一种基于车辆轨迹数据的城市建成区边界识别方法

doi:10.13474/j.cnki.11-2246.2019.0011

测绘通报 ›› 2019, Vol. 0 ›› Issue (1): 56-59,64.doi: 10.13474/j.cnki.11-2246.2019.0011

一种基于车辆轨迹数据的城市建成区边界识别方法

王善辉, 张和生

太原理工大学, 山西太原 030024

收稿日期:2018-03-16 出版日期:2019-01-25 发布日期:2019-02-14
通讯作者: 张和生。E-mail:zhsgis@126.com E-mail:zhsgis@126.com
作者简介:王善辉(1993-),男,硕士生,主要研究方向为时空地理数据分析。E-mail:wshbwishes@163.com

A method of urban built-up area boundary recognition based on vehicle track data

WANG Shanhui, ZHANG Hesheng

Taiyuan University of Technology, Taiyuan 030024, China

Received:2018-03-16 Online:2019-01-25 Published:2019-02-14

摘要/Abstract

摘要： 城市建成区边界是城市土地资源管理和城市扩张管理的重要依据。本文提出了基于出租车轨迹数据，利用多分辨率下规则格网对比分析法及Densi-Graph阈值确定法，来自动提取城市建成区边界的方法。试验采用北京市2008年出租车GPS轨迹点数据，依据该方法模型计算提取城市建成区并进行结果准确度评价，将提取结果与北京市2008年土地覆盖空间分布图进行比对，所提取建成区边界范围与城镇、建设用地区域范围基本相符；将提取结果与中国城市统计年鉴数据进行比对，该年鉴中给定2008年北京市建成区总面积为1 310.94 km²，本文方法提取建成区总面积约为1 077.33 km²，提取准确度约为82.18%，表明本文方法可以获得准确的建成区范围。

关键词: 规则格网, 轨迹数据, 建成区边界, Densi-Graph

Abstract: The boundary of urban built-up area is an important basis of urban land resource management and urban expansion management. In this paper, a method based on taxi track data is proposed, using multi-resolution regular grid contrast analysis and Densi-Graph threshold determination method to automatically extract urban built district boundaries. In this study, taxi track point data of Beijing city in 2008 is used to calculate and extract the boundary of urban built-up area according to this method. And the extraction results are consistent with the distribution map of Beijing's land cover in 2008. Besides, given in China's Urban Statistical Yearbook, the built-up area of Beijing municipality in 2008 is 1 310.94 km². And the area of the built-up area extracted by this method is about 1 077.33 km², so the extraction accuracy is about 82.18%, indicating that this method can get the accurate range of built-up area.

Key words: regular grid, track data, built-up area boundary, Densi-Graph

中图分类号:

P237

王善辉, 张和生. 一种基于车辆轨迹数据的城市建成区边界识别方法[J]. 测绘通报, 2019, 0(1): 56-59,64.

WANG Shanhui, ZHANG Hesheng. A method of urban built-up area boundary recognition based on vehicle track data[J]. 测绘通报, 2019, 0(1): 56-59,64.

参考文献

[1] 李海江,刘耀林,谭荣辉,等.一种新的基于高分辨率全色影像的城市建成区边界提取算法[J].测绘通报,2015(7):36-41.
[2] WANIA A, KEMPER T, TIEDE D, et al. Mapping recent built-up area changes in the city of Harare with high resolution satellite imagery[J].Applied Geography, 2014,46(1):35-44.
[3] LIU Qingjie,HUANG Di,WANG Yunhong. Built-up area detection based on a Bayesian saliency model[J].International Journal of Wavelets, Multiresolution and Information Processing,2017,15(3):2274-2282.
[4] 吴宏安,蒋建军,周杰,等.西安城市扩张及其驱动力分析[J].地理学报,2005,60(1):143-150.
[5] LI Y,TAN Y,LI Y,et al.Built-up area detection from satellite images using multikernel learning, multifield integrating, and multihypothesis voting[J]. IEEE Geoscience & Remote Sensing Letters, 2017, 12(6):1190-1194.
[6] 龚健雅,彭飞飞,王乐,等.利用视差进行立体像对的建成区检测方法[J].武汉大学学报(信息科学版),2016,41(4):427-433.
[7] MOLCH K,GAMBA P,KAYITAKIRE F. Performance of built-up area classifications using high-resolution SAR data[J]. Canadian Journal of Remote Sensing,2010,36(3):197-210.
[8] BORDBARI R, MAGHSOUDI Y, SALEHI M. Built-up area detection based on subspace projections using polarimetric SAR data[J]. ISPRS International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2017, XLⅡ-4/W4:37-41.
[9] 柴宝惠,李培军,张瑞洁,等. 基于Landsat数据和DMSP/OLS夜间灯光数据的城市扩展提取:以天津市为例[J].北京大学学报(自然科学版),2016,52(3):475-485.
[10] 宋金超,李新虎,吝涛,等.基于夜晚灯光数据和Google Earth的城市建成区提取分析[J].地球信息科学学报,2015,17(6):750-756.
[11] 范俊甫,马廷,周成虎,等. 1992—2010年基于DMSP-OLS图像的环渤海城市群空间格局变化分析[J].地球信息科学学报,2013(2):280-288.
[12] 许泽宁,高晓路.基于电子地图兴趣点的城市建成区边界识别方法[J].地理学报,2016,71(6):928-939.
[13] 高晓路,徐泽宁,牛方曲.基于“点—轴系统”理论的城市群边界识别[J].地理科学进展,2015,34(3):280-289.
[14] 国务院发展研究中心“中国特色城镇化的战略和政策研究”课题组. 城乡空间边界划分的国际经验及启示[J].发展,2010(8):54-57.
[15] 韩吉德.基于出租车轨迹数据的人口活动分析[J].测绘工程,2016,25(10):69-71.
[16] 禹文豪,艾廷华,刘鹏程,等.设施POI分布热点分析的网络核密度估计方法[J].测绘学报,2015,44(12):1378-1400.
[17] YUAN J,ZHENG Y,XIE X,et al.Driving with knowledge from the physical world[C]//ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. [S.l.]: ACM, 2011:316-324.
[18] YUAN J,ZHENG Y,ZHANG C,et al.T-drive:driving directions based on taxi trajectories[C]//Sigspatial International Conference on Advances in Geographic Information Systems. [S.l.]: ACM, 2010:99-108.

一种基于车辆轨迹数据的城市建成区边界识别方法

A method of urban built-up area boundary recognition based on vehicle track data

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价

[1]	邬群勇, 王祥健. 出租车轨迹数据的频繁轨迹识别[J]. 测绘通报, 2021, 0(11): 70-75.
[2]	张昊, 张健钦, 郭小刚, 卢剑, 陆浩. 轨迹大数据云存储与热力图生成方法[J]. 测绘通报, 2021, 0(10): 146-149.
[3]	赵文更, 张旭, 邵晴晴. 融合反射强度图像的地铁隧道点云自动配准[J]. 测绘通报, 2020, 0(9): 38-41.
[4]	黄亚锋, 向隆刚, 高萌. 轨迹数据的非关系管理及相似性分析[J]. 测绘通报, 2020, 0(6): 81-86.
[5]	武英豪, 李成名, 吴政, 武鹏达. 基于地理格网的复杂路线车辆通行时间估算方法[J]. 测绘通报, 2019, 0(6): 61-65.
[6]	梁明, 陈文静, 段平, 李佳. 轨迹压缩的典型方法评价[J]. 测绘通报, 2019, 0(4): 60-64,70.
[7]	李金磊, 慈谕瑶, 郑坤, 郭绍龙, 燕继红, 陈宇萍, 吴艳民, 李仕漪. 面向地理信息大数据的时空事件关系可视化分析框架[J]. 测绘通报, 2019, 0(12): 101-104.
[8]	胡瀚, 向隆刚, 王德浩. 出租车轨迹数据的道路提取[J]. 测绘通报, 2018, 0(7): 53-57.
[9]	刘旭, 陈云波, 施昆, 黄强. 结合Canopy-K-means算法和出租车轨迹数据的公交车站预测方法[J]. 测绘通报, 2018, 0(11): 63-68.
[10]	赵庶旭, 屈睿涛, 刘昌荣. 一种基于轨迹特征划分的交通轨迹数据分析方法[J]. 测绘通报, 2018, 0(11): 73-77,82.
[11]	牟乃夏, 徐玉静, 张恒才, 陈洁, 张灵先, 刘希亮. 移动轨迹聚类方法研究综述[J]. 测绘通报, 2018, 0(1): 1-7.
[12]	段颖超, 张健钦, 李明轩, 杜明义. 一种公交到站时间预测方法[J]. 测绘通报, 2016, 0(5): 50-53.