建筑(s和)城市:用机器学习算法勾画城市区域

• Elisabet Viladecans-MarsalMiquel-Angel加西亚洛佩兹丹尼尔Arribas-Bel
2020年2月27日

本文提出了一种基于机器学习算法的城市区域划分新方法，该算法在足够密度的空间内对建筑物进行分组。为此，我们使用了西班牙所有1200万幢建筑的精确地理位置。我们利用建筑高度为城市区域创造了一个新的维度，即垂直土地，这提供了一个更准确的尺度。为了更好地理解它们的内部结构，并说明我们算法的额外用途，我们还在划定的城市区域内确定了就业中心。我们测试了我们方法的鲁棒性，并将我们的城市区域与其他使用行政边界和基于通勤模式获得的划分进行了比较。研究表明:1)我们的城市区域更类似于基于通勤的划分，而不是行政边界，但它们的测量更精确;2)在分析城市面积分布时，Zipf定律对城市人口、地表和垂直面积均成立;3)交通改善对城市面积的影响不容低估。