[发明专利]一种基于多源数据融合的城市区域功能智能识别方法

说明书

本发明的一种基于多源数据融合的城市区域功能智能识别方法，包括：获取城市的地图数据，根据主要道路将城市划分为若干个城市区域；从互联网网站中搜集每个城市区域包含的兴趣点元数据和文本数据并进行归一化处理；搜集出租车的轨迹数据并量化；建立基于贝叶斯层次模型的无监督聚类模型，根据变分推断法求解该模型参数；产生每个城市区域的主题分布，以及每个主题与各种功能的相关性，概率最大的主题最相关的几个城市功能为该区域的主要功能；产生该区域每个功能最相关的城市特征词。本发明方法融合多源多模态数据，对城市区域功能进行智能识别和划分，从数值和文本形式产生了功能分布和城市特征两种解释方式，增强城市区域功能识别的可靠性和可解释性。

技术领域

本发明涉及机器学习领域，特别是指一种基于多源数据融合的城市区域功能智能识别方法。

背景技术

城市计算是一个获取、集成和分析城市空间中由不同来源产生的大数据和异构数据的过程。实现高效城市计算的一个关键步骤是确定功能区域，这是城市中支持城市功能的某些需求的区域。

以前的功能区识别(FRI)系统大多对人的移动数据使用聚类方法，包括对电信数据的分析，谱聚类分析，隐狄利克雷分配(LDA)分析等。然而，现有研究存在一个严重缺陷。由于近年来研究的模型比较复杂，缺少识别区域的语义解释，这些聚类方法只提供了一个可能的区域划分，而用户不知道这些划分意味着什么样的功能。

研究表明，借助于大量的在线地理标记文本数据，如评论和兴趣点(POI) 的性质，城市区域的功能可以实现自我解释。

尽管人们对可解释的人工智能越来越感兴趣，但在地理系统中，可解释系统仍处于初级阶段。构建一个可解释的城市计算系统面临着移动轨迹数据和语义文本存在巨大差异性的独特挑战。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于多源数据融合的城市区域功能智能识别方法，分别从数值和文本形式产生了功能分布和城市特征两种解释方式，以增强城市区域功能识别的可靠性和可解释性。

本发明采用如下技术方案：

一种基于多源数据融合的城市区域功能智能识别方法，其特征在于，包括如下步骤：

1)获取城市的地图数据，根据主要道路将城市划分为若干个城市区域；

2)从互联网网站中搜集每个城市区域包含的兴趣点元数据以及文本数据并进行归一化处理得到POI特征矩阵和城市特征的信息；

3)搜集出租车的轨迹数据并量化得到轨迹移动矩阵；

4)建立一个基于贝叶斯层次模型的无监督聚类模型，将POI特征矩阵、城市特征的信息和轨迹移动矩阵作为输入，根据变分推断法求解该无监督聚类模型的参数；

5)根据参数得到每个城市区域的主题分布，以及每个主题与各种功能的相关性，概率最大的主题最相关的几个城市功能即为该城市区域的主要功能；

6)根据参数得到该城市区域每个城市功能最相关的城市特征词。

优选的，所述步骤1)中，具体包括：设定一个城市市区范围为目标范围；对于地图数据，先根据城市的地理位置，从地图软件ArcMAP中抓取经纬度范围落在目标范围内的所有道路，根据道路的属性从中过滤筛选留下主要道路；对地图进行处理将道路变化成相同粗细的线条作为区域边界，从而将目标范围划分成若干个所述城市区域。