共查询到10条相似文献，搜索用时 46 毫秒
1.
随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,识别城市功能区,并结合出租车轨迹数据进行时空挖掘,定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。以北京市五环内主城区为例进行分析,可得:①该方法可以识别典型功能区西单、国贸、中关村是以商业为主的混合城市功能区,望京是以居住为主的混合功能区,且居民通勤出行特征明显;②国贸对自身的引力较强（39.4%）,说明国贸区域城市功能更加齐全;③典型功能区对居民出行距离范围内的区域吸引力随着距离的增加而减弱,符合经验认知和地理空间衰减规律。结果表明,利用POI和移动大数据采用重尾打断分类法和核密度聚类法进行城市功能区识别与分析是可行和有效的。 相似文献
2.
城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。 相似文献
3.
顾及POI与土地利用数据的城市功能区划分 总被引：1，自引：0，他引：1
城市功能区划分是落实智慧城市用地政策和用地开发管控的重要前提和基础,科学探测其分类及分布,对于支撑智慧城市空间规划具有重要作用.针对现有方法在功能区划分时受限于格网或者路网的束缚,易出现POI权重设置不科学及划分不精确的问题,提出一种基于聚类分析确定主体功能单元下的功能区划分方法.首先,基于POI数据,综合利用KD-Tree聚类算法、泰森多边形等算法,实现主体功能地块的划分;然后,基于核密度算法、像元阈值法等方法,实现精准功能区划分;最后,利用研究区真实数据,对城市功能区划分进行精度验证.实验结果表明,利用此方法进行功能区划分精度的Kappa值达到了 0.763,具有良好的可行性. 相似文献
4.
随着城市化进程的不断推进，城市功能区作为城市规划中重要的基础组成部分，对城市功能区的空间布局现状进行研究是十分必要的。文中基于POI数据、手机信令数据、土地利用数据等多源数据，通过对POI数据构建“空间面积—人口热度”二元权重计算模型，滨城区进行功能区划分并分析结果。经过精度检验，Kappa系数为0.772,功能区的识别精度较高。结果表明，主城区的混合度较高，其承载着主要的居住和生活服务；滨城区功能的空间分布具有一般集聚的特点，呈东南—西北分布趋势，且在各个方向上发展较为均衡。功能区划分能够为城市科学合理的规划提供借鉴，及时发现城市规划中的问题并能够优化解决。 相似文献
5.
针对如何解决各类兴趣点(POI)的用地面积差异并精确地识别功能区等问题,该文构建了一种新的功能区识别模型.使用网上调查的各类POI的面积数据等,对各类POI的面积大小所处的区间进行赋值,整理出各类POI的面积评分表,并通过对各类POI进行核密度分析得到每个兴趣点的核密度值.通过构建面积评分与核密度值二级赋分评价模型,增加了POI数据的可用性,实现快速获取城市空间结构.经过精度检验,Kappa系数为0.76,功能区识别精度较高.研究结果可用于区位熵指数、土地利用混合度、平均最邻近距离与标准差椭圆等分析,有利于规划人员掌握城市空间结构与进行科学决策. 相似文献
6.
7.
通过构建兴趣点与城市功能区之间的logistic回归模型进行功能区识别,以武汉市主城区为例进行试验分析,将识别结果可视化并与《武汉市城市总体规划图(2010—2020)》进行对比,通过百度地图进行验证。研究结果表明,logistic回归模型与兴趣点数据相结合能基本识别居住用地、商业服务业设施用地、工业用地、公共管理与公共服务用地,准确率较高。 相似文献
8.
城市公共中心高度聚集了各类城市公共管理与公共服务设施。近年来城市建设发展迅速,传统的抽样调查等方法已不能满足新时代需要。互联网与计算机技术的发展给城市研究提供了新思路:城市兴趣点(POI)数据涵盖了广泛的地理空间和位置属性并且对公众开放。本研究使用POI数据,结合核密度估算(KED)模型定量研究其空间分布规律并对上海市城市中心体系的识别。结果显示,根据POI数据分析识别的上海市城市中心体系整体呈现单中心发展态势,城市副中心与郊区中心发展力度不足,尚有待进一步建设。将结果与《上海市城市总体规划(1999—2020年)》确定的城市公共中心体系进行对比,提出优化建议。 相似文献
9.
10.
尝试结合夜间灯光遥感数据(NPP-VIIRS)和POI数据,去识别深圳市的城市中心。首先,通过实验确定了多分辨率分割的最佳参数并确立了统一的空间单元计算POI的密度;其次,通过计算Anselin Local Moran′s I结合人类活动密度把高-高聚类单位定义为城市主中心,并使用地理加权回归模型根据POI密度的平方根与分割单元的几何中心到城市主中心的加权距离来确定子中心,识别出了2个城市主中心和11个城市子中心;最后通过与传统识别城市中心的方法进行对比分析。结果表明：多尺度分割、Anselin Local Moran′s I与地理加权回归结合的方法更好。 相似文献