發(fā)布時間：2022-11-05 08:23

　　目前,對于城市功能區(qū)域識別的傳統(tǒng)方法主要包括:實地勘探采集、對航拍圖或遙感圖像進行標注、信息點（Pointof Information,POI）數(shù)據(jù)采集等。上述幾種方法都需要投入極大的人力和物力成本,且由于城市內(nèi)部的變遷,這些動輒需要幾年完成數(shù)據(jù)采集工作的方案已無法滿足時效性的要求。針對上述問題,本文將根據(jù)各區(qū)域一段時間內(nèi)用戶的互聯(lián)網(wǎng)訪問記錄,完成城市功能區(qū)的分類任務(wù),分別從時間維度和用戶維度,挖掘特征,并根據(jù)不同分類算法適用的場景,將提取的特征進行清洗和預(yù)處理工作,使之能在對應(yīng)的算法中發(fā)揮最大效用。時間維度層面,由于數(shù)據(jù)集中有各區(qū)域半年內(nèi)的用戶訪問記錄,考慮到時序性,故提取各區(qū)域在不同時間段的訪問人數(shù)特征,并按照時間先后順序排列,放入長短期記憶（Long Short-Term Memory,LSTM）循環(huán)神經(jīng)網(wǎng)絡(luò)中,完成對數(shù)據(jù)時序性的探索。除了時序性,還應(yīng)考慮:法定假日、雙休日期間用戶上網(wǎng)情況的變化;訪問人數(shù)和訪問人次的差異性;方差、極差、百分位數(shù)等統(tǒng)計特征的影響�；谏鲜鎏卣�,本文使用隨機森林算法,進行特征挖掘。用戶維度層面:一方面依賴人員的流動性,將各功能區(qū)視為點,區(qū)域間相同用戶... 

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 基于時間維度特征的功能區(qū)識別
    2.1 數(shù)據(jù)集介紹與任務(wù)描述
    2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM探索時序特性
        2.2.1 區(qū)域熱度時序特征的提取
        2.2.2 LSTM算法介紹
        2.2.3 LSTM的模型設(shè)計
        2.2.4 實驗結(jié)果分析
    2.3 時間維度特征的深入挖掘
        2.3.1 不同時間粒度特征的提取與相關(guān)統(tǒng)計量計算
        2.3.2 隨機森林算法介紹
        2.3.3 實驗結(jié)果分析
    2.4 小結(jié)
第三章 基于用戶維度特征的功能區(qū)識別
    3.1 用戶維度特征提取
    3.2 LightGBM算法介紹與應(yīng)用
        3.2.1 LightGBM算法原理
        3.2.2 實驗結(jié)果分析
    3.3 小結(jié)
第四章 數(shù)據(jù)降維與集成學(xué)習(xí)方法
    4.1 PCA降維技術(shù)的介紹與應(yīng)用
        4.1.1 PCA原理介紹
        4.1.2 PCA的應(yīng)用
    4.2 集成學(xué)習(xí)方法介紹與應(yīng)用
        4.2.1 集成學(xué)習(xí)介紹
        4.2.2 集成學(xué)習(xí)方法的應(yīng)用
    4.3 小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀碩士學(xué)位期間研究成果及所獲獎勵
學(xué)位論文評閱及答辯情況表


【參考文獻】：
期刊論文
[1]基于光學(xué)和SAR遙感圖像融合的洪災(zāi)區(qū)域檢測方法[J]. 王志豪,李剛,蔣驍.  雷達學(xué)報. 2020(03)
[2]一種高光譜遙感圖像快速譜聚類算法[J]. 張亞平,張宇,楊楠,羅曉,羅謙.  測繪通報. 2019(12)
[3]基于手機信令數(shù)據(jù)的居民出行特征研究[J]. 周劍明.  信息與電腦(理論版). 2019(23)
[4]基于人口熱力圖和土地利用分類實現(xiàn)人流量空間分布的精確提取[J]. 饒穎霞,李響.  測繪與空間地理信息. 2019(09)
[5]運用網(wǎng)絡(luò)核密度估計與克里格插值識別城市功能區(qū)[J]. 黃怡敏,邵世維,雷英哲,田晶.  測繪地理信息. 2019(04)
[6]基于手機信令數(shù)據(jù)的大客流監(jiān)控應(yīng)用研究[J]. 胡忠順,王進,朱亮.  電信技術(shù). 2017(04)
[7]5G通信技術(shù)推動物聯(lián)網(wǎng)產(chǎn)業(yè)鏈發(fā)展[J]. 魏軍.  集成電路應(yīng)用. 2017(01)
[8]基于GIS的直升機電力巡檢缺陷可視化技術(shù)[J]. 于洋,孟小前,王鐵軍,郭曉冰,王欣,王楠.  電子技術(shù)與軟件工程. 2016(22)
[9]5G車聯(lián)網(wǎng)展望[J]. 王良民,劉曉龍,李春曉,楊睛,楊衛(wèi)東.  網(wǎng)絡(luò)與信息安全學(xué)報. 2016(06)
[10]大數(shù)據(jù)條件下城市用地類型辨識研究——基于出租車GPS數(shù)據(jù)的動態(tài)感知[J]. 梁軍輝,林堅,杜洋.  上海國土資源. 2016(01)

博士論文
[1]城市空間數(shù)據(jù)挖掘方法與應(yīng)用研究[D]. 李新運.山東科技大學(xué) 2004

碩士論文
[1]遙感圖像識別分類技術(shù)研究[D]. 王孟文.北京郵電大學(xué) 2017
[2]基于WiFi掃描列表的用戶生活模式挖掘[D]. 趙哲.浙江大學(xué) 2016



本文編號：3702242