山地城市格局对餐饮业区位选择影响的空间异质性

城市格局对产业布局有深刻影响,山地城市尤甚。餐饮业是城市商业的重要“引流业态”,其布局与城市居住、交通、公共服务等空间功能密切相关,山地城市格局对餐饮业布局影响的空间异质性尤为明显和特殊。以典型山地城市重庆主城区为研究对象,基于多源兴趣点（POI）数据,运用核密度、空间自相关、地理加权回归等空间分析工具,探究山地城市格局对餐饮业区位选择影响的空间异质性。结果表明：① 重庆主城区餐饮业空间布局形态呈凝聚多中心特征,形成“一主两副四次级”的多中心空间结构,是重庆主城区“多中心,组团式”城市格局的缩影。② 餐饮业发育成熟度与山地城市扩展时序密切相关,且空间分布方向与城市扩展方向一致。③ 同一类城市空间因子对不同城市组团的餐饮业分布具有不同甚至相反的影响力,相较圈层式单中心城市空间因子作用模式的空间异质性更为显著,其本质原因在于山水自然分割和城市扩展的特殊性导致的中心组团和外围组团资源要素配置不均。④ 不同城市空间因子对餐饮业布局的作用力也具有空间异质性,城市居住、商业、交通、公共服务、休闲空间等5类因子在不同区域对餐饮业区位选择均有不同程度正向促进作用,其中城市商业空间因子对餐饮业区位选择影响最大。     

中国基础教育公共服务均等化空间格局及其影响因素

基于教育POI设施数据,利用ArcGIS比较统计地图（Cartogram）、核密度分析和探索性空间数据分析（ESDA）等方法对基础教育公共服务均等化空间格局进行研究,并采用地理加权回归（GWR）方法对其格局形成的影响因素进行探究。结果表明：东部和中部地区基础教育公共服务资源数量约占65%,基础教育公共服务的高值区域与城市群所在区域较为吻合,低值区域主要分布于胡焕庸线以西,东西部基础教育资源绝对数量差异明显。学前教育服务人均数量的低值区主要分布在西部,中部也存在部分低值塌陷区,相较于中小学,学前教育公共服务的非均等化问题突出。小学和中学教育公共服务人均数量的高高集聚（H-H）和低低集聚（L-L）区域在东中西地区均有分布,综合而言,地区基础教育公共服务人均数量均等化优于绝对数量的均等化状况。常住人口、第三产业比例、建成区面积是基础教育公共服务均等化空间格局分异的主要影响因素。     

兴趣点的检查算法研究与实现

软件检查是提升地图数据质量的重要手段,本文通过对兴趣点名称和代码间关系的分析研究,提出了兴趣点的自动检查算法并编程实现,为城市兴趣点数据库的大规模生产提供了质量保证;文中提出的重复点检查算法,部分解决了兴趣点简称和全称匹配问题,可为互联网上中文搜索引擎、地图网站查询搜索工具提供借鉴。     

自发地理信息兴趣点数据在线综合与多尺度可视化方法

移动及Web环境下,集成各种自发地理信息POI数据与地理框架背景数据的混搭式地图应用,越来越多地出现在主流地理信息平台及LBS服务中。由于缺乏适宜的在线多尺度可视化机制,这种POI数据表达上通常出现拥挤、压盖等冲突现象。针对该问题,本研究将传统的尺度变换方法与在线环境相结合,提出一种面向城市设施POI数据的多尺度可视化策略。即由服务器端通过预处理方式对POI数据进行多层次结构化组织;在此基础上,客户端依据显示比例尺导出对应层次的POI目标,并通过移位操作解决局部存在的符号表达冲突现象。试验表明,该方法符合数字化网络应用的在线实时需求,同时也能获得较高质量的多尺度表达效果。     

基于栅格基本图的POI数据更新方法研究

提出一种基于基本图标准图幅的POI数据更新方法,以压缩的栅格基本图为地理背景,采用ArcGIS Engine组件开发,实现录入、检查、更新和管理POI数据的功能.     

基于微博位置签到数据的POI更新方法

POI的现势性对于位置服务至关重要,但传统人工实地调查效率低,现势性无法满足需求。以当前用户参与数众多的微博社交网络为数据平台,提出了一种基于微博位置签到数据的POI更新方法。首先,对微博位置签到数据进行预处理,剔除语义与空间位置不一致的噪声点,在此基础上提出一种基于RANSAC算法的位置签到数据集地理配准方法,实现位置签到数据与已有地理数据库的可靠配准;然后,将位置签到数据集与已有POI数据库进行空间分析与匹配建模,对匹配不成功的位置签到数据进行有效性验证,提取有效新增数据入库用以更新POI;最后,以武汉市的街旁网位置签到数据进行POI更新实验,能够有效地发现新增POI和消失POI,为POI快速高效更新提供了全新的方式。     

基于POI数据的城市生活便利度指数研究

生活便利度是评价宜居城市重要的影响因素,居民日常生活的便利度主要指居民日常利用公共和服务设施的便利程度,POI数据具有公共服务设施种类覆盖度高,数据范围覆盖面广等特点。基于POI等开放数据进行城市生活便利度指标评价体系建设和城市生活便利度指数计算,比较城市平均生活便利度指数和城市社区生活便利度指数的研究,为城市公共服务设施专项规划提供了实际参考依据,同时,为利用开放数据进行规划应用探寻了新思路和新方法。     

Enabling maps/location searches on mobile devices: constructing a POI database via focused crawling and information extraction

With the popularity of mobile devices and smartphones, we have witnessed rapid growth in mobile applications and services, especially in location-based services (LBS). According to a mobile marketing survey, maps/location searches are among the most utilized services on smartphones. Points of interest (POIs), such as stores, shops, gas stations, parking lots, and bus stops, are particularly important for maps/location searches. Existing map services such as Google Maps and Wikimapia are constructed manually either professionally or with crowd sourcing. However, manual annotation is costly and limited in current POI search services. With the abundance of information on the Web, many store POIs can be extracted from the Web. In this paper, we focus on automatically constructing a POI database to enable store POI map searches. We propose techniques that are required to construct a POI database, including focused crawling, information extraction, and information retrieval techniques. We first crawl Yellow Page web sites to obtain vocabularies of store names. These vocabularies are then investigated with search engines to obtain sentences containing these store names from search snippets in order to train a store name recognition model. To extract POIs scattered across the Web, we propose a query-based crawler to find address-bearing pages that might be used to extract addresses and store names. We crawled 1.25 million distinct POI pairs scattered across the Web and implemented a POI search service via Apache Lucent’s search platform, called Solr. The experimental results demonstrate that the proposed geographical information retrieval model outperforms Wikimapia and a commercial app called ‘What’s the Number?’     

基于电子地图兴趣点的城市建成区边界识别方法

城市建成区边界是认识和研究城市的重要基础性信息,也是落实城市功能空间布局、实施界限管控的前提。但是,以往通过夜间灯光的强度、土地覆被或建筑覆盖率等信息获取城市空间范围的方法,由于受到数据精度和尺度限制,对城市社会经济活动的解释性不强,因而存在较大局限性。电子地图兴趣点（POI）作为城市空间分析的基础数据之一,直观且有效地反映了各类城市要素的集聚状况。本文基于POI与城市空间结构和城市要素空间分布的关联性,提出了一种新的通过POI密度分布来判别城市建成区边界的技术方法。为此,开发了Densi-Graph分析方法,用来分析POI密度等值线的变化趋势,在此基础上对城乡过渡地带的阈值识别的方法进行了理论分析,并讨论了单中心圆结构、双中心“鱼眼型”结构、双中心“子母型”结构等各类城市POI密度等值线的生长规律,证明了Densi-Graph分析方法的适用性。较之以往的城市建成区边界识别方法,这种方法的基础数据更加直观可信,分析结果也更加客观。运用这种方法,本文对全国地级以上城市的建成区边界进行了实证分析,探索了城市建成区边界的阈值及其与城市人口规模、城市所在区域之间的关系。     

基于Android的POI更新采集方法

更新采集是保持POI生命力的重要工作。基于Android开展实时定位、快速采集、可视化表达等POI的采集与更新技术方法研究,目标是实现POI可视化外业采集,一体化的POI数据建库,多时序的POI管理,全生命周期的数据管理,实时的POI数据发布。