根据poi数据识别建筑物类型
作者：互联网
根据poi数据识别建筑物类型
《参考论文：基于时空大数据的济南市功能区识别与评价研究》
《基于POI数据的城市建筑功能分类方法研究》
给poi数据赋予反距离权重，然后计算不同类型poi的加权频数密度比例
思路
城市功能区的识别的方法是这个样子，同理，可以用相同的方法去识别建筑物的类型。
两者的不同之处在于，现有的城市功能区的划分方法通常先将城市分割成规则格网，街区构成的基本单元，再对空间单元内各种地理实体的功能属性进行概括，识别出的混合功能单元居多，但对混合功能类型的定义又缺乏规范性；建筑物功能分类以具有实际意义的建筑范围作为空间单元，描述区域功能分布的空间粒度更细，除了高层建筑可能具有多种功能类型外，多数建筑物通常具有明确的功能语义。
-
获取各类型poi点在每个建筑物内的数量
-
对不同类型的poi点赋予不同的权重（反距离权重）
-
最后分析该建筑物的poi数量和其对应权重
-
确定建筑物的主导类型
其他定义：
什么是核密度分析：
-
核密度分析可以体现出分析目标在空间上的集聚情况（arcgis中有相应的工具）
-
频数密度比例法:
后面还有反距离权重方法。
实际操作
-
判断类型的方法，先简单一点用一个阈值，如果Ci>0.5,就认为其对应的i为建筑物的类型
1 导入poi数据
（下面是研究区域的所有类型的poi数据）：
-
poi类型：
-
餐饮
-
公共设施
-
公司
-
购物服务
-
交通设施
-
科教文化
-
商业住宅
-
汽车服务
-
汽车维修
-
汽车销售
-
生活服务
-
休闲体育
-
政府机构及社会团体
-
住宿服务
-
-
(先简单点)
-
餐饮
-
公共设施
-
公司
-
购物服务
-
交通设施
-
科教文化
-
商业住宅
-
生活服务
-
休闲体育
-
政府机构及社会团体
-
住宿服务
-
2 统计地块中不同类型的poi点的数量
教程，从下图可以看到不同地块上的餐饮poi的数量。（主要用的是叠加分析中的空间分析）
-
不同地块上，公司poi点的数量
再用表”连接“工具，得到了如下表，得到了不同地块中，不同类型的poi的数量。
3 计算建筑物中，不同类型的poi数量及比例（频数密度）
-
需要知道研究范围内的，不同类型poi的总数，则需要把导入的poi数据裁剪一下，用蔡甸区的边界（这一步可以放在前面，导入数据后就做）
用“裁剪”工具，下面就是裁剪后的poi数据
-
商务住宅:259
-
科教文化：611
-
购物服务：92
-
公共设施：266
-
公司点：1394
-
餐饮点：1092
-
求出Fi
-
用计算字段工具
-
-
频数密度如下：
4. 计算不同类型的poi的频数密度的比例
需要计算Fi/∑Fi,则要保证∑Fi，不为0
先添加一个字段为“F和”，计算∑Fi。如果F和 = 0则无法判断他的建筑物类型；
选中∑Fi 不为0的地块，再计算其C
得到不同地块上，不同类型对应的C值
5. 根据类型比例得到建筑物的类型
定一下类型：
1：餐饮
2：公司
3：公共
4: 购物
5： 科教
6：住宅
0：无类型
后面的用Python去做，把表导出去，得到各个地块的类型
上面，max_idx就是得到的地块的类型
只保留一些FID和其type，导入arcgis中与原始的parcels表进行链接
再基于类型可视化
问题
-
poi点有的落在了建筑物外，因为建筑物轮廓数据来源和poi的数据来源不同（可能要换一下建筑物轮廓数据的来源）
找了三份建筑物轮廓数据，都差不多。
一个住宅小区可能只显示一个住宅poi点，那么就会导致其他楼栋不能被识别成住宅小区，或者直接无法知道它的类型
可以先识别地块的类型，将用地类型识别出来
-
poi点可能不是很全
将poi点与地块面进行点面空间匹配
一个住宅小区可能只显示一个住宅poi点，那么就会导致其他楼栋不能被识别成住宅小区，或者直接无法知道它的类型
可以先识别地块的类型，将用地类型识别出来。
-
用标识工具：
得到poi所属的地块id
-
打开poi_indentity(标识的结果表)，选中FID_parcel字段用“汇总”工具，得到不同地块中，不同类型的poi数量
TRANSLATE with
标签：地块,poi,建筑物,类型,Fi,识别 来源： https://www.cnblogs.com/aleza/p/16270188.html