[发明专利]一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统

说明书

为了构建新型的城市贫困评估方法，本发明公开一种基于街景图片及机器学习的城市内部贫困空间测度方法，包括以下步骤：根据人口普查数据构建多重剥夺指数IMD；在地图信息数据库中获取目标区域的街景图像数据；通过图像分割技术，将目标区域的街景图像数据分割为若干块街景图像数据；基于若干块街景图像数据，结合主成分分析法，得到主因子，将主因子定义为街景因子；将多重剥夺指数IMD和街景因子作为机器学习算法的输入变量，得到城市贫困分数。根据城市贫困分数对城市的贫困程度进行评估。本发明还公开了基于上述方法的一种基于街景图片及机器学习的城市内部贫困空间测度系统。本发明不仅推进城市贫困研究精细化，而且丰富城市贫困度量指标的维度。

技术领域

本发明涉及人工智能机器学习领域，更具体地，涉及一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统。

背景技术

20世纪60～70年代以来，以多重贫困(Multiple Deprivation)为代表的传统城市贫困测度虽已日渐成熟，但基于社会经济统计数据构建的指标体系，往往存在更新周期长、可获得性低、数据来源单一等不足。随着信息化时代的到来，西方学界开始借助遥感影像、夜间灯光、公交刷卡、在线房租、地图兴趣点等大数据识别贫困空间。而国内现有研究仅在乡村贫困中较常使用卫星影像数据，利用遥感影像、夜间灯光等单一类型分析广大区域或城乡地带，而在城市贫困测度上新型数据和技术的使用较少，需要寻找适用于城市区域的数据来拓展城市贫困的指标范围、细化测度尺度，以深入挖掘贫困空间现象。

专利(2019102766003)公开了一种通过遥感卫星获取目标城市遥感数据，结合POI数据进行贫困评估的一种方法。上述方法没有利用现有的城市街景图像进行结合评估，评估的指标维度较少。

发明内容

为克服上述现有技术与方法的不足，本发明提出了一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统。本发明有效地弥补了已有研究的缺陷，不仅推进了城市贫困研究精细化，而且丰富城市贫困度量指标的维度，对改善贫困社区、推进更新规划具有实际的意义，是测度城市内部贫困准确可靠、切实可行的方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于街景图片及机器学习的城市内部贫困空间测度方法，包括以下步骤：

根据人口普查数据构建多重剥夺指数IMD；

在地图信息数据库(如百度地图、高德地图、google地图等)中获取目标区域的街景图像数据；

通过图像分割技术，将目标区域的街景图像数据分割为若干块街景图像数据；

基于若干块街景图像数据，结合主成分分析法，得到主因子，将主因子定义为街景因子；

将多重剥夺指数IMD和街景因子作为机器学习算法的输入变量，得到城市贫困分数；

根据城市贫困分数对城市的贫困程度进行评估。

本发明从地图信息数据库收集街景图像数据，使用图片分割技术充分挖掘了街景图像数据中的要素信息，同时结合数理模型和计算机算法，构建测度城市贫困程度的机器学习模型。本发明有效地弥补了已有测度的缺陷，不仅推进了城市贫困研究精细化，而且丰富城市贫困度量指标的维度，对改善贫困社区、推进更新规划具有实际的意义，是测度城市内部贫困准确可靠、切实可行的方法。

在一种优选的方案中，所述的“根据人口普查数据构建多重剥夺指数IMD”包括以下子内容：

根据人口普查数据得到P个维度数据，每个维度的数据对应一个比例权重λ；

所述的多重剥夺指数IMD通过下式进行表达：

式中，所述的E_j表示第j个纬度数据的数值。