核密度估计法支持下的网络空间POI点可视化与分析

城市空间POI点的分布模式、分布密度在基础设施规划、城市空间分析中具有重要意义,表达该特征的核密度法(kernel density estimation)由于顾及了地理学第一定律的区位影响,比其他密度表达方法(如样方密度、基于Voronoi图密度)占优。然而,传统的核密度计算方法往往基于二维延展的欧氏空间,忽略了城市网络空间中设施点的服务功能及相互联系发生于网络路径距离而非欧氏距离的事实。本研究针对该缺陷,给出了网络空间核密度计算模型,分析了核密度方法在置入网络结构中受多种约束条件的扩展模式,讨论了衰减阈值及高度极值对核密度特征表达的影响。通过实际多种POI点分布模式(随机型、稀疏型、区域密集型、线状密集型)下的核密度分析试验,讨论了POI基础设施在城市区域中的分布特征、影响因素、服务功能。     

设施POI分布热点分析的网络核密度估计方法

设施POI(point of interest)在城市地理空间中往往聚集分布,呈现热点特征。对该类POI分布热点的分析大多采用基于欧氏距离的空间密度估计,忽略了城市空间通达、连接是沿着街道路径的事实,从而很难准确、客观地反映城市功能的热点布局。本研究针对该缺陷,利用基于网络路径距离的核密度计算方法确定热点的区域密度,并提出了一种简单、高效的网络分析算法。该算法扩展二维栅格膨胀操作,以一维形态算子的连续扩展计算POI在网络单元上的密度值,通过评价试验表明,该算法比现有算法具有更好的性能和可扩展性。通过实际POI数据分析发现,考虑街道网络约束的热点范围可凸显设施功能沿交通网络布局的空间特征,为区域规划、导航以及地理信息查询等应用提供有价值的空间知识与信息服务。     

顾及属性特征的城市设施热点识别方法

研究城市设施的热点分布对把握当前城市形态具有重要意义。传统的设施热点识别方法容易忽略设施的特征尺度且多以区域识别为主,缺少精准化提取设施热点的方法体系。针对上述问题,本文提出了一种顾及属性特征的设施热点识别方法,并以北京市住宅设施为例进行了试验分析。首先将设施的属性值作为权重,进行加权核密度估计生成密度值表面,利用极值点探测模型提取极值点;然后采用Getis-Ord G_i^*统计进行空间自相关分析,生成具有显著统计学意义的热点区域,筛选极值点得到热点。结果表明,该方法能够准确有效地识别设施热点并进行合理的等级划分,为城市设施空间布局研究提供多样化视角。     

POI数据下的兰州市城区犯罪分布环境分析

针对城市犯罪分布环境的研究问题,本文基于兰州市的犯罪统计数据,结合POI大数据,使用空间统计和GIS空间分析方法提取了兰州市3种类型犯罪的热点区,并进一步使用POI数据探索了犯罪热点区内的环境特征。结果表明:1)兰州市4个城区内犯罪分布情况不同,主要集中在人口较多的黄河南岸,其中又以西站、西湖公园、"西关十字—南关十字"一线、西固城步行街等区域为主,城关区作为中心城区,犯罪行为分布范围广,犯罪高发区多。2) 3类犯罪热点区的设施点环境多数是多类型POI设施共同主导,少数是单类型POI设施主导,但起主导作用的POI类型都能反映出对应的主要犯罪类型对城市环境的要求特点。3) 3类犯罪对人流、财富以及场所隐蔽性的趋向性不同,并在对应环境的POI分布特征中得到体现。     

基于轴线法和POI数据双重视角的城市空间协调性研究

城市空间结构的合理性影响城市的持续稳定发展。本文使用格网法、核密度分析以及空间句法的轴线模型,将POI大数据与交通路网数据相结合,基于格网尺度对可达性与POI密度进行交叉对比分析,进而得到双重约束下的武汉市中心城区空间结构特征类型与空间分区方案。结果表明:1)武汉市中心城区POI密度呈“一心独大”的非均衡式分布,可达性则呈现“一核两翼”的空间结构;2)在双重约束下武汉市中心城区可划分为三类空间,总体呈“两带多区”的空间结构形态。该研究基于网格尺度构建了城市空间结构研究新思路,可为城市规划布局及国土空间格局优化提供方法参考和决策依据。     

城市POI的空间数据分析与可视化表达

随着科技的迅速发展,地理空间数据已经成为人们日常生活中的一部分,城市POI数据则是涵盖城市公共基础设施属性信息与位置信息的大型地理空间数据。针对现阶段对城市POI数据利用程度不充分的问题,本文运用密度分析、热点分析以及服务范围分析等方法研究大连金普新区城市POI数据的空间分布特征。结果表明:大连金普新区城市POI数据呈现"二区八带多点"的分布格局,金石滩街道、中长街道、先进街道以及大李家街道医疗、教育、娱乐设施较为完善,且远离工厂,比较宜居。本研究可为市民生活、工作、学习、娱乐提供参考,也可为城市发展、管理维护提供服务。     

利用轨迹数据提取城市居民出行时空分布特征

介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.?研究表明:居民的出行活动特征在"工-休"日之...     

基于POI数据的汕头市公共设施空间格局研究

作为城市公共建设程度和发展程度衡量指标之一的公共设施空间分布结构,其现状特征的研究关系着城市资源利用的持续性和合理性规划.本文以汕头市为例,以2019年百度地图公共设施兴趣点(POI)为研究对象,统计汕头市各行政区内公共设施空间分布的数量差异,通过平均最近邻分析法、核密度分析法和热点分析法实现对汕头市公共设施的空间集聚...     

社交网络视角的南京市房价时空特征分析

针对住房价格随时间的演化,该文利用社交网络数据——新浪微博兴趣点数据,并结合住房价格数据,基于核密度分析、热点分析、GWR(地理加权回归)等方法分析了南京市房价的时空变化特征及其影响因素.结果表明:南京市住房价格自2007年迄今为止主要呈上涨趋势,但各区涨幅不同.核密度分析结果表明,POI签到数据密度高的区域也是高房价聚集的区域,并且具有较高的活动频率,说明POI签到数据的集聚程度与住房价格关系密切.热点分析结果表明,POI签到数据所显示的热点区域同时也是住房价格高的区域,说明POI热点分布与房价存在较大相关性.整合了大型社交网络与住房价格数据,揭示了南京市房价时空变化规律,可为房价调控政策的制定提供理论依据.     

空间统计分析方法的高校生源分区研究

针对高校生源基地建设和招生宣传策略制订的问题,该文以淮海工学院近3年的省内生源数据为基础,运用核密度估计和局部空间自相关分析方法对其生源的空间分布特征进行可视化表达和热点识别,并据此开展生源分区。结果表明,连云港、徐州、宿迁及长江沿岸县市是淮海工学院生源的高密度分布区,淮安南部、扬州和泰州北部以及盐城市全境则为低密度分布区;生源密度的空间分布具有显著的空间自相关性。根据生源密度热点和冷点分布的统计显著性(p0.05)可将全省划分为3类生源区,且各类生源区均有着各自的生源数量和空间分布特征。基于生源核密度的局部空间自相关分析,可获得连续性较好且具有显著统计学意义的生源热点和冷点分布区,其结果可为生源分区提供坚实的数理统计基础。     

顾及兴趣点潜在上下文关系的城市功能区识别

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。     

利用城市POI数据提取分层地标

为了获取能够用于智能化路径引导的层次性空间知识,提出了一种依据显著度的差异从城市POI数据中提取出分层地标的方法。首先,通过从公众认知、空间分布和个体特征3个方面分析影响POI显著性的因素,构造了包括公众认知度、城市中心度和特征属性值3个指标向量的POI显著性度量模型;然后,分别讨论了利用问卷调查、多密度空间聚类和数据规格化的方法计算POI对象的各项显著性指标值的过程;最后,选择武汉市武昌地区的POI数据进行显著度计算,从中提取显著度较高的对象构成若干层地标,并以各层地标为种子生成加权的Voronoi图,用来反映各地标的空间影响范围并建立了同层和上下层地标之间蕴含的关系。     

无障碍设施空间布局核密度热点探测和空间自相关分析——以北京市核心区室外公共空间为例

城市无障碍设施在区域空间中往往呈现聚集分布的特征，通常利用核密度估计方法分析总体空间分布形态，研究区域空间分布的数量差异，探测分布热点；同时通过分析无障碍设施空间自相关性特征，反映无障碍设施服务的聚集特点。将空间分析方法引入到无障碍环境评估当中，可以优化无障碍环境发展空间。结果表明，北京市核心区无障碍设施总体呈现出“多核分布”的态势。无障碍设施的总体分布存在空间差异性，局部无障碍设施空间分布存在聚集特性。     

基于道路核密度的城市中心识别方法

道路网空间分布模式识别对制图综合、空间数据多尺度表达及空间数据匹配具有重要意义。城市中心是道路网语义模式的研究内容之一,通常位于道路网分布的密集区。针对现有方法存在的问题,提出一种基于道路核密度的城市几何中心识别方法。首先根据核密度估计得到道路线的连续密度分布表面;接着根据核密度统计值提取初始中心,将初始中心分为全局中心、局部中心和伪中心3类,通过面积阈值和包含关系去除伪中心;最后计算各中心区的中心力指标,并据此划分全局中心和局部中心。长春市和西安市道路网的实验结果表明,该方法识别的城市中心能够反映城市空间格局的整体特征和局部特征,与规划中心的对比结果验证了该方法的有效性。     

基于GIS和兴趣点(POI)数据的城市中心体系识别方法研究——以上海市为例

城市公共中心高度聚集了各类城市公共管理与公共服务设施。近年来城市建设发展迅速,传统的抽样调查等方法已不能满足新时代需要。互联网与计算机技术的发展给城市研究提供了新思路:城市兴趣点(POI)数据涵盖了广泛的地理空间和位置属性并且对公众开放。本研究使用POI数据,结合核密度估算(KED)模型定量研究其空间分布规律并对上海市城市中心体系的识别。结果显示,根据POI数据分析识别的上海市城市中心体系整体呈现单中心发展态势,城市副中心与郊区中心发展力度不足,尚有待进一步建设。将结果与《上海市城市总体规划(1999—2020年)》确定的城市公共中心体系进行对比,提出优化建议。     

基于多源数据的城市功能区识别及相互作用分析

随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,识别城市功能区,并结合出租车轨迹数据进行时空挖掘,定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。以北京市五环内主城区为例进行分析,可得:①该方法可以识别典型功能区西单、国贸、中关村是以商业为主的混合城市功能区,望京是以居住为主的混合功能区,且居民通勤出行特征明显;②国贸对自身的引力较强（39.4%）,说明国贸区域城市功能更加齐全;③典型功能区对居民出行距离范围内的区域吸引力随着距离的增加而减弱,符合经验认知和地理空间衰减规律。结果表明,利用POI和移动大数据采用重尾打断分类法和核密度聚类法进行城市功能区识别与分析是可行和有效的。     

POI与NPP/VIIRS夜光数据空间耦合关系下的城市空间结构分析——以武汉市主城区为例

城市兴趣点（POI）和夜光遥感影像能够直观反映城市社会经济等实体要素的空间分布特征，在城市空间结构研究中发挥着重要作用。本文首先选取长江中游城市群的典型城市代表——武汉市作为研究区，选用研究区2016年POI和NPP/VIIRS夜光遥感数据作为基础研究数据，采用GIS分析工具对POI数据进行了空间核密度分析；然后分别对POI核密度分析结果和NPP/VIIRS夜光遥感数据进行了空间网格化处理；最后采用双因素制图和栅格叠加分析方法对两类数据的空间耦合关系进行了探讨，并在此基础上进一步分析了城市空间结构特征。研究表明，武汉市POI数据和夜光遥感数据的空间耦合性整体较好，空间耦合相一致区域占比为82.15%；但POI数据和夜光遥感数据的空间耦合性在长江沿岸地区也存在部分差异，如硚口区、汉阳区夜光遥感数据和POI数据多以低—中的空间耦合模式为主，而青山区、武昌区和汉口区则多以中—低的空间耦合模式为主。武汉市作为中原城市群的核心城市之一，其城市内部空间结构与长江经济带发展关联密切，通过对POI和夜光遥感数据的空间耦合关系探讨，能够对武汉市空间实体要素的空间结构特征有更加深入的了解。本文结果可为沿江城市内部空间结构的研究提供一种崭新的视角。     

道路网约束下的城市兴趣点选取

针对道路对城市内部兴趣点数据分布有密切的约束关系,故城市内POI数据往往呈现出沿着道路分布的特征这一现象,提出一种在道路网约束下城市内部POI数据的选取算法。通过建立道路网的拓扑结构,根据POI数据的分布位置分为道路周边分布的和远离道路分布的两大类,对道路周边的点使用"间苗法"选取,对远离道路分布的点根据其分布模式决定采用"随机法"或其他方法选取。算法采用实际数据进行实验,切实可行,并得到了合理的结果。     

基于POI大数据与土地利用数据协同的小尺度区域GDP空间化方法

针对小尺度区域难以准确获取空间完整、时间连续的经济格网数据问题.以广西南宁市为例,第一产值基于土地利用数据采用面积权重法建模;第二、三产值基于热点(point of interest,POI)数据空间关系权重建模;最后构建2019年南宁市1 km×1 km的GDP空间化密度图.研究结果表明:①城市POI数据与第二、三产...     

基于优化密度峰值聚类算法的城市公共设施热点分布研究

研究城市公共设施的热点分布,对把握当前城市发展现状具有重要意义.针对传统算法的相关研究存在参数设定受人为因素影响较大的问题,本文采用优化的密度峰值聚类算法进行热点选取和聚类分析,在原算法的基础上,利用指数隶属函数计算局部密度并自动生成阈值,削弱了参数选取对结果的影响和反复调整参数带来的不便,结合决策图和簇中心权值进行热点的选取,提高了聚类结果的准确性.以郑州市辖区教育培训机构分布热点为例进行实验分析,结果表明,基于该算法的热点分布分析能够快速掌握设施的分布模式和聚集程度,为调整发展思路、优化设施布局提供决策支持.