[发明专利]一种基于拓扑分析的地理大数据空间潜模式分析方法

权利要求书

1.一种基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，包括以下步骤：

获取城市路网数据，使用参数描述城市路网数据后得到街道网络图；

使用城市交通网络统计指标、规则度特征和拓扑特征对所述街道网络图进行特征描述；

计算拓扑特征之间的基尼系数；

使用所述规则度特征将城市划分为不同的单纯形；

使用拓扑映射器作为所述单纯形的拓扑结构可视化工具，使用UMAP作为所述拓扑映射器的透镜对所述街道网络图中的单纯形进行识别，并转换为由复形组成的图结构，将所述复形聚类成组；

将单纯形和聚类后的复形中的城市与对应城市的经济发展指标相结合进行相关性分析；

所述规则度特征包括X比率、T比率、死角比率、规整度、直线度、方向熵、方向有序度和平均迂回率；所述X比率表示X交叉点，所述T比率表示T交叉点的比率，所述死角比率表示死节点所占的比例，所述规整度定义为:

其中，k是节点的度数，P(k＝4)和P(k＝3)是度分别等于4和3的节点数；所述平均迂回率描述当交通网络目前边的状态和所有节点之间的边都是直线时的所增加的迂回程度；

所述方向熵描述街道方向的无序程度，方向熵H₀公式如下：

其中n代表方向的总数，P(O_i)代表落入第i个方向的交通网络的比例；

所述方向有序度描述街道在同一方向上对齐的程度，将方向熵进行归一化和线性化，方向有序度定义如下：

其中H₀为方向熵，H_G为现实世界中最小熵，H_max为方向熵最大值。

2.根据权利要求1所述的基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，

所述城市交通网络统计指标包括城市交通网络中的节点和边数，城市中的街道平均长度以及平均节点度；

所述拓扑特征包括中介中心性和紧密中心性，所述中介中心性定义为：

其中n_jk是节点j和k之间的最短路径数，n_jk(i)是j和k之间包含节点i的最短路径数；

所述紧密中心性定义为：

其中N是网络中的节点总数，d_ij是节点i和j之间的最短距离。

3.根据权利要求1所述的基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，所述拓扑映射器的参数包括函数f、覆盖V和聚类算法。

4.根据权利要求3所述的基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，构建所述拓扑映射器的步骤如下：

对数据在原始空间中定义一个函数属于f的有限覆盖J是一个索引集，使得

其中f是标量函数，V_j是R中的开区间，设U表示X的覆盖，由f^-1(V_j)中每个j的点所引起的点簇而获得；U的一维神经结构表示为M：＝N₁(U)，称为(X，f)的拓扑映射图；M是一种(X，f)的拓扑摘要的多尺度表征。

5.根据权利要求1所述的基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，所述经济发展指标包括经济发展水平、国内生产总值和人口确定的传统经济区划。

6.根据权利要求1所述的基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，设置重叠度30％生成复形，与所述经济发展指标结合进行拓扑数据分析。

7.根据权利要求1所述的基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，聚类算法为k-means，重叠度设置为40％，特征空间维度为8维。

8.根据权利要求1所述的基于拓扑分析的地理大数据空间潜模式分析方法，其特征在于，从聚类成组的复形中发现潜在子结构，所述潜在子结构即死角比率和T比率更高的网络形成的结构分支。