基于多源信息与深度学习特征提取的人口空间抽样方法

摘要：

人口抽样调查是通过人口样本估算区域人口总体的一种手段.由于人口分布通常具有空间差异性,传统的抽样调查理论难以满足日益增长的空间抽样需求,合理高效的人口空间抽样调查方法对于人口统计、研究人类活动、解决城市问题等有重要意义.本文提出一种基于多源信息与深度学习特征提取的人口空间抽样方法.在不透水面信息的辅助下,利用四叉树分割进行分层抽样,初步选择出可能存在人口分布的调查样本,并通过深度学习的常用模型——卷积神经网络估算样本建筑物密度,以辅助最终调查样本的选择与调查方案的制定.研究结果证明,该方法能够有效地筛选与人口分布密切相关的抽样区域,排除大量的无用样本,提高了人口调查的效率,节约了大量调查成本.

关键词：多源信息;人口抽样;四叉树;深度学习;特征提取

分类号：P208(一般性问题)

资助基金：国家自然科学基金面上项目;广东省省级科技计划;国土空间规划多源数据融合与更新合作研发项目

在线出版日期：2021-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：42-47