成學(xué)習(xí)的城市功能區(qū)精細(xì)化識別方法，其特征在于，使用以下方法，構(gòu)建SALT街區(qū)時空特征體系：對于形狀特征，從公開平臺獲取天地圖影像，使用基于閾值的影像分割算法提取研究區(qū)建筑物，計算建筑物形狀特征指標(biāo)，并統(tǒng)計得到每個街區(qū)內(nèi)建筑物形狀特征指標(biāo)的均值、標(biāo)準(zhǔn)差和總和值；對于屬性特征，將POI數(shù)據(jù)按其標(biāo)簽分類，再對各類別POI進(jìn)行核密度分析，統(tǒng)計各街區(qū)各類POI核密度的均值，以及核密度最大值所對應(yīng)的POI類別；對于位置特征，根據(jù)時間字段，將手機(jī)用戶騰訊位置數(shù)據(jù)分割為節(jié)假日、工作日和雙休日三種時間屬性，統(tǒng)計每個街區(qū)內(nèi)各時間屬性下人數(shù)總和、每小時人數(shù)平均值及單位面積人數(shù)值，同時創(chuàng)建不同時間類型下時空立方體，進(jìn)行新興時空熱點分析，統(tǒng)計時空熱點的眾數(shù)，得到每個街區(qū)工作日、節(jié)假日、雙休日的時空模式；對于紋理特征，構(gòu)建遙感影像第一主成分波段的灰度共生矩陣，提取影像的紋理特征，統(tǒng)計每個街區(qū)內(nèi)紋理特征的平均值。

4.根據(jù)權(quán)利要求3所述的耦合街區(qū)時空特征和集成學(xué)習(xí)的城市功能區(qū)精細(xì)化識別方法，其特征在于，使用基于閾值的影像分割算法提取了研究區(qū)建筑物，計算了每個街區(qū)單元的建筑物形狀特征，其過程包括：

(1)從開放平臺獲取18級天地圖RGB影像，采用按掩膜提取、投影柵格和波段提取得到研究區(qū)內(nèi)天地圖單波段影像；

(2)通過灰度直方圖確定提取建筑物的灰度閾值，如果像素的灰度值在閾值范圍內(nèi)，則值被設(shè)置為1，即為建筑物，否則值被設(shè)置為0；

(3)采用眾數(shù)濾波將灰度值小于閾值的像元移除，隨后使用柵格轉(zhuǎn)面將建筑物轉(zhuǎn)為矢量格式，再對矢量建筑物進(jìn)行消除面部分和簡化建筑物處理；

(4)將處理后的建筑物與高分辨率谷歌影像疊加，核查提取建筑物的完整性和準(zhǔn)確性；

(5)計算建筑物的形狀特征，提取每個建筑物的面積、周長、圓形度、節(jié)點數(shù)、矩形度、長寬比、半徑形狀指數(shù)和方向，進(jìn)而使用空間連接統(tǒng)計每個街區(qū)各形狀指數(shù)的總和值、平均值和標(biāo)準(zhǔn)差。

5.根據(jù)權(quán)利要求3所述的耦合街區(qū)時空特征和集成學(xué)習(xí)的城市功能區(qū)精細(xì)化識別方法，其特征在于，使用核密度估計方法提取了研究區(qū)內(nèi)各類POI的屬性特征，其過程包括：

(1)根據(jù)POI的標(biāo)簽，將其分為14個類別：“政府機(jī)構(gòu)及社會團(tuán)體、醫(yī)療服務(wù)、體育休閑服務(wù)、生活服務(wù)、商務(wù)住宅、汽車服務(wù)、科教文化服務(wù)、居民住宅、金融保險服務(wù)、交通設(shè)施服務(wù)、購物服務(wù)、公園綠地、公司企業(yè)和餐飲服務(wù)”；

(2)使用核密度估計方法，將研究區(qū)內(nèi)POI點數(shù)據(jù)轉(zhuǎn)換為連續(xù)的表面，以得到14類POI的密度分布，并使用區(qū)域統(tǒng)計至表得到各街區(qū)各類POI核密度的均值；其中，核密度計算公式如下：

式中，F(xiàn)(x)是位置x處的密度估計函數(shù)；d是空間維度；h代表帶寬；N是與位置x的距離小于h的點數(shù)；K是空間權(quán)重函數(shù)；

(3)將屬性表導(dǎo)出至excel表，根據(jù)excel的數(shù)據(jù)透視和公式計算功能，得到各街區(qū)核密度最大值所對應(yīng)的POI類別。