提出一种基于地理加权中心节点距离的网络社区发现算法(geographical weighted central node distance based Louvain method, GND-Louvain)。该算法扩展了传统复杂网络领域的经典社区发现方法Louvain,利用地理加权中心节点来度量社区...提出一种基于地理加权中心节点距离的网络社区发现算法(geographical weighted central node distance based Louvain method, GND-Louvain)。该算法扩展了传统复杂网络领域的经典社区发现方法Louvain,利用地理加权中心节点来度量社区发现过程中的空间距离关系,并将此距离衰减效应加入到距离模块度模型中,以此来计算和评估空间网络社区划分结果的质量,并探究了空间社区发现结果不稳定的原因。通过定义节点计算顺序,保证了社区发现结果的质量和稳定性。利用中国铁路网线路数据,设计了5种不同空间约束的空间社区发现对比性实验。结果证明,GND-Louvain算法的准确性最高,并且算法结果最稳定。展开更多
城市功能是城市整体活动特点和类型的体现,识别城市内部功能区的空间分布结构,有利于城市结构优化,城市资源优化配置和城市发展规划等。以深圳市为例,对抓取的新浪微博位置签到数据进行了有效的数据筛选清洗,结合《城市用地分类与规划...城市功能是城市整体活动特点和类型的体现,识别城市内部功能区的空间分布结构,有利于城市结构优化,城市资源优化配置和城市发展规划等。以深圳市为例,对抓取的新浪微博位置签到数据进行了有效的数据筛选清洗,结合《城市用地分类与规划建设用地标准》和居民出行目的,对兴趣点（points of interest,POI）数据重分类,并针对分类完成的POI数据进行点要素空间多密度聚类,结合用户签到频率、POI数量比例以及土地利用混合程度构建了POI数据模型,以综合POI空间信息和语义信息,实现了城市空间自组织形态的功能区域主体功能识别。识别结果与深圳市城市布局结构规划图以及高德地图对比发现,该方法的聚类结果大体吻合深圳市空间布局的基本骨架,同时也能基本识别各大功能分区的主体功能和具有明显特征的功能区。展开更多
文摘提出一种基于地理加权中心节点距离的网络社区发现算法(geographical weighted central node distance based Louvain method, GND-Louvain)。该算法扩展了传统复杂网络领域的经典社区发现方法Louvain,利用地理加权中心节点来度量社区发现过程中的空间距离关系,并将此距离衰减效应加入到距离模块度模型中,以此来计算和评估空间网络社区划分结果的质量,并探究了空间社区发现结果不稳定的原因。通过定义节点计算顺序,保证了社区发现结果的质量和稳定性。利用中国铁路网线路数据,设计了5种不同空间约束的空间社区发现对比性实验。结果证明,GND-Louvain算法的准确性最高,并且算法结果最稳定。
文摘城市功能是城市整体活动特点和类型的体现,识别城市内部功能区的空间分布结构,有利于城市结构优化,城市资源优化配置和城市发展规划等。以深圳市为例,对抓取的新浪微博位置签到数据进行了有效的数据筛选清洗,结合《城市用地分类与规划建设用地标准》和居民出行目的,对兴趣点（points of interest,POI）数据重分类,并针对分类完成的POI数据进行点要素空间多密度聚类,结合用户签到频率、POI数量比例以及土地利用混合程度构建了POI数据模型,以综合POI空间信息和语义信息,实现了城市空间自组织形态的功能区域主体功能识别。识别结果与深圳市城市布局结构规划图以及高德地图对比发现,该方法的聚类结果大体吻合深圳市空间布局的基本骨架,同时也能基本识别各大功能分区的主体功能和具有明显特征的功能区。
