【技术实现步骤摘要】
本专利技术涉及人口空间分布模拟，具体涉及一种人口空间分布分区精细模拟方法。
技术介绍
1、人口空间分布是城市发展研究与空间规划的重要基础，也是人口地理学的核心研究内容之一。如何有效、准确地获取精细化人口空间分布数量具有重大的意义，人口空间化是实现人口统计数据与其他环境资源空间数据融合分析的有效途径。
2、人口空间化通过将行政单元的统计人口分配到规则格网中来获取精细人口分布数据，是当前获取精细(高空间分辨率)、准确的人口分布数据的有效手段之一。国内外学者针对人口空间化方法开展了大量的研究。基于多源数据融合的方法是目前人口空间化领域的主要方法，通过挖掘各种自然地理因素和社会经济因素与人口空间分布的定量关系，进而得到人口空间分布数据。
3、然而，由于不同区域之间的发展阶段和发展状况差异，人口在高密度区域和低密度区域的分布规律和影响因素都可能存在明显的差异，将整个城市作为整体统一建立的人口空间化模型一般难以同时完全反映人口密度较低或较高的区域的人口分布的特征，将会导致“低密度”和“高密度”的区域出现更大的偏差。所以，为了提高模拟结果的精度，研究人员一般采取对研究区进行分区建模的方式。但目前的区域划分方式往往是预定义的，比如简单粗暴的以某个人口密度值为分界，将研究区划分为高密度区域和低密度区域，这样的方式往往缺乏数据支撑和量化分析，导致模拟结果精度较低。综上所述，如何进行科学、准确的分区是人口空间化准确性提升的重要因素。
技术实现思路
1、本专利技术的目的在于提供一种
2、本专利技术通过下述技术方案实现：
3、一种人口空间分布分区精细模拟方法，包括：
4、确定人口分布影响因素，并采集研究区域对应的人口分布影响因素所对应的原始数据；其中，研究区域用于表征待进行人口空间分布分区模拟的区域，且研究区域通过栅格划分；
5、对所述人口分布影响因素所对应的原始数据进行预处理，得到人口分布影响因素所对应的预处理数据；
6、根据所述人口分布影响因素所对应的预处理数据，确定每个基础单元对应的自变量，并采集研究区域内每个基础单元对应的人口密度作为因变量；其中，基础单元用于表征预先设置的最小行政单元；
7、以所有的基础单元为基础，采用geoai依次进行区域划分初始化、研究区域划分以及研究区域合并操作，得到p个连续的子区域；
8、采用geoai为每个子区域构建子区域模型，并根据每个基础单元对应的自变量对每个子区域的人口密度进行栅格尺度的估算，以获取每个子区域中单个栅格对应的估算人口数；
9、对子区域中单个栅格对应的估算人口数进行修正，得到修正之后的估算人口数，完成人口空间分布分区模拟。
10、在一种可能的实施方式中，所述人口分布影响因素包括自然地理环境因素以及社会经济活动因素；
11、所述自然地理环境因素包括地形地貌数据、土地利用数据以及河流水系数据；所述地形地貌数据包括高程以及坡度；所述土地利用数据包括到最近建设用地距离；所述河流水系数据包括到主要河流的最近距离；
12、所述社会经济活动因素包括交通可达数据、经济活跃数据以及生活便利数据；所述交通可达数据包括地铁站点密度、到最近地铁站点距离、公交站点密度、到最近公交站点距离、市政道路密度以及到最近市政道路距离；经济活跃数据包括夜间灯光强度指数；生活便利数据包括poi密度。
13、在一种可能的实施方式中，对所述人口分布影响因素所对应的原始数据进行预处理，得到人口分布影响因素所对应的预处理数据，包括：
14、对所述人口分布影响因素所对应的原始数据进行空间参考统一、数据表达统一、空间分辨率统一以及度量基础统一，得到人口分布影响因素所对应的预处理数据。
15、在一种可能的实施方式中，根据所述人口分布影响因素所对应的预处理数据，确定每个基础单元对应的自变量，并采集研究区域内每个基础单元对应的人口密度作为因变量，包括：
16、采集研究区域内每个基础单元对应的人口总数，确定每个基础单元对应的人口数据，并采用基础单元对应的人口数据除以其面积，获取每个基础单元对应的人口密度，得到基础单元对应的因变量；
17、以所述人口分布影响因素所对应的预处理数据为基础，通过arcgis获取自然地理环境因素以及社会经济活动因素的均值，得到基础单元对应的自变量。
18、在一种可能的实施方式中，以所有的基础单元为基础，采用geoai依次进行区域划分初始化、研究区域划分以及研究区域合并操作，得到p个连续的子区域，包括：
19、确定阈值数k，并将所有的基础单元初始化为k个子区域，得到区域划分初始化之后的子区域；其中，2p≤k≤4p，p表示最终需要获取的子区域数量，初始化的每个子区域至少包括m个基础单元，m表示预设的最小单元数量；m乘以p小于基础单元的总数；
20、以区域划分初始化之后的子区域及其数据为基础，利用人工智能获取每个子区域对应的回归残差，并以回归残差最小为目标，对基础单元重新进行划分，得到研究区域划分之后的子区域；
21、以空间连续化以及残差平方和最小为目标，将研究区域划分之后的k个子区域进行研究区域合并操作，得到p个连续的子区域。
22、在一种可能的实施方式中，确定阈值数k，并将所有的基础单元初始化为k个子区域，得到区域划分初始化之后的子区域，包括：
23、确定阈值数k，并从所有的基础行政单元中随机选择k个单元作为初始子区域开始初始化；其中，2p≤k≤4p；
24、对于每个子区域，若子区域有未分配的相邻单元，则随机选择其中一个分配到该子区域，并重复此步骤，直到所有单元均被分配到一个子区域，得到初始化结果，即区域划分初始化之后的子区域；
25、若初始化结果不满足子区域最小单元数量的约束，则重新选择一组随机单元重新启动初始化；
26、当得到区域划分初始化之后的子区域之后，还包括：通过回归模型为每个子区域拟合一个初始化模型，所述初始化模型以自变量为输入，输出预测人口密度。
27、在一种可能的实施方式中，以区域划分初始化之后的子区域及其数据为基础，利用人工智能获取每个子区域对应的回归残差，并以回归残差最小为目标，对基础单元重新进行划分，得到研究区域划分之后的子区域，包括：
28、对于每个基础单元，以区域划分初始化之后的子区域及其数据为基础，均用每一个初始化子区域的初始化模型计算一次回归残差，该回归残差是分别对应基础单元在不同子区域中的回归残差；
29、在保障每个子区域至少包括m个基础单元的基础上，将该基础单元移动到回归残差最低的子区域；其中，若移动之后该子区域基础单元个数小于m，则不移动；
30、重复上述步骤，直至迭代期间没有移动任何单元或当达到最大迭代次数时，停止迭代，得到研究区域划分之后的子区域。
本文档来自技高网...
【技术保护点】
1.一种人口空间分布分区精细模拟方法，其特征在于，包括：
2.根据权利要求1所述的人口空间分布分区精细模拟方法，其特征在于，所述人口分布影响因素包括自然地理环境因素以及社会经济活动因素；
3.根据权利要求1所述的人口空间分布分区精细模拟方法，其特征在于，对所述人口分布影响因素所对应的原始数据进行预处理，得到人口分布影响因素所对应的预处理数据，包括：
4.根据权利要求2所述的人口空间分布分区精细模拟方法，其特征在于，根据所述人口分布影响因素所对应的预处理数据，确定每个基础单元对应的自变量，并采集研究区域内每个基础单元对应的人口密度作为因变量，包括：
5.根据权利要求4所述的人口空间分布分区精细模拟方法，其特征在于，以所有的基础单元为基础，采用GeoAI依次进行区域划分初始化、研究区域划分以及研究区域合并操作，得到p个连续的子区域，包括：
6.根据权利要求5所述的人口空间分布分区精细模拟方法，其特征在于，确定阈值数K，并将所有的基础单元初始化为K个子区域，得到区域划分初始化之后的子区域，包括：
7.根据权利要求6
8.根据权利要求7所述的人口空间分布分区精细模拟方法，其特征在于，以空间连续化以及残差平方和最小为目标，将研究区域划分之后的K个子区域进行研究区域合并操作，得到p个连续的子区域，包括：
9.根据权利要求8所述的人口空间分布分区精细模拟方法，其特征在于，采用GeoAI为每个子区域构建子区域模型，并根据每个基础单元对应的自变量对每个子区域的人口密度进行栅格尺度的估算，以获取每个子区域中单个栅格对应的估算人口数，包括：
10.根据权利要求9所述的人口空间分布分区精细模拟方法，其特征在于，对子区域中单个栅格对应的估算人口数进行修正，得到修正之后的估算人口数，完成人口空间分布分区模拟，包括：
...【技术特征摘要】
1.一种人口空间分布分区精细模拟方法，其特征在于，包括：
2.根据权利要求1所述的人口空间分布分区精细模拟方法，其特征在于，所述人口分布影响因素包括自然地理环境因素以及社会经济活动因素；
3.根据权利要求1所述的人口空间分布分区精细模拟方法，其特征在于，对所述人口分布影响因素所对应的原始数据进行预处理，得到人口分布影响因素所对应的预处理数据，包括：
4.根据权利要求2所述的人口空间分布分区精细模拟方法，其特征在于，根据所述人口分布影响因素所对应的预处理数据，确定每个基础单元对应的自变量，并采集研究区域内每个基础单元对应的人口密度作为因变量，包括：
5.根据权利要求4所述的人口空间分布分区精细模拟方法，其特征在于，以所有的基础单元为基础，采用geoai依次进行区域划分初始化、研究区域划分以及研究区域合并操作，得到p个连续的子区域，包括：
6.根据权利要求5所述的人口空间分布分区精细模拟方法，其特征在于，确定阈值数k，并将所有的基础单元初始化为k个子区...
【专利技术属性】
技术研发人员：张晓荣，杨潇，周垠，于儒海，张娜，
申请(专利权)人：成都市规划设计研究院，
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。