耦合多源大数据提取城中村建筑物——以广州市天河区为例

随着中国城市化进程的持续推进,城市内部空间结构不断变化。城中村作为城市内部结构的重要组成部分,在城市发展与环境建设中起着关键作用。因此,快速、准确地提取城中村建筑对城市研究具有重要意义。该文提出一种耦合多源大数据的方法提取城中村建筑物。首先,融合腾讯用户密度(TUD)数据、建筑物轮廓数据及兴趣点(POI)数据,利用基于密度的方法识别住宅区建筑物;其次,从住宅区中选取一定比例的建筑物作为训练样本,计算其占地面积、楼层高度、建筑密度和楼房间距信息,通过随机森林方法对上述特征进行训练以提取城中村。选取广州市天河区作为研究区,将城中村识别结果与实地调研数据、百度街景地图进行对比验证分析。结果显示:城中村的识别正确率超过89.29%;楼层高度及楼层间距对城中村建筑物提取的准确度起着关键作用;天河区的城中村呈现"外分散,内紧密"特点。研究证明,耦合多源大数据并采用基于密度和随机森林的方法识别城中村是可行且有效的。