大数据条件下城市用地类型辨识研究——基于出租车GPS数据的动态感知

随着大数据的广泛应用以及城市规划管理的智慧化、精细化转变,土地管理需要丰富城市探查视角,开拓用地分类方式。传统遥感影像分类具有时效性低、不能反映真实用地功能的弊端,而基于价值密度低、时效性高的GPS数据进行土地分类可以有效克服这一不足。本文以深圳市福田区为案例,通过海量出租车GPS数据的时空挖掘,在验证居民活动、出租车上下车活动与城市用地类型之间相关关系的基础上,利用SVM监督分类算法和粒子群优化方法得出的最优参数对出租车GPS数据进行分类和准确率验证。结果显示:出租车GPS数据的分类结果与福田实际的土地利用类别匹配精确度高达97.16%,可以证明出租车GPS数据能够实现对城市土地利用类型实时、精确的动态感知。