(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111497903.1 (22)申请日 2021.12.09 (71)申请人 北京建筑大学 地址 100044 北京市西城区展览 路1号 (72)发明人 贺鼎　郑毅　郭贤　张杰　何黎黎　 丁寿颐　丁奇　祝贺　何思倩　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 代理人 张文宝 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06K 9/62(2022.01) (54)发明名称 一种城市功能区功能绩效的智能感知与优 化方法 (57)摘要 本发明公开了属于信息检索领域的一种城 市功能区功能绩效的智能感知与优化方法， 包 括： 根据功能区聚类的结果对各城市斑块进行功 能指标量化统计； 获取各城市斑块的自发地理信 息数据， 通过语义识别判定质量指数； 基于各城 市斑块的功能指标与质量指数进行仿真训练， 使 用机器学习方法建立城市功能区的功能质量预 测模型； 判断预测模型与既有自发地理信息评价 指数是否一致， 如果不一致， 则继续进行模型训 练， 如果一致， 则输出预测模型。 本发明依托POI 数据进行功能区聚类， 基于功能指标与VGI质量 指数进行仿真训练， 自动建立城市功能质量预测 模型， 解决了传统城市功能区功能绩效研究耗费 人力、 不够客观、 效率低下的技 术问题。 权利要求书4页 说明书11页 附图1页 CN 114139827 A 2022.03.04 CN 114139827 A 1.一种城市功能 区功能绩效的智能感知与优化方法， 其特 征在于， 包括： S1、 根据交通路网中的主干路、 次干路和重要支路， 将围合形成的城市斑块作为基本空 间分析单元， 记为J1、 J2、 J3...Jm(m≤M)， 其中M代 表斑块总数； S2、 获取既有城市斑块内的功能兴趣点数据； 根据功能POI数据本身包括的功能性类 别， 对各城市斑块进行功能 区聚类； S3、 根据功能 区聚类的结果对各城市斑块进行功能指标量 化统计； S4、 获取各城市斑块的自发地理信息数据， 通过语义识别判定质量指数； S5、 基于各城市斑块的功能指标与质量指数进行仿真训练， 使用机器学习方法建立城 市功能区的功能质量预测模型； S6、 判断预测模型与既有自发地理信 息评价指数是否一致， 如果不一致， 则继续进行模 型训练， 如果 一致， 则输出 预测模型； 所述S5包括： 步骤51、 输入 建立W个城市斑块的训练样本D＝[(X1， Y1)， (X2， Y2)， ...， (Xw， Yw)， ...， (XW， YW)]， W∈M； 构成方式为： Tw是第w个城市斑 块Jw的真实质量指数、 Xw＝(xw1， xw2， xw3， ...， xwU)是该斑块的U 项功能指标， w∈W； 空项记为0； 最大迭代次数ITER和 迭代差值阈值ε； 模型残差系数λ； 模型 学习率 η； 步骤52、 初始化 令W个城市斑块的质量预测值 迭代次数iter＝1； 损失 函 数 优 选 的 是 均 方 误 差 损 失 函 数 其 一 、二 阶 导 数 记 为 ： 和 为斑块质量预测中间变量； 步骤53、 迭代计算模型 根据现有样本， 通过四层 循环不断地迭代进行特征分裂学习新函数fiter(Xw)， 以拟合上 次预测的残差， 四层循环分别为： 全局迭代层、 结点层、 功能指标层和功能指标 取值层； 步骤54、 输出 预测结果： 对Jm城市斑块， 代入其功能指标Xm＝(xm1， xm2， xm3， ...， xmU)即可获得质量预测值 所述53包括： 步 骤5 31 、 在全 局迭 代 层 ， 开 始迭 代 ， 输出结 点 ； 其中 迭 代条 件为 ： 残差 或iter＜ITER； 步骤532、 在结点层， 汇总当前 结点上的样本集 合Dr， Dr∈D； 步骤533、 判断样本集合Dr的容量大小， 如果Dr的容量大于1， 进入步骤534； 如果Dr的容 量小于等于1， 则标记该结点完成， 切换至下一个未完成结点执行步骤532， 如不存在未完成 结点， 则跳转至步骤5 38； 步骤534、 进入功能指标层， 对于第1～U种功能指标， 分别循环步骤5 35～步骤5 36； 步骤535、 进入功能指标取值层， 按照第u种功能指标的大小， 排序获得整理后的样本集权　利　要　求　书 1/4 页 2 CN 114139827 A 2合Dru， 其中无空项的样本集合 计算第u种功能指标下， 损失函数的一阶导数总和 二阶导数总和 和缺失样本带来的损失熵 步骤536、 维持功能指标取值层， 遍历第u种功能指标的所有取值， 寻找得分Score最高 的取值作为最佳分块点； 分块策略是： 指标小于当前取值的记为L区， 对应样本集合DruL， 大 于当前取值的记为R区， 对应样本集 合DruR； 具体步骤是： 初始化GL＝GR＝0， HL＝HR＝0； 针对当前分块策略， 计算 同样有GR＝G‑GL， HR＝H‑HL； 记录本次得分 遍历第u种功能指标的所有取值， 记录使Scoreu最大的第u种功能指标对应的取值。 步骤537、 返回功能指标层， 遍历完毕全部U种功能指标， 输出Score： Score＝max(Score1， Score2， ...， Scoreu， ...， ScoreU)， 输出对应的功能指标序 号和取 值， 作为当前结点的最佳分块点， 新分裂的结点会与旧结点组成结点集合， 新分裂的结点位 于结点集合的队尾， 输出当时对应的样本集 合DruL和DruR， 返回步骤5 32； 步骤538、 返回结点层， 输出本轮迭代对应的新函数 得到 步骤539、 返回全局迭代层， 检测迭代条件是否满足， 是则继续迭代， 输出本次迭代完整 的结点序列并返回步骤531； 否则结束迭代， 同时输出函数序列fiter(Xw)和迭代次数iter_f ＝iter。 2.根据权利要求1所述的一种城市功能区功能绩效的智能感知与优化方法， 其特征在 于， 所述S2中进行功能 区聚类具体为： 对功能POI数据中的大功能性类别计算Ik类功能在Jm城市斑块中的功能混合度 当 某一大类功能超过设定的聚类阈值α 时， 则可将该斑块划定为相应功能区； 若 各大类功能均 不超过聚类阈值， 则该斑块划定为混合区： 其中， 表示在Jm城市斑块中Ik类大功能性类别的POI点的总个数， 表示Jm城市斑 块中全部大功能性类别的POI 点的总个数。 3.根据权利要求2所述的一种城市功能区功能绩效的智能感知与优化方法， 其特征在 于， 所述聚类阈值α 的计算方法包括： 步骤21、 从现有数据的M个城市斑块中选择N个， 由规划学者对其进行功能区聚类后作 为统计样本； 步骤22、 构建聚类事项函数 对于聚类事项函数中的样本 计算Ik类功能在Jm城市斑块中的功能混合度 权　利　要　求　书 2/4 页 3 CN 114139827 A 3