多源数据支持下的人口空间化研究

发布时间：2025-03-31 22:46

　　随着城镇化进程的快速发展,城市人口的持续增长和快速集聚给城市的精细化管理带来了诸多挑战。上海作为我国典型的特大型城市,其发达的经济水平带来了庞大的人口基数,相比于中小型城市人口分布状况更为复杂。在严峻的人口发展形势下,开展城市人口空间分布的精细化监测对于提高城市综合管理水平和辅助智慧城市建设有着重要的现实意义。对城市人口进行精细化监测的基础是能够快速准确地获取人口空间分布数据。本文在梳理归纳已有研究成果的基础上,通过融合多源高精度数据,以传统空间回归模型和先进的机器学习算法为依托,获取了上海市2010年500m格网尺度的精细人口分布数据。通过选取土地利用、夜间灯光、兴趣点、道路和建筑房屋信息等多种空间数据,提取了如土地利用类型面积占比、夜间灯光亮度、兴趣点密度等与人口分布密切相关的特征。在以多重共线性诊断结果为依据进行建模特征筛选后,分别建立了基于空间滞后回归和随机森林的人口空间化模型,并利用创建的随机森林训练模型对上海市2017年的人口分布情况进行了预测。通过建立由定性和定量两个维度构成的精度验证体系,对两种人口空间化模型进行对比分析,并根据模型特点对二者进行了综合评价。在此基础上,从...

【文章页数】：95 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究进展
    1.3 研究目标、内容与技术路线
2 研究区概况与数据预处理
    2.1 研究区概况
    2.2 数据来源与预处理
    2.3 本章小结
3 基于SLM模型的人口数据空间化
    3.1 研究方法与模型
    3.2 人口空间化特征提取与筛选
    3.3 人口分布精细化模型构建
    3.4 模型精度评价
    3.5 本章小结
4 基于随机森林模型的人口数据空间化
    4.1 研究方法与模型
    4.2 人口分布精细化模型构建
    4.3 模型精度评价
    4.4 基于训练模型的区域人口预测
    4.5 本章小结
5 两种人口空间化模型对比与特征分析
    5.1 人口空间化模型对比与评价
    5.2 特征重要性分析
    5.3 基于特征分箱的人口分布影响因素分析
    5.4 基于特征贡献的模型解译
    5.5 本章小结
6 结论与展望
    6.1 主要结论
    6.2 创新点
    6.3 讨论与展望
参考文献
作者简历
学位论文数据集



本文编号：4038534