城市路網變化信息提取及其對土地利用的影響研究

王 帥

武漢市測繪研究院，湖北 武漢 430022

城市路網作為一種特殊的土地覆蓋類型，與土地利用相互作用。現代城市系統中道路變化越來越頻繁，如何快速精確的對城市路網的變化信息進行提取不僅可以支撐路網基礎測繪數據的更新需要，也可以為城市土地利用提供輔助支持。論文基于遙感和矢量數據進行道路網變化信息提取，分析城市路網結構和變化與土地利用的關聯關系。主要研究內容如下：

(1)利用深度學習技術對遙感影像道路網提取并對變化信息解譯。在深度全卷積神經網絡中，真實感受遠小于理論上的感受野。這使得網絡無法充分融入重要的全局上下文信息，降低了模型對場景的感知能力，削弱對場景中對象分類的一致性。另外，深度學習網絡模型是利用池化層進行下采樣，允許網絡看到更大的上下文信息，但這造成了大量的高頻細節信息的丟失。針對此問題，提出一種網絡模型，稱為CDG(coord-dense-global)網絡模型。模型分為3個部分：坐標卷積信息融合模塊、改進的DenseNet網絡和全局注意力信息增強模塊。試驗結果表明：坐標卷積信息融合模塊能夠在道路提取中得到更加精確的空間特征信息，增強道路邊界信息和細節信息。全局注意力信息增強模塊可以通過擴大感受野來獲得更多的上下文信息，強化高度判別特征的全局上下文信息，提高像素分類的一致性，保持道路的連續性。改進的DenseNet網絡采用密集連接結構可以對原始圖像的多層級特征進行提取和累積轉換，通過跳躍連接將上采樣過程中記錄的特征信息引入到下采樣過程中增強特征生成，加強網絡對細節道路的敏感程度，提高道路網提取精度。

(2)利用目標匹配技術對矢量道路網變化信息識別并對信息提取。傳統的“節點-弧段”道路網數據組織方式對線性要素的幾何特征難以整體進行分析與操作，割裂了對整體道路對象的理解，缺乏對整體道路幾何特征的度量。這種數據組織方式與人類對道路實體對象的理解不一致。面對這樣的問題，提出的目標匹配算法以stroke作為匹配單元，在stroke整體匹配中使用長度、角度和空間距離指標通過分配不同的權重和閾值來計算幾何相似性，將幾何特征與鄰域空間的空間拓撲關系相結合，對評價方法進行改進后計算空間場景的結構相似性。在執行stroke整體匹配步驟后，對于存在的不匹配情況設計了stroke部分匹配算法。設計基于弧段分解(SPMA-S)的stroke部分匹配算法，最大限度地保留了原有的兩組道路網數據。設計基于頂點分解(SPMA-V)的stroke部分匹配算法，可以解決獨立線段間局部匹配中的問題(如生長、縮短、拓撲變化等)。試驗結果表明：算法的匹配精度、召回率和運行效率較好。

(3)城市路網結構和變化與土地利用關聯關系分析。城市路網與土地利用相互作用，城市土地利用可以根據其物理屬性或社會功能進行區分。道路網絡中心性指標能夠很好的反應路網結構特點，以往關于路網中心性與土地利用強度之間關系的研究多依賴于土地覆被數據，忽視了城市土地利用的社會功能。利用興趣點(POI)分類數據不僅可以確定城市土地利用類型，而且可以確定城市土地利用強度。分析路網中心性與土地利用的關聯關系，有助于城市土地利用規劃和交通規劃的實施。對深圳市61個街區行政單元網格內兩個階段的路網增量變化和城市建設用地增量變化進行統計，分析了路網變化與土地利用的關聯關系，結果表明路網變化對城市用地擴張影響明顯。