CN114969007B 一种基于功能混合度和集成学习的城市功能区识别方法 （南京大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114969007B(45)授权公告日2025.01.10

(21)申请号202210621710.0

(22)申请日2022.06.01

(65)同一申请的已公布的文献号申请公布号CN114969007A

(43)申请公布日2022.08.30

(73)专利权人南京大学

地址210023江苏省南京市栖霞区仙林大

道163号

(72)发明人徐云耘周琛赵鑫余治欣杜皓阳温伯清王梓安夏南李满春

(51)Int.CI.

GO6F16/215(2019.01)GO6F18/214(2023.01)

GO6F18/24(2023.01)

G06Q10/0631(2023.01)GO6N20/20(2019.01)G06Q50/26(2024.01)

(56)对比文件

CN104200223A,2014.12.10CN107247938A,2017.10.13审查员康素敏

(74)专利代理机构南京行高知识产权代理有限

公司32404专利代理师赵洪玉

权利要求书2页说明书14页附图4页

(54)发明名称

一种基于功能混合度和集成学习的城市功能区识别方法

(57)摘要

CN114996007B本发明涉及一种基于功能混合度和集成学习的城市功能区识别方法，属于数字信息技术领域。该方法执行如下步骤：1)收集数据以及预处理；2)构建所述城市功能区的识别体系的10个指标特征；3)结构化指标；通过空间统计工具统计各宗地所对应的10个指标特征数据；4)自变量数据集构建；5)响应变量标记；6)根据功能混合度将训练数据集划分为若干子训练集；7)基于Stacking策略的集成学习训练；8)属性表连接完成该宗地的功能区识别。本发明通过对功能混合度进行分级的方式将训练集分开并让预测集数据按照对应功能混合度进行预测，提供了一种较为准确挖掘城市功能区类型和城市特征之间的

CN114996007B

构建识别指标体系

构建识别指标体系

研究单元划分结构化指标指标数据测算

自变量数据集构建

标记响应变量未标记响应变量

计算宗地的用地混合度

基于用地混合度大小划分子预测数据集

基于Stacking策略的集成学习训练

城市功能区识别结果

基于用地混合度大小划分子训练数据集

CN114969007B权利要求书1/2页

2

1.一种基于功能混合度和集成学习的城市功能区识别方法，其特征在于执行如下步

骤：

1)收集数据以及预处理；按照所述城市的城市空间分异和社会分异获取相应的源数

据；

所述预处理包括城市功能区的划分、脏数据清洗和研究单元划分；

所述脏数据清洗是指从所述源数据剔除存在缺失、错误、重复或格式不统一的数据；

所述城市功能区划分是指将所述城市划分成各个城市功能区的过程；

所述研究单元划分是以所述城市路网数据为基础形成若干小的封闭的宗地的过程；

2)构建所述城市功能区的识别体系的10个指标特征，所述指标特征用于描述所述城市空间分异或所述社会分异；

3)结构化指标；通过空间统计工具统计各宗地所对应的10个指标特征数据；

4)自变量数据集构建；以步骤3)中各宗地所对应的10个指标特征数据建立宗地的属性集合，并保留对应宗地的名称；

5)响应变量标记；选取部分宗地作为训练数据集，并标注对应的功能区编号，其余宗地作为预测集使用；

6)根据功能混合度将训练数据集划分为若干子训练集；将相同或相近的功能混合度的宗地划入同一子训练集，并形成以功能混合度逐级增加或逐级减小的若干子训练集；

7)基于Stacking策略的集成学习训练；采用RF、GBDT、SVM和BPNN四种机器学习算法作为Stacking集成策略模型的第1级，采用XGBoost作为Stacking集成策略模型的第2级；对步骤6)中各子训练集进行单独训练，并对与各子训练集功能混合度所在级别相同的预测集进行预测；

8)属性表连接；通过各宗地的名称将步骤7)的预测结果与对应宗地挂钩，从而完成该宗地的功能区识别。

2.根据权利要求1所述的基于功能混合度和集成学习的城市功能区识别方法，其特征在于：所述数据源包括建筑物数据、生态源地数据、公交站数据、地铁站数据、数字高程数据、网约车需求数据、微博