Опыт исследования городской застройки с помощью нейронных сетей на примере малых городов Тверской области

Лебедев, П.С. (2022) Опыт исследования городской застройки с помощью нейронных сетей на примере малых городов Тверской области. Вестник ТвГУ. Серия: География и геоэкология (4). С. 51-58. ISSN 9999-3980

[thumbnail of ГЕОГРАФИЯ_4_2022_ПЕЧАТЬ-51-58.pdf] PDF - Опубликованная версия
1MB

Абстракт

Исследование проведено в рамках концепции социальногеографического пространства города и направлено на оценку городского пространства и возможных пространственных связей населения в нем. В статье описывается опыт применения нейронных сетей для сегментации космических снимков и выделения на них контуров различных типов городской застройки. Типы застройки позволяют дифференцировать город, в том числе получить обобщенное представление о функциональном зонировании и городских ядрах тяготения населения: центрах обслуживания, проживания и приложения труда. Информация о функциональном назначении и центрах позволяет составить представление о социально-пространственных связях населения. Кроме того, метод позволяет компенсировать нехватку открытых пространственных данных по малым городам. Главным недостатком метода являются высокие требования к вычислительной мощности и необходимость сбора и разметки исходных данных

Абстракт (англ.)

The research was conducted within the framework of the concept of the socio-geographical space of the city and is aimed at assessing the urban space and possible spatial connections of the population. The article describes the experience of using neural networks to segment satellite images and highlight contours of various types of urban buildings on them. The types of development make it possible to differentiate the city, including to get a generalized picture of the functional zoning and urban cores of population gravity: service centers, accommodation and labor application. Information about the functional purpose and urban cores allows you to get an idea of the socio-spatial connections of the population. In addition, the method makes it possible to compensate for the lack of open spatial data for small cities. The main disadvantage of the method is the high requirements for computing power and the need to collect and mark up the source data

Тип объекта:Статья
Сведения об авторах:ЛЕБЕДЕВ Павел Сергеевич – аспирант 2-го года обучения по направлению 1.6.13 «Экономическая, социальная, политическая и рекреационная география», ФГБОУ ВО «Тверской государственный университет».
Ключевые слова:социально-географическое пространство города, малые города, Тверская область, городское пространство, свёрточная нейронная сеть, космоснимки
Ключевые слова (англ.):socio-geographical space of the city, small towns, Tver region, urban space, convolutional neural network, satellite images
Категории:9 География. Биографии. История > 91 География. Географические исследования Земли и отдельных стран. Путешествия. Региональная география > 911 Общая география. систематическая география. Теоретическая география > 911.3 География человека. География культуры > 911.372 Населенные пункты: местоположение, типы, функциональное назначение, формы. Заброшенные населенные пункты
Подразделения:Университеты > Тверской государственный университет
ID Code:11780
Deposited On:16 Янв 2023 14:22
Последнее изменение:16 Янв 2023 14:22

Repository Staff Only: item control page