Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于距离的城市功能同位分析方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:北京华清安地建筑设计有限公司

摘要:本发明提供一种基于距离的城市功能同位分析方法及系统,涉及城市功能分区技术领域,包括获取待分析城市的POI地理兴趣点数据,计算每一个POI与其他POI之间的地理距离,得到城市POI距离矩阵;将城市POI距离矩阵进行二值化处理,得到时空POI关联矩阵;基于时空POI关联矩阵应用改进的Lesile‑Kronenfeld同位商算法计算POI点间的联系强度矩阵;将城市POI划分为多个社区,每个社区内的POI在地理位置上聚集;对于得到的每一个社区,采用深度学习模型获取目标POI功能属性表示,基于目标POI功能属性表示构建POI关联图,根据预设的图神经网络模型对POI进行功能区的合并和调整,得到合并后的城市社区划分结果,以及每个社区的目标功能属性,完成基于距离的城市功能同位分析。

主权项:1.一种基于距离的城市功能同位分析方法,其特征在于,包括:获取待分析城市的POI地理兴趣点数据,所述POI数据包括POI的地理坐标信息和功能属性信息,基于获取的POI数据,计算每一个POI与其他POI之间的地理距离,得到城市POI距离矩阵;根据预设的距离阈值,将城市POI距离矩阵进行二值化处理,得到时空POI关联矩阵;基于时空POI关联矩阵应用改进的Lesile-Kronenfeld同位商算法计算POI点间的联系强度矩阵;应用社区发现算法,基于POI点间的联系强度矩阵,将城市POI划分为多个社区,每个社区内的POI在地理位置上聚集;对于得到的每一个社区,统计其内部POI的功能属性信息,获得该社区的功能属性分布;采用深度学习模型获取目标POI功能属性表示,基于目标POI功能属性表示构建POI关联图,根据预设的图神经网络模型对POI进行功能区的合并和调整,得到合并后的城市社区划分结果,以及每个社区的目标功能属性,完成基于距离的城市功能同位分析;基于获取的POI数据,计算每一个POI与其他POI之间的地理距离,得到城市POI距离矩阵;根据预设的距离阈值,将城市POI距离矩阵进行二值化处理,得到时空POI关联矩阵,包括:根据获取的POI数据中的时间戳信息,将时间轴划分为若干个时间窗口,每个时间窗口内的POI数据构成一个时间切片;对于每个时间切片,根据预设的距离阈值构建多层次POI关联矩阵,将距离矩阵进行二值化处理,得到反映不同距离尺度下POI空间关联强度的多层次POI关联矩阵;对于每一对POI,基于其功能属性信息,通过相似度计算算法得到POI功能属性相似度矩阵,结合POI关联矩阵和POI功能属性相似度矩阵,得到语义关联矩阵;通过加权平均算法整合多层次POI关联矩阵和语义关联矩阵,得到一组反映不同时间切片内POI综合关联强度的时间切片POI关联矩阵;将得到的各个时间切片的POI关联矩阵按时间顺序进行拼接,得到时空POI关联矩阵,其中矩阵的行表示POI,列表示时间切片,矩阵元素表示对应POI在对应时间切片内与其他POI的综合关联强度;应用社区发现算法,基于POI点间的联系强度矩阵,将城市POI划分为多个社区,每个社区内的POI在地理位置上聚集;对于得到的每一个社区,统计其内部POI的功能属性信息,获得该社区的功能属性分布,包括:基于POI点间的联系强度矩阵,根据不同的距离阈值,构建多层次POI关联网络,对多层次POI关联网络应用多层次社区发现算法,识别出跨层次的社区结构;构建地理空间邻接矩阵,在社区发现算法中引入地理空间邻接矩阵作为约束条件,对每个社区的边界进行优化和平滑处理,将城市POI划分为多个社区;使用空间聚类算法对社区的POI进行空间聚类和边界优化,得到社区优化边界,计算社区内POI的地理坐标均值和标准差,判断POI在空间上的聚集程度;利用核密度估计算法,识别高密度的POI聚集区域,统计社区内不同功能类型POI的数量和占比,识别社区的主导功能和功能混合特征,得到每一个社区的功能属性分布;采用深度学习模型获取目标POI功能属性表示,基于目标POI功能属性表示构建POI关联图,根据预设的图神经网络模型对POI进行功能区的合并和调整,得到合并后的城市社区划分结果,以及每个社区的目标功能属性,完成基于距离的城市功能同位分析,包括:采用卷积神经网络和长短期记忆网络分别对文本和图像数据进行特征提取,通过注意力机制融合文本和图像特征,自动学习不同模态特征的重要性权重,得到目标POI功能属性表示;基于目标POI功能属性表示和POI的地理坐标信息,构建POI关联图,将每个POI视为图中的节点,根据每个POI之间的地理距离和功能属性相似度构建边,并将POI的属性信息作为POI节点的初始特征;根据预设的图神经网络模型,采用聚类算法对POI节点的初始特征进行社区划分,并根据划分结果对POI进行功能区的合并和调整,得到城市功能区划分结果,以及每个社区的目标功能属性,完成基于距离的城市功能同位分析。

全文数据:

权利要求:

百度查询: 北京华清安地建筑设计有限公司 基于距离的城市功能同位分析方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。