山東省國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換方法研究

曹芳潔 邱蕓 李純 王淵潔 姚雙燕

摘要 隨著各級國土空間規(guī)劃編制工作的有序推進，對第三次全國國土調(diào)查數(shù)據(jù)等現(xiàn)狀數(shù)據(jù)準確性的要求愈發(fā)嚴格。《關(guān)于開展國土空間規(guī)劃“一張圖”建設(shè)和現(xiàn)狀評估工作的通知》中也明確指出，國土空間規(guī)劃“一張圖”建設(shè)三大步驟的第1步就是“統(tǒng)一形成一張底圖”，這張底圖是以第三次全國國土調(diào)查成果為基礎(chǔ)，整合規(guī)劃編制所需的空間關(guān)聯(lián)現(xiàn)狀數(shù)據(jù)和信息，形成坐標(biāo)一致、邊界吻合、上下貫通的一張底圖。按照中央和相關(guān)部委的要求，第三次全國國土調(diào)查的成果數(shù)據(jù)作為國土空間規(guī)劃編制的基礎(chǔ)數(shù)據(jù)，由于二者分類存在差異，因此需按對第三次全國國土調(diào)查的成果數(shù)據(jù)進行分類處理轉(zhuǎn)換。以濱州市博興縣為例，結(jié)合國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換實踐，在梳理第三次全國國土調(diào)查工作分類與規(guī)劃用途分類對應(yīng)關(guān)系的基礎(chǔ)上，依托大數(shù)據(jù)、機器學(xué)習(xí)等方法，提出了一套可復(fù)用、自動化程度高的基數(shù)轉(zhuǎn)換方法。

關(guān)鍵詞 國土空間規(guī)劃;第三次全國國土調(diào)查;基數(shù)轉(zhuǎn)換;大數(shù)據(jù);機器學(xué)習(xí)

中圖分類號 F301.2文獻標(biāo)識碼 A

文章編號 0517-6611（2021）07-0231-06

Abstract With the orderly progress of the preparation of national land spatial planning at all levels，the accuracy requirements for current data such as “the third national land survey” data have become more stringent.The Notice on Carrying Out the Construction of the “One Map” of Land and Space Planning and the Assessment of the Status Quo also clearly states that the first step of the three major steps in the construction of the “One Map” of the land and space planning is to “unify the formation of a base map”.The base map is based on the results of the third national land survey，and integrates the spatial correlation status data and information required for planning and compilation to form a base map with consistent coordinates，coincident boundaries，and continuous up and down.According to the requirements of the central government and relevant ministries and commissions，the results of the third national land survey were used as the basic data for the preparation of the national spatial planning.Due to the difference in the classification of the two，the results of the third national land survey must be classified and converted.Taking the case of Boxing County，Binzhou City as an example，we combined the practice of cardinal conversion of land and space overall planning.On the basis of sorting out the corresponding relationship between“the third national land survey” work classification and the planning purpose classification，relying on big data，machine learning，etc.A set of reusable，highly automated base conversion methods were put forward.

Key words Land space planning;The third national land survey;Cardinal number conversion;Big data;Machine learning

作者簡介 曹芳潔（1993—），女，山東濟南人，工程師，碩士，從事時空數(shù)據(jù)挖掘與分析研究。*通信作者，高級工程師，從事國土空間規(guī)劃及相關(guān)信息化應(yīng)用、城市設(shè)計研究。

收稿日期 2020-08-26

黨的十八屆五中全會以來， “多規(guī)合一”的進程不斷推進，隨著自然資源主管部門機構(gòu)改革方案的落地實施，提升空間治理能力成為新時期亟待解決的重要問題[1]。國家職能部門整合后，國土空間規(guī)劃在用地分類體系和制度方面的沖突尚未理順，特別是用地分類標(biāo)準與用途管制之間的沖突[2]。國土資源的開發(fā)利用對于國民經(jīng)濟增長和社會保障等具有深遠的影響，全國國土調(diào)查工作為政府職能部門掌握該地區(qū)的土地使用狀況和分布情況提供了有利條件。新時期國土空間規(guī)劃背景下，國土空間規(guī)劃現(xiàn)狀用地作為規(guī)劃重要的基礎(chǔ)數(shù)據(jù)，對城市發(fā)展與建設(shè)有重要意義。雖然第三次全國國土調(diào)查（以下簡稱“三調(diào)”）的精度相較于第二次全國土地調(diào)查有了較大改善，但由于調(diào)查方式普遍為目視解譯，因而仍存在一定的誤差[3]。然而，“三調(diào)” 數(shù)據(jù)作為規(guī)劃工作重要基礎(chǔ)數(shù)據(jù)，其工作分類無法與規(guī)劃用途分類直接對應(yīng)，且存在用地類型與土地整治、用地批復(fù)等審批管理數(shù)據(jù)不符的矛盾圖斑，大大增加了規(guī)劃工作在基礎(chǔ)數(shù)據(jù)獲取與整理上的重復(fù)性工作;同時，規(guī)劃實施監(jiān)測與評估、建設(shè)用地增長指標(biāo)核算等工作的準確性很大程度上依賴于基礎(chǔ)數(shù)據(jù)的準確性。因此，迫切需要一種國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換方法，來支撐國土空間規(guī)劃編制、管理和評估工作的開展[4]。近年來，信息通信技術(shù)的進步與普及為定量城市研究提供了大量新的數(shù)據(jù)來源，構(gòu)成了了解城市系統(tǒng)運行規(guī)律的重要基礎(chǔ)[5-6]。同時，隨著計算機科學(xué)技術(shù)的不斷發(fā)展，機器學(xué)習(xí)、人工智能在眾多領(lǐng)域取得了巨大的成功，也為空間規(guī)劃工作提供了新的技術(shù)手段[7]。鑒于此，筆者在對“三調(diào)”工作分類與規(guī)劃用途分類對應(yīng)關(guān)系的梳理基礎(chǔ)上，依托大數(shù)據(jù)、機器學(xué)習(xí)等方法，提出了一套可復(fù)用、自動化程度高的基數(shù)轉(zhuǎn)換方法。

1 研究綜述

近年來，隨著定位與通信技術(shù)的不斷發(fā)展，產(chǎn)生了大量例如興趣點（Point of Interest，以下簡稱“POI”）、手機信令、交通軌跡等帶有地理位置信息的數(shù)據(jù)[8-9]，已有學(xué)者嘗試將其應(yīng)用于社會安全管理、交通以及城市規(guī)劃等領(lǐng)域[10-18]。例如，龍瀛等[19]利用北京的公交刷卡數(shù)據(jù)分析職住關(guān)系;Jiang等[20]采用出租車GPS軌跡，分析人們的出行特征;Sagl等[21]利用位置大數(shù)據(jù)識別人群活動特征，從而探究城市空間結(jié)構(gòu)和時空變化特點;鈕心毅等[22]利用手機信令數(shù)據(jù)獲取城市之間的人口流動，測算城市聯(lián)系度，進而測度城鎮(zhèn)體系等級結(jié)構(gòu);潘蘭平等[23]提出了利用手機信令分析超大城市職住平衡的方法，并納入法定空間規(guī)劃體系。

由于大數(shù)據(jù)具備數(shù)據(jù)量大、速度快、模態(tài)多樣、可視化等特點，傳統(tǒng)計算方法難以滿足其量化分析的需求，機器學(xué)習(xí)可以使計算機在海量數(shù)據(jù)中探索數(shù)據(jù)的特征及規(guī)律，模擬人類的學(xué)習(xí)行為挖掘潛在信息[24]，為大數(shù)據(jù)分析提供了技術(shù)保障。其中，深度學(xué)習(xí)技術(shù)是機器學(xué)習(xí)掀起的一個浪潮[25]，它能夠通過構(gòu)建多層次的網(wǎng)絡(luò)結(jié)構(gòu)，在挖掘數(shù)據(jù)間關(guān)系的基礎(chǔ)上建立分類器，從而提取圖像的高層語義信息，在眾多領(lǐng)域，特別是在目標(biāo)檢測中得到了良好的應(yīng)用[26]，如Girshick等[27]提出的R-CNN。在目標(biāo)檢測領(lǐng)域取得了突破，先后出現(xiàn)了SDD[28]、YOLO[29]、SPP-NET[30]、Fast R-CNN[31]、Faster R-CNN[32]等算法，上述算法都是把傳統(tǒng)的計算機視覺領(lǐng)域和深度學(xué)習(xí)相結(jié)合且取得了良好的效能。

2 基數(shù)轉(zhuǎn)換方法

2.1 技術(shù)路線

國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換工作流程包括建立“三調(diào)”工作分類與規(guī)劃用途分類的銜接關(guān)系、規(guī)劃用途分類轉(zhuǎn)換、成果建庫與基數(shù)轉(zhuǎn)換成果審查4個環(huán)節(jié)（圖1）。

2.1.1 建立“三調(diào)”工作分類與規(guī)劃用途分類的銜接關(guān)系。

依據(jù)《山東省國土空間規(guī)劃用地、用海、用島分類指南（試行）》中附錄G（山東省國土空間規(guī)劃用地、用海、用島分類指南（試行）與《第三次全國國土調(diào)查工作分類》對照表），梳理“三調(diào)”工作分類與規(guī)劃用途分類之間對應(yīng)關(guān)系，將地類對應(yīng)關(guān)系分為4類：一對一型、多對一型、一對多型、無對應(yīng)型。針對不同地類對應(yīng)關(guān)系采取不同方法進行基數(shù)轉(zhuǎn)換，一對一型、多對一型進行直接轉(zhuǎn)換;“一對多型”無法直接轉(zhuǎn)換，需要借助衛(wèi)星遙感影像、POI數(shù)據(jù)、城鄉(xiāng)用地監(jiān)測數(shù)據(jù)、地形圖等輔助數(shù)據(jù)，并通過外業(yè)補充調(diào)查進行細化;“無對應(yīng)型”中，海域利用現(xiàn)狀數(shù)據(jù)依據(jù)海島岸線調(diào)查中的潮間帶數(shù)據(jù)確定，島上用地地類依據(jù)地理國情普查的地表覆蓋數(shù)據(jù)（LCA）確定。

2.1.2 規(guī)劃用途分類轉(zhuǎn)換。

針對地類明顯與實際不符的地塊，總結(jié)基數(shù)轉(zhuǎn)換方法，概括用途分類轉(zhuǎn)換類型包含以下6類：①規(guī)劃基期年以前已驗收的土地開發(fā)、復(fù)墾、整理地塊（如增減掛鉤項目的拆舊、復(fù)墾、安置、建新），但在“三調(diào)”數(shù)據(jù)中仍為驗收前地類;②規(guī)劃基期年以前已辦理農(nóng)轉(zhuǎn)用審批手續(xù)、海域使用權(quán)審批手續(xù)或擁有土地使用權(quán)證，但農(nóng)轉(zhuǎn)用審批文件、海域使用權(quán)證或土地使用權(quán)證上所載地類與“三調(diào)”數(shù)據(jù)不一致的;③規(guī)劃基期年以前批而未用的土地（包括批而未供、供而未用，如因低效用地二次開發(fā)、原拆原建或集體土地預(yù)征等原因以先行拆除的土地），土地已征用，有完整合法用地手續(xù)，但“三調(diào)”中將其調(diào)查為農(nóng)用地或未利用地的;④“三調(diào)”數(shù)據(jù)中的建設(shè)用地中地類明顯與實際不符的;⑤現(xiàn)狀城鎮(zhèn)建設(shè)范圍內(nèi)綠地與廣場用地，“三調(diào)”調(diào)查為林

地;⑥現(xiàn)狀城鄉(xiāng)建設(shè)范圍內(nèi)的河流、湖泊水面，“三調(diào)”中調(diào)查為綠地與廣場用地。針對不同轉(zhuǎn)換類型，收集不同的批地文件、矢量數(shù)據(jù)等證明材料，并進行地類轉(zhuǎn)換（表1、圖2）。

2.1.3 成果建庫。

依據(jù)《山東省國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換技術(shù)指南（征求意見稿）》對規(guī)劃基數(shù)成果的要求整理規(guī)劃基數(shù)成果。①數(shù)學(xué)基礎(chǔ)（與“三調(diào)”數(shù)據(jù)相同）：滿足國家、山東省相關(guān)政策文件中對于數(shù)學(xué)基礎(chǔ)方面的要求，采用1985

國家高程基準、高斯-克呂格投影分帶、2000國家大地坐標(biāo)

系;②要素圖層：行政區(qū)、基期現(xiàn)狀用地、歸并細化類轉(zhuǎn)換、管理數(shù)據(jù)類轉(zhuǎn)換、糾正類轉(zhuǎn)換等圖層;③基數(shù)轉(zhuǎn)換成果組成部分及目錄結(jié)構(gòu)（圖3）。

2.1.4 基數(shù)轉(zhuǎn)換成果審查。該階段工作內(nèi)容包含基數(shù)轉(zhuǎn)換成果的規(guī)范性審查和基數(shù)轉(zhuǎn)換成果的內(nèi)容審查2部分內(nèi)容。①基數(shù)轉(zhuǎn)換成果的規(guī)范性審查：基數(shù)轉(zhuǎn)換成果目錄結(jié)構(gòu)、基數(shù)轉(zhuǎn)換表格成果填寫、基數(shù)轉(zhuǎn)換數(shù)據(jù)庫構(gòu)建以及基數(shù)轉(zhuǎn)換附組織;②基數(shù)轉(zhuǎn)換成果的內(nèi)容審查：成果完整性審查、過程合理性審查和數(shù)據(jù)邏輯一致性審查。

2.2 關(guān)鍵技術(shù)

2.2.1 基于SVM分類算法的POI數(shù)據(jù)分類。

隨著通訊網(wǎng)絡(luò)與測繪科學(xué)技術(shù)的發(fā)展，移動設(shè)備提供的位置服務(wù)（LBS）產(chǎn)生了大量數(shù)據(jù)，在眾多領(lǐng)域中的應(yīng)用優(yōu)勢日益凸顯[33]。其中，POI泛指一切與人們生活密切相關(guān)的地理實體，如學(xué)校、醫(yī)院、商場、酒店等都可以抽象為POI[34]。該研究建立了一種完全利用POI數(shù)據(jù)進行規(guī)劃用途自動化分類的方法，首

先將POI數(shù)據(jù)分類與規(guī)劃用途分類進行初步銜接作為主題

類型分布，同時借助空間分布（用地圖斑）與公眾認知度計算其概率分布概率[35-37]，然后基于POI文本的主題分布，運用SVM分類算法[38]構(gòu)建規(guī)劃用途分類模型（圖4）。

2.2.2 基于深度學(xué)習(xí)技術(shù)的遙感影像目標(biāo)檢測。

深度學(xué)習(xí)技術(shù)能夠通過構(gòu)建多層次的網(wǎng)絡(luò)結(jié)構(gòu)，在挖掘數(shù)據(jù)間關(guān)系的基礎(chǔ)上建立分類器，從而提取圖像的高層語義信息，在眾多領(lǐng)域特別是在目標(biāo)檢測中得到了良好的應(yīng)用。該研究嘗試將Faster R-CNN目標(biāo)檢測算法[41]應(yīng)用于遙感影像目標(biāo)分類中（圖5），對于“一對多型”中無法通過POI數(shù)據(jù)細化的地類圖斑進行規(guī)劃用途分類轉(zhuǎn)化，相對于傳統(tǒng)的人工判別效率有了明顯提升[42]。該研究基于卷積神經(jīng)網(wǎng)絡(luò)思想，在深度學(xué)習(xí)框架下通過多線程迭代訓(xùn)練，在卷積神經(jīng)網(wǎng)絡(luò)中得到目標(biāo)特征圖后，通過區(qū)域建議網(wǎng)絡(luò)RPN和RoIAlign池化操作將特征輸入不同分支，最后得到遙感圖像目標(biāo)檢測模型。在城鎮(zhèn)與農(nóng)村場景的遙感圖像中，該模型均可以同時檢測出多個類別的地類目標(biāo)。

3 博興縣國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換

3.1 研究區(qū)概況

博興縣位于魯北平原黃河下游南岸，與東營市、淄博市相鄰，總面積900.7 km.2，人口50.3萬，轄9個鎮(zhèn)、3個街道、1個省級經(jīng)濟開發(fā)區(qū)（圖6）。2019年，全縣完成地區(qū)生產(chǎn)總值366.81億元。博興歷史悠久、文化燦爛，境內(nèi)有眾多名勝古跡;博興區(qū)位優(yōu)勢明顯，地處省會城市群經(jīng)濟圈、山東半島城市群和環(huán)渤海經(jīng)濟圈三大經(jīng)濟區(qū)結(jié)合部，位于山東半島藍色經(jīng)濟區(qū)和黃河三角洲高效生態(tài)經(jīng)濟區(qū)兩大國家戰(zhàn)略的疊加開發(fā)區(qū)域。

博興縣農(nóng)用地占土地總面積的70%以上，其中耕地占土

地總面積的50%以上，廣泛散布全縣;建設(shè)用地占土地總面積的20%以上，零星散布全縣，其中工礦用地占土地總面積的5%以上，農(nóng)村宅基地占土地總面積的6%以上，交通用地占土地總面積的2%以上。

博興縣當(dāng)前規(guī)劃期間處于城鎮(zhèn)化與工業(yè)化的高速發(fā)展階段，建設(shè)用地供需矛盾突出，從土地資源配置與集約化利用程度來看，長時間的粗放型經(jīng)濟增長方式使得博興縣存在大量低效、分散、閑置的建設(shè)用地。同時，博興縣農(nóng)村居民點存在“空心村”和一戶多宅現(xiàn)象，居民點用地管理粗放，挖掘力度有待增加。

3.2 轉(zhuǎn)換結(jié)果分析

3.2.1 直接轉(zhuǎn)換與地類歸并。

根據(jù)梳理的“三調(diào)”工作分類與規(guī)劃用途分類的銜接關(guān)系，該研究共計轉(zhuǎn)換71 911塊地類圖斑，由28類變?yōu)?6類。試驗將直接轉(zhuǎn)換與地類歸并再次劃分為了3類，其中名稱轉(zhuǎn)換類5個、地類歸并類4個、直接對應(yīng)類19個（圖7）。

3.2.2 借助機器學(xué)習(xí)模型細化用地分類。

完成直接轉(zhuǎn)換與歸并地類整理后，仍有6 786塊地類圖斑無法與規(guī)劃用途分類銜接，需要借助2.2中所述方法進行地類細化。需要細化的圖斑共計7類，分別為交通服務(wù)場站用地、公園與綠地、公用設(shè)施用地、商業(yè)服務(wù)設(shè)施用地、城鎮(zhèn)村道路用地、廣場用地和科教文衛(wèi)用地，其空間分布除縣城與縣域東南部2塊集中外，其余圖斑零星分布于全縣。

3.2.3 基數(shù)轉(zhuǎn)換結(jié)果。

由于總體規(guī)劃基數(shù)僅用于市縣、鄉(xiāng)鎮(zhèn)總體規(guī)劃層面，故“三調(diào)”工作分類轉(zhuǎn)換至規(guī)劃用途分類大類或中類即可，試驗進行博興縣基數(shù)轉(zhuǎn)換，由“三調(diào)”工作分類 35類轉(zhuǎn)換為規(guī)劃用途分類 42類。對應(yīng)2.1中的基數(shù)轉(zhuǎn)換類型，共計轉(zhuǎn)換地類面積1 028.05萬km.2。其中轉(zhuǎn)換類型A～F的轉(zhuǎn)換面積分別為91.04、626.45、28.23、2.90、279.42、0 km.2。

經(jīng)過以博興縣為試點的國土空間規(guī)劃基數(shù)轉(zhuǎn)換，認為該研究所提出的方法能夠較好地實現(xiàn)空間數(shù)據(jù)轉(zhuǎn)換的流程化與自動化處理，有效保證了轉(zhuǎn)換成果的質(zhì)量，避免了最終成果因質(zhì)量問題出現(xiàn)大量返工的現(xiàn)象。但需要注意的有以下3點：①由于試點區(qū)域?qū)儆诳h級地區(qū)，雖然同時使用了高德地圖與新浪微博簽到2類POI數(shù)據(jù)源，但仍然難以實現(xiàn)POI類型與規(guī)劃用途完全對應(yīng)以及在全域內(nèi)完全覆蓋等問題，需要以人機交互的模式進行核查修正;②在建成區(qū)范圍外，各類建筑類型差距不大，不易通過遙感紋理特征進行規(guī)劃用途細化，因此進行遙感影像目標(biāo)檢測后還需對上述類型的用地分類人工逐一核查修正;③在轉(zhuǎn)換過程中，發(fā)現(xiàn)輔助數(shù)據(jù)圖層存在多年數(shù)據(jù)，存在部分交叉，且不同用地類型數(shù)據(jù)間存在誤差，產(chǎn)生大量碎多邊形，應(yīng)提前進行數(shù)據(jù)源精度驗證。

4 結(jié)語

該研究在對“三調(diào)”工作分類與規(guī)劃用途分類進行對應(yīng)關(guān)系梳理的基礎(chǔ)上，依托大數(shù)據(jù)、機器學(xué)習(xí)等，提出了一套可復(fù)用、自動化程度高的基數(shù)轉(zhuǎn)換方法，推動了國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換工作的高效推進。該研究以山東省博興縣為例，進行基數(shù)轉(zhuǎn)換工作方法驗證，為其他省市的國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換工作提供借鑒經(jīng)驗。

研究表明，基數(shù)轉(zhuǎn)換工作中對于農(nóng)村與城鎮(zhèn)地區(qū)應(yīng)分類摸清“數(shù)據(jù)家底”，建立“三調(diào)”工作分類與規(guī)劃用途分類的銜接關(guān)系。對于不同地區(qū)國土空間總體規(guī)劃基數(shù)轉(zhuǎn)換存在重復(fù)性工作，可以通過大數(shù)據(jù)與機器學(xué)習(xí)技術(shù)方式批量識別與處理，相較于傳統(tǒng)人工轉(zhuǎn)換的方法，工作效率和準確性都有提升。對于需要進行實地調(diào)研判斷用途的圖斑，可以借助低成本、易獲取的無人機遙感數(shù)據(jù)，進行補充工作。

參考文獻

[1] 司勁松.構(gòu)建我國國土空間規(guī)劃體系的若干思考[J].宏觀經(jīng)濟管理，2015（12）：14-17.

[2] 王開泳，陳田.新時代的國土空間規(guī)劃體系重建與制度環(huán)境改革[J].地理研究，2019，38（10）：2541-2551.

[3] 中華人民共和國自然資源部.第三次全國國土調(diào)查技術(shù)規(guī)程：TD/T 1055—2019[S].北京：中國標(biāo)準出版社，2019.

[4] 陶英勝.新一輪城市總體規(guī)劃實施體檢評估機制研究[C]//中國城市規(guī)劃學(xué)會，重慶市人民政府.活力城鄉(xiāng) 美好人居——2019中國城市規(guī)劃年會論文集（14規(guī)劃實施與管理）.北京：中國建筑工業(yè)出版社，2019：359-369.

[5] 龍瀛，劉倫倫.新數(shù)據(jù)環(huán)境下定量城市研究的四個變革[J].國際城市規(guī)劃，2017，32（1）：64-73.

[6] 甘欣悅，龍瀛.新數(shù)據(jù)環(huán)境下的量化案例借鑒方法及其規(guī)劃設(shè)計應(yīng)用[J].國際城市規(guī)劃，2018，33（6）：80-87.

[7] 李澤荃，楊曌，劉嶸，等.復(fù)雜網(wǎng)絡(luò)與機器學(xué)習(xí)融合的研究進展[J].計算機應(yīng)用與軟件，2019，36（4）：10-28，62.

[8] 李清泉，李德仁.大數(shù)據(jù)GIS[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2014，39（6）：641-644，666.

[9] ZIKOPOUPOS P C，EATON C，DE ROOS D，et al.Understanding and streaming data[R].McGraw- Hill Companies，2012.

[10] 佘承其，張照生，劉鵬，等.大數(shù)據(jù)分析技術(shù)在新能源汽車行業(yè)的應(yīng)用綜述：基于新能源汽車運行大數(shù)據(jù)[J].機械工程學(xué)報，2019，55（20）：3-16.

[11] 陸化普，孫智源，屈聞聰.大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應(yīng)用綜述[J].交通運輸系統(tǒng)工程與信息，2015，15（5）：45-52.

[12] 費思源.大數(shù)據(jù)技術(shù)在配電網(wǎng)中的應(yīng)用綜述[J].中國電機工程學(xué)報，2018，38（1）：85-96，345.

[13] 胡麗娟，刁贏龍，劉科研，等.基于大數(shù)據(jù)技術(shù)的配電網(wǎng)運行可靠性分析[J].電網(wǎng)技術(shù)，2017，41（1）：265-271.

[14] 常杪，馮雁，郭培坤，等.環(huán)境大數(shù)據(jù)概念、特征及在環(huán)境管理中的應(yīng)用[J].中國環(huán)境管理，2015，7（6）：26-30.

[15] CHEN M，MAO S W，ZHANG Y，et al.Big data related technologies，challenges and future prospects[J].Inf Technol Tourism，2015，15：283-285.

[16] 熊麗君，袁明珠，吳建強.大數(shù)據(jù)技術(shù)在生態(tài)環(huán)境領(lǐng)域的應(yīng)用綜述[J].生態(tài)環(huán)境學(xué)報，2019，28（12）：2454-2463.

[17] 于志剛，李源粒.大數(shù)據(jù)時代數(shù)據(jù)犯罪的制裁思路[J].中國社會科學(xué)，2014（10）：100-120，207.

[18] 胡志風(fēng).大數(shù)據(jù)在職務(wù)犯罪偵查模式轉(zhuǎn)型中的應(yīng)用[J].國家檢察官學(xué)院學(xué)報，2016，24（4）：144-153，176.

[19] 龍瀛，張宇，崔承印.利用公交刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤出行[J].地理學(xué)報，2012，67（10）：1339-1352.

[20] JIANG B，YIN J J，ZHAO S J.Characterizing the human mobility pattern in a large street network[J].Phys Rev，2009，80（2）：1711-1715.

[21] SAGL G，DELMELLE E，DELMELLE E.Mapping collective human activity in an urban environment based on mobile phone data[J].Cartogr Geogr Inf Sci，2014，41（3）：272-285.

[22] 鈕心毅，王垚，丁亮.利用手機信令數(shù)據(jù)測度城鎮(zhèn)體系的等級結(jié)構(gòu)[J].規(guī)劃師，2017，33（1）：50-56.

[23] 潘蘭平，宋小冬，鈕心毅.大數(shù)據(jù)支持下的超大城市職住平衡研究[J].上海國土資源，2018，39（3）：83-86.

[24] 楊劍鋒，喬佩蕊，李永梅，等.機器學(xué)習(xí)分類問題及算法研究綜述[J].統(tǒng)計與決策，2019，35（6）：36-40.

[25] 郭麗麗，丁世飛.深度學(xué)習(xí)研究進展[J].計算機科學(xué)，2015，42（5）：28-33.

[26] 趙永強，饒元，董世鵬，等.深度學(xué)習(xí)目標(biāo)檢測方法綜述[J].中國圖象圖形學(xué)報，2020，25（4）：629-654.

[27] GIRSHICK R，DONAHUE J，DARRELL T，et al.Rich feature hierarchies for accurate object detection and semantic segmentation[C]//2014 IEEE conference on computer vision and pattern recognition（CVPR）.Columbus，OH，USA：IEEE，2014.

[28] DARWICHE A.SDD：A new canonical representation of propositional knowledge bases[C]//Proceedings of the 22nd international joint conference on artificial intelligence.Barcelona，Catalonia，Spain：AAAI Press，2011.

[29] REDMON J，F(xiàn)ARHADI A.YOLO9000： Better，faster，stronger[C]// 2017 IEEE conference on computer vision and pattern recognition（CVPR）.Honolulu，HI，USA：IEEE，2017.

[30] PURKAIT P，ZHAO C，ZACH C.SPPNet：Deep absolute pose regression with synthetic views[EB/OL].[2020-03-25].https：arxiv.org/pdf/1712.03452.pdf.

[31] GIRSHICK R.Fast RCNN[C]//2015 IEEE international conference on computer vision（ICCV）.Santiago，Chile：IEEE，2015.

[32] REN S，HE K，GIRSHICK R，et al.Faster RCNN：Towards realtime object detection with region proposal Networks[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39（6）：1137-1149.

[33] 李德仁，邵振峰，于文博，等.基于時空位置大數(shù)據(jù)的公共疫情防控服務(wù)讓城市更智慧[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2020，45（4）：475-487，556.

[34] 嚴瀟，咼維，樊亞新，等.融合空間計算的POI地理編碼方法[J].計算機應(yīng)用研究，2016，33（9）：2652-2655.

[35] 趙衛(wèi)鋒，李清泉，李必軍.利用城市POI數(shù)據(jù)提取分層地標(biāo)[J].遙感學(xué)報，2011，15（5）：973-988.

[36] 池嬌，焦利民，董婷，等.基于POI數(shù)據(jù)的城市功能區(qū)定量識別及其可視化[J].測繪地理信息，2016，41（2）：68-73.

[37] 文聰聰，彭玲，楊麗娜，等.主題模型與SVM組合的小尺度街區(qū)用地分類方法[J].地球信息科學(xué)學(xué)報，2018，20（2）：167-175.

[38] CORTES C，VAPNIK V.Supportvector networks[J].Machine learning，1995，20（3）：273-297.

[39] 劉威，張東霞，王新迎，等.基于深度強化學(xué)習(xí)的電網(wǎng)緊急控制策略研究[J].中國電機工程學(xué)報，2018，38（1）：109-119，347.

[40] 吳峰，陳后金，姚暢，等.基于網(wǎng)格搜索的PCA-SVM道路交通標(biāo)志識別[J].鐵道學(xué)報，2014，36（11）：60-64.

[41] HE K M，GKIOXARI G，DOLLR P，et al.Mask RCNN[C]// 2017 IEEE international conference on computer vision （ICCV）.Venice，Italy：IEEE，2017.

[42] ZHANG S，HE G H，CHEN H B，et al.Scale adaptive proposal network for object detection in remote sensing images[J].IEEE Geoence and Remote Sensing Letters，2019，16（6）：864-868.