道路网与兴趣点相结合的城市中心提取方法
  • 【DOI】

    10.11947/j.AGCS.2015.F033

  • 【摘要】

    为空间数据添加接近人们思维以及适宜认知的高阶信息是改善其可用性的重要途径.城市中心是这一类信息的典型案例,它在人们的社会活动中具有重要作用.本文提出一种单纯运用道路网和兴趣点提取城市中心的方法.该方法首先运用G?i 提取了路网的密集区域,确定了包含城市中心的大致区域;然后根据该区域中特定类型兴趣点的网络核密度确定了城市中心的精确范围.对英国利物浦、加拿大多伦多和巴西库里蒂巴进行了试验,查准率为0.... 展开>>为空间数据添加接近人们思维以及适宜认知的高阶信息是改善其可用性的重要途径.城市中心是这一类信息的典型案例,它在人们的社会活动中具有重要作用.本文提出一种单纯运用道路网和兴趣点提取城市中心的方法.该方法首先运用G?i 提取了路网的密集区域,确定了包含城市中心的大致区域;然后根据该区域中特定类型兴趣点的网络核密度确定了城市中心的精确范围.对英国利物浦、加拿大多伦多和巴西库里蒂巴进行了试验,查准率为0.74~0.8,查全率为0.53~0.67,结果表明该方法能较为有效地提取城市中心.对方法的两个关键影响因素:G?i 的距离测度以及网络核密度的带宽进行了敏感性分析,固定距离法为合适的距离测度方法,而600~900 m 为适宜带宽. 收起<<

  • 【作者】

    雷英哲  田晶  林镠鹏  任畅 

  • 【作者单位】

    武汉大学资源与环境科学学院/武汉大学资源与环境科学学院,湖北 武汉 430079; 武汉大学地理信息系统教育部重点实验室,湖北 武汉 430079

  • 【刊期】

    测绘学报 ISTIC EI PKU 2015年z1期

  • 【关键词】

    高阶信息  城市中心  模式识别  局部空间自相关  网络核密度  high order information  city center  pattern recognition  local spatial autocorrelation  network kernel densi ty 

  • 【基金项目】

    国家基础科学人才培养基金武汉大学地理科学理科基地科研能力训练项目(J1103409)Foundation support:National Science Foundation for Fostering Talents in Basic Research of the National Natural Science Foundation of China