城市路网变化信息提取及其对土地利用的影响研究

王 帅

武汉市测绘研究院，湖北 武汉 430022

城市路网作为一种特殊的土地覆盖类型，与土地利用相互作用。现代城市系统中道路变化越来越频繁，如何快速精确的对城市路网的变化信息进行提取不仅可以支撑路网基础测绘数据的更新需要，也可以为城市土地利用提供辅助支持。论文基于遥感和矢量数据进行道路网变化信息提取，分析城市路网结构和变化与土地利用的关联关系。主要研究内容如下：

(1)利用深度学习技术对遥感影像道路网提取并对变化信息解译。在深度全卷积神经网络中，真实感受远小于理论上的感受野。这使得网络无法充分融入重要的全局上下文信息，降低了模型对场景的感知能力，削弱对场景中对象分类的一致性。另外，深度学习网络模型是利用池化层进行下采样，允许网络看到更大的上下文信息，但这造成了大量的高频细节信息的丢失。针对此问题，提出一种网络模型，称为CDG(coord-dense-global)网络模型。模型分为3个部分：坐标卷积信息融合模块、改进的DenseNet网络和全局注意力信息增强模块。试验结果表明：坐标卷积信息融合模块能够在道路提取中得到更加精确的空间特征信息，增强道路边界信息和细节信息。全局注意力信息增强模块可以通过扩大感受野来获得更多的上下文信息，强化高度判别特征的全局上下文信息，提高像素分类的一致性，保持道路的连续性。改进的DenseNet网络采用密集连接结构可以对原始图像的多层级特征进行提取和累积转换，通过跳跃连接将上采样过程中记录的特征信息引入到下采样过程中增强特征生成，加强网络对细节道路的敏感程度，提高道路网提取精度。

(2)利用目标匹配技术对矢量道路网变化信息识别并对信息提取。传统的“节点-弧段”道路网数据组织方式对线性要素的几何特征难以整体进行分析与操作，割裂了对整体道路对象的理解，缺乏对整体道路几何特征的度量。这种数据组织方式与人类对道路实体对象的理解不一致。面对这样的问题，提出的目标匹配算法以stroke作为匹配单元，在stroke整体匹配中使用长度、角度和空间距离指标通过分配不同的权重和阈值来计算几何相似性，将几何特征与邻域空间的空间拓扑关系相结合，对评价方法进行改进后计算空间场景的结构相似性。在执行stroke整体匹配步骤后，对于存在的不匹配情况设计了stroke部分匹配算法。设计基于弧段分解(SPMA-S)的stroke部分匹配算法，最大限度地保留了原有的两组道路网数据。设计基于顶点分解(SPMA-V)的stroke部分匹配算法，可以解决独立线段间局部匹配中的问题(如生长、缩短、拓扑变化等)。试验结果表明：算法的匹配精度、召回率和运行效率较好。

(3)城市路网结构和变化与土地利用关联关系分析。城市路网与土地利用相互作用，城市土地利用可以根据其物理属性或社会功能进行区分。道路网络中心性指标能够很好的反应路网结构特点，以往关于路网中心性与土地利用强度之间关系的研究多依赖于土地覆被数据，忽视了城市土地利用的社会功能。利用兴趣点(POI)分类数据不仅可以确定城市土地利用类型，而且可以确定城市土地利用强度。分析路网中心性与土地利用的关联关系，有助于城市土地利用规划和交通规划的实施。对深圳市61个街区行政单元网格内两个阶段的路网增量变化和城市建设用地增量变化进行统计，分析了路网变化与土地利用的关联关系，结果表明路网变化对城市用地扩张影响明显。