介绍

使用《Sensing spatial distribution of urban land use by integrating points-of-interest and Google Word2Vec model》这篇文章的方法识别城市功能区。 比较经典的一篇城市功能区识别方法研究文章，整合了Word2vec模型和POI数据，提高了城市功能区识别精度。

• 以往的方法可能会忽略可从 POI 中提取的丰富空间特征。在本研究中，我们建立了一个创新框架，通过整合百度 POI 和 Word2Vec 模型，在交通分析区（TAZ）尺度上检测城市土地利用分布。
• 缺乏标注数据，我只进行了聚类分析。

数据集

数据集来自上海：

• 2020年高德POI
• 2024年OSM路网

实验

预处理

• poi数量分布

• poi空间分布

• road缓冲区

• taz

• k-means