-
题名基于POI的城市空间结构分析——以北京市为例
被引量:40
- 1
-
-
作者
黄伟力
-
机构
江西科技学院信息工程学院
-
出处
《现代城市研究》
CSSCI
北大核心
2017年第12期87-95,共9页
-
基金
江西省教育厅科学技术研究项目(项目编号:GJJ161139)
江西科技学院协同创新专项课题(XTCX201319)
-
文摘
以兴趣点数据为切入点研究中、微观尺度下城市空间结构,包括城市空间功能构成、空间分布特征及其聚散规律。中观尺度下,研究兴趣点点密度分布、城市功能聚合和扩散的演化行为以及区县中心的定位方法,并通过兴趣点分类聚集识别行业聚集子区。微观尺度下,地理位置优势使得街角具有较强的局部聚集效应和中心引力,街角的兴趣点分类分布体现出了明显的行业空间分布特征,优势街角的定位也为识别核心街区提供了可行的方法。以北京为例,不同层面的城市兴趣点结构空间分析证实,兴趣点有良好的城市形态表征能力,是探索城市功能结构的聚散规律和空间特征的有力工具。
-
关键词
兴趣点分布
城市空间结构
点密度
聚集效应
-
Keywords
POI distribution
urban spatial structure
point density
agglomeration effect
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
TU984.113
[建筑科学—城市规划与设计]
-
-
题名道路网中基于RRN-Tree的CKNN查询
- 2
-
-
作者
孙海龙
王霓虹
-
机构
东北林业大学信息与计算机工程学院
-
出处
《计算机工程》
CAS
CSCD
2014年第6期306-311,共6页
-
基金
中央高校基本科研业务费专项基金资助项目(DL12AB02)
国家"863"计划基金资助项目(2012AA102003-2)
国家林业局公益性行业科研专项基金资助项目(201104037)
-
文摘
现有针对基于道路网络的CKNN查询研究,主要是将道路网络以路段和节点的形式进行建模,转化成基于内存的有向/无向图,该模型存在2个问题:一个是道路网络中路段数据量大,导致索引结构分支过多、移动对象更新频繁;另一个是图表示方法不能很好地处理十字路口转向、U型转弯等交通规则。针对此问题,提出道路网中基于RRN—Tree的移动对象CKNN查询算法,包括索引结构设计和移动对象查询算法设计,采用路线对道路网建模,基于网络边扩展方式,实现复杂条件下的道路网络CKNN查询。实验结果表明,在各种网络密度和兴趣点对象分布密度下,与经典的IMA/GMA算法相比,基于RRN—Tree索引方法的查询性能提高1.5倍-2.13倍。
-
关键词
道路网络
连续K最近邻查询
RRN树
扩展网络边
K近邻监测区
兴趣点分布密度
-
Keywords
road network
Continuous K Nearest Neighbors(CKNN) query
RRN-Tree
expand network edge
K Nearest Neighbors (KNN) monitor area
distribution density of interest point
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-