一种商务集聚区边界识别系统

摘要

本发明公开一种商务集聚区边界识别系统，包括建筑物信息获取模块、目标建筑筛选模块、密度图生成模块、集聚区初步矢量边界生成模块、集聚区边界识别模块和数据库；本发明通过利用加权核密度算法及自然断裂法，解决了现有技术中商务集聚区边界划定主观性大、难以客观量化等问题，降低了人为干预程度，减少了约束条件，能够有效提高边界识别的客观性、科学性。

说明书

技术领域

本发明涉及空间边界划定技术领域，具体是一种商务集聚区边界识别系统。

背景技术

商务集聚区边界识别是依据相关的数据和系统定量分析并识别出商务集聚区边界的技术。目前在国内外，许多专家学者在尝试商务集聚区边界定量识别、划定的系统，虽然有人已经提出了一些商务集聚区边界划定的系统，但这些系统均存在缺陷：(1)多数系统要求的数据繁多且获取的难度较大；(2)需要借助一定的空间评价单元，影响指标计算和结果的稳定性；(3)未能真正从数据本身的客观规律出发，具体实施过程中很多的步骤需要依赖人为经验干预，客观性较差。

发明内容

本发明的目的是提供一种商务集聚区边界识别系统，包括建筑物信息获取模块、目标建筑筛选模块、密度图生成模块、集聚区初步矢量边界生成模块、集聚区边界识别模块和数据库。

所述建筑物信息获取模块获取待检测区域内的建筑物轮廓矢量面状图斑和属性信息，并分别发送至目标建筑筛选模块、集聚区初步矢量边界生成模块和集聚区边界识别模块。

所述建筑物轮廓矢量面状图斑的属性信息包括建筑物用途、建筑物占地面积、建筑物名称和建筑物层数。

所述目标建筑筛选模块根据属性信息中的建筑物用途筛选出目标建筑物轮廓矢量面状图斑。

所述目标建筑物为商业用途建筑物。

所述目标建筑筛选模块根据属性信息筛选出所有目标建筑物轮廓矢量面状图斑，并提取出目标建筑物质心点坐标数据。

所述目标建筑筛选模块提取出目标建筑物质心点坐标数据的步骤为：在Python环境下获取目标建筑物轮廓矢量面状图斑进行矢量要素格式转化，得到矢量面状要素的几何中心点。所述几何中心点即为目标建筑物质心点。

所述目标建筑筛选模块将目标建筑物质心点坐标数据发送至密度图生成模块。

所述密度图生成模块将待检测区域划分为若干检测单元，并计算每个检测单元内目标建筑密度值。

第x个检测单元f(x)内目标建筑密度值

式中，

所述密度图生成模块根据每个检测单元内目标建筑密度值生成核密度图Hmap，并发送至集聚区初步矢量边界生成模块。

所述集聚区初步矢量边界生成模块利用最佳自然断裂法对密度图Hmap进行处理，生成目标建筑集聚区初步矢量边界范围，并发送至集聚区边界识别模块。

所述集聚区初步矢量边界生成模块生成目标建筑集聚区初步矢量边界范围的步骤如下：

1)利用最佳自然断裂法对密度图Hmap进行处理，获得核密度断裂值，将密度图Hmap划分为2个聚类区域。其中，2个聚类区域之间的差异最大，每个聚类区域内部的差异最小。

2)以核密度值大于等于核密度断裂值的区域为目标建筑临界栅格边界区域。

3)利用双边界搜索算法对目标建筑临界栅格边界区域进行空间数据结构转换，得到目标建筑集聚区初步矢量边界范围。

利用双边界搜索算法对目标建筑临界栅格边界区域进行空间数据结构转换的步骤如下：

3.1)提取边界点和节点，步骤为：采用2×2栅格阵列作为窗口顺序沿行、列方向对目标建筑临界栅格边界区域扫描，若窗口内4个栅格有且仅有2个不同的变化，则该四个栅格标识为边界点，并保留各栅格所有多边形原编号。若窗口内4个栅格有3个以上不同编号，则标识为节点。

3.2)搜索边界线，并记录边界点组的2个多边形编号作为对应边界线的左右多边形。

3.3)若一条边界线上存在连续的3个点，则删除中间多余点。

所述集聚区边界识别模块利用最佳自然断裂法对目标建筑集聚区初步矢量边界范围进行优化，识别出目标建筑集聚区的边界范围。

识别目标建筑集聚区边界范围的步骤如下：

1)利用最佳自然断裂法对初步矢量边界范围按照图斑面积进行自然断裂，得到自然断裂值，将初步矢量边界范围划分为2个聚类区域。其中，2个聚类区域之间的差异最大，每个聚类区域内部的差异最小。

2)以核密度值大于等于自然断裂值的区域为目标建筑集聚区的边界范围。

所述数据库存储建筑物信息获取模块、目标建筑筛选模块、密度图生成模块、集聚区初步矢量边界生成模块、集聚区边界识别模块的数据。

本发明的技术效果是毋庸置疑的，本发明通过利用加权核密度算法及自然断裂法，解决了现有技术中商务集聚区边界划定主观性大、难以客观量化等问题，降低了人为干预程度，减少了约束条件，能够有效提高边界识别的客观性、科学性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例公开的一种商务集聚区边界识别系统的流程图；

图2为本申请实施例公开的重庆市主城九区建筑物数据示意图；

图3为本申请实施例公开的商务商业建筑质心点获取结果示意图；

图3(a)为商务商业建筑示意图；

图3(b)为质心点数据结果示意图；

图4为本申请实施例公开的加权核密度分析及提纯示意图；

图4(a)为加权核密度分析结果；

图4(b)为核密度值提纯处理结果；

图5为本申请实施例公开的商务商业聚集区边界提取结果示意图；

图5(a)为聚集区初步矢量边界示意图；

图5(b)为聚集区矢量边界范围示意图。

具体实施方式

下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。

实施例1：

参见图1至图5，一种商务集聚区边界识别系统，包括建筑物信息获取模块、目标建筑筛选模块、密度图生成模块、集聚区初步矢量边界生成模块、集聚区边界识别模块和数据库。

所述建筑物信息获取模块获取待检测区域内的建筑物轮廓矢量面状图斑和属性信息，并分别发送至目标建筑筛选模块、集聚区初步矢量边界生成模块和集聚区边界识别模块。

所述建筑物轮廓矢量面状图斑的属性信息包括建筑物用途、建筑物占地面积、建筑物名称和建筑物层数。

所述目标建筑筛选模块根据属性信息中的建筑物用途筛选出目标建筑物轮廓矢量面状图斑。

所述目标建筑物为商业用途建筑物。

所述目标建筑筛选模块根据属性信息筛选出所有目标建筑物轮廓矢量面状图斑，并提取出目标建筑物质心点坐标数据。

所述目标建筑筛选模块提取出目标建筑物质心点坐标数据的步骤为：在Python环境下获取目标建筑物轮廓矢量面状图斑进行矢量要素格式转化，得到矢量面状要素的几何中心点。所述几何中心点即为目标建筑物质心点。

所述目标建筑筛选模块将目标建筑物质心点坐标数据发送至密度图生成模块。

所述密度图生成模块将待检测区域划分为若干检测单元，并计算每个检测单元内目标建筑密度值。

第x个检测单元f(x)内目标建筑密度值

式中，

所述密度图生成模块根据每个检测单元内目标建筑密度值生成核密度图Hmap，并发送至集聚区初步矢量边界生成模块。

所述集聚区初步矢量边界生成模块利用最佳自然断裂法对密度图Hmap进行处理，生成目标建筑集聚区初步矢量边界范围，并发送至集聚区边界识别模块。

所述集聚区初步矢量边界生成模块生成目标建筑集聚区初步矢量边界范围的步骤如下：

1)利用最佳自然断裂法(Jenks)对密度图Hmap进行处理，获得核密度断裂值，将密度图Hmap划分为2个聚类区域。其中，2个聚类区域之间的差异最大，每个聚类区域内部的差异最小。

2)以核密度值大于等于核密度断裂值的区域为目标建筑临界栅格边界区域。

3)利用双边界搜索算法对目标建筑临界栅格边界区域进行空间数据结构转换，得到目标建筑集聚区初步矢量边界范围。

利用双边界搜索算法对目标建筑临界栅格边界区域进行空间数据结构转换的步骤如下：

3.1)提取边界点和节点，步骤为：采用2×2栅格阵列作为窗口顺序沿行、列方向对目标建筑临界栅格边界区域扫描，若窗口内4个栅格有且仅有2个不同的变化，则该四个栅格标识为边界点，并保留各栅格所有多边形原编号。若窗口内4个栅格有3个以上不同编号，则标识为节点。

3.2)搜索边界线，并记录边界点组的2个多边形编号作为对应边界线的左右多边形。

3.3)若一条边界线上存在连续的3个点，则删除中间多余点。

例如，(x1-x2)(y1-y2)＝(x1-x3)(y1-y2)或者(x1-x3)(y2-y3)＝(x2-x3)(y1-y3)，其中，(x1，y1)、(x2，y2)、(x3，y3)为某边界线上连续三点的坐标，则(x2，y2)为多余点，可予以去除。

所述集聚区边界识别模块利用最佳自然断裂法对目标建筑集聚区初步矢量边界范围进行优化，识别出目标建筑集聚区的边界范围。

识别目标建筑集聚区边界范围的步骤如下：

1)利用最佳自然断裂法对初步矢量边界范围按照图斑面积进行自然断裂，得到自然断裂值，将初步矢量边界范围划分为2个聚类区域。其中，2个聚类区域之间的差异最大，每个聚类区域内部的差异最小。

2)以核密度值大于等于自然断裂值的区域为目标建筑集聚区的边界范围。

所述数据库存储建筑物信息获取模块、目标建筑筛选模块、密度图生成模块、集聚区初步矢量边界生成模块、集聚区边界识别模块的数据。所述数据库存储在计算机可读存储介质中。

实施例2：

一种使用商务集聚区边界识别系统的方法，具体步骤如下：

1)首先利用Arcpy站点包中的env类进行环境值的获取与设置，并将存储建筑物信息调查成果的数据库设为工作空间。建筑物信息调查成果数据的属性表包括了每一栋建筑物的地上楼层数、地下楼层数、总建筑面积、地址、名称、结构、竣工年代等楼栋信息，以及每一层使用用途(居住、商业、行政商业、工业、军事、教育科研、医疗卫生等)、面积等楼层信息，重庆主城九区建筑物数据如图2所示，通过Python对城市建筑物数据中记录各楼层使用用途的字段的属性值进行字符串切片及比对，同时计算出使用用途包含“商务商业”关键词的楼层数在整栋建筑层数中的占比。基于上述处理筛选出使用用途包含“商务商业”关键词，且层数占比在50％及以上的建筑物，从而获得整栋建筑物主要使用用途为“商务商业”的建筑物图斑，为下一步商务集聚区边界识别提供初步的识别目标。

2)利用Arcpy站点包中的FeatureToPoint函数实现以下功能：获取每个面状建筑物图斑的几何中心坐标，并基于该坐标进行点数据的生成，同时将面状建筑物图斑的所有属性赋给对应的点要素。进而完成对提取出的商务商业建筑物矢量面状数据的矢量要素格式转化，获得商务商业建筑物的质心点，如图3所示；

3)以每栋商务商业建筑的总建筑面积为权重，计算每个观察单元内商务商业建筑的核密度值，获得核密度图Hmap，如图4(a)所示；

所述核密度获取函数如下：

其中，

4)利用最佳自然断裂法(Jenks)对核密度图Hmap进行处理，获得核密度断裂值；

所述最佳自然断裂法(Jenks)是一种地图分级算法，算法原理是一个小聚类，聚类结束条件是“组间方差最大、组内方差最小”。通过该方法可以对核密度图Hmap进行等值划分，方便下一步提取商业集聚区边界。

5)利用核密度断裂值对核密度值进行提纯处理，将核密度值分为不小于核密度断裂值和小于核密度断裂值的两类区域，选取其中的不小于核密度断裂值的区域，通过反复试验，最终确定核密度断裂值最优值为33平方公里，即核密度值大于或等于33平方公里的区域为商务集聚区，其边界为商务集聚区的临界栅格边界，具体的：

通过最佳自然断裂法(Jenks)对核密度图Hmap进行数值划分后，可以直观展示相同核密度的空间分布图，在反复试验和验证的基础上，确定了核密度断裂值大于33平方公里的区域为商务集聚区的临界栅格边界如图4(b)所示。

6)利用双边界搜索算法，将获得的商务集聚区的栅格边界进行空间数据结构转换，得到商务集聚区初步矢量边界范围；

所述空间数据结构转换是指利用双边界搜索算法将核密度值的栅格数据格式转为矢量数据格式。双边界搜索算法的基本思想是通过边界提取，将左右多边形信息保持在边界点上，每条边界弧段由两个并行的边界链组成，分别记录该边界弧段的左右多边形编号。

具体的步骤为：

6.1)边界点和结点提取；

6.2)边界线搜索与左右多边形信息记录；

6.3)去除多余点，得到矢量数据。

本步骤对获得的商务集聚区的临界栅格边界进行空间数据结构转换，通过调用Arcpy站点包中的函数，利用双边界搜索算法完成数据处理，从而得到商务集聚区初步矢量边界如图5(a)所示。

7)利用最佳自然断裂法(Jenks)对初步边界范围数据按照图斑面积进行自然断裂，通过反复试验与验证，将面积小于1平方米的矢量数据视为粗差，予以剔除，并找出自然断裂值；

8)根据自然断裂值对商务集聚区进行提纯，即利用Python对矢量商务集聚区的面积属性进行判断，筛选出图斑面积大于或等于自然断裂值的矢量图斑数据，基于筛选结果生成一个新的矢量数据图层，进而实现了商务集聚区边界范围的识别(图5(b))。