ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

根据poi数据识别建筑物类型

2022-05-14 15:33:56  阅读:8  来源: 互联网

标签:地块 poi 建筑物 类型 Fi 识别


根据poi数据识别建筑物类型

教程-城市建筑日照分析

《参考论文:基于时空大数据的济南市功能区识别与评价研究》

image-20220412212618927

《基于POI数据的城市建筑功能分类方法研究》

image-20220412211546334

image-20220412211524456

给poi数据赋予反距离权重,然后计算不同类型poi的加权频数密度比例

思路

城市功能区的识别的方法是这个样子,同理,可以用相同的方法去识别建筑物的类型。

两者的不同之处在于,现有的城市功能区的划分方法通常先将城市分割成规则格网,街区构成的基本单元,再对空间单元内各种地理实体的功能属性进行概括,识别出的混合功能单元居多,但对混合功能类型的定义又缺乏规范性;建筑物功能分类以具有实际意义的建筑范围作为空间单元,描述区域功能分布的空间粒度更细,除了高层建筑可能具有多种功能类型外,多数建筑物通常具有明确的功能语义。

  • 获取各类型poi点在每个建筑物内的数量

  • 对不同类型的poi点赋予不同的权重(反距离权重)

  • 最后分析该建筑物的poi数量和其对应权重

  • 确定建筑物的主导类型

     

image-20220413094501258

 

其他定义:
什么是核密度分析:
  • 核密度分析可以体现出分析目标在空间上的集聚情况(arcgis中有相应的工具)

  • img

频数密度比例法:

image-20220413101409248

image-20220413142922808

后面还有反距离权重方法。


实际操作
  • 判断类型的方法,先简单一点用一个阈值,如果Ci>0.5,就认为其对应的i为建筑物的类型

1 导入poi数据

(下面是研究区域的所有类型的poi数据):

image-20220413145347309

  • poi类型:

    1. 餐饮

    2. 公共设施

    3. 公司

    4. 购物服务

    5. 交通设施

    6. 科教文化

    7. 商业住宅

    8. 汽车服务

    9. 汽车维修

    10. 汽车销售

    11. 生活服务

    12. 休闲体育

    13. 政府机构及社会团体

    14. 住宿服务

  • (先简单点)

    1. 餐饮

    2. 公共设施

    3. 公司

    4. 购物服务

    5. 交通设施

    6. 科教文化

    7. 商业住宅

    8. 生活服务

    9. 休闲体育

    10. 政府机构及社会团体

    11. 住宿服务

image-20220413151908079

image-20220413152108233


 

2 统计地块中不同类型的poi点的数量

教程,从下图可以看到不同地块上的餐饮poi的数量。(主要用的是叠加分析中的空间分析)

image-20220413171504484

image-20220413171610086

  • 不同地块上,公司poi点的数量

 

image-20220413182001128

再用表”连接“工具,得到了如下表,得到了不同地块中,不同类型的poi的数量。

image-20220413185502080


 

3 计算建筑物中,不同类型的poi数量及比例(频数密度)
  • 需要知道研究范围内的,不同类型poi的总数,则需要把导入的poi数据裁剪一下,用蔡甸区的边界(这一步可以放在前面,导入数据后就做)

    用“裁剪”工具,下面就是裁剪后的poi数据

    image-20220413191638488

  1. 商务住宅:259

  2. 科教文化:611

  3. 购物服务:92

  4. 公共设施:266

  5. 公司点:1394

  6. 餐饮点:1092

image-20220413191743655

image-20220413191824446

image-20220413192053696

image-20220413192142390


image-20220413192045047

image-20220413192201334

  • 求出Fi

    • 用计算字段工具

    • image-20220413193456989

 

频数密度如下:

 


 

 

 

4. 计算不同类型的poi的频数密度的比例

需要计算Fi/∑Fi,则要保证∑Fi,不为0

先添加一个字段为“F和”,计算∑Fi。如果F和 = 0则无法判断他的建筑物类型;

选中∑Fi 不为0的地块,再计算其C

image-20220413200200151

得到不同地块上,不同类型对应的C值

image-20220413202523280

5. 根据类型比例得到建筑物的类型

定一下类型:

1:餐饮

2:公司

3:公共

4: 购物

5: 科教

6:住宅

0:无类型

后面的用Python去做,把表导出去,得到各个地块的类型

image-20220414094126751

image-20220414094200741

上面,max_idx就是得到的地块的类型

只保留一些FID和其type,导入arcgis中与原始的parcels表进行链接

image-20220414100148810

再基于类型可视化

image-20220414100414068


 

问题
  • poi点有的落在了建筑物外,因为建筑物轮廓数据来源和poi的数据来源不同(可能要换一下建筑物轮廓数据的来源)

image-20220413153427025

image-20220413160157478

找了三份建筑物轮廓数据,都差不多。

  • image-20220413163147926

一个住宅小区可能只显示一个住宅poi点,那么就会导致其他楼栋不能被识别成住宅小区,或者直接无法知道它的类型

可以先识别地块的类型,将用地类型识别出来

  • poi点可能不是很全

     


将poi点与地块面进行点面空间匹配

一个住宅小区可能只显示一个住宅poi点,那么就会导致其他楼栋不能被识别成住宅小区,或者直接无法知道它的类型

可以先识别地块的类型,将用地类型识别出来。

 

  • 标识工具:

image-20220413164128059

得到poi所属的地块id

image-20220413164911157

 

  • 打开poi_indentity(标识的结果表),选中FID_parcel字段用“汇总”工具,得到不同地块中,不同类型的poi数量

image-20220413165650620

image-20220413165812676

 

 

TRANSLATE with x English
Arabic Hebrew Polish
Bulgarian Hindi Portuguese
Catalan Hmong Daw Romanian
Chinese Simplified Hungarian Russian
Chinese Traditional Indonesian Slovak
Czech Italian Slovenian
Danish Japanese Spanish
Dutch Klingon Swedish
English Korean Thai
Estonian Latvian Turkish
Finnish Lithuanian Ukrainian
French Malay Urdu
German Maltese Vietnamese
Greek Norwegian Welsh
Haitian Creole Persian  
  TRANSLATE with COPY THE URL BELOW Back EMBED THE SNIPPET BELOW IN YOUR SITE Enable collaborative features and customize widget: Bing Webmaster Portal Back  

标签:地块,poi,建筑物,类型,Fi,识别
来源: https://www.cnblogs.com/aleza/p/16270188.html

专注分享技术,共同学习,共同进步。侵权联系[admin#icode9.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有