基于感兴趣点和滴滴数据的打车需求分析

大数据具有多数据形式、大数据量、传输快捷等优势,大数据分析已逐渐影响和改变人们解决问题的思维方式。本文利用滴滴打车数据和感兴趣点分析人们的打车需求,识别出打车活跃区域。对打车需求数据进行时间划分,核密度分析得到打车聚集区域。统计了打车点附近各类型POI的个数,分析了各区域内打车需求与时间段、地理位置、工作日和周末的关系。发现早高峰(7点到9点)打车与住宅区POI相关,晚高峰(17点到19点)与商铺POI相关,夜晚(21点到2点)打车与公司POI相关,且同一地区在周末与工作日的打车活跃时间不同。     

基于POI数据的北京市商业中心识别与空间格局探究

商业中心是城市空间结构的重要组成部分,传统商业中心识别主要借助统计资料和经济普查数据,耗时耗力且更新频率较低;以POI(兴趣点)数据为代表的众源地理数据为城市商业中心识别提供了新思路。本文以北京市801478条商业POI数据为基础,根据商业职能定义将其分为生活类、休闲娱乐类、公共服务类、金融商务类和汽车相关类,运用核密度法识别不同职能的商业中心,结合Getis-Ord G_i~*统计量详细探究中心城区商业空间格局。结果表明:(1)北京市商业格局呈现圈层式结构,沿交通干道向外发展;(2)不同类型的商业中心存在显著的空间分异特征,生活与公共服务中心高度向心集中,金融商务和汽车相关中心多分布于城市功能拓展区,休闲娱乐中心为多组团式离散分布;(3)中心城区生活类商业职能完备,北部区域商业密度高于南部区域。     

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。     

基于夜间遥感和POI的荆门市能耗空间定量化分析

以全球变暖和极端气候为主要特征的气候变化已成为世界各国普遍关注的重大环境问题,全球性的碳排放问题亟待解决已是非常明确的科学共识.然而城市能源消耗尤其是在街道街区尺度能源消耗空间定量化研究目前较少,不利于城市采取精准控制、优化能源结构和减少碳排放措施.本文以资源型城市荆门作为案例城市,以夜间遥感数据、POI等空间数据为基...     

顾及空间及语义相关性的POI位置标注优化方法

POI的质量是确保寻路、路径规划、导航等高质量地图服务的基础,是影响POI数据的位置准确性、逻辑一致性和语义差异性问题等数据质量问题的关键因素。本文从影响POI位置空间、关系和语义因素3个角度出发,针对POI位置错标、不同语义POI无法区分及POI分布与现实世界不一致的情况,结合建筑数据和道路数据,进行POI多阶段位置优化研究,包括位置约束计算阶段、位置选择阶段、位置优化阶段。以某街道区域为分析区域开展POI位置优化实验,结果表明本文提出的位置优化方法能有效降低错标率（19.3%）、提高可辨识度（6.7%）,并有效提高子区域POI分布与道路分布的一致性,有效提高不同语义POI的识别速度。     

1980西安坐标系向2000国家坐标系转换省级兴趣点数据成果分析

首先介绍了1980西安高斯平面坐标系向2000国家高斯平面坐标系转换的两种常用方法:改正量插值法、二维七参数法.其次,在广西测区内,以1:10000比例尺图幅为单元,选取16个(2组,每组8个)图幅为试验区域,选取3×3块兴趣点数据,使用两种方法进行坐标转换,以从自然资源部获取的2000坐标为真值,分析两种转换成果.结...     

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。     

基于POI数据的西安市零售业空间格局及影响因素研究

基于POI数据,利用核密度估计、缓冲区分析等方法刻画西安零售业空间集聚状态,确定零售业分布核心范围,并利用双变量空间自相关分析、近邻分析等方法探究零售行业之间的空间集聚关系,以及零售业与居住小区、交通因素的空间关系。研究表明： ① 西安市零售业呈“中心-外围”结构,以钟楼为中心连片集聚分布,在距离钟楼16 km范围内为零售业分布核心区,在阎良、高陵、临潼、鄠邑4个郊区呈“孤岛”状集聚。② 文化、体育用品及器材零售,纺织、服装及日用品零售业更倾向于在内城分布,而汽车、摩托车、零配件和燃料及其他动力销售业,五金、家具及室内装饰材料零售集中在租金低但交通方便的城市中心外围。③ 集聚效应、人口分布与路网影响零售业的空间分布。与居民日常生活关系密切的零售行业如综合零售,食品、饮料及烟草制品零售,纺织、服装及日用品零售等在空间上集聚以接近消费者,分享消费市场和空间场地,而耐用品零售行业如汽车、摩托车、零配件销售业,家具及室内装饰材料零售等倾向于自身集聚,以共享品牌效应。交通干线尤其是城市二级道路明显影响零售网点的空间分布。     

西安城市旅游休闲业态空间热点特征及形成机制

判识城市旅游休闲业态热点的空间规律,对于高效配置旅游休闲要素和优化城市功能结构具有重要意义。利用机构兴趣点(POI)数据,结合Getis-Ord G ^*指数等方法探究西安城市旅游休闲业态空间热点特征及形成机制。结果显示,西安旅游休闲总体业态热点区分别位于钟楼中心区、曲江-小寨区域和高新区电子城3个区域,各热点对应的业态集聚等级和空间尺度依次递减;与总体业态热点分布基本一致,各细分业态空间热点也主要集中在钟楼、曲江-小寨和高新区电子城等城市核心区。本质上,城市旅游休闲热点形成是由城市发展导向所决定的,即作为地理要素的城市空间在服务转型导向下,结合旧城改造与新区建设等城市核心区发展优化过程,对作为人文要素的旅游休闲业态施加作用,使其向城市核心区定向集中的结果。通过合理引导旅游休闲业态集聚发展,则可有效实现旧城区增长活力重塑和新城区空间品质优化。     

广州市居民网络购物频率的影响因素及其空间差异

基于广州市居民网络购物行为调查问卷和电子地图兴趣点（POI）数据,从全市和不同区位2个空间尺度,运用有序多分类Logistic回归模型探讨了个人社会经济属性、商品特征、空间环境及物流快递4类因素对居民网购频率的影响。研究发现：① 影响因素在不同空间尺度和不同区位产生作用的因子个数、作用强度和作用方向存在差异。影响因子数量在全市域范围最多,远郊区最少。各因子总体上在近郊区和全市域作用强度大,在远郊区最弱。退货服务重要性在近郊区和中心区作用方向相反;② 部分空间环境因子对网购频率有影响,城市化水平、商业中心可达性在全市域范围有影响,居住地城市化水平越高、离商业中心距离越近的居民网购频率越高,支持了创新扩散假说。快递点数量在中心区有影响,居住地快递点数量越多的居民网购频率越高。其它空间环境因子没有显著影响。③ 个人社会经济属性因素对网购频率影响较大,性别、年龄是最重要的影响因子,其次是学历、职业,月收入影响最小。商品特征、快递物流因素各因子在不同区域对网购频率产生较大影响。