基于开源大数据的北京地区餐饮业空间分布格局

基于大数据进行城市服务设施空间格局分析已成为一种新的研究热点,而餐饮业是城市服务业的典型代表,因此通过开源大数据对城市餐饮业的空间布局进行研究具有重要的意义。本文以北京地区作为研究区,采用网络爬虫技术获取大众点评上153 895家餐饮店数据,引入基于密度的CFSFDP聚类算法从空间分布密集度和人均消费等级方面对餐饮业背后蕴含的地理聚集特征进行分析。研究发现：① 北京地区餐饮店总体呈现多中心的空间分布特征,其集聚程度以主城区为核心向外逐级递减,并明显表现出围绕重要商圈、旅游景点和住宅区进行布局以及沿交通轴线扩展的趋势;② 不同人均消费水平的餐饮店呈现等级体系特征,即高档餐馆少而集聚,中低档餐馆多而散的分布特点;③ 餐馆分布密集程度和定价表现出接近市场和消费者的特征。同时,本文综合空间集聚特征和消费水平2项指标对影响餐饮店集群空间分布格局的因素进行了分析,以期为政府规划部门进行城市商业空间布局研究提供借鉴。     

基于密度峰值聚类的中尺度涡轨迹自动追踪方法

中尺度涡信息的提取包括涡旋的识别和轨迹追踪,其自动识别与追踪对于基于海量数据的中尺度涡分析十分重要。传统涡旋轨迹自动追踪方法一般需要预先设定搜索半径的阈值,存在一定的主观性。针对传统中尺度涡轨迹追踪方法存在的问题,论文从聚类的角度出发,提出基于密度峰值聚类算法实现对涡旋轨迹的自动追踪,并以南海中尺度涡追踪为例,将基于聚类的追踪算法与传统的相似度追踪算法进行比较分析。结果表明:（1）基于密度峰值聚类算法,可实现对海洋中尺度涡的自动追踪,该算法涡旋追踪准确率优于传统相似度算法;（2）该涡旋追踪算法对资料的完整性依赖度较低,特别是对于存在部分缺损数据的情况仍能较准确追踪;（3）该追踪算法克服了传统涡旋追踪算法需要预先设定搜索半径阈值的问题,自适应性更强。     

基于移动对象轨迹的室内导航网络构建方法

室内导航网络是行人导航、信息推荐和商业分析的基础。传统人工测绘或半自动提取的室内三维导航网络无法满足复杂室内空间结构高频变化需求。随着室内定位技术的不断发展,室内移动对象轨迹数据爆发式增长,为室内导航网络快速构建与变化监测更新提供了可能。本文提出一种基于移动对象轨迹的室内导航网络构建方法,在基于ST-DBSCAN的轨迹简化预处理基础上,提出了室内轨迹自适应栅格化算法,减弱栅格图像分辨率对导航网络提取的影响,有效避免廊道轨迹密度差异造成的导航网络拓扑连通失效,并通过CFSFDP自适应聚类算法自动识别楼层之间连通点,实现室内导航网络的快速构建。实验数据来源于上海图聚智能科技股份有限公司提供的某商城真实的室内移动对象轨迹数据,实验结果表明,与普适栅格化方法相比,本文提出的方法将导航网络构建准确率平均提高2.43%,拓扑正确度提高12.8%。