顾及功能语义特征的建筑物空间分布模式识别方法

摘要：本文从空间-语义双重约束角度，提出一种顾及空间邻近和功能语义相似的建筑物空间分布模式识别方法。首先，基于建筑物的空间位置邻近性(即建筑物间的最小距离)约束进行聚类，获得建筑物的空间分布模式和建筑物间的空间邻近关系；然后，根据建筑物的功能语义相似性约束进行分割，获得建筑物的初步聚类结果；最后，考虑簇内相似性与簇间差异性进行整体优化，获得最终聚类结果。试验验证表明，本文方法比现有方法能够更有效地识别空间邻近与功能语义一致的建筑物群，服务于智慧城市建设中对建筑物进行语义层次综合和对城市结构进行深入研究的需求。关键词：建筑物聚类空间分布模式功能语义特征最小生成树地图综合AmethodforrecognizingbuildingclustersbyconsideringfunctionalfeaturesofbuildingsbuildingspatialisproposedFirstlysedonthespatialtialdistributionstructedThentheaintofthebuildingsteringresultsareentalresultsshowityandfunctionalsultismoreinlineuctureinsmartcityapplications.Keywords:buildingclusteringspatialdistributionpatternfunctionalandsemanticfeaturesminimumspanningtreemapgeneralization识别是城市空间结构研究和地图自动法将建筑物抽象为空间点实体，将建筑物聚类简化为点聚类。如文献[2]采用SOMselforganizingmap类，进而提出行列扫描方法对初始聚类结果进行优化获献[3]利用k-means算法识别建筑物聚类。这类方法只考虑了建筑物间的空间邻近性，。②基于分裂的方法。该类方法首先将所有建筑物视为一个的分裂思想逐级划分为子簇[4-9]。如文献[4]提出一种基于最小生成树剪枝策略的虑建筑物间距离、相对大小和方向提出视觉距离度量，根据视觉距离构建裂的策略识别分布模式。该类方法可以考虑建筑物多维特征(如方向、大小等)，且可0]结合城市形态学和格式塔认知准则，综合考虑建筑物的面逆过程，在聚类过程中也可以使用机器学习方法识别特定类型的空间分布模式[11]。综上所述，现有方法主要从空间邻近、几何形态相似等建筑物的空间几何特征进行分布模式识别义层次的聚合操作的需求。建筑物的功能语义特征是人类在使用过程中对建筑物赋予的特定社会属性，是体现建筑物差异性的一种重要指标[13]，也是建筑物综合过程中需要考虑的一个重要因素。因此，识别建筑物分布模式时，不仅要考虑建筑何特征(即空间邻近性、几何相似性)，还需要充分考虑建筑物的功能语义特征，从而可以更全得的建筑物分布模式也更符合人类空间认知[5]。为此，本文采用空-语义分治策略，提出一种顾及建筑物功能语义特征的空间分布模式识别方法，发掘空间邻近和功能语义相似的建筑物聚群，以更好地辅助建筑物地图综合，分析城市结构，识别建筑物用地功能区域和实现建1研究策略空间位置邻近性(即建筑物间的最小距离)约束进行聚类，获得建筑物的空类，整体优化，获得述方面，前获取建筑物语义信息的最直接、最广泛的一种数据来源，已经被广大学者广泛采用筑物空间邻近性和功能相似性，采用空间-语义分治策略进行建筑物聚类，并根据组间差异大和组内差异小的原则对聚类结果进行优化。本文采用的总体研究策略如图12顾及建筑物功能语义特征的空间分布模式识别方法2.1基于Delaunay三角化邻接边，进而得到一个建筑物空间邻近图，如图2(b)所示。由于在空间分布非均匀区域，空间邻近图中ngulation2.2建筑物功能语义特征提取与相似性度量城市建筑物是提供人们从事各种行为活动的场所，一般在建设前预先设计好功能用途，但是大多地理数据库中通常没有表示这类功能信息，尤其是城市快速发展变化可能导致一些建筑物的功能特征也会发，学者们利用辅助数据对建筑物功能语义的提取开展了相关研究，如文献[19]提出结合航空遥感影像和地理信息数据的方法识别建筑物的功能语义。这类方法是通过观察与分析建筑物的物理特征I：通过一个N维向量进行描述，表达为的功能相似度，表达为可得到建筑物的空2.3建筑物分布模式识别2.3.1基于空间邻近关系的聚类以建筑物间最短距离为度量构建连接建筑物的最小生成树，通过不断删体地，首先，删除最小生成树中权值最大的群分裂为两个子群；然后，以每个子群为分析对象，采用删除最大边策略进行迭代树长边时，都需要对子群中建筑物空间分布同质性进行判别，如果获得的建筑σλσσλσ代2.3.2顾及空间邻近和功能语义特征相似性的建筑物聚类采用分裂策略的聚类操作可以获得建筑物的空间聚群和建筑物间的空间邻近关系。进而，需要在每考虑相邻建筑物间的功能语义特征的相似性。本文借鉴文献[24-25]提出的基于多约束的空在采用分治策略的聚类过程中，空间邻近性与功能相似性之间很可能会存在冲突，并且与空间邻近使聚集模式识别结果更合理，需要将以上获得的初始聚类结果置于空间邻近图中进行优化。该分配；否则，拒绝该重分配。此外，若边界点3试验分析3.1试验13.1.1试验数据为验证本文方法在保持功能语义特征相似性方面的合理性和有效性，将本文方法与顾及建筑物空间行对。两个街区内的兴趣点分布广泛，可以满足街区内建筑物的功能语义特征提取需要。OIkmeans建筑物的功能向量进行聚类。选择最合适的聚类数为6(即将试验数据中所之间的可以发现，空间距离法和空间-几何耦合法仅满足建筑物空间位置和划分类似图5圈出的整齐排布但功能不同的区域，且会多余地分割类似图6圈出thods为了定量分析不同建筑物聚类算法的聚类结果质量，本文采用聚类分析中常用的一种相对评价指标定义分割的情况；②从空间关系和几何形态角度评价，空间-几何耦合街区Ⅰ街区Ⅱ0.25-0.050.16-0.100.17-0.110.24-0.020.050.22-0.040.010.15-0.090.220.110.340.70.260.50.310.060.240.090.270.020.230.130.080.160.26试验23.2.1试验数据采用长沙市开福区作为试验区(图7)进行试验分析，验证本文方法的适用性和有效性。其中，建筑I3.2.2试验结果图8为本文方法识别结果。其中，不同的建筑物聚类用黑色实线进行了分割。为了说明本文方法的有效性，分别选取了市中心(A)、城郊(B)和乡村(C)3个不同情境区域进行分析。分布比较不均匀，有多功能类型建筑物的混合区域。通过本文方法可以发现这些功能混合的建筑物聚集建筑物进行剥离，形成功能类型相似的建筑物聚簇，使得建筑物聚簇内部保持部区域的建筑物具有相一致的功能类型。从试验结果可以发现，本文方法筑物分布。由于乡村的建筑物大多