羅興賢+李巧玲+周智勇+高江錦

摘要：地質(zhì)公園的地質(zhì)遺跡具有高度的景觀價值，而公園的地質(zhì)遺跡數(shù)據(jù)庫中保存有這些地質(zhì)遺跡的位置數(shù)據(jù)；空間數(shù)據(jù)挖掘就是根據(jù)空間點的位置關(guān)系來獲取空間點的有價值信息；DBSCAN算法是一種基于密度的空間聚類方法；通過將地質(zhì)遺跡數(shù)據(jù)庫中的地質(zhì)遺跡的原始位置信息轉(zhuǎn)換為便于數(shù)據(jù)挖掘所使用的形式，采用DBSCAN算法對地質(zhì)遺跡進行聚類，為地質(zhì)公園制作景區(qū)劃分方案提供科學(xué)依據(jù)。

關(guān)鍵詞：地質(zhì)公園；地質(zhì)遺跡；景區(qū)；空間數(shù)據(jù)挖掘；DBSCAN

中圖分類號：TP39 文獻標(biāo)識碼：A 文章編號：1007-9416（2017）07-0118-03

1 引言

地質(zhì)公園是以具有一定規(guī)模和分布范圍的、有代表意義的地質(zhì)遺跡為主體，并融合其他自然景觀或人文景觀構(gòu)成的特定地區(qū)，它具有特殊的科學(xué)意義、稀有的自然屬性、優(yōu)雅的美學(xué)觀賞價值。

對于以地質(zhì)遺跡為本的地質(zhì)公園，要以科學(xué)發(fā)展觀為指導(dǎo)思想，嚴格遵循“保護優(yōu)先，科學(xué)規(guī)劃，合理利用”的原則，確保公園所在地區(qū)的經(jīng)濟可持續(xù)發(fā)展的目標(biāo)。對于地質(zhì)公園獨特的自然遺產(chǎn)與文化遺產(chǎn)首先要進行妥善的保護，在此基礎(chǔ)上，再提供相應(yīng)的科學(xué)研究、科普教育以及旅游經(jīng)濟開發(fā)。

地質(zhì)公園主要以地質(zhì)遺跡為觀賞景點，而地質(zhì)遺跡主要是由于自然或歷史原因而產(chǎn)生的，具有獨特的自然屬性，地理位置固定，具有人工難以構(gòu)建的特點，決定了地質(zhì)公園景區(qū)的劃分必須圍繞地質(zhì)遺跡這個核心來進行合理規(guī)劃，在保護地質(zhì)遺跡的前提下，提供其觀賞價值，來進行旅游經(jīng)濟開發(fā)。

地質(zhì)遺跡的相關(guān)信息一般存在于地質(zhì)遺跡數(shù)據(jù)庫中，其中就包含了地質(zhì)遺跡的空間位置信息，要從這些地質(zhì)遺跡的空間位置信息中來劃分景區(qū)[1]，利用空間數(shù)據(jù)挖掘技術(shù)是一個有效的手段。

2 空間數(shù)據(jù)挖掘

2.1 空間數(shù)據(jù)挖掘的概念

空間數(shù)據(jù)挖掘（Spatial Data Mining）是指在空間數(shù)據(jù)庫的基礎(chǔ)上，綜合利用統(tǒng)計學(xué)方法、模式識別技術(shù)、人工智能方法、神經(jīng)網(wǎng)絡(luò)技術(shù)、粗集、模糊數(shù)學(xué)、機器學(xué)習(xí)、專家系統(tǒng)和相關(guān)信息技術(shù)等，從大量的空間生產(chǎn)數(shù)據(jù)、管理數(shù)據(jù)、經(jīng)營數(shù)據(jù)或遙感數(shù)據(jù)中析取人們可信的、新穎的、感興趣的、隱藏的、事先未知的、潛在有用的和最終可理解的知識，從而揭示出蘊含在數(shù)據(jù)背后的客觀世界的本質(zhì)規(guī)律、內(nèi)在聯(lián)系和發(fā)展趨勢，實現(xiàn)知識的自動獲取，提供技術(shù)決策與經(jīng)營決策的依據(jù)[2]?？梢姡抢脭?shù)據(jù)挖掘方法，按照一定的度量值和臨界值從空間數(shù)據(jù)庫中抽取知識以及與之相關(guān)的預(yù)處理、抽樣和數(shù)據(jù)變換的一個多步驟相互鏈接、反復(fù)進行的人機交互過程。

2.2 空間數(shù)據(jù)挖掘的過程

空間數(shù)據(jù)挖掘包括四個主要的過程：數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、結(jié)果解釋、知識表示[3]。整個過程是一個不斷循環(huán)和反復(fù)的過程，因上可對所發(fā)掘出的知識不斷求精和深化，其挖掘過程可用圖1來表示。

2.3 空間數(shù)據(jù)挖掘的方法

常見的空間數(shù)據(jù)挖掘方法有：基于概率統(tǒng)計的分析方法、基于泛化和歸納的方法、基于聚類的方法、基于分類的方法、基于空間關(guān)聯(lián)的方法、決策樹方法、神經(jīng)網(wǎng)絡(luò)方法、遺傳算法、支撐向量機（SVM）、圖像分析和模式識別、Rough集方法和云理論方法等[4]。

3 空間數(shù)據(jù)挖掘方案

3.1 挖掘方法的選擇

由于地質(zhì)公園的地質(zhì)遺跡數(shù)據(jù)庫在記錄地質(zhì)遺跡的時候，通常把地質(zhì)遺跡抽象為一個個的點來看，并記錄下這些點的經(jīng)度和緯度等與位置相關(guān)的信息，因此，擬采用空間點聚類方法中的經(jīng)典算法——DBSCAN算法來對地質(zhì)遺跡分布進行景區(qū)劃分[5][6]。

3.2 DBSCAN算法簡介

在基于點聚類的空間聚類算法中，DBSCAN算法是一種經(jīng)典算法，它是基于密度的空間聚類方法。它的基本原理是采用一定鄰域內(nèi)包含空間實體的最小數(shù)目來定義空間密度，并通過不斷增長高密度區(qū)域進行空間聚類，能夠把具有足夠高密度的區(qū)域劃分為簇，并可在噪聲的空間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的聚類。其算法過程如下：

輸入： 包含n個對象的數(shù)據(jù)庫，半徑Eps，最少數(shù)目MinPts；

輸出： 所有生成的簇，達到密度要求。

（1）Repeat；

（2）從數(shù)據(jù)庫中抽出一個未處理的點；

（3）IF抽出的點是核心點 THEN 找出所有從該點密度可達的對象，形成一個簇；

（4）ELSE 抽出的點是邊緣點（非核心對象），跳出本次循環(huán)，尋找下一個點；

（5）UNTIL 所有的點都被處理。

由于DBSCAN對用戶定義的參數(shù)很敏感，細微的不同都可能導(dǎo)致差別很大的結(jié)果，而參數(shù)的選擇無規(guī)律可循，只能靠經(jīng)驗確定，因此，往往要通過多次實驗才能確定一個較滿意的結(jié)果。

3.3 數(shù)據(jù)的準備

從地質(zhì)遺跡數(shù)據(jù)庫中抽取的地質(zhì)遺跡的原始的經(jīng)度與緯度數(shù)據(jù)如表1所示。

由于地質(zhì)遺跡的位置數(shù)據(jù)采用的是度分秒的形式來記錄的，因此先通過轉(zhuǎn)換公式，將度分秒的坐標(biāo)形式轉(zhuǎn)換為實數(shù)的坐標(biāo)形式，如表2所示。

在表2的數(shù)據(jù)中可以看出，由于地質(zhì)遺跡的位置常常集中于一個經(jīng)緯度變化很小的范圍內(nèi)，位置數(shù)據(jù)區(qū)分度太小，因此，可以將位置數(shù)據(jù)的實數(shù)放大，以便讓地質(zhì)遺跡位置數(shù)據(jù)之間有明顯的區(qū)分度。將表2中的位置數(shù)據(jù)放大10000倍后得到如表3所示的結(jié)果，從中可以看出各地質(zhì)遺跡的位置數(shù)據(jù)有著明顯的區(qū)別。這樣，就可以使用準備好的數(shù)據(jù)進行實驗。

4 實驗

將格式化好的數(shù)據(jù)按要求導(dǎo)出到指定的文本文件中，使用R語言[7]自帶的函數(shù)DBSCAN進行空間聚類，經(jīng)過多次實驗，發(fā)現(xiàn)當(dāng)MinPts=2，eps=180或eps=190時聚類結(jié)果較為理想，均只有一個噪聲點，其結(jié)果分別如圖2和圖3所示；當(dāng)eps為180時，可以將53個點聚為5個類，而當(dāng)eps取190時，DBSCAN將圖2中的④⑤兩個類聚為了一個類，從而縮減為4個類。

5 結(jié)語

由于地質(zhì)公園均建設(shè)有地質(zhì)遺跡數(shù)據(jù)庫，該數(shù)據(jù)庫中就包含了各地質(zhì)遺跡的位置數(shù)據(jù)，因此，利用基于密度的空間聚類方法，根據(jù)地質(zhì)遺跡數(shù)據(jù)庫中的位置信息來對公園內(nèi)各地質(zhì)遺跡進行聚類，聚類的結(jié)果可以作為地質(zhì)公園管理者制定景區(qū)劃分方案的科學(xué)依據(jù)，如圖2和圖3。到底采用哪種景區(qū)劃分方案，可結(jié)合地質(zhì)公園景區(qū)管理的實際需求來進行選擇和修訂。

參考文獻

[1]辜寄蓉，陳先偉，楊海龍.城市功能區(qū)劃分空間聚類算法研究[J].測繪科學(xué)，2011， （05）：65-67+64.

[2]李德仁，王樹良，史文中，王新洲.論空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2001，（06）：491-499.

[3]張志兵.空間數(shù)據(jù)挖掘及其相關(guān)問題研究[M].武漢：華中科技大學(xué)出版社，2011.

[4]柳盛，吉根林.空間聚類技術(shù)研究綜述[J].南京師范大學(xué)學(xué)報（工程技術(shù)版），2010，（02）：57-62.

[5]張文元，談國新，朱相舟.停留點空間聚類在景區(qū)熱點分析中的應(yīng)用[J].計算機工程與應(yīng)用，2017，（02）：1-9.

[6]李新延，李德仁.DBSCAN空間聚類算法及其在城市規(guī)劃中的應(yīng)用[J].測繪科學(xué)，2005，（03）：51-53+5.

[7]黃文，王正林.數(shù)據(jù)挖掘：R語言實戰(zhàn)[M].北京：電子工業(yè)出版社，2014.endprint