基于多源数据融合的功能区分类方法、系统、介质及设备与流程

本发明属于城市功能区分类领域，尤其涉及基于多源数据融合的功能区分类方法、系统、介质及设备。

背景技术：

1、城市功能区根据相关的标准或者功能类型，将城市内部划分为不同属性的空间分隔的区域，各区域之间既相互独立又彼此联系，它代表了具有相似空间景观结构和社会经济活动的复杂多样的土地利用对象，不同的功能区，其空间空间景观结构和社会经济活动往往不同。城市功能区的划分按不同分类标准有不同的结果，在目前的研究中，主要将现代城市的空间划分为居住区、工业区、商业区、公共区、文旅区等。传统功能区划分的主要方法是基于专家调查或专家评判，主观性强、周期长、误差大且工作量也大。随着信息科学技术的快速发展，基于大数据的城市兴趣点(point ofinterest,poi)描述了地理实体的空间信息和属性信息，使得实体位置获取的能力大大的增强，从而能较好的反映城市中人类的活动信息。poi数据引起了研究者们的广泛关注，如利用poi数据开展城市功能区定量识别和可视化的研究、基于poi数据进行商业中心的识别与分类、融合路网数据和poi数据进行城市功能区的识别和应用、基于poi和道路网数据，利用核密度分析的方法构建城市功能区分析模型，提高了单一功能区和混合功能区的分类精度等。以上基于poi数据的功能区识别虽初见成效，但对poi数据依赖性较强，当研究区过大时，poi数据无法覆盖或覆盖不充足的区域将导致功能区划分的准确度不高。此外，基于手机数据和轨迹数据来进行城市功能区识别，同样也存在数据依赖性较强的问题。

技术实现思路

1、本发明所要解决的技术问题是提供基于多源数据融合的功能区分类方法、系统、介质及设备。

2、本发明解决上述技术问题的技术方案如下：一种基于多源数据融合的功能区分类方法，包括：

3、步骤1，获取object-level土地利用分类结果、路网数据以及poi数据；

4、步骤2，根据所述路网数据确定街区范围，在每一个街区范围内确定poi核密度特征以及确定object-level土地利用分类结果中每一个类别对应的二维形态特征以及三维形态特征；

5、步骤3，根据所有poi核密度特征、二维形态特征以及三维形态特征确定不同特征组合功能区分类方案，将所述不同特征组合功能区分类方案作为分类模型的输入特征进行分类模型的构建；

6、步骤4，基于所述分类模型对待研究区域进行分类。

7、本发明的有益效果是：开展城市二三维形态特征的提取，最后结合城市二三维形态特征和poi数据，辅以路网数据，开展多源数据融合的功能区分类研究。依据不同功能区反映的空间景观结构和社会经济活动的差异，提取每个功能区的二三维形态特征来对其空间景观结构进行描述，并利用poi数据来描述人类的基本活动；将城市二三维形态特征和poi特征进行融合，设计不同的功能区分类方案，比较和分析不同特征对功能区分类精度的影响，显著的提高了城市功能区分类结果。

8、在上述技术方案的基础上，本发明还可以做如下改进。

9、进一步，object-level土地利用分类结果的获取过程具体包括：

10、通过机载lidar测量平台获取相同时间内的lidar点云数据以及航空影像数据；

11、通过多源数据融合土地利用分类方法对所述lidar点云数据以及所述航空影像数据进行处理得到object-level土地利用分类结果；

12、所述object-level土地利用分类结果包括：建筑用地、裸地、耕地、草地、道路、林地以及水体。

13、进一步，根据所述路网数据确定街区范围的过程包括：

14、通过拓扑错误修复的方式以使每一个街区范围由街道包围形成完整的区域。

15、进一步，确定object-level土地利用分类结果中每一个类别对应的二维形态特征以及三维形态特征的过程包括：

16、通过object-level土地利用分类结果中每一个类别对应的基础信息结合映射表确定二维形态特征以及三维形态特征。

17、进一步，所述分类模型的构建具体包括：

18、选取样本数据，将所述样本数据中的70％作为训练样本数据集，将所述样本数据中的30％作为测试样本数据集，结合knn、rf、xgboost以及输入特征进行分类模型的构建。

19、本发明解决上述技术问题的另一种技术方案如下：一种基于多源数据融合的功能区分类系统，包括：

20、获取模块用于：获取object-level土地利用分类结果、路网数据以及poi数据；

21、确定模块用于：根据所述路网数据确定街区范围，在每一个街区范围内确定poi核密度特征以及确定object-level土地利用分类结果中每一个类别对应的二维形态特征以及三维形态特征；

22、构建模块用于：根据所有poi核密度特征、二维形态特征以及三维形态特征确定不同特征组合功能区分类方案，将所述不同特征组合功能区分类方案作为分类模型的输入特征进行分类模型的构建；

23、分类模块用于：基于所述分类模型对待研究区域进行分类。

24、本发明的有益效果是：开展城市二三维形态特征的提取，最后结合城市二三维形态特征和poi数据，辅以路网数据，开展多源数据融合的功能区分类研究。依据不同功能区反映的空间景观结构和社会经济活动的差异，提取每个功能区的二三维形态特征来对其空间景观结构进行描述，并利用poi数据来描述人类的基本活动；将城市二三维形态特征和poi特征进行融合，设计不同的功能区分类方案，比较和分析不同特征对功能区分类精度的影响，显著的提高了城市功能区分类结果。

25、进一步，object-level土地利用分类结果的获取过程具体包括：

26、通过机载lidar测量平台获取相同时间内的lidar点云数据以及航空影像数据；

27、通过多源数据融合土地利用分类方法对所述lidar点云数据以及所述航空影像数据进行处理得到object-level土地利用分类结果；

28、所述object-level土地利用分类结果包括：建筑用地、裸地、耕地、草地、道路、林地以及水体。

29、进一步，根据所述路网数据确定街区范围的过程包括：

30、通过拓扑错误修复的方式以使每一个街区范围由街道包围形成完整的区域。

31、进一步，确定object-level土地利用分类结果中每一个类别对应的二维形态特征以及三维形态特征的过程包括：

32、通过object-level土地利用分类结果中每一个类别对应的基础信息结合映射表确定二维形态特征以及三维形态特征。

33、进一步，所述分类模型的构建具体包括：

34、选取样本数据，将所述样本数据中的70％作为训练样本数据集，将所述样本数据中的30％作为测试样本数据集，结合knn、rf、xgboost以及输入特征进行分类模型的构建。

35、本发明解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一项所述的方法。

36、本发明的有益效果是：开展城市二三维形态特征的提取，最后结合城市二三维形态特征和poi数据，辅以路网数据，开展多源数据融合的功能区分类研究。依据不同功能区反映的空间景观结构和社会经济活动的差异，提取每个功能区的二三维形态特征来对其空间景观结构进行描述，并利用poi数据来描述人类的基本活动；将城市二三维形态特征和poi特征进行融合，设计不同的功能区分类方案，比较和分析不同特征对功能区分类精度的影响，显著的提高了城市功能区分类结果。

37、本发明解决上述技术问题的另一种技术方案如下：一种电子设备，包括上述存储介质、执行上述存储介质内的指令的处理器。

38、本发明的有益效果是：开展城市二三维形态特征的提取，最后结合城市二三维形态特征和poi数据，辅以路网数据，开展多源数据融合的功能区分类研究。依据不同功能区反映的空间景观结构和社会经济活动的差异，提取每个功能区的二三维形态特征来对其空间景观结构进行描述，并利用poi数据来描述人类的基本活动；将城市二三维形态特征和poi特征进行融合，设计不同的功能区分类方案，比较和分析不同特征对功能区分类精度的影响，显著的提高了城市功能区分类结果。