利用行人轨迹挖掘城市区域功能属性

作     者：宋雪涛 蒲英霞 刘大伟 冯媛媛 SONG Xuetao;PU Yingxia;LIU Dawei;FENG Yuanyuan

作者机构：南京大学地理与海洋科学学院江苏南京210023 江苏省地理信息技术重点实验室江苏南京210023 江苏省地理信息资源开发与利用协同创新中心江苏南京210023 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2015年第44卷第B12期

页      面：82-88页

核心收录：

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 0708[理学-地球物理学] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0816[工学-测绘科学与技术] 0704[理学-天文学] 

基　　金：国家自然科学基金(41271388) 江苏高校优势学科建设工程资助项目 江苏省地理信息资源开发与利用协同创新中心资助项目~~ 

主　　题：城市功能区 移动轨迹 机器学习 高斯混合模型 空间数据挖掘 

摘      要：城市土地利用功能区是城市规划中的一个重要概念,遥感技术手段在城市土地利用类型识别和动态监测中取得了很大进展。然而,由于城市实际功能的复杂,往往很难从遥感影像中获得城市各个区域的社会、经济或文化等功能属性。互联网技术的发展和移动定位设备的普及,极大地便利了行人移动轨迹数据的获取。本文从行人移动规律和模式与城市功能分区之间高度相关的角度出发,通过机器学习的方法,从大量行人轨迹数据中挖掘隐含的城市功能属性与强度。该方法首先利用矢量栅格化和数学形态学方法,将城市不同等级的路网分割为互不相同的空间单元;其次,根据行人轨迹数据的时空分布特点,定义9个变量并构建高斯混合模型(Gaussian mixture model,GMM),对上述空间单元进行非监督分类,得到7种城市用地类型;随后,结合选定的60个样本区以及人为标识的6种功能区(教育用地、绿地休闲区、一般商业区、政府设施、中心商业区、住宅区),依据样本功能区GPS轨迹时间分布特征,最终对7种城市用地类型进行功能配对;最后,利用核密度估计方法进行功能区强度的可视化。该框架结合机器学习的优势,结果具有较高的准确度。