【技术实现步骤摘要】
本专利技术涉及国土空间规划，特别是涉及一种基于图表征学习的城市建筑群功能分类方法及设备。
技术介绍
1、城市建筑群作为城市有机体的一部分，可以集中反映城市特征，是实现城市社会经济活动的重要空间载体。识别城市建筑群功能可以看作对城市复杂系统内杂糅的社会经济属性的解耦，有助于理解城市社会经济属性空间分异和土地功能利用模式，揭示城市功能形态特征，进而理解城市社会经济现象背后潜在过程和作用机制，对城市更新、规划和发展具有重要意义。然而城市是一个开放的复杂系统，在城市化进程中，地域规划政策和实际自发性资源配置难免存在偏差，这使得难以全面、高效地分析城市功能。因此，如何精准地识别城市建筑群功能变得尤为重要。
2、目前，在国土空间规划
，城市建筑群功能识别研究方法主要分为三类：第一类是基于统计特征的方法，比如核密度估计、空间插值、热点分析等，这类方法主要利用数据中反映人口分布、活动模式、出行特征等方面的统计信息来进行分析和判断；第二类是基于功能区语义特征的方法，包括提取高空间分辨率遥感影像语义特征，基于公交刷卡、出租车轨迹等社会感知数据语义特征，融合多源数据信息提取语义特征等，这类方法主要利用数据中反映建筑物形态、结构、材质等方面的语义特征以及人类活动模式和行为偏好等方面的语义信息来进行分析和判断；第三类是基于兴趣点（point of interest，poi）局部空间关系的方法，主要通过一些词嵌入模型，比如word2vec、place2vec等模型，将poi向量化，这类方法主要利用poi数据中反映建筑物或设施类型和位置信息
3、作为计算和学习图模型的重要工具，图神经网络可以有效地解决上述问题。目前，图神经网络已经成为深度学习领域的热点技术。在社交网络分析领域中，图神经网络用于学习节点或图的表示，进行监督学习或半监督学习的节点分类、图分类或链接预测等任务；在现代智能城市管理和基于位置的服务（location based services，lbs）领域中，可以将图神经网络用于同时考虑时间-空间信息的动态流量预测问题；在推荐系统领域中，充分挖掘用户之间的社交关系和用户-商品之间的交互信息将有助于提高推荐的准确性和丰富性；在自然语言建模领域中，利用自然语言的实体之间或文档关系中的图结构可以提高语言建模的表达能力；在计算机视觉领域中，充分利用图像元素的空间或位置关系有助于提高图像识别和目标检测任务的准确率。但目前在国土空间规划领域中，鲜有通过图表征学习进行城市建筑群功能识别的研究，特别是在进行城市功能结构识别与分析研究中，并未从人口分布、社会功能、空间形态等多维角度进行城市建筑群特征的全面刻画，忽略了人地关系。
4、因此，从人口分布、社会功能、空间形态等多维角度刻画城市建筑群特征，构建基于城市建筑群特征的图结构表征，利用图神经网络实现城市建筑群功能的准确识别具有重要意义。
技术实现思路
1、本专利技术的目的是提供一种基于图表征学习的城市建筑群功能分类方法及设备，以实现对城市建筑群功能的准确识别。
2、为实现上述目的，本专利技术提供了一种基于图表征学习的城市建筑群功能分类方法，包括：获取城市建筑群功能相关数据；所述城市建筑群功能相关数据包括手机信令数据、兴趣点数据、院落数据、建筑物数据和路网数据；根据城市建筑群功能相关数据划定城市建筑群功能单元，并提取人口密度、社会功能和空间形态特征，构建城市建筑群功能单元的多维特征；通过主成分分析和重要性分析相结合的方式从城市建筑群功能单元的多维特征中筛选城市建筑群功能单元的关键特征；以蕴含关键特征的建筑单体为节点，以建筑单体间的空间邻接关系为边，构建城市建筑群功能单元的图结构表征；所述建筑单体间的空间邻接关系采用沃罗诺伊图表征；将城市建筑群功能单元的图结构表征输入至城市建筑群功能分类模型中进行分类，得到城市建筑群功能分类结果；所述城市建筑群功能分类模型基于图卷积神经网络模型训练得到。
3、可选地，根据城市建筑群功能相关数据划定城市建筑群功能单元，并提取人口密度、社会功能和空间形态特征，构建城市建筑群功能单元的多维特征，具体包括：根据院落数据和路网数据确定闭合区域，提取闭合区域的边界并与建筑物数据进行空间相交分析，划定城市建筑群功能单元；根据手机信令数据、院落数据和建筑物数据，以城市建筑群功能单元为空间尺度计算人口密度特征；根据兴趣点数据、院落数据和建筑物数据，以城市建筑群功能单元为空间尺度计算社会功能特征；根据院落数据和建筑物数据，以城市建筑群功能单元为空间尺度计算空间形态特征；对人口密度特征、社会功能特征和空间形态特征进行归一化处理，构建城市建筑群功能单元的多维特征。
4、可选地，通过主成分分析和重要性分析相结合的方式从城市建筑群功能单元的多维特征中筛选城市建筑群功能单元的关键特征，具体包括：对城市建筑群功能单元的多维特征进行主成分分析，确定主成分累计贡献率达到0.9时的主成分系数矩阵，并将主成分系数的绝对值大于0.25的特征指标确定为第一候选特征组；对城市建筑群功能单元的多维特征进行重要性分析，确定各特征指标的重要性评价值，并将重要性评价值大于0.01的特征指标确定为第二候选特征组；对第一候选特征组和第二候选特征组中的特征指标取交集，得到城市建筑群功能单元的关键特征。
5、可选地，以蕴含关键特征的建筑单体为节点，以建筑单体间的空间邻接关系为边，构建城市建筑群功能单元的图结构表征，具体包括：以城市建筑群功能单元作为图结构表征范围，将建筑单体作为图结构的节点，将建筑单体的关键特征作为图结构中节点的属性，构建节点属性矩阵；以城市建筑群功能单元作为图结构表征范围，采用沃罗诺伊图表征建筑单体间的空间邻接关系并作为图结构的边，构建邻接矩阵；对邻接矩阵进行拉普拉斯变换和正则化，得到正则化拉普拉斯矩阵，并根据节点属性矩阵和正则化拉普拉斯矩阵构建城市建筑群功能单元的图结构表征。
6、可选地，将城市建筑群功能单元的图结构表征输入至城市建筑群功能分类模型中进行分类，得到城市建筑群功能分类结果，具体包括：以城市建筑群功能单元的图结构表征为输入，以城市建筑群功能类别的概率分布为输出，构建图卷积神经网络模型；通过监督学习的方式，采用城市建筑群功能单元样本集训练图卷积神经网络模型，得到城市建筑群功能分类模型；所述城市建筑群功能单元样本集中包括若干带标注的城市建筑群功能单元的图结构表征；将待分类的城市建筑群功能单元的图结构表征输入至城市建筑群功能分类模型中进行分类，得到城市建筑群功能分类结果。
7、可选地，所述人口密度特征包括：城市建筑群功能单元中各建筑单体的工作日日间人口密度、工作日夜间人口密度、工作日日间人口密度变化率、工作日夜间人口密度变化率、周末日间人口密度、周末夜间人口密度、周末日间人口密度变化率、周末夜间人口密度变化率以及工作日与周末日间人口密度差异本文档来自技高网...
【技术保护点】
1.一种基于图表征学习的城市建筑群功能分类方法，其特征在于，包括：
2.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，根据城市建筑群功能相关数据划定城市建筑群功能单元，并提取人口密度、社会功能和空间形态特征，构建城市建筑群功能单元的多维特征，具体包括：
3.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，通过主成分分析和重要性分析相结合的方式从城市建筑群功能单元的多维特征中筛选城市建筑群功能单元的关键特征，具体包括：
4.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，以蕴含关键特征的建筑单体为节点，以建筑单体间的空间邻接关系为边，构建城市建筑群功能单元的图结构表征，具体包括：
5.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，将城市建筑群功能单元的图结构表征输入至城市建筑群功能分类模型中进行分类，得到城市建筑群功能分类结果，具体包括：
6.根据权利要求2所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，所述人口密
7.根据权利要求2所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，所述社会功能特征包括：城市建筑群功能单元的各类兴趣点功能热度。
8.根据权利要求2所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，所述空间形态特征包括：城市建筑群功能单元中各建筑单体的单体特征和群体特征；所述单体特征包括：规模特征、数量特征、差异度特征、方位特征和形状特征；所述群体特征包括：密度特征和高度变化特征；所述规模特征包括：基底面面积、基底面周长、基底面长弦、基底面平均半径、高度和体积；所述数量特征包括：体块总数量和高层体块数量；所述差异度特征包括：体块高度错落度和体块基底面积差异度；所述方位特征包括：基底面最小外包框方向、基底面长弦方向、基底面长弦与次长弦夹角方向和基底面出现最多的方向；所述形状特征包括：基底面RIC紧密度、基底面IPQ紧密度、基底面FRA紧密度、基底面GIB紧密度、基底面DIV紧密度、基底面伸长率、高宽比、基底面椭圆率、基底面凹陷、基底面DCM、基底面BOT、基底面BOY、基底面偏心率和基底面中心矩叉积项；所述密度特征包括：影响面积比率和数量面积比率；所述高度变化特征包括：建筑群错落度。
9.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1-8中任一项所述的基于图表征学习的城市建筑群功能分类方法。
10.根据权利要求9所述的计算机设备，其特征在于，所述存储器为非暂态计算机可读存储介质。
...【技术特征摘要】
1.一种基于图表征学习的城市建筑群功能分类方法，其特征在于，包括：
2.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，根据城市建筑群功能相关数据划定城市建筑群功能单元，并提取人口密度、社会功能和空间形态特征，构建城市建筑群功能单元的多维特征，具体包括：
3.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，通过主成分分析和重要性分析相结合的方式从城市建筑群功能单元的多维特征中筛选城市建筑群功能单元的关键特征，具体包括：
4.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，以蕴含关键特征的建筑单体为节点，以建筑单体间的空间邻接关系为边，构建城市建筑群功能单元的图结构表征，具体包括：
5.根据权利要求1所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，将城市建筑群功能单元的图结构表征输入至城市建筑群功能分类模型中进行分类，得到城市建筑群功能分类结果，具体包括：
6.根据权利要求2所述的基于图表征学习的城市建筑群功能分类方法，其特征在于，所述人口密度特征包括：城市建筑群功能单元中各建筑单体的工作日日间人口密度、工作日夜间人口密度、工作日日间人口密度变化率、工作日夜间人口密度变化率、周末日间人口密度、周末夜间人口密度、周末日间人口密度变化率、周末夜间人口密度变化率以及工作日与周末日间人口密度差异。
7.根据权利要求2所述的基于图表征学习的城市...
【专利技术属性】
技术研发人员：吴政，张周平，段龙妹，戴昭鑫，白洁莲，吴创奇，马昕，
申请(专利权)人：中国测绘科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。