基于建筑形态与业态大数据的人工智能城市用地精细识别方法研究
王强 邓有田 任小鹏 杨灿 黄跃华

大连民族大学，辽宁省大连市，116650；

摘要：在我国城市高质量发展背景下，传统人工用地识别效率低、成本高、难以适配混合功能区；单一POI方法忽视建筑形态约束，与国标匹配度低。本研究以建筑形态矢量与业态POI数据为核心，融合GIS、遥感与人工智能，构建多源数据驱动的城市用地精细识别模型。采用TF-IDF加权归一化，通过空间连接与膨胀法校准地块—业态关联，基于GBDT开展监督分类，并嵌入形态规则与人机协同优化，实现国标小类自动化高精度识别。实验表明，该方法总体准确率达80%以上，较单一数据源提升15%以上。选取大连主城区6217个实测地块验证，全域Kappa系数0.782；居住、商业、工业用地单类精度分别为87.2%、85.6%、83.1%，商住混合用地81.5%；同区域纯POI模型平均精度66.7%，本方法提升16.1个百分点，与MDPI同类研究提升幅度（11.9%）规律一致。研究成果可为城市调查、国土规划、动态监测与智慧城市提供高效、低成本、可推广的技术支撑。

关键词：城市用地识别；建筑形态；业态大数据；POI；人工智能；GBDT；GIS；国土空间规划

参考文献

[1]杨俊宴等.融合建筑三维形态的城市用地精细识别[J].MDPISustainability,2024,13(6):761

[2]张亚,罗安.面向建筑功能分类的POI加权映射[J].武汉大学学报(信息科学版),2025

[3]吴琳琳.多源遥感+POI城市用地分类[J].自然资源遥感,2022,34(1):127-134

[4]自然资源部.国土调查生产成本定额(DB61/T1856-2024)[S],2024

[5]李喆.基于TF-IDF-POI的城市功能区识别[J].地球信息科学学报,2025,27(10):1892-1903