基于深度学习的村庄分类方法研究--以西安秦汉新城为例
合理的村庄分类是乡村振兴的基本前提，也是编制村庄规划的关键。面对现有乡村分类方法主观性强、划分随意等局限性，本文基于深度学习理论提出了一种训练计算机自主学习，融合多元信息，综合判别村庄类型的方法。在《国家乡村振兴战略规划(2018-2022年)》提出分类原则的基础上，构建了卷积神经网络和全连接多层感知机相结合的深度学习模型。该模型能同时处理卫星图像和数据信息，归纳分析出多元信息与村庄类别之间的非线性映射关系，经过训练后的模型可使计算机自主对村庄进行分类。本文选取西安市秦汉新城110个行政村进行方法验证，秦汉新城处于大都市边缘区和秦汉历史文化资源聚集地，且邻近区域大型交通站点，能全面覆盖村庄类型。实验结果表明本研究提出的模型分类精度高，分类过程客观性强，是一种高效可行的村庄分类方法。可用来指导编制村庄规划，同时为未来城乡规划理论研究提供新颖的研究方法和理论模型。
大数据 村庄分类方法 深度学习 卷积神经网络 全连接多层感知机
陈嘉璇 井晓鹏 王超
长安大学建筑学院
国内会议
成都
中文
1-9
2021-09-25（万方平台首次上网日期，不代表论文的发表时间）