基于社交网络交互的土地利用识别
社会与信息网络
2022-09-08 v1 机器学习
摘要
互联网以高速率产生大量数据，尤其是社交网络上的帖子。尽管社交网络数据存在大量语义篡改，且并非旨在作为地理空间信息来源，但我们在帖子文本中发现有关人们如何与其环境相关联的重要信息片段，这些信息可用于基于人类活动识别其与部分土地交互的有趣方面。本研究提出一种利用自然语言处理（NLP）从流行社交网络 Twitter 的内容中识别土地利用的方法论。将通过识别文本中具有语言模式的关键词以及与该发布相关联的地理坐标来实现。引入了针对南美洲特别是秘鲁阿雷基帕市数据的特定情境创新。目标是识别五种主要土地利用类型：居住、商业、机构-政府、工业-办公以及未建设用地。在城市规划与可持续城市管理的框架内，该方法论有助于优化应用于土地用途地籍更新的识别技术，由于结果达到了约 90% 的准确率，这促使了其在真实情境中的应用。此外，基于所收集数据的数量，它能够在更复杂/混合分布建筑等情况下以更精细的层级识别土地利用类别。最后，该方法论以更及时的方式提供土地利用信息，且最重要的是，避免了城市土地利用图非自动化制作的高昂经济成本，尤其是在发展中国家。
引用
@article{arxiv.2112.06704,
title = {Land use identification through social network interaction},
author = {Diana C. Pauca-Quispe and Cinthya Butron-Revilla and Ernesto Suarez-Lopez and Karla Aranibar-Tila and Jesus S. Aguilar-Ruiz},
journal= {arXiv preprint arXiv:2112.06704},
year = {2022}
}