Greater Bay Area Urban Building Function Dataset (GBA-UBF)

GBA-UBF数据集是一个大规模、细粒度的建筑功能分类数据集，覆盖了粤港澳大湾区六个核心城市的近四百万栋建筑。该数据集通过一个可重复的三阶段流程生成，称为多级建筑功能优化（ML-BFO）方法，包括候选标签生成、迭代细化和功能相关校正。数据集提供了一个可重复的框架，用于建筑级别的功能分类，弥补了粗略土地利用图和细粒度城市分析之间的差距。The GBA-UBF dataset is a large-scale, fine-grained building function classification dataset covering nearly 4 million buildings across six core cities of the Guangdong-Hong Kong-Macao Greater Bay Area (GBA). It is generated via a reproducible three-stage pipeline named the Multi-Level Building Function Optimization (ML-BFO) method, which encompasses candidate label generation, iterative refinement, and function-related correction. This dataset provides a reproducible framework for building-level functional classification, bridging the gap between coarse-grained land use maps and fine-grained urban analysis.

原始信息汇总

GBA-UBF数据集概述

数据集简介

GBA-UBF是粤港澳大湾区城市建筑功能数据集，源自论文《A Large-Scale and Fine-Grained Building Function Classification Dataset in the Greater Bay Area》。

覆盖范围

• 地理区域：粤港澳大湾区
• 覆盖城市：广州、深圳、中山、珠海、佛山、香港特别行政区
• 覆盖规模：6个核心城市的400万栋建筑

功能分类

数据集包含五个统一的功能类别：

• 居住类
• 商业类
• 公共服务类
• 科技工业类
• 教育文化类

数据特点

• 提供城市范围、建筑尺度的标签
• 克服了地块地图的粗粒度限制
• 每个shapefile包含建筑高度信息

数据集结构

dataset |--GBA-UBF | |--Guangzhou_1 | | |--Residential_shp | | |--Commercial_shp | | |--PublicServices_shp | | |--TechnologyIndustry_shp | | |--EducationalCultural_shp | |--Shenzhen_1 | | |--Residential_shp | | |--Commercial_shp | | |--PublicServices_shp | | |--TechnologyIndustry_shp | | |--EducationalCultural_shp ...

数据获取

可通过https://github.com/chenchs0629/GBA-UBF查看广州研究区域的示例数据。

相关机构

• 中山大学
• 地理科学与规划学院

搜集汇总

数据集介绍

构建方式

在大湾区城市建筑功能分类研究中，GBA-UBF数据集通过多层级建筑功能优化方法构建。该方法整合兴趣点数据与建筑轮廓信息，采用三阶段流程：首先基于空间叠加与邻近加权生成候选标签，随后利用邻域标签自相关性进行迭代优化，最后结合高级别兴趣点缓冲区实施功能相关校正。这一流程确保了建筑功能分类的精确性与空间一致性，为城市精细化管理提供了可靠数据基础。

特点

GBA-UBF数据集涵盖大湾区六个核心城市近四百万栋建筑，具有大规模与细粒度并重的显著特征。该数据集采用统一的五类功能分类体系，包括居住、商业、公共服务、科技产业及教育文化类别，有效克服了传统地块级数据的粗粒度局限。通过建筑功能匹配指数的定量验证，数据集在密集城区与混合功能区域展现出卓越的语义一致性与空间分布匹配度，为城市形态分析提供了高精度数据支撑。

使用方法

该数据集支持多种城市研究应用，用户可通过地理信息系统直接加载建筑多边形数据，结合功能类别属性进行空间分析与可视化。在具体应用中，可基于建筑功能类型开展城市形态模拟、灾害风险评估或能源消耗建模等研究，同时支持与遥感影像、社会感知数据等多源信息融合分析。数据集持续更新机制确保了其在动态城市环境中的适用性，为城市规划与政策制定提供科学依据。

背景与挑战

背景概述

随着粤港澳大湾区城市化进程的加速推进，高分辨率建筑功能数据的需求日益凸显。2025年，中山大学地理科学与工程学院的陈春松等研究人员发布了GBA-UBF数据集，该数据集通过整合兴趣点数据与建筑轮廓，构建了覆盖六座核心城市近四百万栋建筑的精细分类体系。该研究聚焦于解决传统地块级土地利用数据在空间粒度和功能异质性表征上的局限性，为城市空间结构优化与可持续发展提供了原子级的数据支撑。

当前挑战

在建筑功能分类领域，传统方法难以捕捉地块内部混合功能与尺度不匹配的复杂特征。GBA-UBF构建过程中面临三大挑战：其一，兴趣点数据与建筑轮廓的空间对齐存在位置偏差与语义歧义；其二，高密度城区中建筑功能的邻域自相关性建模需要平衡空间一致性与功能多样性；其三，缺乏权威验证数据导致评估指标需依赖概率热图间接验证，这要求设计新型量化指标如建筑功能匹配指数来保证结果可靠性。

常用场景

经典使用场景

在城市地理信息科学领域，GBA-UBF数据集通过融合建筑轮廓与兴趣点数据，实现了粤港澳大湾区近四百万栋建筑的精细化功能分类。该数据集最典型的应用场景包括城市空间结构解析与功能区划研究，研究者可基于建筑级功能标签量化居住、商业、公共服务等功能的分布模式，揭示高密度城市群内部的功能组织规律。其五级分类体系为城市形态模拟、土地利用混合度评估提供了标准化数据基础，显著提升了城市空间分析的粒度与准确性。

实际应用

在城市规划与管理实践中，GBA-UBF数据集支持精细化城市治理需求。市政部门可借助建筑级功能数据优化公共服务设施布局，例如根据教育类建筑分布调整学区划分，或基于商业建筑密度制定商业网点规划。在灾害风险管理中，不同功能建筑的暴露度差异为洪涝风险评估提供关键输入参数。此外，能源部门可通过建筑功能与能耗的耦合关系，开展街区级分布式光伏潜力测算，助力城市低碳转型战略的实施。

衍生相关工作

该数据集催生了多维度城市研究的新范式。基于建筑功能标签，学者开发了融合三维形态与功能属性的城市数字孪生模型，支持虚拟城市环境中的政策模拟。在交通领域，衍生出结合建筑功能与出行链的交通生成率优化模型，显著提升了通勤需求预测精度。另有研究将建筑功能与遥感影像深度融合，构建了面向城市更新监测的动态功能演化图谱，为城市可持续发展研究提供了方法论创新。