城市规划

郄堃Deep Traffic1 个月前
人工智能·机器学习·回归·城市规划
机器学习+城市规划第十三期:XGBoost的地理加权改进,利用树模型实现更精准的地理加权回归在城市规划中,如何准确预测并分析地理因素对各类决策的影响,一直是一个亟待解决的难题。传统的地理加权回归(Geographically Weighted Regression, GWR)方法可以很好地处理空间数据的局部变异性,但对于高维数据的处理能力有限。今天,我们将讨论如何将 XGBoost 树模型引入地理加权回归中,提升预测精度,并通过 SHAP 值进行可解释性分析。
郄堃Deep Traffic1 个月前
人工智能·机器学习·回归·城市规划
机器学习+城市规划第十四期:利用半参数地理加权回归来实现区域带宽不同的规划任务在城市规划中,如何根据不同地区的地理特征来制定有效的规划方案是一个关键问题。不同区域的需求和规律是不同的,因此我们必须考虑到地理空间的差异性。本期博客将介绍如何结合机器学习方法,利用地理加权聚类(Geographically Weighted Clustering)和半参数地理加权回归(Semi-Parametric Geographically Weighted Regression, SPGWR)来实现城市规划中的区域带宽不同的任务。
城市数据匠2 个月前
arcgis·gis·城市规划·国土空间规划·自然资源局
25【干货】在Arcgis中根据字段属性重新排序并自动编号的方法(二)上一篇关于属性表自动编号的文章因为涉及到代码(【干货】在Arcgis中根据字段属性重新排序并自动编号的方法(一)),担心大家有些东西确实不熟悉,今天就更新一篇不需要代码也能达到这个目的的方法。主要的思路是将我们GIS数据的属性表和EXCEL进行联动(EXCEL在数据排序和自动编号方面有着很大的优势),我们可以将属性表在EXCEL里面编好号,再把编好号的数据联动到GIS属性表里面即可。下面是具体的操作:
郭不耐2 个月前
人工智能·信息可视化·数据分析·毕业设计·数据可视化·城市规划
DeepSeek智能时空数据分析(三):专业级地理数据可视化赏析-《杭州市国土空间总体规划(2021-2035年)》时空数据分析在优化业务运营中至关重要,然而,三大挑战仍制约其发展:技术门槛高,需融合GIS理论、SQL开发与时空数据库等多领域知识;空间数据缺乏直观可视化工具,导致分析结果难以高效传达;现有产品成本高昂,限制了中小企业应用。
科研小白 新人上路9 个月前
python·tensorflow·目标识别·遥感影像·地物分类·城市规划·林业测量
基于python深度学习遥感影像地物分类与目标识别、分割实践技术我国高分辨率对地观测系统重大专项已全面启动,高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成,将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB,遥感大数据时代已然来临。随着小卫星星座的普及,对地观测已具备3次以上的全球覆盖能力,遥感影像也不断被更深入的应用于矿产勘探、精准农业、城市规划、林业测量、军事目标识别和灾害评估中。最近借助深度学习方法,基于卷积神经网络的遥感影像自动地物识别取得了令人印象深刻的结果。深度卷积网络采用“端对端