用户名
密码
(30天内有效)
注册
注册

首页 > 资料下载 >

参选城市数据师:段冰若

我要收藏
2017-02-02

点击上图查看《2016全国十大城市数据师个人贡献奖》评选介绍,活动正在进行中,欢迎报名参与,最新截止日期为2月6日。



工作中使用手机信令数据,为政府及事业单位提供基于大数据监测的城市运行评估和咨询服务。

与创新中心一同自主开发了处理大体量手机信令数据(约70G/天)的存储、清洗与分析算法。为中心的人口分析提供相应数据支持。

在噪音数据清洗、出行链识别、区域内人口计算、个体职住标签识别等方面取得了一定的技术积累。

参与完善了基于信令数据的人口分析模板,广泛应用于各个级别的政府服务项目中,研究对象包括省、市、区及街道。

  

通州区白天与夜晚人口活动热度分布



某街道内居住地与工作地识别






在院内项目中,使用机器学习方法,为城市研究与城市分析提供相应的数据理论支持。

将城市研究问题转化为机器学习问题,通过模型选择和参数调整,实现用地特征画像、人口特征画像、人流量预测、车流量预测等模型,并在项目分析中得以应用。

对城市数据间的影响权重进行计算,探寻城市运行的内在联系。






摘要:

相比于传统的增量规划,存量规划中主要在产权本质、时间逻辑和空间处理尺度上有着本质的不同。因此,存量规划对现有用地现状和性质的精准刻画提出了更高的要求。作为当前传统的用地现状分析图在存量规划中存在着地块特征刻画精度有限与用地分类维度过低等不足。对用地类型的混合、同种用地类型的规模、同一地块的时间属性等用地特征,传统的现状分析图也难以进行描述。随着互联网LBS(Location-Based Service)服务的发展,越来越多LBS时空数据因其巨大的用户基数和完善的时空地理信息,受到规划师的关注。这些新的时空地理数据使得对用地功能和人口活动特征的详细刻画成为可能。使用互联网某LBS平台人口分时活动密度数据,叠加百度POI(Place of Interest),通过非监督分类和非负矩阵分解的方法,分别对北京市六环内的地块尺度、500 m网格尺度和25 m点阵尺度进行用地功能的识别与分类。通过多维度分类结果的叠加,对研究区域的用地功能、人口时空活动特征进行深入刻画,探讨通过大数据进一步辅助存量规划的用地功能研究方法。


关键词:

存量规划 | 机器学习 | 用地分类 | LBS数据

  





报告主要内容:

结合自身学习与工作经验,对参与的机器学习规划研究项目进行总结与梳理。

对存量规划时代的特征与挑战进行解,由此引出对机器学习方法的展望。对机器学习应用普及的必要性进行了论述。

阐述了个人对机器学习方法的看法,对城市问题转化成为机器学习模型的研究方法提供了思路。






课程内容:

互联网数据的普及与政府数据的不断开放,为城市规划中的大数据研究带来了机会。AlphaGo的异军突起,将人工智能重新带回人们的视野。大数据和人工智能正在对越来越多的行业带来变革。对城市规划师来说,大数据的抓取、清洗和处理往往成为了技术的门槛,纵然有大量数据与城市相关,但苦于技术限制无法下手分析。同样的,人工智能和机器学习虽然成为了大众的谈资,但受限于专业背景,规划师仍然难以进行入门操作。Python作为当下最流行的编程语言之一,在数据抓取、数据处理和机器学习等领域有着较为成熟的应用和领先的优势。


本课程将结合规划师学科背景与需求,从对Python语言进行0基础入门讲解开始到:

使规划师掌握基本的Python语言编程;

并可以在日常工作中使用Python进行数据抓取:

掌握使用Python编写基本的网页爬虫,能够使用Python抓取结构化页面中的网页信息;

掌握使用Python调用现有API,对百度地图POI信息进行批量化抓取;

掌握Python中大数据处理的基本操作和数据构建思路;

学习机器学习简介与基本概念、发展历史、研究现状;

结合规划案例,介绍机器学习在城市规划当中的应用及潜力;

学习搭建机器学习模型,通过综合规划研究案例掌握用地类型识别等;










本站声明

本文仅代表作者观点,不代表城市数据派立场;
本文系作者授权城市数据派发表,未经许可,不得转载;
本网站上的所有内容均为虚拟服务,一经购买成功概不退款,请您理解。

点赞0

全站浏览排行

TOP ARTICLES
  • 联系微信客服
    xiaopaipai_udparty
  • 顶部