共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
基于社交网络点评数据, 考虑到城市的路网结构特征, 采用道路网约束下的核密度估计方法研究城市商业设施的空间分布模式。同时, 结合商业设施的顾客光临次数和评分对核密度估计进行加权, 发现了城市商业设施顾客光临和顾客满意度在空间上的差异性, 即在部分路段商业设施的分布、顾客光临分布以及顾客满意度分布不匹配。为了分析这种空间差异性, 针对城市的路网结构特征以及社交网络点评数据特征, 提出了道路网约束下的G统计量作为指标的空间自相关分析方法, 通过量化分析发现了高值聚集和低值聚集的路段, 反映了顾客光临和顾客满意度在空间上的分布模式, 揭示了顾客满意度高或低的商业设施在空间上的聚集分布。这些分析结果为城市规划、商业设施布局、选址问题等提供了定量化的参考依据。 相似文献
3.
《测绘与空间地理信息》2020,(4)
以桂林市为例,在调查市区内KTV空间分布数据的基础上,运用Arc GIS软件来进行图层的叠加分析和缓冲区分析,从交通、客源市场、星级饭店、人口分布4个方面对桂林市空间分布进行分析,分析结果表明,桂林市KTV主要呈带状和团状分布,并在中心商业区形成KTV核心区,但是中心区内KTV东西分布不均匀,沿交通主干道呈团带状分布,形成以地价为代表的三层次的KTV网络体系。 相似文献
4.
利用行人轨迹挖掘城市区域功能属性 总被引：1，自引：1，他引：0
城市土地利用功能区是城市规划中的一个重要概念,遥感技术手段在城市土地利用类型识别和动态监测中取得了很大进展。然而,由于城市实际功能的复杂,往往很难从遥感影像中获得城市各个区域的社会、经济或文化等功能属性。互联网技术的发展和移动定位设备的普及,极大地便利了行人移动轨迹数据的获取。本文从行人移动规律和模式与城市功能分区之间高度相关的角度出发,通过机器学习的方法,从大量行人轨迹数据中挖掘隐含的城市功能属性与强度。该方法首先利用矢量栅格化和数学形态学方法,将城市不同等级的路网分割为互不相同的空间单元;其次,根据行人轨迹数据的时空分布特点,定义9个变量并构建高斯混合模型(Gaussian mixture model,GMM),对上述空间单元进行非监督分类,得到7种城市用地类型;随后,结合选定的60个样本区以及人为标识的6种功能区(教育用地、绿地休闲区、一般商业区、政府设施、中心商业区、住宅区),依据样本功能区GPS轨迹时间分布特征,最终对7种城市用地类型进行功能配对;最后,利用核密度估计方法进行功能区强度的可视化。该框架结合机器学习的优势,结果具有较高的准确度。 相似文献
5.
6.
以大连市中山区的遥感和建筑等多源数据为基础,结合单窗算法和相关分析方法,研究分析了2002—2014年研究区的地表温度空间分异特征及地表温度与建筑密度的相关性。研究结果表明:(1)2002—2014年地表温度高温区域多分布在中山区西北部、解放路和中南路的沿线,且温度增加明显,东北部由于填海造陆温度明显升高;(2)高密度和较高密度的地块主要分布在青泥洼天津街商业区,大部分低、较低、中密度地块分布在解放路和中南路沿线;(3)2002年、2014年,地表温度与建筑密度呈现中等相关性,相关系数分别为0.514、0.537。 相似文献
7.
小区地表温度与下垫面结构关系研究 总被引：3，自引：0，他引：3
以北京市为例,选取了商业区、学校、生活区和公园4种典型小区24个,基于遥感及GIS的方法反演地表温度,获取下垫面覆盖信息;研究了不同类型小区地表温度热场与下垫面结构的关系.结果表明:水体、绿地具有明显的降温功能,建筑地面则增温效果明显,这3种地表所占的面积比例与小区平均地表温度关系密切;在所选取的绿地结构指数中,对温度影响从大到小依次为绿地覆盖率、分离度、缀块平均面积、连通指数、形状指数和分维数,其中,分离度与温度呈现正相关,其它指数与温度呈负相关;在所有类型小区中,温度从高到低依次为商业区、学校、生活区和公园;公园的温度分布在所有类型小区中最分散,商业区最集中. 相似文献
8.
分析城市的职住特征能够为制定城市发展规划和解决城市交通问题提供重要的指导。本文以武汉市主城区为研究对象,依托宜出行大数据,通过对组团、街道和微观3个尺度的职住分布特征和职住平衡特征的分析,研究了武汉市主城区的职住特征。研究发现:①在组团尺度,各时段组团间的人口分布由中心向外围依次递减,与武汉市主城区圈层发展、组团布局的空间格局规律一致,各组团均处于职住平衡状态;②在街道尺度,主城区6558%的街道为职住相对平衡状态,少数街道存在职住失衡现象;③在微观尺度,结合地图与POI数据分析,工作时段人口集中于商业区与交通线路附近,休息时段人口相对均匀地分散于住宅区。以工作时段人口聚集热点为例,热点中心就业高度集中,存在就业导向的职住失衡,随着距离增加,职住分布趋于平衡。 相似文献
9.
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。 相似文献
10.
“东单西四鼓楼前，王府井前门大栅栏”，一句短短的顺口溜道尽了北京的商业兴旺之地。王府井商业区真正兴起是在清末，但也就十来年功夫，便在民国初年跻身于北京著名商业区之列，一时间商品齐全、名店云集，还博得个“日进斗金”的称号，绝非凡尘俗地。 相似文献