POI是“Point of Interest”的缩写。每个POI包含四方面信息,名称、类别、坐标、分类,文章拟通过对地面空间和地下空间两个维度的用地构成、建筑类型与使用功能的研究分析,尝试探索基于POI的旧城核心区地铁站出入口设置的量化设计方法...POI是“Point of Interest”的缩写。每个POI包含四方面信息,名称、类别、坐标、分类,文章拟通过对地面空间和地下空间两个维度的用地构成、建筑类型与使用功能的研究分析,尝试探索基于POI的旧城核心区地铁站出入口设置的量化设计方法。文章通过文献研读、类比分析等研究手段,对国内外地铁站出入口设置进行了梳理与分析,弥补了旧城核心区地铁站出入口量化设置研究的理论空白,为国内类似项目提供了一定的设计研究素材。展开更多
针对出租车随意停靠造成城市交通拥堵甚至交通事故的问题,利用成都实际区域的出租车GPS(Global Position System)数据和爬取的POI(Point of Interest)数据,使用DBSCAN(Density-Based Spatial Clustering of Application with Noise)聚...针对出租车随意停靠造成城市交通拥堵甚至交通事故的问题,利用成都实际区域的出租车GPS(Global Position System)数据和爬取的POI(Point of Interest)数据,使用DBSCAN(Density-Based Spatial Clustering of Application with Noise)聚类算法对上下客点进行聚类,得到出租车的载客热点,根据POI的类型划定载客热点区域的类型,对出租车不同时间的出行需求进行分析,进而划分出出租车的固定停车区域。研究结果表明,出租车固定停车区域的设定与出行者的出行需求有关,即将固定停车区域设置在出行者出行需求多的区域,可以满足出行者的不同出行需求。结合出租车载客热点和爬取POI数据划定固定停车区域的方法具有较高的实用性,可为城市交通安全方面提供理论和现实意义。展开更多
数字经济时代POI大数据为城市及城市群商业空间结构及变化研究提供了新思路。基于2015年和2021年POI大数据,采用空间核密度、Theil指数等方法从区县层面对粤港澳大湾区商业总体及购物、休闲、餐饮三类业态的空间布局演变特征、区域差异...数字经济时代POI大数据为城市及城市群商业空间结构及变化研究提供了新思路。基于2015年和2021年POI大数据,采用空间核密度、Theil指数等方法从区县层面对粤港澳大湾区商业总体及购物、休闲、餐饮三类业态的空间布局演变特征、区域差异进行研究。结果表明:1) 2015~2021年间粤港澳大湾区多中心商业空间一体化发展格局进一步强化,形成显著的多中心多等级都市圈商业空间格局;2) Theil指数表明商业网点总体及三大细分业态POI数量的区域差异均呈现扩大态势,组内差距明显大于组间差距;相对于城市尺度下的区域差异,区县尺度下的组内差异有所下降但组间差距明显增大;3) 不同商业中心区的演变趋势存在差异,高密度商圈主要分布于广州、深圳、香港三大一线城市,商业网点密度最高等级从2015年的968个/km2增加到2021年1904个/km2;4) 购物服务类、餐饮服务类、休闲娱乐POI增长幅度均超过50%,空间集聚和连片化特征明显加强;5) 不同商业业态网点规模结构发生动态调整,超市、专卖店、便利店等业态网点增长较快,大型购物中心下降态势明显,不同业态的空间变化特征有明显差异。POI big data provides new ideas for research on spatial structure and changes of commercial space in cities and urban agglomerations in digital economy era. Based on the two periods of POI big data in 2015 and 2021, the paper used method called spatial kernel density and Theil’s Index to study evolution characteristics of spatial layout of the overall business and three types of business formats in the Guangdong-Hong Kong-Macao Greater Bay Area from perspective of county-level regions. The results showed that: 1) During the period from 2015 to 2021, the integrated development pattern of multi-center commercial space in Guangdong-Hong Kong-Macao Greater Bay Area was further strengthened, forming a significant multi-center and multi-level metropolitan commercial space pattern;2) Theil’s index showed that the regional differences of POI quantity in all commercial network and three sub-formats were enlarged, and the intra-group differences were obviously larger than the inter-group differences. Relative to regional differences at the city scale, intra-group differences at county scale declined but inter-group gaps increased significantly. 3) There were differences in the evolution trends of different commercial central areas. The high-density business districts were mainly distributed in three first-tier cities including Guangzhou, Shenzhen, and Hong Kong. The highest level of commercial network density increased from 968 per km2 in 2015 to 1904 per km2 in 2021;4) The growth rate of shopping service, catering service, and leisure entertainment POIs exceeded 50%, and the characteristics of spatial agglomeration and contiguousness were significantly strengthened;5) The scale structure of outlets for different business formats underwent dynamic adjustments. Supermarkets, specialty stores, convenience stores, and other business formats had rapid growth. Large shopping malls showed a significant downward trend. There were significant differences in the spatial variation characteristics of different formats.展开更多
城市POI的分布情况客观反映了一个城市各行各业的发展情况,传统获取POI的测绘手段成本高、更新周期长、时效性差,而基于位置的社交网络(Location-Based Social Network,LBSN)平台的发展为实现城市POI的感知提供了一种新思路。本文提出...城市POI的分布情况客观反映了一个城市各行各业的发展情况,传统获取POI的测绘手段成本高、更新周期长、时效性差,而基于位置的社交网络(Location-Based Social Network,LBSN)平台的发展为实现城市POI的感知提供了一种新思路。本文提出一种基于LBSN数据聚类分析的城市POI感知方法,首先,对LBSN数据进行预处理,包括清洗重复数据、删除无效数据、数据预分类等,以提高数据的有效性;其次,提出一种改进的DBSCAN算法,对处理后的数据进行聚类分析,从而得到准确度较高的城市各类POI分布情况。实验结果表明,与传统的DBSCAN算法以及K-means算法相比,本文提出的算法有更好的聚类效果,且在聚类指标上有更大的CH指数值和更小的DBI指数值。展开更多
文摘POI是“Point of Interest”的缩写。每个POI包含四方面信息,名称、类别、坐标、分类,文章拟通过对地面空间和地下空间两个维度的用地构成、建筑类型与使用功能的研究分析,尝试探索基于POI的旧城核心区地铁站出入口设置的量化设计方法。文章通过文献研读、类比分析等研究手段,对国内外地铁站出入口设置进行了梳理与分析,弥补了旧城核心区地铁站出入口量化设置研究的理论空白,为国内类似项目提供了一定的设计研究素材。
文摘针对出租车随意停靠造成城市交通拥堵甚至交通事故的问题,利用成都实际区域的出租车GPS(Global Position System)数据和爬取的POI(Point of Interest)数据,使用DBSCAN(Density-Based Spatial Clustering of Application with Noise)聚类算法对上下客点进行聚类,得到出租车的载客热点,根据POI的类型划定载客热点区域的类型,对出租车不同时间的出行需求进行分析,进而划分出出租车的固定停车区域。研究结果表明,出租车固定停车区域的设定与出行者的出行需求有关,即将固定停车区域设置在出行者出行需求多的区域,可以满足出行者的不同出行需求。结合出租车载客热点和爬取POI数据划定固定停车区域的方法具有较高的实用性,可为城市交通安全方面提供理论和现实意义。
文摘数字经济时代POI大数据为城市及城市群商业空间结构及变化研究提供了新思路。基于2015年和2021年POI大数据,采用空间核密度、Theil指数等方法从区县层面对粤港澳大湾区商业总体及购物、休闲、餐饮三类业态的空间布局演变特征、区域差异进行研究。结果表明:1) 2015~2021年间粤港澳大湾区多中心商业空间一体化发展格局进一步强化,形成显著的多中心多等级都市圈商业空间格局;2) Theil指数表明商业网点总体及三大细分业态POI数量的区域差异均呈现扩大态势,组内差距明显大于组间差距;相对于城市尺度下的区域差异,区县尺度下的组内差异有所下降但组间差距明显增大;3) 不同商业中心区的演变趋势存在差异,高密度商圈主要分布于广州、深圳、香港三大一线城市,商业网点密度最高等级从2015年的968个/km2增加到2021年1904个/km2;4) 购物服务类、餐饮服务类、休闲娱乐POI增长幅度均超过50%,空间集聚和连片化特征明显加强;5) 不同商业业态网点规模结构发生动态调整,超市、专卖店、便利店等业态网点增长较快,大型购物中心下降态势明显,不同业态的空间变化特征有明显差异。POI big data provides new ideas for research on spatial structure and changes of commercial space in cities and urban agglomerations in digital economy era. Based on the two periods of POI big data in 2015 and 2021, the paper used method called spatial kernel density and Theil’s Index to study evolution characteristics of spatial layout of the overall business and three types of business formats in the Guangdong-Hong Kong-Macao Greater Bay Area from perspective of county-level regions. The results showed that: 1) During the period from 2015 to 2021, the integrated development pattern of multi-center commercial space in Guangdong-Hong Kong-Macao Greater Bay Area was further strengthened, forming a significant multi-center and multi-level metropolitan commercial space pattern;2) Theil’s index showed that the regional differences of POI quantity in all commercial network and three sub-formats were enlarged, and the intra-group differences were obviously larger than the inter-group differences. Relative to regional differences at the city scale, intra-group differences at county scale declined but inter-group gaps increased significantly. 3) There were differences in the evolution trends of different commercial central areas. The high-density business districts were mainly distributed in three first-tier cities including Guangzhou, Shenzhen, and Hong Kong. The highest level of commercial network density increased from 968 per km2 in 2015 to 1904 per km2 in 2021;4) The growth rate of shopping service, catering service, and leisure entertainment POIs exceeded 50%, and the characteristics of spatial agglomeration and contiguousness were significantly strengthened;5) The scale structure of outlets for different business formats underwent dynamic adjustments. Supermarkets, specialty stores, convenience stores, and other business formats had rapid growth. Large shopping malls showed a significant downward trend. There were significant differences in the spatial variation characteristics of different formats.
文摘城市POI的分布情况客观反映了一个城市各行各业的发展情况,传统获取POI的测绘手段成本高、更新周期长、时效性差,而基于位置的社交网络(Location-Based Social Network,LBSN)平台的发展为实现城市POI的感知提供了一种新思路。本文提出一种基于LBSN数据聚类分析的城市POI感知方法,首先,对LBSN数据进行预处理,包括清洗重复数据、删除无效数据、数据预分类等,以提高数据的有效性;其次,提出一种改进的DBSCAN算法,对处理后的数据进行聚类分析,从而得到准确度较高的城市各类POI分布情况。实验结果表明,与传统的DBSCAN算法以及K-means算法相比,本文提出的算法有更好的聚类效果,且在聚类指标上有更大的CH指数值和更小的DBI指数值。