Structural analysis of the intra urban morphology at a global scale using unsupervised generated data

Kurzfassung

Das Jahrhundert der Urbanisierung— ein Name, der dem 21. Jahrhundert aufgrund des Ausmaßes der aktuell stattfindenden Urbanisierung gegeben wurde, mit einer voraussichtlichen städtischen Bevölkerung von fast 7 Milliarden Menschen in 2050. Dieser Prozess stellt Herausforderungen an das Wachstum und die Struktur von Städten. Doch um diese Probleme anzugehen ist Wissen über die Struktur von Städten notwendig. Diese Arbeit bietet ein Framework, um sowohl urbane Muster, die die innerstädtische Morphologie beschreiben, als auch Stadtmodelle, die verschiedene Strukturen von Städten auf globaler Ebene beschreiben zu erhalten, basierend auf der Analyse von 1520 unterschiedlichen Städten. Im ersten Teil werden Deep Neural Networks verwendet um Patches zu clustern, die eine Landcoverklassifizierung, die „local climate zones LCZs)“ erhalten und von Städten extrahiert werden, die durch die „morphological urban areas (MUAs)“ beschrieben werden. Um die morphologische Realität in den Prozess einzubringen, wird eine parameterbasierte Kodierung verwendet, um die Dichte und Höhe der verschiedenen Elemente der Stadtform zu beschreiben. Anschließend wird im zweiten Teil auf der Grundlage der erhaltenen Muster eine Graphdarstellung jedes Stadtgebiets erstellt und mit einem k-Means-Algorithmus geclustert. Der Abstand zwischen den Graphen wird mithilfe der „Fused Gromov-Wasserstein (FGW)-Distanz“ berechnet, die sowohl die Knotenmerkmale als auch die Struktur der Graphen nutzt. Zusätzlich werden die Clusterzentren (Barycenter) berechnet, die als Stadtmodelle jedes Clusters dienen. Das Framework ergab 66 Stadtmuster, die jeweils ein morphologisches Merkmal beschreiben, und 16 Stadtmodelle, wobei die jedem Modell zugeordneten Städte entweder eine klare geografische Verteilung oder andere Unterscheidungsmerkmale aufweisen