CN111858820B - 用地性质识别方法、装置、电子设备及存储介质 - Google Patents

用地性质识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111858820B
CN111858820B CN202010728273.3A CN202010728273A CN111858820B CN 111858820 B CN111858820 B CN 111858820B CN 202010728273 A CN202010728273 A CN 202010728273A CN 111858820 B CN111858820 B CN 111858820B
Authority
CN
China
Prior art keywords
data
target
poi
weight
land
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010728273.3A
Other languages
English (en)
Other versions
CN111858820A (zh
Inventor
路新江
黄上佛
熊辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010728273.3A priority Critical patent/CN111858820B/zh
Publication of CN111858820A publication Critical patent/CN111858820A/zh
Priority to US17/208,671 priority patent/US20210224821A1/en
Application granted granted Critical
Publication of CN111858820B publication Critical patent/CN111858820B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了用地性质识别方法、装置、电子设备及存储介质，涉及人工智能、大数据及地图技术领域。具体实现方案为：获取兴趣点(POI)数据及兴趣面(AOI)数据；根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区；将获取的POI数据关联到至少一个街区中对应的目标街区；得到目标街区中分别对应各POI数据相应类别的第一权重集合、及得到目标街区中分别对应各AOI数据相应面积的第二权重集合，根据第一权重集合、第二权重集合及预设的用地分类标准，得到用地性质权重集合；根据用地性质权重集合中权重值大于其他所有权重的目标权重，识别出目标街区的用地性质。采用本申请，可以提高用地性质识别的准确性。

Description

用地性质识别方法、装置、电子设备及存储介质
技术领域
本申请涉及信息处理领域。本申请尤其涉及人工智能、大数据及地图技术领域，可应用于与用地性质相关的识别及识别比对、用地性质展示等领域。
背景技术
城市用地性质分类为城市规划提供了重要的参考依据，从而使得城市管理人员可以科学合理地分配城市资源，为城市发展奠定基础。
在城市发展初期，城市用地的分布相对集中且简单，而随着城市的发展，城市用地的分布愈发变得碎片化、复杂化，而且同一区域的用地性质也会随着时间迁移发生改变，需要能实现更细粒度的用地性质识别方案。对此，相关技术中未存在有效的解决方案。
发明内容
本申请提供了一种用地性质识别方法、装置、电子设备及存储介质。
根据本申请的一方面，提供了一种用地性质识别方法，包括：
获取兴趣点(POI，Point-of-Interest)数据及兴趣面(AOI，Area-of-Interest)数据；
根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区；
将获取的POI数据关联到所述至少一个街区中对应的目标街区；
响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合；
响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合；
根据所述第一权重集合、所述第二权重集合及预设的用地分类标准，得到用地性质权重集合；
根据所述用地性质权重集合中权重值大于其他所有权重的目标权重，识别出所述目标街区的用地性质。
根据本申请的另一方面，提供了一种用地性质识别装置，包括：
数据获取模块，用于获取POI数据及AOI数据；
街区划分模块，用于根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区；
数据关联模块，用于将获取的POI数据关联到所述至少一个街区中对应的目标街区；
第一响应模块，用于响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合；
第二响应模块，用于响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合；
处理模块，用于根据所述第一权重集合、所述第二权重集合及预设的用地分类标准，得到用地性质权重集合；
识别模块，用于根据所述用地性质权重集合中权重值大于其他所有权重的目标权重，识别出所述目标街区的用地性质。
根据本申请的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本申请任意一实施例所提供的方法。
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使该计算机执行本申请任意一项实施例所提供的方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
采用本申请，可以获取POI数据及AOI数据，根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区。由于是将获取的POI数据关联到至少一个街区中对应的目标街区后得到目标街区中分别对应各POI数据相应类别的第一权重集合、及得到目标街区中分别对应各AOI数据相应面积的第二权重集合，然后根据第一权重集合、第二权重集合及预设的用地分类标准，可以得到用地性质权重集合，因此，可以根据用地性质权重集合中权重值大于其他所有权重的目标权重，识别出目标街区的用地性质，从而提高了用地性质识别的准确性。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是应用于本申请实施例的一POI数据及AOI数据的数据交互硬件实体示意图；
图2是根据本申请实施例的用地性质识别方法的流程示意图；
图3是根据本申请实施例的用地性质识别方法的流程示意图；
图4是根据本申请实施例的一应用示例的运算得到面积权重的流程图；
图5是根据本申请实施例的一应用示例的用地性质识别方法流程图；
图6是根据本申请实施例的一应用示例的识别准确率对比示意图；
图7是根据本申请实施例的用地性质识别装置的组成结构示意图；
图8是用来实现本申请实施例的用地性质识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分，并不是限定顺序的意思，或者限定只有两个的意思，例如，第一特征和第二特征，是指代有两类/两个特征，第一特征可以为一个或多个，第二特征也可以为一个或多个。
另外，为了更好的说明本申请，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本申请的主旨。
图1是应用于本申请实施例的一POI数据及AOI数据的数据交互硬件实体示意图，图1中包括：服务器11(如一个服务器构成、或由多个服务器构成的服务器集群)、各终端(终端21-终端26)，比如台式机，PC机，手机，一体机等类型，及各硬件实体之间交互的POI数据及AOI数据31-POI数据及AOI数据33。其中，各终端可以通过有线网络或者无线网络与服务器11进行POI数据及AOI数据的数据交互。
所述POI数据及AOI数据，可以基于终端采集得到、也可以从服务器下载得到，可以将POI数据、AOI数据、以及基于路网信息得到的街区融合在一起，并对街区的用地性质进行精准的识别。
上述图1的例子只是实现本申请实施例的一个***架构实例，本申请实施例并不限于上述图1所述的***结构，基于该***架构，提出本申请各个实施例。
先介绍下本文所提及的几个技术名称，描述如下：
1)POI数据：代表了城市中真实存在的具有地理位置信息的物理实体，如商铺、学校、居民区、医院等等。一个POI应具备地理坐标信息、类别信息、名称、位置等基本属性。
2)AOI数据：也称为POI面状数据，指具有几何边界信息的兴趣点，AOI数据除了具备POI数据的所有基本属性之外，还具备几何边界信息，以表示一个AOI的覆盖范围，如居民区、学校、风景区等。
3)存在父子关系的POI：POI数据之间可以存在父子关系，如某科技园停车场是该科技园的子POI。一个父POI可以包含多个子POI，一个POI最多属于一个父POI。
4)街区：基于路网信息划分城市区域，可以得到由道路线段所围成的多边形区域，该多边形区域称之为街区，可以采用Block来表示。
根据本申请的实施例，提供了一种用地性质识别方法，图2是根据本申请实施例的用地性质识别方法的流程示意图，该方法可以应用于用地性质识别装置，例如，该装置可以部署于终端或服务器或其它处理设备执行的情况下，可以执行与用地性质识别相关的各处理。其中，终端可以为用户设备(UE，User Equipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(PDA，Personal Digital Assistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图2所示，包括：
S101、获取POI数据及AOI数据。
一示例中，POI数据可以是一栋房子、一个商铺、一个小区门口或一个公交站等；AOI数据可以是包括一个居民小区、一所大学、一个写字楼、一个产业园区、一个综合商场、一个医院、一个景区或一个体育馆等。AOI相比POI，具有更好的表达力，更有区域代表性。也具备更好的稳定性，相比POI位置的瞬息万变，AOI所表达的地理实体变化频率会低很多，由此可知，将POI数据和AOI数据结合在一起，来考虑后续的用地性质识别，确保了用于数据的可靠性，从而可以提高用地性质识别的准确性。
S102、根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区。
一示例中，可以基于路网信息(如道路的路网信息)来划分城市区域(如整个城市如北京市等；或各个行政区如北京东城区、北京西城区等；或非行政区的常用区域如北京的后海或三里屯等)，可以得到该城市区域中由道路线段所围成的多边形区域，该多边形区域称之为街区。
S103、将获取的POI数据关联到所述至少一个街区中对应的目标街区。
一示例中，可以获取该POI数据对应的POI坐标，将该POI数据基于该POI坐标与目标街区进行关联，以将该POI数据划分到该目标街区中。
S104、响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合。
一示例中，可以基于POI数据所构成的第一数据集合，获取该第一数据集合中的每个目标POI的所属类别。针对每个目标POI的所属类别进行统计处理，以得到用于第一权重运算的至少一个频率参数。可以根据该至少一个频率参数得到该第一权重集合。
S105、响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合。
一示例中，可以基于AOI数据得到AOI数据对应的面积占比，选取所述面积占比中的目标面积占比，根据该目标面积占比得到第二权重集合。
S106、根据所述第一权重集合、所述第二权重集合及预设的用地分类标准，得到用地性质权重集合。
S107、根据所述用地性质权重集合中权重值大于其他所有权重的目标权重，识别出所述目标街区的用地性质。
一示例中，针对S106-S107，用地分类标准可以为给定的城市用地分类标准(如国标GB-50137-2018)，由于可以将该城市用地分类标准与POI数据的类别信息(即上述每个目标POI的所属类别)进行关联，因此，可以根据第一权重集合、所述第二权重集合得到最具备用地性质代表性的权重，即用地性质权重集合中权重值大于其他所有权重的目标权重(目标权重可以为最大权重)，将该最大权重结合该城市用地分类标准，可以识别出该目标街区的用地性质。
采用本申请，可以获取POI数据及AOI数据，根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区。由于是将获取的POI数据关联到至少一个街区中对应的目标街区后得到目标街区中分别对应各POI数据相应类别的第一权重集合、及得到目标街区中分别对应各AOI数据相应面积的第二权重集合，然后根据第一权重集合、第二权重集合及预设的用地分类标准，可以得到用地性质权重集合，因此，可以根据用地性质权重集合中权重值大于其他所有权重的目标权重，识别出目标街区的用地性质，从而提高了用地性质识别的准确性。
本申请与相关技术相比，相关技术中，针对用地性质的识别，通常是需要专业的测绘人员进行实地考察、调研的方式来实现。不仅占用大量人工成本，且识别效率低、识别所覆盖的区域范围有限，识别过程难以精细化，也无法做到及时更新。而采用本申请，可以通过融合POI数据、基于路网信息得到的街区、以及AOI数据识别出相比相关技术的街区级别更为细粒度的用地性质分布，以得到街区的用地性质，而且无需借助人工，可以通过上述S101-S107的处理逻辑实现自动化的用地性质识别。
根据本申请的实施例，提供了一种用地性质识别方法，图3是根据本申请实施例的用地性质识别方法的流程示意图，如图3所示，包括：
S201、获取POI数据及AOI数据。
一示例中，POI数据可以是一栋房子、一个商铺、一个小区门口或一个公交站等；AOI数据可以是包括一个居民小区、一所大学、一个写字楼、一个产业园区、一个综合商场、一个医院、一个景区或一个体育馆等。AOI相比POI，具有更好的表达力，更有区域代表性。也具备更好的稳定性，相比POI位置的瞬息万变，AOI所表达的地理实体变化频率会低很多，由此可知，将POI数据和AOI数据结合在一起，来考虑后续的用地性质识别，确保了用于数据的可靠性，从而可以提高用地性质识别的准确性。
S202、根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区。
一示例中，可以基于路网信息(如道路的路网信息)来划分城市区域(如整个城市如北京市等；或各个行政区如北京东城区、北京西城区等；或非行政区的常用区域如北京的后海或三里屯等)，可以得到该城市区域中由道路线段所围成的多边形区域，该多边形区域称之为街区。
S203、获取所述目标街区中存在父子关系的POI数据，删除所述存在父子关系的POI数据中的子POI数据后得到待处理的POI数据。
S204、将待处理的POI数据关联到所述至少一个街区中对应的目标街区。
一示例中，可以获取该待处理的POI数据对应的POI坐标，将该待处理的POI数据基于该POI坐标与目标街区进行关联，以将该待处理的POI数据划分到该目标街区中。
S205、响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合。
一示例中，可以基于POI数据所构成的第一数据集合，获取该第一数据集合中的每个目标POI的所属类别。针对每个目标POI的所属类别进行统计处理，以得到用于第一权重运算的至少一个频率参数。可以根据该至少一个频率参数得到该第一权重集合。
S206、响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合。
一示例中，可以基于AOI数据得到AOI数据对应的面积占比，选取所述面积占比中的目标面积占比，根据该目标面积占比得到第二权重集合。
S207、根据所述第一权重集合、所述第二权重集合及预设的用地分类标准，得到用地性质权重集合。
S208、根据所述用地性质权重集合中权重值大于其他所有权重的目标权重，识别出所述目标街区的用地性质。
一示例中，针对S207-S208，用地分类标准可以为给定的城市用地分类标准(如国标GB-50137-2018)，由于可以将该城市用地分类标准与POI数据的类别信息(即上述每个目标POI的所属类别)进行关联，因此，可以根据第一权重集合、所述第二权重集合得到最具备用地性质代表性的权重，即用地性质权重集合中权重值大于其他所有权重的目标权重(目标权重可以为最大权重)，将该最大权重结合该城市用地分类标准，可以识别出该目标街区的用地性质。
采用本申请，可以获取POI数据及AOI数据，根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区。还可以获取所述目标街区中存在父子关系的POI数据，删除所述存在父子关系的POI数据中的子POI数据后得到待处理的POI数据，从而减少非必要且不具备用地性质识别代表性的子POI，保留必要且具备用地性质识别代表性的父POI即可，不仅不会降低识别准确性，还可以提高识别的处理效率。而且，由于是将获取的POI数据关联到至少一个街区中对应的目标街区后得到目标街区中分别对应各POI数据相应类别的第一权重集合、及得到目标街区中分别对应各AOI数据相应面积的第二权重集合，然后根据第一权重集合、第二权重集合及预设的用地分类标准，可以得到用地性质权重集合，因此，可以根据用地性质权重集合中权重值大于其他所有权重的目标权重，识别出目标街区的用地性质，从而提高了用地性质识别的准确性。
一实施方式中，所述响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合，包括：将获取的所述各POI数据作为第一数据集合；针对于所述第一数据集合中的每个目标POI，获取所述目标POI的所属类别，所述各POI数据中出现的所有POI的所属类别构成用于表征POI类别的第二数据集合；对于所述第二数据集合中的每个目标POI的所属类别进行统计处理，得到第一频率参数及第二频率参数；根据所述第一频率参数及所述第二频率参数进行加权运算，得到所述第一权重集合。
其中，所述对于所述第二数据集合中的每个目标POI的所属类别进行统计处理，得到第一频率参数及第二频率参数，包括：统计所述目标POI的所属类别在所述目标街区中出现的频率(如次数)，得到所述第一频率参数(如词频参数)，统计所述目标POI的所属类别在各行政级别区域(如全市，也可以指定其他行政级别，如省、区/县等)中出现在街区级别数据时相应的街区数量，根据所述街区数量得到所述第二频率参数(如逆文本频率指数)。
一示例中，将获取的POI数据记为集合P，对于P中的每个目标POI获取所述目标POI的所属类别，所述POI数据中出现的所有POI的所属类别构成POI类别集合。对于所述POI类别集合中的每个目标POI的所属类别，统计所述目标POI的所属类别在所述目标街区中出现的频率，得到第一频率参数，统计所述目标POI的所属类别在各行政级别区域中出现在街区级别数据时相应的街区数量，根据所述街区数量得到第二频率参数。根据所述第一频率参数及所述第二频率参数进行加权运算，得到所述第一权重集合。
一实施方式中，所述响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合，包括：从获取的所述各AOI数据对应的面积占比中选取目标面积占比。该目标面积占比为：在所述目标街区中面积占比大于其他所有面积占比所表征用地性质的目标面积占比，即面积占比代表最大用地性质的面积占比。在目标面积占比符合占比阈值的情况下，根据所述目标面积占比得到所述第二权重集合。
一实施方式中，还包括：获取所述目标街区中除了各AOI数据对应面积之外的剩余用地；根据对所述剩余用地的占比运算，得到剩余用地的面积占比；根据所述剩余用地的面积占比及剩余用地性质数量，得到剩余用地性质平均占比；根据所述剩余用地性质平均占比，对所述第二权重集合进行调整，得到调整后的第二目标权重集合。本实施方式中，除了考虑AOI数据对应面积占比，还加入剩余用地的考虑，从而结合该基于AOI得到的面积权重，可以得到对街区进行更精确的用地性质识别。
应用示例：
应用本申请实施例一处理流程包括如下内容：
一、输入如下三部分类型的数据：
1、POI数据：代表了城市中真实存在的具有地理位置信息的物理实体，如商铺、学校、居民区、医院等等。一个POI应具备地理坐标信息、类别信息、名称、位置等基本属性。
2、AOI数据：指具有几何边界信息的POI，AOI除了具备POI的所有基本属性之外，还具备几何边界信息，表示一个AOI的覆盖范围，如居民区、学校、风景区等。
3、POI父子关系：POI存在父子关系，如某科技园停车场是该科技园的子POI。
二、数据预处理：
1、细粒度区域划分：基于路网信息划分城市区域，从而得到由道路线段所围成的多边形区域，即街区。
2、根据给定的城市用地分类标准(如国标GB-50137-2018)以及POI的类别信息，构建由POI类别信息到用地性质的映射表。映射表的一个示例如下：
{’房地产；住宅区’:’居住用地’,
‘房地产；写字楼’:‘商务用地’
}.
3、根据POI坐标，将街区与POI进行关联，即根据POI的坐标将已知POI集合划分到不同的街区中。
4、根据POI父子关系，在给定街区内部，如果一个POI仅仅作为子POI出现，则将该POI剔除。
三、根据与街区关联的POI集合，计算Block的主题分布。
可以将街区内的全部POI看作一篇文档，将POI所属的类别(tag)作为该文档中的词，利用词频-逆文本频率(TF-IDF，Term Frequency–inverse Document Frequency)算法，计算街区中包含的各POI的tag的权重。
其中，可以根据指定POI的tag进行如下TF-IDF运算，分为如下分内容：
1、词频(TF，Term Frequency)：统计给定POI的tag在街区内出现的次数；
2、逆文本频率指数(IDF，Inverse Document Frequency)：计算给POI的定tag在全市(也可以指定其他行政级别，如省、区/县等)所出现的街区数量，记为DF，取其倒数为IDF。
3、将TF与IDF相乘，便得到给定POI的tag的TF-IDF权重。
4、给定街区，利用AOI数据，计算街区内部不同POI的tag的面积权重。
图4是根据本申请实施例的一应用示例的运算得到面积权重的流程图，如图4所示，可以判断给定街区内是否有AOI数据，如果否，则将各用地性质的面积权重设置为1，如果是，则继续判断给定街区内面积最大用地性质占比是否大于占比阈值(α)。
判断给定街区内面积最大用地性质占比是否大于α，如果否，则计算各用地性质的面积权重，计算公式可以为：各用地性质的面积权重＝1/街区内用地性质数量；如果是，则对于存在面积的用地类别面积占比作为面积权重(面积权重构成上述本申请实施例中的第二权重集合)，计算剩余用地性质的平均占比，计算公式可以为：剩余用地性质的平均占比＝剩余面积占比/剩余用地性质数量。
继续判断剩余用地性质平均占比是否大于最大面积占比，如果是，则更新上述剩余用地性质的平均占比，计算公式可以为：更新后的剩余用地性质的平均占比＝剩余面积最大面积占比/剩余用地性质数量。也就是说，引入对剩余用地的占比运算，得到剩余用地的面积占比，以结合上述面积权重来调整，构成上述本申请实施例中的调整后的第二目标权重集合。如果否，则结束当前面积权重的流程。
5、为给定街区内的所有POI的tag计算TF-IDF权重和面积权重，将二者相乘，得到该POI的tag在给定街区中的权重，通过查找POI类别信息到用地性质的映射表，将该POI的tag计算出的权重，作为相应用地性质的权重。同时，以街区中权重最大的用地性质作为给定街区的代表用地性质。
图5是根据本申请实施例的一应用示例的用地性质识别方法流程图，如图5所示，获取街区的数据、AOI数据及POI数据(包含POI父子关系)，针对POI数据，去除街区内的子POI后计算POI的tag的TFIDF，根据POI的tag的TFIDF来计算POI的tag对应的用地性质的TFIDF(即上述本申请实施例中的第二权重集合)；针对AOI数据，计算AOI数据中所包含POI的面积，计算POI对应的用地面积占比后得到AOI数据对应的面积权重；将POI的tag的TFIDF与AOI数据对应的面积权重进行加权运算(比如将二者权重相乘)后，选取加权运算得到权重值(即上述本申请实施例中的用地性质权重集合)中，权重最高的用地性质(即上述本申请实施例中的目标权重)，并作为给到街区的代表用地性质，结束对用地性质的识别流程。
采用本申请的用地性质识别方法得到目标街区的用地性质后，还可以进一步对识别的准确率进行评估，图6是根据本申请实施例的一应用示例的识别准确率对比示意图，如图6所示，包括如下内容：
一、人工标注
从北京市抽样3％的街区，共300个街区，进行人为标注用地性质。根据标注结果，评估用地识别算法的识别准确率。
二、对比算法
为了评估本申请的用地性质识别方法，可以采用如下多种基准方法进行对比。
a)对比算法一：利用地图的检索数据统计POI搜索次数，进而以此作为对应用地性质的权重，并以权重最高的用地性质作为给定街区的用地性质。
b)对比算法二：以POI tag的TF-IDF作为对应用地性质在给定街区中的权重。
c)对比算法三：结合基准方法一和基准方法二，即：对POI的检索次数进行归一化，作为搜索权重，再计算POI tag的TF-IDF值，最后将二者相乘作为POI tag的权重，通过查找用地性质映射表，经计算的权重作为对应用地性质的权重。
对采用上述各个对比算法得到的识别结果，对比分析如下：
计算各算法的识别准确率，发现提出的算法识别准确率最高，达到76％。图6展示了各识别算法的准确率。从图6中可以看出，本申请的用地性质识别方法的识别准确率明显比前三种算法更好，原因是：本申请的用地性质识别方法采用了POI面积作为主要的识别特征，而区域的用地性质主要取决于面积最大的POI，因此识别效果好。算法三将POI的搜索次数与TF-IDF相结合，反而比只用TF-IDF效果差，说明POI的搜索次数在决定区域的用地性质中并不能提升识别准确率。
采用本申请的用地性质识别方法得到目标街区的用地性质后，还可以进一步展示出识别效果图(未显示)。比如，可以展示以北京市为目标区域的细粒度用地性质识别结果，可以在识别效果图中，采用不同的颜色代表不同的用地性质。一般来说，在北京市中心还是居住用地最多，其他的各用地性质错落分布。还可以在点击北京市的某个区域(如东城区)后，会展示出以饼图形式显示的该街区的各用地的组成及占比。
采用本应用示例，可以通过融合POI信息、道路路网信息和AOI数据，识别出街区级别的细粒度用地分布，不仅识别准确性高，而且能够及时反映城市用地变迁。
根据本申请的实施例，提供了一种用地性质识别装置，图7是根据本申请实施例的用地性质识别装置的组成结构示意图，如图7所示，包括：数据获取模块41，用于获取POI数据及AOI数据；街区划分模块42，用于根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区；数据关联模块43，用于将获取的POI数据关联到所述至少一个街区中对应的目标街区；第一响应模块44，用于响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合；第二响应模块45，用于响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合；处理模块46，用于根据所述第一权重集合、所述第二权重集合及预设的用地分类标准，得到用地性质权重集合；识别模块47，用于根据所述用地性质权重集合中权重值大于其他所有权重的目标权重，识别出所述目标街区的用地性质。
一实施方式中，该装置还包括数据删除模块，用于获取所述目标街区中存在父子关系的POI数据；删除所述存在父子关系的POI数据中的子POI数据。
一实施方式中，所述数据关联模块，用于获取所述POI数据对应的POI坐标；将所述POI数据，基于所述POI坐标与所述目标街区进行关联，以将所述POI数据划分到所述目标街区中。
一实施方式中，所述第一响应模块，包括：第一获取子模块，用于将获取的所述各POI数据作为第一数据集合；第二获取子模块，用于针对于所述第一数据集合中的每个目标POI，获取所述目标POI的所属类别，所述各POI数据中出现的所有POI的所属类别构成用于表征POI类别的第二数据集合；
统计子模块，用于对于所述第二数据集合中的每个目标POI的所属类别进行统计处理，得到第一频率参数及第二频率参数；第一处理子模块，用于根据所述第一频率参数及所述第二频率参数进行加权运算，得到所述第一权重集合。
一实施方式中，所述第一处理子模块，用于统计所述目标POI的所属类别在所述目标街区中出现的频率，得到所述第一频率参数；统计所述目标POI的所属类别在各行政级别区域中出现在街区级别数据时相应的街区数量，根据所述街区数量得到所述第二频率参数。
一实施方式中，所述第二响应模块，用于从获取的所述各AOI数据对应的面积占比中选取目标面积占比，所述目标面积占比，为在所述目标街区中面积占比大于其他所有面积占比所表征用地性质的目标面积占比；所述目标面积占比符合占比阈值的情况下，根据所述目标面积占比得到所述第二权重集合。
一实施方式中，该装置还包括权重调整模块，用于获取所述目标街区中除了各AOI数据对应面积之外的剩余用地；根据对所述剩余用地的占比运算，得到剩余用地的面积占比；根据所述剩余用地的面积占比及剩余用地性质数量，得到剩余用地性质平均占比；根据所述剩余用地性质平均占比，对所述第二权重集合进行调整，得到调整后的第二目标权重集合。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图8所示，是用来实现本申请实施例的用地性质识别方法的电子设备的框图。该电子设备可以为前述部署设备或代理设备。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的用地性质识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的用地性质识别方法。
存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的用地性质识别方法对应的程序指令/模块(例如，附图7所示的数据获取模块、街区划分模块、数据关联模块、第一响应模块、第二响应模块、处理模块、识别模块等模块)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用地性质识别方法。
存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用地性质识别方法的电子设备，还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
采用本申请，可以获取POI数据及AOI数据，根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区。由于是将获取的POI数据关联到至少一个街区中对应的目标街区后得到目标街区中分别对应各POI数据相应类别的第一权重集合、及得到目标街区中分别对应各AOI数据相应面积的第二权重集合，然后根据第一权重集合、第二权重集合及预设的用地分类标准，可以得到用地性质权重集合，因此，可以根据用地性质权重集合中权重值大于其他所有权重的目标权重，识别出目标街区的用地性质，从而提高了用地性质识别的准确性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种用地性质识别方法，所述方法包括：
获取兴趣点POI数据及兴趣面AOI数据；
根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区；
将获取的POI数据关联到所述至少一个街区中对应的目标街区；
响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合；
响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合；
根据所述第一权重集合、所述第二权重集合及预设的用地分类标准，得到用地性质权重集合；
根据所述用地性质权重集合中权重值大于其他所有权重的目标权重，识别出所述目标街区的用地性质；
所述响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合，包括：
将获取的所述各POI数据作为第一数据集合；
针对于所述第一数据集合中的每个目标POI，获取所述目标 POI的所属类别，所述各POI数据中出现的所有POI的所属类别构成用于表征POI类别的第二数据集合；
对于所述第二数据集合中的每个目标POI的所属类别进行统计处理，得到第一频率参数及第二频率参数；
根据所述第一频率参数及所述第二频率参数进行加权运算，得到所述第一权重集合；
所述响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合，包括：
从获取的所述各AOI数据对应的面积占比中选取目标面积占比，所述目标面积占比，为在所述目标街区中面积占比大于其他所有面积占比所表征用地性质的目标面积占比；
所述目标面积占比符合占比阈值的情况下，根据所述目标面积占比得到所述第二权重集合。
2.根据权利要求1所述的方法，还包括：
获取所述目标街区中存在父子关系的POI数据；
删除所述存在父子关系的POI数据中的子POI数据。
3.根据权利要求1或2所述的方法，其中，所述将获取的POI数据关联到所述至少一个街区中对应的目标街区，包括：
获取所述 POI数据对应的POI坐标；
将所述 POI数据，基于所述POI坐标与所述目标街区进行关联，以将所述POI数据划分到所述目标街区中。
4.根据权利要求 1所述的方法，其中，所述对于所述第二数据集合中的每个目标POI的所属类别进行统计处理，得到第一频率参数及第二频率参数，包括：
统计所述目标POI的所属类别在所述目标街区中出现的频率，得到所述第一频率参数；
统计所述目标POI的所属类别在各行政级别区域中出现在街区级别数据时相应的街区数量，根据所述街区数量得到所述第二频率参数。
5.根据权利要求1所述的方法，还包括：
获取所述目标街区中除了各AOI数据对应面积之外的剩余用地；
根据对所述剩余用地的占比运算，得到剩余用地的面积占比；
根据所述剩余用地的面积占比及剩余用地性质数量，得到剩余用地性质平均占比；
根据所述剩余用地性质平均占比，对所述第二权重集合进行调整，得到调整后的第二目标权重集合。
6.一种用地性质识别装置，所述装置包括：
数据获取模块，用于获取兴趣点POI数据及兴趣面AOI数据；
街区划分模块，用于根据路网信息划分待识别的目标区域，得到目标区域中的至少一个街区；
数据关联模块，用于将获取的POI数据关联到所述至少一个街区中对应的目标街区；
第一响应模块，用于响应于POI数据的权重处理，得到所述目标街区中分别对应各POI数据相应类别的第一权重集合；
第二响应模块，用于响应于AOI数据的权重处理，得到所述目标街区中分别对应各AOI数据相应面积的第二权重集合；
处理模块，用于根据所述第一权重集合、所述第二权重集合及预设的用地分类标准，得到用地性质权重集合；
识别模块，用于根据所述用地性质权重集合中权重值大于其他所有权重的目标权重，识别出所述目标街区的用地性质；
所述第一响应模块，包括：
第一获取子模块，用于将获取的所述各POI数据作为第一数据集合；
第二获取子模块，用于针对于所述第一数据集合中的每个目标POI，获取所述目标 POI的所属类别，所述各POI数据中出现的所有POI的所属类别构成用于表征POI类别的第二数据集合；
统计子模块，用于对于所述第二数据集合中的每个目标POI的所属类别进行统计处理，得到第一频率参数及第二频率参数；
第一处理子模块，用于根据所述第一频率参数及所述第二频率参数进行加权运算，得到所述第一权重集合；
所述第二响应模块，用于：
从获取的所述各AOI数据对应的面积占比中选取目标面积占比，所述目标面积占比，为在所述目标街区中面积占比大于其他所有面积占比所表征用地性质的目标面积占比；
所述目标面积占比符合占比阈值的情况下，根据所述目标面积占比得到所述第二权重集合。
7.根据权利要求6所述的装置，还包括数据删除模块，用于：
获取所述目标街区中存在父子关系的POI数据；
删除所述存在父子关系的POI数据中的子POI数据。
8.根据权利要求6或7所述的装置，其中，所述数据关联模块，用于：
获取所述 POI数据对应的POI坐标；
将所述 POI数据，基于所述POI坐标与所述目标街区进行关联，以将所述POI数据划分到所述目标街区中。
9.根据权利要求6所述的装置，其中，所述第一处理子模块，用于：
统计所述目标POI的所属类别在所述目标街区中出现的频率，得到所述第一频率参数；
统计所述目标POI的所属类别在各行政级别区域中出现在街区级别数据时相应的街区数量，根据所述街区数量得到所述第二频率参数。
10.根据权利要求6所述的装置，还包括权重调整模块，用于：
获取所述目标街区中除了各AOI数据对应面积之外的剩余用地；
根据对所述剩余用地的占比运算，得到剩余用地的面积占比；
根据所述剩余用地的面积占比及剩余用地性质数量，得到剩余用地性质平均占比；
根据所述剩余用地性质平均占比，对所述第二权重集合进行调整，得到调整后的第二目标权重集合。
11.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202010728273.3A 2020-07-24 2020-07-24 用地性质识别方法、装置、电子设备及存储介质 Active CN111858820B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010728273.3A CN111858820B (zh) 2020-07-24 2020-07-24 用地性质识别方法、装置、电子设备及存储介质
US17/208,671 US20210224821A1 (en) 2020-07-24 2021-03-22 Land usage property identification method, apparatus, electronic device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010728273.3A CN111858820B (zh) 2020-07-24 2020-07-24 用地性质识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111858820A CN111858820A (zh) 2020-10-30
CN111858820B true CN111858820B (zh) 2024-02-09

Family

ID=72947039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010728273.3A Active CN111858820B (zh) 2020-07-24 2020-07-24 用地性质识别方法、装置、电子设备及存储介质

Country Status (2)

Country Link
US (1) US20210224821A1 (zh)
CN (1) CN111858820B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210342962A1 (en) * 2009-08-31 2021-11-04 Leigh W Budlong System and method for standardizing and tracking land use utility
CN113298144A (zh) * 2021-05-24 2021-08-24 中南大学 一种基于多源数据的城市三生空间识别与格局分析方法
CN113590674A (zh) * 2021-06-29 2021-11-02 北京百度网讯科技有限公司 出行目的识别方法、装置、设备及存储介质
CN113902185B (zh) * 2021-09-30 2023-10-31 北京百度网讯科技有限公司 区域用地性质的确定方法、装置、电子设备及存储介质
CN113867407B (zh) * 2021-11-10 2024-04-09 广东电网能源发展有限公司 基于无人机的施工辅助方法、***、智能设备和存储介质
CN114359610B (zh) * 2022-02-25 2023-04-07 北京百度网讯科技有限公司 实体分类的方法、装置、设备以及存储介质
CN114820960B (zh) * 2022-04-18 2022-12-16 北京百度网讯科技有限公司 构建图谱的方法、装置、设备和介质
CN115577862B (zh) * 2022-12-07 2023-04-14 国网浙江省电力有限公司 基于多能协同的能源数据规划处理方法及装置
CN115600075B (zh) * 2022-12-12 2023-04-28 深圳市城市规划设计研究院股份有限公司 景观斑块变化的测度方法和装置、电子设备及存储介质
CN116384157B (zh) * 2023-05-26 2023-08-18 北京师范大学 土地利用变化模拟方法
CN116976568B (zh) * 2023-09-25 2023-12-22 深圳文科园林股份有限公司 一种辅助城乡规划编制的数据共享方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260392A (zh) * 2020-01-07 2020-06-09 广州大学 一种基于多源大数据的自动售货机选址方法及装置
CN111382330A (zh) * 2020-03-10 2020-07-07 智慧足迹数据科技有限公司 一种土地用地性质识别方法、装置、电子设备及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7715981B2 (en) * 2004-09-27 2010-05-11 Travelocity.Com Lp System, method and computer program product for searching and retrieving ranked points of interest within a polygonal area of interest
US10074145B2 (en) * 2009-08-31 2018-09-11 Leigh Budlong Methods for the transformation of complex zoning codes and regulations to produce usable search
EP3830712A1 (en) * 2018-08-01 2021-06-09 Landclan Limited Land acquisition and property development analysis platform
CN109582754A (zh) * 2018-12-10 2019-04-05 中国测绘科学研究院 利用poi数据进行城市主体功能区中心探测的方法
US11798110B2 (en) * 2019-02-13 2023-10-24 Gridics Llc Systems and methods for determining land use development potential
CN112925773A (zh) * 2019-12-10 2021-06-08 中国再保险(集团)股份有限公司 一种构建行业风险暴露数据库的poi数据清洗与融合方法及装置
CN111797188B (zh) * 2020-06-28 2024-03-01 武汉大学 一种基于开源地理空间矢量数据的城市功能区定量识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260392A (zh) * 2020-01-07 2020-06-09 广州大学 一种基于多源大数据的自动售货机选址方法及装置
CN111382330A (zh) * 2020-03-10 2020-07-07 智慧足迹数据科技有限公司 一种土地用地性质识别方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于POI数据的城市功能区定量识别及其可视化;池娇;焦利民;董婷;谷岩岩;马雅兰;;测绘地理信息;41(第02期);58-73 *

Also Published As

Publication number Publication date
CN111858820A (zh) 2020-10-30
US20210224821A1 (en) 2021-07-22

Similar Documents

Publication Publication Date Title
CN111858820B (zh) 用地性质识别方法、装置、电子设备及存储介质
CN110726418B (zh) 兴趣点区域确定方法、装置、设备及存储介质
US11361005B2 (en) Method for processing map data, device, and storage medium
CN111695488B (zh) 兴趣面识别方法、装置、设备以及存储介质
KR101721114B1 (ko) 위치정보가 포함된 포인트 데이터를 다축척의 웹 지도상에 클러스터링하기 위하여 격자의 크기를 결정하는 방법
CN111221867B (zh) 一种保护性建筑信息管理***
CN112000893B (zh) 常驻区域预测方法、装置、设备及存储介质
CN113902185B (zh) 区域用地性质的确定方法、装置、电子设备及存储介质
CN111966925B (zh) 楼栋兴趣点判重方法、装置、电子设备和存储介质
CN113342912A (zh) 地理位置区域的编码方法、建立编码模型的方法及装置
CN111666461B (zh) 检索地理位置的方法、装置、设备和计算机存储介质
CN111563448A (zh) 一种违章建筑物检测方法、装置、电子设备和存储介质
CN111667095A (zh) 预测经济状态、建立经济状态预测模型的方法及对应装置
CN114372133A (zh) 查询信息问答方法、相关装置及计算机程序产品
CN111523061A (zh) 用于生成兴趣面的方法和装置
CN112100302A (zh) 地图信息点的显示方法、装置、设备和可读存储介质
CN113160693A (zh) 一种道路路口的处理方法、装置、设备和存储介质
CN111694914B (zh) 用户常驻区域确定方法及装置
CN114549058A (zh) 选址方法、装置、电子设备和可读存储介质
CN110895543B (zh) 人口迁徙跟踪展示方法、装置及存储介质
CN111382165A (zh) 一种移动国土管理***
CN111966768B (zh) 地址描述方法、装置、电子设备和存储介质
CN115687587A (zh) 一种基于位置信息的物联设备与空间对象关联匹配方法、装置、设备及介质
CN111858807B (zh) 一种任务处理方法、装置、设备以及存储介质
CN113761381B (zh) 兴趣点推荐的方法、装置、设备以及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant