伴隨著經濟社會的發(fā)展,城市化進程在全球廣泛發(fā)生,我國也相應加速城鎮(zhèn)化進程。《“十三五”規(guī)劃(2016-2020年)》指出,超大、特大城市應加快提高國際化水平,適當疏解中心城區(qū)非核心功能。對城市功能區(qū)進行劃分與識別有助于分析城市功能區(qū)分布現狀、了解城市內部空間結構,為優(yōu)化城市空間格局和疏解中心城區(qū)非核心功能提供決策依據。傳統(tǒng)的城市功能區(qū)劃分研究方法存在主觀性較大、數據更新慢、人工成本高的問題,且缺少細粒度研究。大數據的興起以及數據挖掘技術的更新為城市功能區(qū)劃分研究提供了富含語義信息的地理大數據及精細化的分析技術。本文研究從粗細兩種粒度探究城市功能區(qū)識別方法,采用多源數據作為城市功能區(qū)識別的基礎數據支撐。將鄭州市中心城區(qū)800m×800m格網作為細粒度基礎研究單元,探究相同粒度下POI權重對識別精度的提升作用。對POI數據進行預處理及重分類操作,根據POI數據對應地理實體的占地面積及公眾認知度不同,賦予各類POI數據不同權重。然后構建功能區(qū)識別特征向量,通過計算各單元的類型占比特征向量,識別該單元功能類型,識別結果對應六種功能區(qū)。最后結合衛(wèi)星地圖及規(guī)劃地圖抽樣對比驗證,總體識別精度達到79...

【文章頁數】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外研究現狀
        1.2.1 地理大數據研究現狀
        1.2.2 功能區(qū)識別研究現狀
    1.3 研究內容與研究路線
        1.3.1 研究內容
        1.3.2 研究路線
    1.4 論文結構
2 研究區(qū)與數據概況
    2.1 研究區(qū)簡介
    2.2 數據來源
    2.3 數據預處理
        2.3.1 POI數據
        2.3.2 OpenStreetMap數據
        2.3.3 材料數據
    2.4 本章小結
3 細粒度POI定量識別方法
    3.1 POI特征向量構建
    3.2 定量識別結果
    3.3 POI定量識別精度驗證
    3.4 本章小結
4 粗粒度聚類識別方法
    4.1 聚類算法概述
    4.2 K-means算法識別
    4.3 高斯混合模型識別
    4.4 DBSCAN算法識別
    4.5 本章小結
5 基于核密度估計的功能區(qū)邊界提取
    5.1 概率密度估計方法
    5.2 POI核密度分析
    5.3 對比驗證
    5.4 本章小結
6 結論與展望
    6.1 主要結論
    6.2 創(chuàng)新
    6.3 研究不足與展望
參考文獻
攻讀學位期間科研成果
致謝



本文編號：3949312