买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利基于地理对象空间模式特征的城市功能区识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116662468B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310608898.X，技术领域涉及：G06F16/29；该发明授权基于地理对象空间模式特征的城市功能区识别方法及系统是由眭海刚;杜卓童;周启鸣;史玮玥;葛亮设计研发完成，并于2023-05-24向国家知识产权局提交的专利申请。

本基于地理对象空间模式特征的城市功能区识别方法及系统在说明书摘要公布了：本发明公开了一种基于地理对象空间模式特征的城市功能区识别方法及系统，首先，对开源大数据进行数据规范化处理，利用一系列自然及人工建造的分隔性要素划分城市空间区域作为研究单元，即街区；其次，基于街区内部城市地表要素、兴趣点数据POI和中分辨率遥感影像挖掘多模数据中的空间分布和语义属性获取每个街区的社会经济特征向量与空间模式特征向量；最后，基于已获得的空间模式特征向量与社会经济特征向量，设计卷积神经网络进行城市功能区空间语义自动识别与分类。本发明基于开源大数据，智能挖掘城市地表要素、兴趣点数据POI等多种地理对象的多维特征，实现了高精度、细粒度的城市功能区空间语义自动识别与分类。

本发明授权基于地理对象空间模式特征的城市功能区识别方法及系统在权利要求书中公布了：1.一种基于地理对象空间模式特征的城市功能区识别方法，其特征在于，包括以下步骤： 步骤1，对开源地理空间矢量数据进行预处理，划分城市空间区域得到研究单元，即街区； 步骤2，将街区内POI对象的空间分布属性和位置关系转换为Block-POI的空间语义语料库，并获取每个街区内不同POI类型的高维连续稠密向量，经加权平均处理得到每个街区的社会经济特征向量； 步骤2.1，将研究区域中的街区视为“文档”，街区内的POI视为“单词”，构建Block-POI的空间语义语料库； 具体操作如下：①计算街区内所有POI点对之间的欧式距离，选择距离最远的POI点对作为语料库中单词排列序列的两个端点，即Pstart,Pend；②以街区为单位，将其中的POI抽象为图节点，构建无权、无向Voronoi图，根据Dijkstra算法计算Pstart,Pend之间的最短路径，并按顺序记录“POI单词”，构建包含POI空间上下文信息的“街区文档”；③仿照文档构建过程，基于街区中心构建点对，并计算研究区域内街区点对之间的欧氏距离，得到“街区文档”；②和③构成了Block-POI空间语义语料库； 步骤2.2，利用Word2Vec模型获取每个街区内不同POI类型的高维连续稠密向量； 使用Word2Vec神经网络的CBOW模型训练获得街区内每类POI的概率向量，其目标函数L和基于上下文的预测词的概率分布pwt|Contextwt计算方式如下： Contextwt＝wt-c,…,wt-1,wt+1,…,wt+c1 式中，wt是当前词，c是上下文窗口大小，Contextwt表示当前词wt的上下文输入向量，T为语料库大小，wi是语料库中的任意词，Ewt,Contextwt是Word2Vec模型的能量函数，具体计算方式如下： Ewi,wj＝-vwi·vwj3 式中，Ewi,wj表示词wi与其上下文词wj的向量内积，vwi、vwj表示词向量； 步骤2.3，对TF-IDF算法log函数的真数部分进行改进，使用改进的TF-IDF算法为POI词向量加权，计算不同POI类型在Block-POI语料库中的实际贡献度，挖掘每个街区内POI功能的规模和使用特征； 步骤3，以街区为单位，基于矢量数据计算其内部地表要素的各项元素、邻域和整体空间分布结构指标，基于中分辨率遥感影像计算街区内各种要素聚合形成的土地覆盖遥感应用指数和图像深度语义特征，二者组合构成每个街区的空间模式特征向量； 步骤4，基于步骤2获得的社会经济特征向量和步骤3获得的空间模式特征向量，利用卷积神经网络进行城市功能区空间语义自动识别与分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。