大数据驱动的城市绿地需求测算方法与流程

1.发明涉及城市生态需求估算方法领域，尤其是大数据驱动的城市绿地需求 测算方法。


背景技术：

2.传统的绿地设计规划主要考虑环境容量、人流量、人们的使用状况和心理 感受，上述的数据主要采用抽样调查获得，流程繁琐，成本高昂，且数据容易 受到人为因素扰动。结论的科学性、准确性难以保障。
[0003][0004]


技术实现要素：

[0005]
为了解决背景技术中描述的技术问题，发明提供了一种大数据驱动的城市 绿地需求测算方法。本技术通过运动轨迹分布强度指标评价绿地布局的合理 性。该方法采用居民运动大数据获取大多数居民的实际活动范围，反映更广泛 的居民需求，从而提高研究结果的公平性、科学性和精准性，为城市的绿地建 设提供准确的数据支持。
[0006]
本发明解决其技术问题所采用的技术方案是：
[0007]
一种大数据驱动的城市绿地需求测算方法，该方法的步骤为：
[0008]
a)首先进行运动数据爬取，获得居民的运动轨迹数据；
[0009]
b)对爬取的数据文件进行解析；
[0010]
c)将爬取的数据进行坐标系转换；
[0011]
d)对数据进行清洗；
[0012]
e)将城市空间划分为栅格，计算栅格内运动属性；
[0013]
f)通过频次和长度估算各区域绿地需求量，并进行需求的可视化。
[0014]
具体地，从网络爬取目标地市民的运动数据，分析url特征并对数据进行 爬取，获得原始数据文件。。
[0015]
具体地，步骤b)中，通过算法将不可解读的数据文件转换为可读txt文件。
[0016]
具体地，步骤c)中，将数据所在火星坐标系转换为wgs84坐标系。
[0017]
具体地，步骤d)中，所述清洗包括对轨迹进行分割、过滤、去除异常点。
[0018]
具体地，步骤e)中，所述运动属性计算是按栅格处理数据，计算栅格中的 轨迹发生总频率和轨迹总长度运动属性。
[0019]
本发明的有益效果是：本发明提供了一种大数据驱动的城市绿地需求测算 方法。本技术通过运动轨迹分布强度指标评价绿地布局的合理性。该方法采用 居民运动大数据获取大多数居民的实际活动范围，反映更广泛的居民需求，从 而提高研究结果的公平性、科学性和精准性，为城市的绿地建设提供准确的数 据支持。
附图说明
[0020]
下面结合附图和实施例对发明进一步说明。
[0021]
图1是本发明的居民运动轨迹分布图；
[0022]
图2是本发明的基于运动轨迹的绿地资源需求图；
具体实施方式
[0023]
图1是本发明的居民运动轨迹分布图；图2是本发明的基于运动轨迹的绿 地资源需求图；
[0024]
一种大数据驱动的城市绿地需求测算方法，该方法的步骤为：
[0025]
a)首先进行运动数据爬取，获得居民的运动轨迹数据；
[0026]
b)对爬取的数据文件进行解析；
[0027]
c)将爬取的数据进行坐标系转换；
[0028]
d)对数据进行清洗；
[0029]
e)将城市空间划分为栅格，计算栅格内运动属性；
[0030]
f)通过频次和长度估算各区域绿地需求量，并进行需求的可视化。
[0031]
就运动轨迹数据而言，越来越多的人在运动过程中开始使用健身运动app 进行运动路线和长度的记录，这些数据在app中都有留存，并且某些app对数 据进行了展示。keep app于2015年2月上线，截至2018年8月，注册用户量 1.5亿，其中北京有注册用户690万，通过该app可以获得北京市全域的运动轨 迹分布。
[0032]
通过对keep上北京人民运动数据进行爬取、清理和分析，获得北京市内运 动轨迹的分布和强度，轨迹的分布和强度分别代表绿地需求区域和该区域的需 求强度。一般来说，轨迹在某区域发生频率高，说明该区域的绿地需求较大， 若该区域的绿地建设相对不足，则说明该区域绿地无法满足居民的绿地需求， 因此需要对该区域进行绿地建设以更好的满足需求。
[0033]
基于数据的需求测算首先获得运动轨迹数据，其次从数据中计算反应需求 指标的运动频次和长度的指标。
[0034]
1.数据爬取。从https://www.gotokeep.com/maptrack网页中对2020年 北京市的keep运动数据进行爬取，获得北京市居民的运动轨迹数据。经过分析 发现，网页上的轨迹是由若干个点连接而成，因此只需要获得这些有顺序的点 既可以生成轨迹，轨迹在keep中被划分为了三种类型，分别是marthon\5km\10km 三种。经过分析url获得了爬取规律并进行爬取，获得原始数据文件。
[0035]
2.文件解析。通过爬取获得数据文件，但是数据文件格式无法直接读取， 需要通过算法对文件进行解析，转换为可读txt文件。本次一共获得了64825 条轨迹数据，其中5公里到6公里发生的频率最高，比较符合一般认识，具体 统计结果如表1所示：
[0036][0037][0038]
表1。
[0039]
3.坐标系转化。由于爬取的数据坐标系处于火星坐标系下，需要进行坐标 转换，将数据转换到wgs84坐标系中，从而方便和北京市绿地数据进行分配。
[0040]
转化原理如下：
[0041]
地球长轴半径为：
[0042]
a＝6378245.02
[0043]
地球短轴半径为：
[0044]
b＝0.0066934216229659
[0045]
gcj坐标系下经度为：
[0046]
lon＝lon
gcj-105
[0047]
gcj坐标系下纬度为：
[0048]
lat＝lat
gcj-35.0
[0049]
经度之差为：
[0050][0051]
纬度之差为：
[0052][0053][0054]
wgs坐标系下经度为：
[0055][0056]
wgs坐标系下纬度为：
[0057][0058]
4.数据清洗。如附图1所示，由于原始数据仍然较脏，需要对数据进行清 洗。清洗包括对数据分割、过滤和去除异常点等工作。具体来说，某些轨迹两 点之间由于gps丢失或者是暂停跑步等原因造成间距非常大，需要对轨迹进行 分割，变为两段数据，间距需要衡量，设置过大可能无法去除异常轨迹，设置 过小可能会对某些速度较快的运动轨迹造成扰动。异常点的场景例如某个正常 轨迹运行过程中突然出现某个不在正常轨迹范围内的数据，去掉后轨迹则能正 常连到一起。
[0059]
5.属性计算。按栅格处理数据，计算栅格中运动属性，属性包括了运动长 度和运动发生频次。栅格划分方法采用5km*5km规则，采用这种划分方法，北 京被分为了11*12个栅格，分别计算在每个栅格内运动累计的频次和长度。在 划分过程中，对横跨多个栅格的轨迹，采取对频次和长度根据所占栅格数量进 行均分。发生频次的具体数值如表2所示：
[0060][0061][0062]
表2。
[0063]
6.如附图2所示，通过频次和长度估算各区域绿地需求量。对于求出 的结果进行可视化，其中频次的热点如附图2所示，密集的地方代表该区的的 运动频次高，即密度越大绿地需求越强烈。
[0064]
本技术采用数据驱动的方法可以精准、全面的获得居民绿地需求信息；运 动的分布、强度信息对绿地优化配置具有重要意义。结合绿地基础设施、可达 性、景观质量、安全性等信息，可以对当前绿地的基础设施、交通情况、景观 建设等进行评价从而相应对绿地资源进行优化。
[0065]
以上述依据发明的理想实施例为启示，通过上述的说明内容，相关工作人 员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。 本项发明的技术性
范围并不局限于说明书上的内容，必须要根据权利要求范围 来确定其技术性范围。