论文推荐 | 陈占龙, 周路林, 禹文豪, 吴亮,谢忠：顾及兴趣点潜在上下文关系的城市功能区识别

《测绘学报》

构建与学术的桥梁        拉近与权威的距离

复制链接，关注《测绘学报》抖音！

【测绘学报的个人主页】长按复制此条消息，长按复制打开抖音查看TA的更多作品##7NsBSynuc88##[抖音口令]

本文内容来源于《测绘学报》2020年第7期，审图号：GS（2020）3215号

顾及兴趣点潜在上下文关系的城市功能区识别

陈占龙, 周路林, 禹文豪, 吴亮,谢忠    

中国地质大学(武汉)地理与信息工程学院, 湖北 武汉 430074

摘要：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（points-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。

关键词：城市功能区识别    上下文关系    兴趣点    空间共位模式    北京    

引文格式：陈占龙, 周路林, 禹文豪, 等. 顾及兴趣点潜在上下文关系的城市功能区识别. 测绘学报，2020，49(7)：907-920. DOI: 10.11947/j.AGCS.2020.20190315.基金项目：国家自然科学基金（41871305）；国家重点研发计划（2017YFC0602204）
阅读全文：http://xb.sinomaps.com/article/2020/1001-1595/2020-7-907.htm
全文概述城市是一个开放而庞大的系统，是人类社会发展到一定阶段的产物。城市中存在着多种结构，包括城市空间结构、城市社会结构、城市文化结构、城市经济结构、城市人口结构以及城市功能结构等。其中，城市空间结构是城市的功能组织在城市空间上的投影，反映着城市中各物质元素在空间区位上的分布特征和组织规律，是城市结构中的基础结构。城市空间结构的研究是以往城市地理学及城市规划学研究城市空间的核心内容之一[1]。新常态时期，中国经济和城市进入新的发展阶段，传统的城市发展模式面临诸多问题，对城市规划理念、策略和建设提出新的要求和挑战，要求突出以人为本的创新驱动，加强空间资源的优化配置，优化城市空间结构，加强存量利用[2]。而加强城市功能区的合理规划，即通过对土地利用情况进行空间分析及空间调整[3]，确定合理的城市功能区空间布局，使其在提高城市土地利用效率的基础上，可以将各项产业聚集起来，并发挥最大效能。开展城市功能区的研究有利于合理、健康地规划未来城市，使城市空间得到高效充分的利用。同时，城市功能区的发现，为人类生活、工作和交通提供了各方面的便利。例如，游客可以通过城市的功能分区快速地区分商业区和景区，从而减少出行规划时间；本地居民也可通过寻找类似的功能区来扩展他们对城市的认识。这些区域功能，部分由城市规划者人为设计，部分根据人们的实际生活方式自然形成，并随着城市的发展而有所改变。对城市中功能区域的理解可以帮助人们快速的理解复杂的城市，校准城市规划并促进其他应用。

传统的研究主要采用调研统计的方法，通过对人们出行日志的记录和问卷调查等方式进行研究。此种研究具有很大的局限性，不仅耗费大量的人力物力财力，而且效率低下，其次调查者会将主观意见和看法带入研究中，研究结果受到主观因素的影响，使得人们难以判断数据的准确性和结论的可靠性，故试验难以重复。大数据时代为城市功能区研究提供了丰富的数据源，使得对城市空间的研究突破了人力的限制。新的数据源促进新的研究方法的出现。近年来，许多学者开始使用手机数据^[4-6]、城市POI数据^[7-13]、浮动车轨迹数据^[14-16]、高分辨率遥感影像^[17-23]以及社交媒体数据^[24-25]开展城市功能区划分、土地利用分类和土地利用监测等方面的研究，通过对这些时空大数据的分析可以发现以往采集的样本无法揭示的城市功能区空间分布情况。

同时，随着机器学习和数据挖掘等技术研究深入，相继有学者以城市POI数据和浮动车轨迹数据为研究数据，通过借鉴机器学习相关理论、数据挖掘工具和建立模型等来研究城市功能结构。如文献[26]借鉴文本挖掘领域的概率主题模型理论来发现城市功能分区，然而这种方法在一定程度上只考虑了POI频数对城市功能分区的影响，忽略了POI空间分布特征对分区的作用。考虑到基于POI的序列与土地利用类型之间的关系可以通过连续的空间语言模型来量化^[27]，文献[28]引入Google的Word2Vec的开源深度学习语言模型，通过贪婪算法将区域内的POI排列成满足距离最短的POI序列。利用Word2Vec模型可以根据文档中的上下文关系将单词投影到高维向量空间的原理，构建区域向量，来研究城市功能区。但该方法也存在一些不足。如图 1(a)所示，该方法在一定程度上考虑了POI间的线性位置关系，未顾及到POI与周围POI间的非线性空间分布关系。基于此，本文采用空间共位模式方法挖掘POI的非线性空间上下文关系。如图 1(b)所示，本文方法通过挖掘不同类型POI的空间聚集情况，来反映POI上下文空间关系。最后，以北京市核心功能区为例，对核心功能区域内不同类型的功能区进行识别，并用LDA、Word2Vec进行了对比分析。

作者简介

第一作者简介：陈占龙（1980—），男，博士，教授，博士生导师，研究方向：时空大数据智能挖掘、地理信息系统理论研究与基础软件研发。Email: [e-mail]

第二作者简介：周路林（1994—），男，硕士，研究生，研究方向：空间场景识别，时空大数据智能挖掘，地理信息软件研发。Email:[e-mail]

第三作者简介：禹文豪（1987—），男，博士，副教授，研究方向为地图综合、时空数据挖掘以及智慧城市应用研究，Email: [e-mail]

第四作者简介：吴亮（1976—），男，博士，教授，博士生导师，研究方向：地理信息系统基础软件研发、地质三维建模、空间认知与推理等。Email: [e-mail]

第五作者简介：谢忠（1968—），男，博士，教授，博士生导师，研究方向：地学大数据、网络GIS和移动GIS开发与应用等。Email: [e-mail]

中国地质大学（武汉）地理与信息工程学院全空间地理大数据智能处理与GIS基础平台研究中心

本研究中心立足于大数据、云计算、人工智能等智能技术，主要开展地理大数据存储管理、融合分析、智能挖掘、地图制图等基础理论与核心技术研究，研制自主可控的全空间智能地理空间信息基础平台软件，并主要围绕自然资源综合管理、智慧城市、全空间三维建模、军民融合等领域开展重大应用示范。主要研究方向包含：

（1）地理大数据智能挖掘理论方法；

（2）地图智能综合表达理论方法；

（3）地理信息系统基础平台软件研制；

（4）时空信息服务及其在军事测绘中的应用。

重磅 | 扬帆远航 习近平这样为海洋经济指明方向

权威 | 专业 | 学术 | 前沿

微信、抖音小视频投稿邮箱 | [e-mail]

微信公众号中搜索「测绘学报」，关注我们，长按上图二维码，关注学术前沿动态。

欢迎加入《测绘学报》作者QQ群： 751717395

进群请备注：姓名+单位+稿件编号