根据poi数据识别建筑物类型

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。

 

  • 用标识工具：

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

 

 

 
posted @ 2022-05-14 15:19  sheyueyu  阅读(1332)  评论(0)  编辑  收藏  举报