城市用地功能数据是城市计算领域研究中的重要基础性数据。准确地对城市用地功能进行分类,可以辅助城市规划领域专家更高效地开展详细的规划工作。然而,目前城市用地功能识别研究仍然面临许多困难。一方面,适合用来分类的数据源较为单一、城市用地功能的概念定义及研究角度尚无统一标准。另一方面,城市计算领域研究缺乏功能完善的在线可视化分析软件,以供领域研究者更好的进行在线分析。本研究主要有两方面工作。第一,通过采集并融合多源地理信息数据,对建筑粒度下的城市用地功能进行分类;第二,研发适配城市用地功能研究的在线可视化微服务软件。本软件是基于微服务架构进行设计的,可以在保证服务器数据安全的前提下,为用户提供功能更加完善的在线交互分析及数据交互可视化服务。首先,本研究提出了基于多源数据的城市用地功能分类模型。在特征工程方面,本研究采用TF-IDF算法对POI业态数据进行预处理,解决了POI数据分类不均衡的问题;通过将手机基站作为泰森多边形的离散点,本文将人的流动特征分配到了建筑层面;对于建筑形态特征数据,本研究进行了特征扩容。在模型方面,本研究提出了基于XGBoost的城市建筑功能分类模型,并以深圳市为例进行了实验。实验结果表明,在分类数量和分类准确率上本研究所提出的模型都得到了较优的结果。本研究研发了基于WebGL的在线交互分析及交互可视化软件引擎。软件引擎整体是基于前后端分离的微服务架构进行研发的。服务端采用的是Spring Cloud技术架构。前端采用的是React组件化技术,数据存储模块依据数据的不同特点,使用了MySQL关系型数据库、Redis缓存数据库、Nginx静态资源服务器进行分别存储。通过将训练好的机器学习模型存储为PMML格式文件,本软件服务端程序为用户提供了多种机器学习模型的在线调用服务。本软件服务端的不同模块采用Docker容器化虚拟化技术进行部署,容器组采用K8s进行编排。通过将城市计算领域其它研究的业务代码封装为K8s的Pod容器组,本软件引擎还实现了软件功能的快速横向拓展,即软件引擎支持接入其它研究的成果。