一种基于POI数据更新城市用地现状图的方法、系统及设备与流程

一种基于poi数据更新城市用地现状图的方法、系统及设备
技术领域
1.本发明属于数据处理技术领域，涉及一种更新城市用地现状图的方法、系统及设备，具体涉及一种基于poi数据更新城市用地现状图的方法、系统及设备。


背景技术：

2.城市用地现状图作为调查、规划、用途管制、开发利用等业务的基础底图，在“统一底图”的框架体系中，起到了基础性、决定性的作用。用地现状图的识别、提取、制作、更新等主题一直以来都是土地资源管理领域的重点内容，尤其是城市环境下的用地现状图更新问题，更是学术界、产业界和自然资源管理部门研究的热点，特别是随着时空大数据的发展（例如：众源poi、osm地图、多源遥感影像、车载gps轨迹点等），国内外的相关研究者提出了多种城市用地现状图的更新方法，部分研究成果也发表了具有影响力的论文或专利。
3.然而，通过分析国内外现有的大量研究发现，现有各类方法在实际使用过程中也面临着以下问题：首先，现有的研究对聚集度作二分处理，只对聚集度低（地类单一）的图斑进行更新操作，而对聚集度较高（地类复杂多样）的图斑做舍弃操作，降低了更新的召回率。其次，对聚集度低的图斑，现有研究只是单纯的根据poi的频数和比例进行地类相似度的判断，缺少了地类子节点不均匀的考虑，容易造成地类误分类、误更新等问题，降低了更新的准确率。


技术实现要素：

4.为了解决上述技术问题，本发明提出了一种基于poi数据更新城市用地现状图的方法、系统及设备，具有能够极大消除poi数据误差影响、提高更新召回率、降低图斑误分类、更新准确率高等优点。
5.本发明的方法所采用的技术方案是：一种基于poi数据更新城市用地现状图的方法，包括以下步骤：步骤1：以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现状初始图斑集合；其中，所述三调图斑是第三次全国国土调查获取的图斑；步骤2：遍历集合中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对poi数据进行空间叠加，获取各图斑关联poi数据集；步骤3：对poi数据进行重分类，计算各图斑的聚集度ij，比较ij和阈值t1，若ij≤t1，则执行步骤4；若ij＞t1，则执行步骤6；其中，通过建立poi数据分类标准和《国土空间调查、规划、用途管制用地用海分类指南》中分类标准的映射关系，对poi数据进行重分类；步骤4：考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度sj，并和阈值t2进行比较，若sj≥t2，则执行步骤5；若sj＜t2，则执行步骤7；步骤5：将新的地类替换图斑的地类，更新用地现状图斑；
步骤6：遍历该图斑关联的各类型的poi数据，其中，第i种类型的poi数据记为；步骤7：提取poi数据的外边界，并计算图斑面积，求解图斑相似度；步骤8：比较图斑相似度和阈值t3；若≥t3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；否则，对下一类型poi数据执行步骤7。
6.本发明的系统所采用的技术方案是：一种基于poi数据更新城市用地现状图的系统，包括以下模块：模块1，用于以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现状初始图斑集合；其中，所述三调图斑是第三次全国国土调查获取的图斑；模块2，用于遍历集合中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对poi数据进行空间叠加，获取各图斑关联poi数据集；模块3，对poi数据进行重分类，计算各图斑的聚集度ij，比较ij和阈值t1，若ij≤t1，则转到模块4；若ij＞t1，则转到模块6；其中，通过建立poi数据分类标准和《国土空间调查、规划、用途管制用地用海分类指南》中分类标准的映射关系，对poi数据进行重分类；模块4，用于考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度sj，并和阈值t2进行比较，若sj≥t2，则转到模块5；若sj＜t2，则转到模块7；模块5，用于将新的地类替换图斑的地类，更新用地现状图斑；模块6，用于遍历该图斑关联的各类型的poi数据，其中，第i种类型的poi数据记为；模块7，用于提取poi数据的外边界，并计算图斑面积，求解图斑相似度；模块8，用于比较图斑相似度和阈值t3；若≥t3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；否则，对下一类型poi数据转到模块7。
7.本发明的设备所采用的技术方案是：一种基于poi数据更新城市用地现状图的设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现所述的基于poi数据更新城市用地现状图的方法。
8.本发明在使用聚集度对图斑进行二分处理的基础上，对于聚集度低的图斑，考虑各地类的子节点密度，构建地类的概念向量，能够克服根据poi的频数和比例进行地类相似度的判断造成的误分类、误更新等问题，提高更新的准确率；同时，对聚集度较高的图斑，进一步地对各个类型的poi进行提取外边界操作，然后基于图斑相似度判断是否进行更新操作，提高了更新的召回率。
附图说明
9.图1为本发明实施例的方法流程图；图2为本发明实施例的图斑聚集度分布示意图。
具体实施方式
10.为了便于本领域专业技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
11.请见图1，本发明提供的一种基于poi数据更新城市用地现状图的方法，包括以下步骤：步骤1：以三调图斑为主索引，按面积占优法融合用地规划图斑，获取用地现状初始图斑集合；本实施例的三调图斑是指第三次全国国土调查获取的图斑，主要包括空间图形和地类2部分内容，三调图斑的地类共分为13个一级类、59个二级类。以三调图斑的空间图形为主索引叠加现有用地规划图斑，并基于面积占优法计算两类图斑的面积相似度，对于判定为相似的图斑，使用现有技术将用地规划图斑的各种关联属性（包括地类）进行拆分、合并、转换后赋给三调图斑，实现融合。融合后的图斑作为用地现状初始图斑集合，集合中的每一个图斑均包括空间属性和非空间属性两方面内容。空间属性是指带有地理坐标的空间范围，通过三调图斑的空间图形获得；非空间属性是指不带地理坐标的属性，图斑的地类分类标准参照《国土空间调查、规划、用途管制用地用海分类指南》中规定的二级地类名称。
12.步骤2：遍历集合中各图斑，对图斑进行面缓冲区操作，并基于缓冲区对poi数据进行空间叠加，获取各图斑关联poi数据集；本实施例遍历图斑集合中的各图斑，对于其中的某一图斑lj，按照一定的缓冲区半径进行面缓冲操作，缓冲区的半径需要考虑poi数据的误差及偏移距离进行确定，例如考虑到实验数据集中poi数据误差及偏移距离的中位数为30米，本实施例对图斑lj进行半径为30米的缓冲区操作，并基于该缓冲区对poi数据进行空间叠加获得了与图斑lj关联的poi数据集poij。基于以上操作，能够获取某图斑更多的关联poi，一定程度上解决poi数据的误差及偏移问题。
13.步骤3：对poi数据进行重分类，计算各图斑的聚集度ij，比较ij和阈值t1，若ij≤t1，则执行步骤4；若ij＞t1，则执行步骤6；本实施例获得了与图斑lj关联的数据集poij之后，poi数据的类别还是按照由poi数据提供商制定的分类标准进行分类，而不同的提供商制定的分类标准各不相同。为此，需要按照现有技术建立poi数据分类标准和《国土空间调查、规划、用途管制用地用海分类指南》中分类标准的映射关系，并对poi数据进行重分类，如下表所示为城市空间内用地类别映射表。
14.表1 城市空间内用地类别映射表
此时，数据集poij中的poi数据将包含几个固定的类别，对于每一类的（第i
种类别的poi数据记为）进行倍增处理提升相对数量较少但功能影响度大poi数据的显著度，克服poi数据数量和影响度不均衡对等的问题，提升图斑聚集度的准确性；同样的对poij也进行倍增处理，然后使用如下的计算公式计算图斑lj的聚集度：；其中，m为poi数据的类型数，为倍增函数，可以使用现有技术获得，例如，使用poi的用地面积和功能影响力进行倍增处理，poij为图斑lj关联的poi数据，第i种类别的poi数据记为。
15.图2为本实施例的各图斑聚集度分布图。通过归一化和倍增处理，可以消除不同图斑面积关联poi数据差异带来的误差，提高图斑聚集度的计算结果准确率。聚集度代表了图斑地类的纯度，聚集度越低表示地类纯度越高，地类类型越单一；聚集度越高表示地类纯度越低，地类类型越复杂多样。阈值t1代表了对图斑进行二分处理的临界值，本实施例选取t1=0.45，根据聚集度将图斑分为2类。
16.步骤4：考虑子节点密度，构建地类的概念向量，求解图斑的地类相似度sj，并和阈值t2进行比较，若sj≥t2，则执行步骤5；若sj＜t2，则执行步骤7；本实施例中，三调图斑的地类共分为13个一级类、59个二级类，各一级类包含的二级类（子节点）的数量各不相同，也就是父节点和子节点之间呈现一种非均匀的分布特征，常规的概念向量构建方法，不能解决子节点非均匀分布的影响，从而使得计算出的图斑相似度出现偏差。本实施例按以下子步骤构建地类的概念向量，求解图斑的地类相似度sj：步骤4.1：令根节点权重为1，将其作为向量的1维分量；步骤4.2：计算一级地类的子节点密度，将其作为权重赋给向量的2维分量；按照《国土空间调查、规划、用途管制用地用海分类指南》中规定的分类标准，城市环境下一级地类包括居住用地、公共管理与公共服务用地、商业服务业用地、工矿用地、仓储用地、交通运输用地、公用设施用地、绿地与开敞空间用地、特殊用地共9类，子节点密度理解为9，因此，将9作为权重赋给向量的2维分量。例如，居住用地的概念向量为[1,9,0,0,0,0,0,0,0,0]，公共管理与公共服务用地的概念向量为[1,0,9,0,0,0,0,0,0,0]，商业服务业用地的概念向量为[1,0,0,9,0,0,0,0,0,0]，工矿用地的概念向量为[1,0,0,0,9,0,0,0,0,0]，仓储用地的概念向量为[1,0,0,0,0,9,0,0,0,0]，交通运输用地的概念向量为[1,0,0,0,0,0,9,0,0,0]，公用设施用地的概念向量为[1,0,0,0,0,0,0,9,0,0]，绿地与开敞空间用地的概念向量为[1,0,0,0,0,0,0,0,9,0]，特殊用地的概念向量为[1,0,0,0,0,0,0,0,0,9]。
[0017]
步骤4.3：计算各一级地类包含的二级地类的子节点密度，并将其作为权重赋给向量的3维分量；按照《国土空间调查、规划、用途管制用地用海分类指南》中规定的分类标准，对各一级地类包含的二级地类构建概念向量，例如：交通运输用地一级地类包含铁路用地、公路用地、机场用地、港口码头用地、管道运输用地、城市轨道交通用地、交通场站用地共7个二级地类，子节点密度理解为7，因此，将7作为权重赋给向量的3维分量。例如，铁路用地的概念向量为[1,0,0,0,0,0,9,0,0,0,7]，公路用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,
7]，机场用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,7]，港口码头用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,7]，管道运输用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,0,7]，城市轨道交通用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,0,0,7]，交通场站用地的概念向量为[1,0,0,0,0,0,9,0,0,0,0,0,0,0,0,0,7]。
[0018]
步骤4.4：对低维向量进行补零操作向高维向量升维，使其与高维向量具有相同的维数；为了计算两向量的余弦相似度，需对低维向量进行补零操作向高维向量升维，使其与高维向量具有相同的维数，本实施例为了计算铁路用地和公路用地的地类相似度，对步骤4.3中铁路用地的概念向量[1,0,0,0,0,0,9,0,0,0,7]进行补零操作，升维为=[1,0,0,0,0,0,9,0,0,0,7,0]，使其与高维的公路用地概念向量 =[1,0,0,0,0,0,9,0,0,0,0,7]具有相同的维数。
[0019]
步骤4.5：计算两向量的余弦相似度；计算两个概念向量的余弦相似度，本实施例对铁路用地和公路用地两个概念向量，使用如下式的向量余弦相似度计算公式，；求得余弦相似度为0.63，该相似度即为地类相似度sj，将sj和阈值t2进行比较，阈值t2代表了地类相似的可信度。本实施例设定t2=0.55，若sj≥t2，表示地类相似，执行步骤5；若sj＜t2，表示地类不相似，执行步骤7。
[0020]
步骤5：将新的地类替换图斑的地类，更新用地现状图斑；步骤6：遍历该图斑关联的各类型的poi数据，其中，第i种类型的poi数据记为；步骤7：提取poi数据的外边界，并计算图斑面积，求解图斑相似度；本实施例中，对于地类纯度较低，地类类型复杂多样的图斑，需要对关联的不同类型poi进行遍历，对某一具体类型的，可以使用核密度分析法、热点分析法等现有方法提取外边界，例如，本实施例使用热点分析法提取poi的外边界，并基于arcmap软件计算图斑和外边界的面积，然后使用如下的图斑相似度计算公式：；其中，其中，为图斑lj的面积，为类型的poi数据外边界面积。为图斑相似度。
[0021]
步骤8：比较图斑相似度和阈值t3；若≥t3，则将新的地类新增为图斑的地类，更新用地现状图斑，本流程结束；否则，对下一类型poi数据执行步骤7。
[0022]
本实施例设定t3=0.8，阈值t3代表了poi外边界和图斑相似的可信度，若≥t3，表示poi外边界和图斑相似，将新的地类新增为图斑的地类，更新用地现状图斑；若＜t3，表示poi外边界和图斑不相似，不做处理，然后对下一类型poi执行步骤7。
[0023]
应当理解的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。