基于混合采样的城市功能区识别系统研究

随着城市功能分区研究在时空尺度上不断细化，多源数据融合有利于推动城市功能分区研究的精细化发展，但多源数据存在数据不平衡现象，本文通过混合采样算法，减少数据不平衡带来的影响。通过空间面积和公众认知度对兴趣点(POI)数据进行权重赋值，利用K近邻和潜在狄利克雷(Latent Dirichlet Allocation, LDA)语义分析对两类数据构建数据集，分别对两类数据进行频数密度分析，对多源数据进行加权平均特征融合，将融合后的数据按频数密度差值的方法划分单一和混合功能区，并在ArcGIS平台渲染展示，从而实现对城市功能区可视化识别划分。利用高德地图与功能区识别结果进行精度验证，结果表明：应用该方法能快速及有效地识别城市功能区，功能区识别总体精度为86.6%,证明该方法现实可行，可为城市未来发展规划与管理提供借鉴。