基于POI和主动学习的城市功能区分类方法研究

城市功能区是认知城市复杂系统的重要单元.然而,由于城市系统的复杂性,城市功能区分类目前仍存在一定的挑战.本文提出构建一种基于POI(Point of Interest,兴趣点)和主动学习算法的城市功能区分类方法.一方面,该方法采用的主动学习算法是一种半监督分类方法.相较于非监督分类方法,该方法可具有更高的分类精度;相较于监督分类方法,该方法仅需标记少量的功能区类型,而由于城市系统的复杂性,功能区类型的标记往往需要行业专家的专业知识及对城市深入地熟悉与了解.另一方面,相较于现有研究中常用的大数据(高空间分辨率遥感影像、POI、移动通信、公交刷卡等社会感知数据),该方法选择的POI数据具有易获取、数据完整性高且兼顾城市系统中地理实体的自然属性和社会经济属性的特点,使得本方法具有较高的可行性.本文以北京市朝阳区为例,采用该方法进行城市功能区分类,并将识别结果与人工识别结果进行对比分析,验证了本方法的可行性与准确性,然后分析了该方法实现过程中的两个重要参数对分类结果准确性的影响.