基于POI的城市空间结构分析——以北京市为例

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。

道路网中基于RRN-Tree的CKNN查询

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。