%0 Journal Article %A 文聪聪 %A 彭玲 %A 杨丽娜 %A 池天河 %T 主题模型与SVM组合的小尺度街区用地分类方法 %D 2018 %R 10.12082/dqxxkx.2018.170233 %J 地球信息科学学报 %P 167-175 %V 20 %N 2 %X

城市用地分类作为城市规划重要的基础和依据,对城市资源配置、建设发展等具有重要意义。现有研究对用地分类都聚焦于“稀路网、大街区”的大尺度区域,随着城市发展,大尺度区域的规划模式造成了城市交通效率低下、土地低效率开发等问题,而小尺度的城市街区建设规划为解决上述问题提供了一种新的思路。为了充分挖掘现有交通大数据的潜在价值,更以高效地服务小尺度街区规划,本文将主题模型与支持向量机(SVM)相组合,提出一种面向小尺度街区的用地分类方法。本文以上海市黄浦区人民广场附近为研究区域,依据精细路网对研究区域划分,通过对一周(7天)出租车GPS数据处理,结合区域兴趣点(POI)数据,基于隐含狄利克雷分布(LDA)模型和SVM模型进行用地分类。在人工解译的分类图的基础上对本文方法进行精度评价,并基于百度地图地理数据进行结果验证。研究表明本文方法基于现有的交通大数据,实现了对小尺度街区用地分类,方法分类精度较高,在一定程度上可以节约人力物力,以便更好地服务于小尺度城市规划。

%U https://www.dqxxkx.cn/CN/10.12082/dqxxkx.2018.170233