CN108717642B - 一种基于gis的城市商场选址方法 - Google Patents

Abstract

一种基于GIS的商场选址方法，结合了GIS技术，基于城市区域人口密度分布情况、道路网的实际分布以及公交站点实际分布情况，基于GIS技术得到合适的商场位置。本发明提供一种选址效率较高的基于GIS的商场选址方法。

Description

一种基于GIS的城市商场选址方法

技术领域

本发明涉及一种地理信息数据处理技术、计算机应用领域、地理学、物联网技术、网络分析和管理科学与工程，尤其涉及一种基于GIS的城市商场选址方法。

背景技术

随着经济的快速发展,人民生活水平不断提高，在物质生活极为丰富的形势下，消费者对于各种商品的需求量也越来越多，国内消费市场的潜力也越来越大，大型商场作为我国经济建设过程中非常重要的组成部分。随着居民对商品需求量的增加，商场的数量也随着不断的增加，逐渐成为城市消费者主要的购物场所，大型商场在促进生产，更好地满足人民群众需要，发挥着主导作用。

商场数量的迅速增长，导致商场之间相互竞争也越来越激烈，商场位置的选址研究成为商场长期发展的一个重要课题，商场位置选址是否科学直接影响商场对消费者的吸引力和自身经营状况。如果商场选址不合理，则直接影响到商场的收益情况，有可能会严重阻碍商场的业务发展；如果商场选址位置合适，在一定的程度上会提高商场的整体盈利水平，影响商场位置的因素多而繁杂，且相互关联，互相影响，需要根据要求，对影响因素做出合理分析以及综合评价。商家为了谋求利益在商场选位置时大多会分布在比较密集的居民区，通过综合分析可以确定比较合适的商场位置，方便市民购物。

发明内容

为了克服现有的城市商场选址方式的选址效率较低的不足，本发明提供一种选址效率较高的基于GIS的城市商场选址方法，结合了GIS技术，基于城市区域人口密度分布情况、道路网的实际分布以及公交站点实际分布情况。

本发明解决其技术问题所采用的技术方案是：

一种基于GIS的城市商场选址方法，包括以下步骤：

1)、将某个城市某个区域道路路网数据，导入ArcGIS Pro软件中，得到道路网分布图；

2)、将某个城市某个区域公交站点数据，导入ArcGIS Pro软件中，得到公交站点分布图；

3)、将某个城市某个区域的人口数据，导入ArcGIS Pro软件中，生成人口密度图；

4)、产生m个人口高密度区域预选点，作为商场选址的初次的筛选点，过程如下：

4.1某个城市某个区域单元内的人口总数为D，区域单元内各个居民区的面积S_θ,区域内各居住区的建筑物平均的楼层数为G_θ，计算区域单元内人口的平均密度：

其中，

为区域单元内人口的平均密度，η为居民住区的总个数，θ∈{1,...,η}；

4.2计算区域人口密度：

其中，p_θ为区域人口密度，G_θ为居住区的建筑物平均的楼层数，

为区域单元内人口的平均密度，θ∈{1,...,η}；

4.3重复步骤4.1和步骤4.2计算区域人口密度，得到m个人口高密度区域，对应生成m个预选点作为商场选址的初次的筛选点；

5)、将m个商场预选点区域内的公交站点分布数据，公交路线网数据、路网数据，将这些数据导入到ArcGIS软件中，在GIS软件支持下，得到各商场预选点和公交站点的坐标位置；

6)、根据公交线路网数据，各商场预测点和公交站点的坐标，导入到ArcGIS软件中，得到第i个公交站点到第j个商场预选点间的网络可达性距离H_ij，j∈{1,...,m}；

7)、结合商场预选点区域公交站点分布和人口密度分布，计算商场预选点的公交可达性系数：

其中，

为公交可达性，

k为商场预选点区域公交站点总个数，R_i为公交站点权重值，H_ij表示为第i个公交站点到第j个预选商场点间的网络可达性距离，i∈{1,...,k}，j∈{1,...,m}；

8)、根据商场预选点区域路网分布和人口分布，预选点区域的商场规模大小数据G_β，计算第α个预选区的消费者光顾第β个预选商场的概率：

其中，Q_αβ表示为第α个预选区的消费者光顾第β个预选商场的概率，G_β表示第β个预选商场的规模大小，l_αβ表示第α个预选区的消费者行走到第β个预选商场所花费的时间，α∈{1,...,m}，β∈{1,...,m}，m表示预选商场数量；

根据商场预选点区域的住户数量和消费者光顾预选商场概率，计算预选商场总的住户光顾期望值：

其中，Z_β表示消费者光顾第β个预选商场的总期望值，Q_αβ表示为第α区消费者光顾预选第β个预选商场的概率，E_α表示居住在第α个预选区内的住户数，α∈{1,...,m}，β∈{1,...,m}，m表示预选商场数量；

9)、商场预选点在周围r米的范围之内不能有其他商场存在，形成一定半径的缓冲区，给定预选商场点C，C∈{1,...,m}，预选点的缓冲区Y定义为：

Y＝{y:u(y,C)≤r}

其中，u(y,C)指缓冲区内的点y与预选商场点C的欧式距离，r为缓冲区半径；

10)、在m个人口高密度区域预选点中，分析预选商场的公交可达性系数

消费者光顾预选商场的期望值Z_β和在一定半径的缓冲区内，考虑以上综合因素，最终确定商场的选址位置。

近一步说明，所述步骤7)中公交可达性系数

越大表示可达性越好，所述步骤8)中商场消费者光顾预选商场的期望值Z_β越大，说明该预选商场消费者关顾的次数越多。

本发明的有益效果主要表现在：本发明结合了GIS技术，基于城市区域人口密度分布情况、道路网的实际分布以及公交站点实际分布情况，提出了一种选址效率较高的城市商场选址方法。

附图说明

图1是一种基于GIS的城市商场选址方法流程图。

图2是区域人口数据导入到ArcGIS Pro中生成人口密度分布图。

图3是区域道路路网数据导入到ArcGIS Pro中生成道路路网路线分布图。

图4是区域公交站点数据导入到ArcGIS Pro中生成公交站点分布图。

图5是区域内商场选址的最终位置效果图。

具体实施方式

下面结合附图对本发明近一步描述。

参考图1～图5，一种基于GIS的城市商场选址方法，包括以下步骤：

1)、将某个城市某个区域道路路网数据导入ArcGIS Pro软件中，得到道路网分布图如图3所示；

2)、将某个城市某个区域公交站点数据，导入ArcGIS Pro软件中，得到公交站点分布图如图4所示；

3)、将某个城市某个区域的人口数据导入ArcGIS Pro软件中，生成人口密度图如图1所示；

4)、产生m个人口高密度区域预选点，作为商场选址的初次的筛选点，过程如下：

4.1某个城市某个区域单元内的人口总数为D，区域单元内各个居民区的面积S_θ,区域内各居住区的建筑物平均的楼层数为G_θ，计算区域单元内人口的平均密度：

其中，

为区域单元内人口的平均密度，η为居民住区的总个数，θ∈{1,...,η}；

4.2计算区域人口密度：

其中，p_θ为区域人口密度，G_θ为居住区的建筑物平均的楼层数，

为区域单元内人口的平均密度，θ∈{1,...,η}；

4.3重复步骤4.1和步骤4.2计算区域人口密度，得到m个人口高密度区域，对应生成m个预选点作为商场选址的初次的筛选点；

5)、将m个商场预选点区域内的公交站点分布数据，公交路线网数据、路网数据，将这些数据导入到ArcGIS软件中，在GIS软件支持下，得到各商场预选点和公交站点的坐标位置；

6)、根据公交线路网数据，各商场预测点和公交站点的坐标，导入到ArcGIS软件中，得到第i个公交站点到第j个商场预选点间的网络可达性距离H_ij，j∈{1,...,m}；

7)、结合商场预选点区域公交站点分布和人口密度分布，计算商场预选点的公交可达性系数：

其中，

为公交可达性，

k为商场预选点区域公交站点总个数，R_i为公交站点权重值，H_ij表示为第i个公交站点到第j个预选商场点间的网络可达性距离，i∈{1,...,k}，j∈{1,...,m}；

8)、根据商场预选点区域路网分布和人口分布，预选点区域的商场规模大小数据G_β，计算第α个预选区的消费者光顾第β个预选商场的概率：

其中，Q_αβ表示为第α个预选区的消费者光顾第β个预选商场的概率，G_β表示第β个预选商场的规模大小，l_αβ表示第α个预选区的消费者行走到第β个预选商场所花费的时间，α∈{1,...,m}，β∈{1,...,m}，m表示预选商场数量；

根据商场预选点区域的住户数量和消费者光顾预选商场概率，计算预选商场总的住户光顾期望值：

其中，Z_β表示消费者光顾第β个预选商场的总期望值，Q_αβ表示为第α区消费者光顾预选第β个预选商场的概率，E_α表示居住在第α个预选区内的住户数，α∈{1,...,m}，β∈{1,...,m}，m表示预选商场数量；

9)、商场预选点在周围r米的范围之内不能有其他商场存在，形成一定半径的缓冲区，给定预选商场点C，C∈{1,...,m}，预选点的缓冲区Y可定义为：

Y＝{y:u(y,C)≤r}

其中，u(y,C)指缓冲区内的点y与预选商场点C的欧式距离，r为缓冲区半径；

10)、在m个人口高密度区域预选点中，分析预选商场的公交可达性系数

消费者光顾预选商场的期望值Z_β和在一定半径的缓冲区内，考虑以上综合因素，最终确定商场的选址位置如图5所示。

以合肥市滨湖新区为例，一种基于GIS的城市商场选址方法步骤如下：

1)、将合肥市滨湖区道路路网数据，导入ArcGIS Pro软件中，得到道路网分布图；

2)、将合肥市滨湖新区公交站点数据，导入ArcGIS Pro软件中，得到公交站点分布图；

3)、将合肥市滨湖新区人口数据，导入ArcGIS Pro软件中，生成人口密度图；

4)、产生m＝7个人口高密度区域预选点，作为商场选址的初次的筛选点，过程如下：

4.1合肥市滨湖区域单元内的人口总数为D＝49000，区域单元内各个居民区的面积S_θ＝30万平方米,区域内各居住区的建筑物平均的楼层数为G_θ＝15，计算区域单元内人口的平均密度：

其中，

区域单元内人口的平均密度，θ∈{1,...,50}，居民住区的总个数η＝50；

4.2计算滨湖区域人口密度：

其中，p_θ为区域人口密度，居住区的建筑物平均的楼层数G_θ＝15，

为区域单元内人口的平均密度，θ∈{1,...,50}；

4.3重复所述步骤4.1和所述步骤4.2计算区域人口密度，得到m个人口高密度区域，对应生成m个预选点作为商场选址的初次的筛选点；

5)、将m＝7个商场预选点区域内的公交站点分布数据，公交路线网数据、路网数据，导入到ArcGIS软件中，在GIS软件支持下，得到各商场预选点和公交站点的坐标位置；

6)、根据公交线路网数据，各商场预测点和公交站点的坐标，导入到ArcGIS软件中，得到第i个公交站点到第j个商场预选点间的网络可达性距离H_ij，j∈{1,...,7}；

7)、结合合肥市滨湖区域公交站点分布和人口密度分布，计算滨湖区域7个商场预选点的公交可达性系数：

其中，

为公交可达性系数，

为商场预选点的个数，

预选点区域总的公交站点个数k＝10，公交站点权重值R_i＝50，i∈{1,...,10}，j∈{1,...,7}；

8)、根据合肥市滨湖区域公交站点分布和人口密度分布，滨湖区域m＝7个预选点商场规模大小数据G_β，计算第α个预选区的消费者光顾第β个预选商场的概率：

其中，Q_αβ表示为第α区消费者光顾第β个预选商场的概率，G_β表示第β个预选商场的规模大小，l_αβ表示第α个预选区的消费者行走到第β个预选商场所花费的时间，α∈{1,...,7}，β∈{1,...,7}，相互竞争的商场数量n＝7；

根据滨湖区域的住户数量和消费者关顾商场概率，计算滨湖区域商场总的住户光顾期望值：

其中，Z_β表示消费者光顾第β个预选商场的总期望值，β∈{1,...,7}，Q_αβ表示为第α区消费者光顾预选第β个预选商场的概率，E_α表示居住在第α个预选区内的住户数，α∈{1,...,7}，居住在α区内的住户数E_α＝7000，相互竞争的商场数量n＝7；

9)、商场预选点在周围r＝1300米的范围之内不能有其他商场存在，形成一定半径的缓冲区，给定预选商场C，C∈{1,...,7}，预选点的缓冲区Y可定义为：

Y＝{y:u(y,C)≤r}

其中，u(y,C)指缓冲区内的点y与预选商场点C的欧式距离，缓冲区半径r＝1300；

10)、在m＝7个人口高密度区域预选点中，分析滨湖区域选取这7个预选点公交可达性系数

较大的数、分析消费者光顾滨湖区域商场期望值Z_β较高的值和在r＝1300米范围之内选取预测点，考虑以上三个综合因素，最终确定一个商场的选址位置。

以上阐述的是本发明给出的一个实施例表现出来的优良效果，显然本发明不仅适合上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及内容的前提下可对其做种种变化加以实施。

Claims (1)

1.一种基于GIS的城市商场选址方法，其特征在于：所述城市商场选址方法包括以下步骤：

1)、将某个城市某个区域道路路网数据，导入ArcGIS Pro软件中，得到道路网分布图；

2)、将某个城市某个区域公交站点数据，导入ArcGIS Pro软件中，得到公交站点分布图；

3)、将某个城市某个区域的人口数据，导入ArcGIS Pro软件中，生成人口密度图；

4)、产生m个人口高密度区域预选点，作为商场选址的初次的筛选点，过程如下：

4.1某个城市某个区域单元内的人口总数为D，区域单元内各个居民区的面积S_θ,区域内各居住区的建筑物平均的楼层数为G_θ，计算区域单元内人口的平均密度：

其中，

为区域单元内人口的平均密度，η为居民住区的总个数，θ∈{1,...,η}；

4.2计算区域人口密度：

其中，p_θ为区域人口密度，G_θ为居住区的建筑物平均的楼层数，

为区域单元内人口的平均密度，θ∈{1,...,η}；

4.3重复步骤4.1和步骤4.2计算区域人口密度，得到m个人口高密度区域，对应生成m个预选点作为商场选址的初次的筛选点；

5)、将m个商场预选点区域内的公交站点分布数据，公交路线网数据、路网数据，将这些数据导入到ArcGIS软件中，在GIS软件支持下，得到各商场预选点和公交站点的坐标位置；

6)、根据公交线路网数据，各商场预测点和公交站点的坐标，导入到ArcGIS软件中，得到第i个公交站点到第j个商场预选点间的网络可达性距离H_ij，j∈{1,...,m}；

7)、结合商场预选点区域公交站点分布和人口密度分布，计算商场预选点的公交可达性系数：

其中，

为公交可达性，

k为商场预选点区域公交站点总个数，R_i为公交站点权重值，H_ij表示为第i个公交站点到第j个预选商场点间的网络可达性距离，i∈{1,...,k}，j∈{1,...,m}；

8)、根据商场预选点区域路网分布和人口分布，预选点区域的商场规模大小数据G_β，计算第α个预选区的消费者光顾第β个预选商场的概率：

其中，Q_αβ表示为第α个预选区的消费者光顾第β个预选商场的概率，G_β表示第β个预选商场的规模大小，l_αβ表示第α个预选区的消费者行走到第β个预选商场所花费的时间，α∈{1,...,m}，β∈{1,...,m}，m表示预选商场数量；

根据商场预选点区域的住户数量和消费者光顾预选商场概率，计算预选商场总的住户光顾期望值：

其中，Z_β表示消费者光顾第β个预选商场的总期望值，Q_αβ表示为第α区消费者光顾预选第β个预选商场的概率，E_α表示居住在第α个预选区内的住户数，α∈{1,...,m}，β∈{1,...,m}，m表示预选商场数量；

9)、商场预选点在周围r米的范围之内不能有其他商场存在，形成一定半径的缓冲区，给定预选商场点C，C∈{1,...,m}，预选点的缓冲区Y定义为：

Y＝{y:u(y,C)≤r}

其中，u(y,C)指缓冲区内的点y与预选商场点C的欧式距离，r为缓冲区半径；

10)、在m个人口高密度区域预选点中，分析预选商场的公交可达性系数

消费者光顾预选商场的期望值Z_β和在一定半径的缓冲区内，考虑以上综合因素，最终确定商场的选址位置。

Images