کلید واژه ها:
منطقه حاشیه شهری ; فعالیت های صنعتی ; نقطه مورد علاقه دانسی گراف ; تقریب چگالی هسته تطبیقی
۱٫ مقدمه
۲٫ منطقه مطالعه و منبع داده
۲٫۱٫ مروری بر منطقه مورد مطالعه
۲٫۲٫ داده های تجربی و پیش پردازش
۲٫۲٫۱٫ نقطه مورد علاقه
۲٫۲٫۲٫ منطقه نفوذ ناپذیر مصنوعی جهانی (GAIA)
۳٫ روش ها
۳٫۱٫ تخمین چگالی هسته تطبیقی بر اساس LOF (LOF-AKD)
۳٫۱٫۱٫ الگوریتم LOF
تعریف ۱٫
- (۱)
-
حداقل K اشیاء وجود دارد ، به طوری که ;
- (۲)
-
حداقل اشیاء K-1 وجود دارد ، به طوری که
تعریف ۲٫
همسایگی K نقطه O( (O)): در مجموعه نقطه S, O ∈ S، با توجه به فاصله K نقطه O، همسایگی K نقطه O همه نقاط در محدوده فاصله K (شامل فاصله K) نقطه O است، یعنی :
تعریف ۳٫
تعریف ۴٫
چگالی قابل دسترس محلی نقطه O(lrd(O)): در مجموعه نقطه S، ، چگالی قابل دسترس محلی نقطه O برابر است با:
تعریف ۵٫
ضریب پرت محلی نقطه O(LOF(O)): در مجموعه نقطه S, O ∈ S، پس نقطه پرت محلی نقطه O است:
۳٫۱٫۲٫ الگوریتم LOF-AKD
تخمین چگالی هسته یک روش ناپارامتریک برای تخمین تابع چگالی احتمال است. ایده این است که از یک تابع پیک صاف برای نقطه استفاده کنید (i = 1, 2, 3 ……, n) برای انجام گسترش صاف و قرار دادن هر نقطه در یک سطح چگالی احتمال صاف. که در مرکز، به منظور تعیین پهنای باند آن h برای شعاع منطقه، بالاترین احتمال، احتمال هر نقطه مکان در ناحیه مقدار با فاصله تضعیف و ، فاصله ساختن و مرکز نزدیک محل نقطه با احتمال بیشتری برخوردار است، در فاصله ای برابر با پهنای باند ۰ است، مکان احتمال نقطه با روی هم قرار دادن عناصر فضایی چگالی احتمال در همه نقاط، ویژگی های توزیع فضایی چگالی نقطه ای در ناحیه تجمع زیاد و در ناحیه گسسته کم است [ ۱۵ ]. فرمول تخمین چگالی هسته به شرح زیر است:
K (.). تابع هسته استاندارد گاوسی است، همانطور که در رابطه (۶) نشان داده شده است.
میانگین فاصله قابل دسترسی در الگوریتم LOF برای جایگزینی فاصله سنتی در فرمول تخمین چگالی هسته استفاده میشود تا ویژگیهای همسایگی، بهویژه ویژگیهای چگالی، نزدیک نقاط را بهتر منعکس کند. فرمول میانگین فاصله قابل دسترسی به شرح زیر است:
در انتخاب پهنای باند، پهنای باند تطبیقی نشان دهنده میزان پراکندگی مجموعه نقطه محلی است و اندازه پهنای باند باید متناسب با درجه پراکندگی مجموعه نقطه باشد. آن را با عامل پرت محلی LOF مقایسه می شود. LOF < 1 و LOF نزدیک به ۱ نشان دهنده تجمع مجموعه نقطه است و LOF > 1 نشان دهنده پراکندگی مجموعه نقطه است. بنابراین، LOF به عنوان یک شاخص برای تعیین پهنای باند تطبیقی استفاده می شود، در عین حال، با توجه به مشخصه واگرایی تابع پهنای باند، تابع پهنای باند به صورت زیر تعیین می شود:
۳٫۲٫ روش تعیین آستانه چگالی گراف
۳٫۳٫ استخراج اطلاعات کاربری اراضی شهری بر اساس گرید
روش تأیید مورد استفاده در این مقاله مبتنی بر روش تشخیص پنجره کشویی در روش تعریف منطقه حاشیه شهری بر اساس تئوری ساختار شهری منطقهای و نظارت سنجش از دور توسط Mu و همکاران است. [ ۲۲] فرآیند تشخیص عمدتا از دو روش استفاده می کند: روش محاسبه شاخص و روش تقسیم ساختار. ایده اصلی روش محاسبه شاخص، در نظر گرفتن نسبت زمین شهری به عنوان شاخص تقسیم ساختار شهری است. نسبت کاربری زمین شهری به صورت زیر تعریف می شود: در یک پنجره پیکسلی با اندازه معین، نسبت پیکسل کاربری زمین شهری به پیکسل کل، نسبت کاربری شهری پیکسل در مرکز پنجره است. هنگام محاسبه نسبت زمین شهری، ابتدا زمین شهری از تصویر سنجش از دور استخراج می شود تا نقشه توزیع زمین شهری به دست آید. سپس نسبت زمین شهری با عملیات هموارسازی پنجره محاسبه می شود. پنجره ای با اندازه معین در نقشه توزیع زمین شهری باز می شود و نسبت مساحت زمین شهری در پنجره به کل منطقه پنجره شمارش می شود. که به پیکسل مرکزی پنجره اختصاص داده شده است. پنجره را روی نقشه توزیع زمین شهری به ردیف بکشید و تصویر کامل را اسکن کنید تا نقشه مقیاس زمین شهری را دریافت کنید. فرمول محاسبه نسبت به شرح زیر است:
که در آن D(i, j) نسبت کاربری زمین شهری، N اندازه پنجره، g ( i ، j ) مقدار خاکستری یک پیکسل در نقشه توزیع کاربری زمین شهری، و I و j تعداد ردیف ها و ستون های مربوطه اگر پیکسل کاربری زمین شهری باشد، g ( i , j ) = ۱; در غیر این صورت، g ( i ، j ) = ۰٫ D ( i ، j) نسبت کاربری زمین شهری در مرکز پیکسلی پنجره است و مقدار آن بین ۰ تا ۱ است. روش تقسیم ساختاری به این معنی است که مطالعه از روش طبقه بندی نقطه تقسیم بندی طبیعی برای تقسیم نقشه مقیاس زمین شهری به چهار دسته استفاده می کند. نسبت از بالا به پایین مربوط به منطقه هسته شهری (نسبت کاربری زمین شهری ۶۵-۱۰۰٪ است)، منطقه حاشیه شهری (نسبت کاربری زمین شهری ۳۴-۶۵٪ است)، منطقه نفوذ شهری (نسبت کاربری زمین شهری ۱۳-۱۳) است. ۳۴٪ و مناطق داخلی روستایی (نسبت استفاده از زمین شهری ۰-۱۳٪ است). پس از طبقه بندی مجدد، حاشیه شهری از ساختار شهری استخراج می شود. روش تقسیم بندی طبیعی یک روش طبقه بندی داده ها است که برای تعیین بهترین ترکیب مقادیر در دسته های مختلف استفاده می شود. از الگوریتم تکراری برای جستجوی نقاط تقسیم بندی استفاده می کند.
۳٫۴٫ خوشه بندی سلسله مراتبی
۳٫۴٫۱٫ TF-IDF
TF-IDF (Term Frequency–Inverse Document Frequency)، یک روش آماری برای اهمیت کلمات متنی است. با توجه به اینکه فراوانی وقوع برخی از کلمات مهم و خاص در اسناد زیاد نیست، برای توصیف بهتر ویژگی های این سند، وزن کلمات را با وزن دهی بهبود می بخشد، فرمول محاسبه در رابطه (۱۰) نشان داده شده است. ما از این روش برای استخراج ویژگی های صنعتی مناطق حاشیه شهری در مناطق مختلف شهرداری استفاده می کنیم. نوع POI در مناطق حاشیه شهری در هر منطقه شهری یک کلمه و یک منطقه حاشیه شهری یک سند را تشکیل می دهد. پس از پردازش با این روش، می توانیم بردار ویژگی هر منطقه حاشیه شهر را بدست آوریم.
۳٫۴٫۲٫ خوشه بندی سلسله مراتبی و ارزیابی شاخص های خوشه بندی
پس از خوشه بندی، از سه معیار ارزیابی استفاده می کنیم: ضریب Silhouette ( SC ) [ ۲۵ ]، شاخص Davidson Burgin ( DBI ) [ ۲۶ ]، Calinski-Harabasz ( CH ) [ ۲۷ ] برای ارزیابی نتایج خوشه بندی. هر چه مقدار SC بزرگتر باشد (معادله (۱۳))، اثر خوشه بندی بهتر است. هر چه DBI کوچکتر باشد (معادله (۱۴))، فاصله درون کلاسی کوچکتر و فاصله بین طبقاتی بزرگتر باشد، اثر خوشه بندی بهتر است. هر چه مقدار CH (معادله (۱۵)) بزرگتر باشد، هر چه خود کلاس به خود نزدیکتر باشد، کلاس ها پراکنده تر هستند و اثر خوشه بندی بهتر است.
۳٫۵٫ نقشه راه فناوری
۴٫ تحقیق و نتایج
۴٫۱٫ مرزبندی منطقه حاشیه شهری پکن
۴٫۲٫ تأیید بر اساس داده های منطقه غیرقابل نفوذ مصنوعی
۴٫۳٫ ویژگیهای ساختار صنعتی در محدوده شهری
۵٫ بحث
۵٫۱٫ بحث در مورد مجموعه داده POI
۵٫۲٫ بحث در مورد روشها
۵٫۳٫ محدودیت ها و کارهای آینده
۶٫ نتیجه گیری
منابع
- کالنای، ای. Cai, M. تاثیر شهرنشینی و تغییر کاربری زمین بر اقلیم. طبیعت ۲۰۰۳ ، ۴۲۳ ، ۵۲۸-۵۳۱٫ [ Google Scholar ] [ CrossRef ]
- Pryor، RJ تعریف حاشیه شهری روستایی. Soc. نیروهای ۱۹۶۸ ، ۴۷ ، ۲۰۲-۲۱۵۲٫ [ Google Scholar ] [ CrossRef ]
- ژو، جی. Xie, B. تبعیض مفهوم مرتبط و روند توسعه موضوع حاشیه شهری در چین و خارج از کشور. طرح شهری. بین المللی ۲۰۱۴ ، ۲۹ ، ۱۴-۲۰٫ [ Google Scholar ]
- فریدمن، جی. میل، جی. میدان شهری. مربا. Inst. طرح. ۱۹۶۵ ، ۳۱ ، ۳۱۲-۳۲۰٫ [ Google Scholar ] [ CrossRef ]
- Russwurm، LH; سامرویل، ای. محیط طبیعی انسان: رویکرد سیستمی . Duxbury Press: North Scituate، MA، ایالات متحده آمریکا، ۱۹۷۴٫ [ Google Scholar ]
- Gu، CL; Xiong، JB در مورد مطالعات حاشیه شهری. Geogr. Res. ۱۹۸۹ ، ۸ ، ۹۵-۱۰۱٫ [ Google Scholar ]
- Gu، CL; چن، تی. دینگ، جی اچ. Yu, W. مطالعه حاشیه های شهری در کلانشهرهای چین. Acta Geogr. گناه ۱۹۹۳ ، ۴۸ ، ۳۱۷-۳۲۸٫ [ Google Scholar ]
- چن، مطالعه YQ در مورد مشکلات استفاده از زمین و اقدامات متقابل حاشیه شهری – روستایی در پکن. اقتصاد Geogr. ۱۹۹۶ ، ۱۶ ، ۴۶-۵۰٫ [ Google Scholar ]
- چنگ، LS; ژائو، HY بحث در مورد منطقه مرزی شهر پکن. جی. هنجار پکن. دانشگاه نات. علمی ۱۹۹۵ ، ۳۱ ، ۱۲۷-۱۳۳٫ [ Google Scholar ]
- Li, SF مطالعه ای در مورد روش تصمیم گیری مشخصه و ویژگی مناطق حاشیه شهری. اقتصاد Geogr. ۲۰۰۶ ، ۲۶ ، ۴۷۸-۴۸۱٫ [ Google Scholar ]
- ژانگ، WB; نیش، XQ; روش Zhang، LS برای شناسایی حاشیه شهری – روستایی با تصاویر TM. J. Remote Sens. ۱۹۹۹ ، ۳ ، ۱۹۹-۲۰۲٫ [ Google Scholar ]
- کائو، جی.زی. Miao، YB; لیو، تی. جستجوی روشی برای شناسایی حاشیه شهری از نظر فضایی بر اساس فعالیتهای صنعتی: مطالعه موردی شهر پکن. Geogr. Res. اوست ۲۰۰۹ ، ۲۸ ، ۷۷۱-۷۸۰٫ [ Google Scholar ]
- وانگ، هی. ژانگ، XC; ژائو، ی. در مورد روش های تعیین برای مناطق حاشیه شهری بر اساس مدل رگرسیون لجستیک. گاو نر Surv. نقشه ۲۰۱۰ ، ۱۰ ، ۷-۱۰٫ [ Google Scholar ]
- ژائو، WF; لی، QQ; Li، BJ استخراج نشانه های سلسله مراتبی از داده های POI شهری. J. Remote Sens. ۲۰۱۱ ، ۱۵ ، ۹۷۳-۹۸۸٫ [ Google Scholar ]
- Tu، RM منطقه حاشیه شهری – مفهوم آن، مکانیسم تکامل فضایی و مدل توسعه مشکل شهری ۱۹۹۱ ، ۴ ، ۹-۱۲٫ [ Google Scholar ]
- ژو، جغرافیای شهری YX ; مطبوعات تجاری: پکن، چین، ۱۹۹۵; صص ۹۹-۱۰۲٫ [ Google Scholar ]
- ژانگ، WZ نظریه مکان و مطالعه تجربی صنعت خدمات در شهرهای بزرگ. Geogr. Res. ۱۹۹۹ ، ۱۸ ، ۲۷۳-۲۸۱٫ [ Google Scholar ]
- گونگ، پی. لی، ایکس. وانگ، جی. بای، ی. چن، بی. هو، تی. لیو، ایکس. خو، بی. یانگ، جی. ژانگ، دبلیو. و همکاران نقشههای سالانه منطقه غیرقابل نفوذ مصنوعی جهانی (GAIA) بین سالهای ۱۹۸۵ و ۲۰۱۸٫ سنسور از راه دور محیط زیست. ۲۰۲۰ , ۲۳۶ , ۱۱۱۵۱۰٫ [ Google Scholar ] [ CrossRef ]
- وانگ، سی. لیو، ی. چن، ZD نشان دهنده ردپای چندین مکان شهری از داده های Dianping.com. Acta Geod. Et Cartogr. گناه ۲۰۱۸ ، ۴۷ ، ۱۱۰۵-۱۱۱۳٫ [ Google Scholar ]
- Xie، X. Tang, Y. الگوریتم تشخیص نقاط دورافتاده محلی بر اساس چگالی تخمین محلی. جی. چین. محاسبه کنید. سیستم ۲۰۲۰ ، ۴۱ ، ۳۸۷-۳۹۲٫ [ Google Scholar ]
- Xu، ZN; Gao, XL یک روش جدید برای شناسایی مرز مناطق ساخته شده شهری با داده های POI. Acta Geogr. گناه ۲۰۱۶ ، ۷۱ ، ۹۲۸-۹۳۹٫ [ Google Scholar ]
- مو، XD; لیو، اچ پی؛ Xue, XJ رشد شهری در پکن از سال ۱۹۸۴ تا ۲۰۰۷ با سنجش از راه دور. جی. هنجار پکن. دانشگاه نات. علمی ۲۰۱۲ ، ۴۸ ، ۸۱-۸۵٫ [ Google Scholar ]
- جین، AK; مورتی، MN; Flynn، PJ خوشه بندی داده ها: یک بررسی. کامپیوتر ACM. Surv. ۱۹۹۹ ، ۳۱ ، ۲۶۴-۳۲۳٫ [ Google Scholar ] [ CrossRef ]
- قهوهای مایل به زرد، PN; اشتاین باخ، ام. کارپاتنه، ا. کومار، وی. مقدمه ای بر داده کاوی . آموزش پیرسون: نویدا، هند، ۲۰۱۶٫ [ Google Scholar ]
- Rousseeuw, PJ Silhouettes: کمکی گرافیکی برای تفسیر و اعتبارسنجی تحلیل خوشهای. جی. کامپیوتر. Appl. ریاضی. ۱۹۸۷ ، ۲۰ ، ۵۳-۶۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- دیویس، دی ال. Bouldin، DW اندازه گیری جداسازی خوشه. IEEE Trans. الگوی مقعدی ماخ هوشمند ۱۹۷۹ ، ۲ ، ۲۲۴-۲۲۷٫ [ Google Scholar ] [ CrossRef ]
- کالینسکی، تی. Harabasz, J. روش دندریت برای تجزیه و تحلیل خوشه. Cssommun. آمار روشهای نظریه ۱۹۷۴ ، ۳ ، ۱-۲۷٫ [ Google Scholar ] [ CrossRef ]
- چن، YG; وانگ، YH; ابعاد فراکتال Li، XJ برگرفته از مقیاس بندی آلومتریک فضایی فرم شهری. فراکتال های Chaos Solitons ۲۰۱۹ ، ۱۲۶ ، ۱۲۲-۱۳۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- جیانگ، بی. جیا، قانون T. Zipf برای همه شهرهای طبیعی در ایالات متحده: یک دیدگاه جغرافیایی. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۱ ، ۲۵ ، ۱۲۶۹-۱۲۸۱٫ [ Google Scholar ] [ CrossRef ]
- Rozenfeld، HD; ریبسکی، دی. Andrade، JS; باتی، م. استنلی، HE; ماکس، HA قوانین رشد جمعیت. Proc. Natl. آکادمی علمی ایالات متحده آمریکا ۲۰۰۸ ، ۱۰۵ ، ۱۸۷۰۲-۱۸۷۰۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- وانگ، اس جی. Mo، HM; Lv، HN; Xu، PY; یین، HQ ساختار صنعتی مناطق ایستگاه راهآهن پرسرعت تحت تأثیر مکان: شواهد تجربی از دادههای POI. Acta Geogr. گناه ۲۰۲۱ ، ۷۶ ، ۲۰۱۶–۲۰۳۱٫ [ Google Scholar ]
بدون دیدگاه