规划问道

城市印象:快速对城市设施进行多因子评估

导读:本文为一篇在线工具使用说明,来自位和科技,位和在线是以业务用户为中心的自服务一站式空间数据挖掘与优化计算云平台。平台支持云端访问(SaaS)、本地部署(On-Premise)和二次开发。

数据分析师时常需要对城市内的公共设施或商业设施周边的地块功能进行评估,用于规划或商业决策;如评估住宅、学校、幼儿园、菜市场、ATM,超市、商圈等。数据的收集整理和各种计算处理往往消耗很多时间和精力;即使数据准备好了,由于地块功能通常由很多因素形成,对地块功能的多因子评估也不是一件容易的事。下面就以武汉菜市场周边15分钟等时圈地块功能评估为例,来介绍一个可以快速方便地获取和准备数据,并对设施进行评估的方法。


第一步:搜索数据


首先,登录位和云平台(https://services.wayhe.com),在“城市数据”里选择湖北武汉,用“菜市场”作为关键字进行搜索。除菜市场以外,还可以搜索任意其他设施、商店等城市内的元素,如“中学、幼儿园、星巴克、天客隆”等。“城市数据”中包含全国数千万城市元素。



搜索完成后,数据自动保存到数据列表里。点击“配置/启动”(下图红圈中按钮)。



在“配置”页面里可以给菜市场数据添加背景图层。位和地图平台支持多图层管理。点击“启动”,在可视数据里打开数据,进入下一步,数据可视化。



第二步:数据可视化


在“可视数据”里打开数据后,菜市场以点的形式显示在地图上。



一键生成菜市场的分布热力图。



点击任意菜市场,识别菜市场的名字和其他属性。



切换到“数据”栏,浏览所有菜市场的信息。



在可视数据中生成的分类图、热力图等,均可一键生成URL,发布共享。


第三步:生成菜市场等时圈


为了解菜市场周边情况,用“数据处理”模块中的“生成缓冲区”工具,批处理为每个菜市场生成15分钟步行圈。15分钟步行圈是从每个菜市场出发,沿各方向道路走15分钟形成的等时圈。等时圈的时长可以调整。除步行方式以外,也可以选择骑行、自驾(打车)、公共交通(地铁+公汽)等交通方式。


平台支持等时圈和等距离圈两种缓冲区。



步行圈计算完成之后,数据自动保存到数据列表里。



第四步:聚合菜市场周边信息,用于评估


在”城市数据“模块里,把菜市场周边的信息聚合到前面生成的等时圈中,用于后续评估。这个案例聚合了地块功能信息,即统计每个菜市场周边体现不同功能的地物各有多少。聚合后的数据被自动保存到数据列表里。


地块功能是对城市兴趣点按照规划行业的标准进行重分类而来,位和平台支持大分类地块功能和细分类地块功能。本文案例所用为大分类,包括:产业生产功能、 道路与交通服务功能、公共管理与公共服务功能、公用设施功能、金融商业功能、居住生活功能、绿地与广场功能娱乐休闲功能。


除地块功能以外,还可以聚合其它城市兴趣点的分类信息和一系列指标体系,如周边学校个数、周边星巴克个数、城市商业活力指标、消费能力指标、可达性指标等。



位和“城市数据”以外的数据,譬如用户有其它数据来源,可通过平台上的”聚合“工具或”关联“工具很方便地集成进来,用于后续设施评估。


第五步:多因子评估


接下来用平台上的“多维分析”工具对武汉菜市场15分钟步行圈进行周边功能评估。选择参数,设定每个参数的权重(缺省为1),设定分类精度,提交计算,通过神经网络模型对菜市场周边8种地块功能因子进行非监督分类。



计算结果呈现在地图上,如下图所示。这个计算结果可以一键发布URL,所共享的,不是静态的地图,而是一个可以交互可视分析的App。



紫色的菜市场,周边娱乐休闲功能比较强。



蓝色的菜市场,周边产业生产功能比较强。



红色、黄色和绿色的菜市场周边,居住生活功能都很强;但其它功能属性,各有特点。红色菜市场周边,金融商业功能很强;娱乐休闲功能居中,但是这三类里最强的。绿色菜市场和红色菜市场正相反。黄色菜市场周边的地块功能属性介于两者之间,绿地与广场功能、道路与交通服务功能和产业生产功能与红色菜市场很接近,而公用设施和公共服务功能与绿色菜市场更接近。



这个案例介绍了从设施搜索,数据准备,到多因子评估的过程。全过程可在位和云平台(https://services.wayhe.com)上通过浏览器轻松完成。文中的设施类型,多因子指标等都可以根据用户需要用其它数据替换。譬如分析连锁店、银行、楼盘、城中村等。


即便没有GIS和数据挖掘经验的用户,也能很容易并且很快地完成分析。对于GIS专业人士来说,不仅极大地节约了数据采集和数据处理的时间,同时,获得了快速数据挖掘的能力。“多维分析”工具赋能每个用户,让多因子空间数据挖掘变得高效,并且容易。用户得以把焦点放到需要判断、创造力、和垂直行业知识的任务上面。


位和数据挖掘云平台


支持云端访问(SaaS)和本地部署(On-Premise)

支持API集成

https://services.wayhe.com/

工欲善其事,必先利其器

机器学习,咫尺之遥


业务洽谈:info@wayhe.com


城市数据挖掘应用QQ群:203181200

位和在线:https://services.wayhe.com


微信公众号


长按二维码,关注我们

赞(0)