基于点密度分析与自适应差异检测的点群要素制图综合算法

针对点群要素制图综合的自动选取问题,提出一种基于点密度分析与自适应差异检测的点群要素制图综合算法。该算法首先利用核密度估计法对原始点群进行点密度分析,选取凸包最外侧点和重要性等级较高的点分析其点密度,进而对比两次点密度分析结果的相对密度差异,并找出相对密度差异最大的点加入选中点群中;然后重新对选中点群进行点密度分析,直到选中点数满足制图综合要求。将该算法用于实例点群数据中进行了验证,结果表明,该算法能最大限度地保持点群的分布特征和密度对比关系,并且较为简单、灵活。     

公交模式对公共服务设施可达性的影响

利用python程序语言开发了基于百度地图导航服务的批量路径时间查询平台,并结合最邻近设施时间和累积机会成本方法度量了居住单元与中心商业区（CBD）、与行政服务中心、与大型医院、与火车站、与飞机场的可达性;然后,着重对比分析了2种公交模式（有/无地铁）下公共服务设施可达性的差异。实验结果表明：① 与基于ArcGIS网络分析法等传统方法相比,基于“门到门”互联网路径规划服务API方法计算的出行时间成本能够较为精确、便捷地用于度量公共服务设施的可达性,避免了人工构建复杂路网数据集的工作量,而且更具时效性;② 融入地铁网络的公交模式不同程度上提升了居住单元至公共服务设施的可达性,尤其是地铁沿线“廊道”以及重要交通设施（如地铁站点）邻近区域最为显著;③ 居住单元至邻近CBD的可达性变化显著集中于0~30 min,30 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的1.7倍和2.2倍;④ 居住单元至邻近火车站的可达性变化显著集中于0~30 min以及30~60 min,30 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的8.9倍和3.0倍,60 min时间阈值内累计的人口和面积分别是公交（无地铁）模式的1.5倍和1.9倍;⑤ 居住单元至邻近飞机场的可达性变化显著集中于60~90 min以及90~120 min,90 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的12.6倍和6.6倍,120 min时间阈值内累计的人口和面积分别是公交（无地铁）模式的2.0倍和3.6倍;⑥ 居住单元至所属行政中心、至邻近大型医院的可达性在各个时间间隔及阈值范围内亦有相应幅度的改善。此外,运用本文的技术方法还可获得更完整、真实的其他交通模式（如汽车、电动车、自行车、步行等）接入城市公共服务设施的情形,为进一步研究非汽车模式下城市公共服务设施的可达性提供参考,促进城市公共交通可持续性的发展。