針對(duì)人口普查統(tǒng)計(jì)中獲取精細(xì)尺度的人口分布信息的問(wèn)題,該文以廣州市中心六區(qū)為例,利用夜間燈光、興趣點(diǎn)及土地利用等多源地理信息數(shù)據(jù),基于分區(qū)建模思想,運(yùn)用機(jī)器學(xué)習(xí)算法開(kāi)展了人口分布格網(wǎng)模擬研究。結(jié)果表明,基于分區(qū)策略和機(jī)器學(xué)習(xí)算法的人口分布模擬結(jié)果與實(shí)際人口的相關(guān)系數(shù)為0.834,擬合優(yōu)度R²為0.695。與基于不分區(qū)的人口分布格網(wǎng)模型相比,誤差下降明顯,模擬精度更高,結(jié)果與研究區(qū)實(shí)際情況更為吻合。 

【文章來(lái)源】：測(cè)繪科學(xué). 2020,45(09)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

基于人口集聚度的分區(qū)圖

針對(duì)人口密集地區(qū),基于線性回歸模型和隨機(jī)森林模型,分別實(shí)現(xiàn)人口密集地區(qū)150 m格網(wǎng)人口分布模擬,模擬結(jié)果見(jiàn)圖2。為了更好地辨析模型的優(yōu)劣,利用GIS分區(qū)統(tǒng)計(jì)工具,以街道名稱(chēng)作為統(tǒng)計(jì)字段,將模擬結(jié)果進(jìn)行統(tǒng)計(jì);然后,基于街道尺度,從相關(guān)系數(shù)R、擬合優(yōu)度R2和平均相對(duì)誤差3個(gè)方面,將兩個(gè)模型的模擬結(jié)果與實(shí)際統(tǒng)計(jì)人口進(jìn)行精度比較。由表2可知,隨機(jī)森林模型模擬結(jié)果與實(shí)際統(tǒng)計(jì)人口的相關(guān)性較為顯著,擬合優(yōu)度較佳,且平均相對(duì)誤差為25.38%,較線性回歸模型的模擬誤差小。因此,在人口密集地區(qū),隨機(jī)森林模型的模擬精度要優(yōu)于線性回歸模型。表2 密集區(qū)模型精度對(duì)比Tab.2 Model Accuracy Comparison in Densely Populated Area 模型 相關(guān)系數(shù)R 擬合優(yōu)度R2 平均相對(duì)誤差/(%) 線性回歸 0.586 0.343 29.28 隨機(jī)森林 0.647 0.412 25.38

針對(duì)非人口密集地區(qū),利用上文構(gòu)建好的線性回歸模型和隨機(jī)森林模型分別實(shí)現(xiàn)非人口密集地區(qū)150 m格網(wǎng)人口模擬,模擬結(jié)果見(jiàn)圖3。為了選取最優(yōu)模擬結(jié)果,利用GIS分區(qū)統(tǒng)計(jì)工具,以街道名稱(chēng)作為統(tǒng)計(jì)字段,將模擬結(jié)果進(jìn)行分街道匯總;然后,基于街道尺度,從相關(guān)系數(shù)R、擬合優(yōu)度R2和絕對(duì)平均誤差3個(gè)方面,將兩個(gè)模型的模擬結(jié)果與實(shí)際統(tǒng)計(jì)人口進(jìn)行比較,結(jié)果如表3所示。一方面,線性回歸模型的模擬結(jié)果與實(shí)際統(tǒng)計(jì)人口的相關(guān)性更為顯著、擬合結(jié)果更佳;另一方面,從絕對(duì)平均誤差來(lái)看,線性回歸模型的模擬結(jié)果絕對(duì)平均誤差要較隨機(jī)森林模型的模擬結(jié)果小。因此,在非人口密集地區(qū),線性回歸模型的模擬效果較優(yōu)。表3 非密集區(qū)模型精度對(duì)比Tab.3 Model Comparison Results in Non-densely Populated Area 模型 相關(guān)系數(shù)R 擬合優(yōu)度R2 絕對(duì)平均誤差/% 線性回歸 0.92 0.847 13.09 隨機(jī)森林 0.86 0.738 16.09

【參考文獻(xiàn)】：
期刊論文
[1]多源信息多尺度視角的南京市街道級(jí)人口模擬研究[J]. 許玲麗,顏梅春.  測(cè)繪通報(bào). 2019(02)
[2]基于空間句法和LBS大數(shù)據(jù)的合肥市人口分布空間格局研究[J]. 張曉瑞,華茜,程志剛.  地理科學(xué). 2018(11)
[3]基于多源數(shù)據(jù)的北京市朝陽(yáng)區(qū)人口時(shí)空格局評(píng)估與預(yù)測(cè)[J]. 林文棋,陳會(huì)宴,謝盼,李穎,陳清凝,李棟.  地球信息科學(xué)學(xué)報(bào). 2018(10)
[4]基于POI數(shù)據(jù)的人口分布格網(wǎng)化方法研究[J]. 淳錦,張新長(zhǎng),黃健鋒,張鵬程.  地理與地理信息科學(xué). 2018(04)
[5]基于多源數(shù)據(jù)人口分布空間化研究——以河北省張家口市為例[J]. 黃安,許月卿,孫丕苓,劉超,鄭偉然.  資源科學(xué). 2017(11)
[6]基于隨機(jī)森林模型的珠江三角洲30 m格網(wǎng)人口空間化[J]. 譚敏,劉凱,柳林,朱遠(yuǎn)輝,王大山.  地理科學(xué)進(jìn)展. 2017(10)
[7]基于夜間燈光數(shù)據(jù)和空間回歸模型的城市常住人口格網(wǎng)化方法研究[J]. 李翔,陳振杰,吳潔璇,汪文祥,曲樂(lè)安,周琛,韓肖鋒.  地球信息科學(xué)學(xué)報(bào). 2017(10)
[8]基于DMSP/OLS夜間燈光數(shù)據(jù)的天山北坡城市群人口分布空間模擬[J]. 高倩,阿里木江·卡斯木.  西北人口. 2017(03)
[9]2000～2010年南京都市區(qū)人口空間變動(dòng)特征研究[J]. 曾文,張小林,向梨麗,王亞華.  地理科學(xué). 2016(01)
[10]智能手機(jī)定位數(shù)據(jù)應(yīng)用于城市研究的進(jìn)展與展望[J]. 郭璨,甄峰,朱壽佳.  人文地理. 2014(06)

碩士論文
[1]城市人口數(shù)據(jù)空間化研究[D]. 毛瑩瑩.福建師范大學(xué) 2016
[2]長(zhǎng)三角人口數(shù)據(jù)格網(wǎng)化及其人口空間分布特征分析[D]. 潘順.上海師范大學(xué) 2016
[3]基于格網(wǎng)的人口空間分布特征分析[D]. 顏清梅.四川師范大學(xué) 2013
[4]基于多源數(shù)據(jù)的太湖流域人口空間化研究[D]. 劉煥金.南京農(nóng)業(yè)大學(xué) 2012



本文編號(hào)：3626800