基于出租车和POI数据的城市土地利用现状变化研究

论文摘要

土地利用分类被视为交通规划中的重要部分。规划决策者能通过合理的土地利用分类了解人们的空间分布。土地利用的改变也会告诉决策者人群分布的变化,从而对空间规划产生影响。同时,土地利用的分类也是未来城市规划扩展、交通道路规划预测等的重要工具。在之前的研究中,由于工具和方法的限制,大多数情况下采用遥感影像、已经成型的城市规划设计图等作为土地利用分析的依据。但随着大数据时代的来临,数据在爆炸式增长,特别是交通大数据,它给土地利用分析带来了突破性的前景。数据的多元性、异构性、从海量数据种提取有用数据、将数据应用于土地利用分析等问题都给我们带来了挑战。因此,本文研究如何通过海量交通大数据对土地利用的变化情况、人群的流动原因进行分析。主要工作包括:（1）针对海量数据,通过聚类算法对单一的点数据分块。但单一的层次聚类算法DBSCAN无法满足数据聚类需求,数据点无法自动确定阈值,导致数据块偏大或偏小。因此,引入I-DBSCAN算法,对聚类进行改进,根据每个聚类块边缘点构成多边形的大小对聚类块进行限制,从而获得真实聚类数据。接下来将代码在Hadoop分布式运行平台上实现,提升运算效率,可大大提升数据处理速度,为将来继续研究节约时间成本和计算机资源。（2）提出了新的特征设计方式,在以每两小时为时间间隔,对数据进行12个维度的特征表设计后,以矩阵特征值为立足点,对每块数据进行特征设计,满足机器学习要求。再通过机器学习的方法对土地利用情况进行分析和预测,最后进行十折交叉验证。实验表明,通过该方法设计的土地利用类型预测准确率达到89%。然后,通过对人群流动的变化进行分析,发现一天中不同时段人群的出行特点,客观反映了土地利用变化的真实情况。（3）通过POI数据对土地利用类型进行分类,再结合出租车数据在LDA文本词库模型进行数据融合,从而纠正错误分类,提升结果可靠性。经研究表面,数据融合分析后,纠正错误正确率达到89.3%。本研究方法对城市土地利用分类起着重要的推进作用。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 研究背景
•   1.2 研究意义
•   1.3 国内外研究现状
•     1.3.1 基于数据的地理信息挖掘现状
•     1.3.2 POI数据对城市变化的影响
•     1.3.3 城市土地利用分类研究现状
•   1.4 主要研究内容
•   1.5 组织架构
• 第二章 聚类算法及其应用
•   2.1 聚类算法原理
•     2.1.1 层次聚类算法
•     2.1.2 核密度聚类算法
•   2.2 I-DBSCAN聚类算法
•     2.2.1 传统DBSCAN
•     2.2.2 改进I-DBSCAN聚类算法
•     2.2.3 算法效率改进
•   2.3 算法应用
•     2.3.1 数据集及预处理
•     2.3.2 基于java程序的算法实现
•     2.3.3 基于Hadoop的算法实现
•   2.4 本章小节
• 第三章 特征设计
•   3.1 机器学习
•   3.2 特征选择的目标
•   3.3 特征选择
•   3.4 特征选择对象
•   3.5 特征选择步骤
•   3.6 特征评定标准
•     3.6.1 包装方法（wrapper methods）
•     3.6.2 过滤方法（filter methods）
•     3.6.3 混合方法
•   3.7 本文采用的方法
•     3.7.1 设计思路
•     3.7.2 设计方法
•   3.8 本章小节
• 第四章 基于出租车数据的土地利用分类
•   4.1 分类模型
•     4.1.1 支持向量机（SVM）分类算法
•     4.1.2 随机森林（Random Forest）分类算法
•     4.1.3 K-近邻（kNN）分类算法
•     4.1.4 交叉验证
•   4.2 实验
•     4.2.1 土地类型预测
•     4.2.2 人群流动变化分析
•   4.3 本章小节
• 第五章 融合POI和出租车数据的土地利用分类
•   5.1 融合模型
•     5.1.1 LDA词库模型
•     5.1.2 数据融合原理
•   5.2 实验
•     5.2.1 数据集
•     5.2.2 数据融合及结果分析
•   5.3 本章小节
• 第六章 总结与展望
•   6.1 总结
•   6.2 展望
• 致谢
• 参考文献
• 附录 A

文章来源

类型: 硕士论文

作者: 刘旭

导师: 施昆

关键词: 土地利用分类,聚类算法,特征设计,多源数据,融合分析

来源: 昆明理工大学

年度: 2019

分类: 基础科学,信息科技,经济与管理科学

专业: 自然地理学和测绘学,计算机软件及计算机应用,农业经济

单位: 昆明理工大学

分类号: P208;F301.24

DOI: 10.27200/d.cnki.gkmlu.2019.001491

总页数: 82

文件大小: 5069K

下载量: 90