CN111582683A - 一种基于网络热度的城市公共服务设施供给效率评价方法 - Google Patents
一种基于网络热度的城市公共服务设施供给效率评价方法 Download PDFInfo
- Publication number
- CN111582683A CN111582683A CN202010334436.XA CN202010334436A CN111582683A CN 111582683 A CN111582683 A CN 111582683A CN 202010334436 A CN202010334436 A CN 202010334436A CN 111582683 A CN111582683 A CN 111582683A
- Authority
- CN
- China
- Prior art keywords
- facility
- facilities
- public service
- network heat
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000010168 coupling process Methods 0.000 claims abstract description 18
- 230000008878 coupling Effects 0.000 claims abstract description 16
- 238000005859 coupling reaction Methods 0.000 claims abstract description 16
- 244000097202 Rathbunia alamosensis Species 0.000 claims abstract description 5
- 235000009776 Rathbunia alamosensis Nutrition 0.000 claims abstract description 5
- 238000012800 visualization Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 240000001606 Adenanthera pavonina Species 0.000 description 1
- 235000011470 Adenanthera pavonina Nutrition 0.000 description 1
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 240000002390 Pandanus odoratissimus Species 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及公共服务设施布局设计与评价领域，尤其涉及一种基于网络热度的城市公共服务设施供给效率评价方法。基于网络热度的城市公共服务设施供给效率评价方法，包括步骤：1，获取目标城市公共服务设施和居民住宅点POI数据；2，获取目标城市公共服务设施POI点的新浪微博签到数据；3，用住宅点周围缓冲区内设施点的缓冲区个数表征该设施点的供给量，利用供给量表征设施服务水平；4，利用网络热度表征设施使用水平；5，对设施供给量和设施网络热度进行空间耦合，计算耦合指数，根据耦合指数将设施进行分类；6，利用空间自相关方法实现评价结果可视化。通过结合网络热度的评价指标得到的城市公共服务设施供给效率情况更加全面。
Description
技术领域
本发明涉及公共服务设施布局设计与评价领域，尤其涉及一种基 于网络热度的城市公共服务设施供给效率评价方法。
背景技术
目前城市公共服务设施数量短缺、使用效率低同时并存，是城市 公共服务设施布局规划的难题，也是公共服务设施的合理使用有效管 理的难题。
当前城市公共服务设施供给效率评价方法通常是基于实地调研数 据和政府普查数据等传统数据，该方法数据获取困难、成本高，且数 据缺乏时效性，其次，目前的公共服务设施供给效率评价方法多以某 一类设施为评价对象，如养老设施、教育设施等，缺少多类设施的综 合比较与评价；此外，目前的评价方法评价指标单一，仅考虑以设施 数量等客观因素作为产出变量，忽略了设施使用者的体验，缺少居民 满意度等方面的考虑。
发明内容
为了解决以上问题，本发明的目的是提供一种基于网络热度的城 市公共服务设施供给效率评价方法，通过结合设施使用者体验感受的 评价指标得到的城市公共服务设施供给效率情况更加全面。
为实现上述目的，本发明所设计的一种基于网络热度的城市公共 服务设施供给效率评价方法，包括以下步骤：
(1)获取目标城市公共服务设施和居民住宅点POI数据；
(2)获取目标城市公共服务设施POI点的新浪微博签到数据， 新浪微博签到数据包括POI地点名、地址、经度、纬度、POI类别、 签到次数、照片数量信息；
(3)以基础生活圈为尺度，在住宅点周围建立500m缓冲区，用 住宅点周围500m缓冲区内设施点的缓冲区个数表征该设施点的供给 量，通过供给量表征设施服务水平，通过几何分级法将供给量(Si) 划分为优秀、合格、不合格三个等级；
(4)利用网络热度表征设施使用水平，通过几何分级法将设施 网络热度(Di)划分为优秀、合格、不合格三个等级；
(5)对设施供给量和设施网络热度进行空间耦合，计算耦合指 数(M)，根据耦合指数将设施分为四种类型：高效设施、良好设施、 合格设施和低效设施；
(6)利用空间自相关方法实现评价结果可视化。
作为优选方案，所述网络热度(Di)的计算公式为：
式(1)中，Di为街区i的网络活力值，Qj为街区i内公共服务设施 POI点j下某一时段内的微博签到次数，Pj为街区i内公共服务设施POI 点j下某一时段内用户留下的照片次数，m表示街道i的设施总数。
作为优选方案，所述空间耦合的方法为，供给量(Si)的优秀、 合格、不合格三个等级分别对应赋值为1，0，-1，网络热度(Di)划 的优秀、合格、不合格三个等级分别对应赋值为1，0，-1，耦合指数 计算公式为：
M＝(Si+Di)/2 (2)
式(2)中，M表示耦合指数，Si为设施点i的设施供给量，Di为 设施点i的网络热度。若M＝1，表示高效设施；M＝0.5，表示良好设施； M＝0，表示合格设施；M＜0，表示不合格设施。
作为优选方案，所述评价结果可视化的方法包括步骤：
(6.1)构建空间权重矩阵
上式中，wij表示区域i与j的邻接程度。
对于点状数据的分析，采用距离权重矩阵或K-nearest矩阵方法； 由于公共设施点空间分不均匀，采用距离权重矩阵会导致双峰分布， 即有的设施点没有邻居或邻居非常少，而其它设施点拥有非常多的邻 居；因此，对于选取的公共服务设施点数据空间自相关分析，本发明 采用K-nearest矩阵方法建立权重矩阵以保证每个观测对象都有相同 数量(K)的邻居，当区域j属于区域i的最近K个邻居之一时，wij设为 1，否则为0；
(6.2)全局空间自相关
上式中，I为全局Moran's I指数；n为研究区域内的区域单元总数； xi和xj分别为区域单元i和j的观测值，
为观测值的平均值；s为观测值 的方差；wij为空间权重矩阵。
Moran's I的取值范围为[-1,1]；Moran's I越大，区域单元间研究 指标的正相关性越强，区域空间呈聚集分布状态；Moran's I越小，区 域单元间评价指标的负相关性越强，区域空间呈离散分布状态； Moran's I接近0，表示区域间不存在空间自相关性，区域空间呈无规 律的随机分布状态；
(6.3)局部空间自相关
上式中，Ii为LISA指标；若Ii为正，则表示区域单元周围相似值 的空间集聚；若Ii为负，则表示该区域单元周围非相似值的空间集聚。
本发明的优点在于：本发明从设施服务水平和设施使用水平两个 方面来评价城市公共服务设施的供给效率，其中设施服务水平通过供 给量表征，设施使用水平通过网络热度表征；将网络热度指标与供给 量指标充分考虑设施的使用情况，能够更全面的对城市公共服务设施 供给效率进行评价。
附图说明
图1为武汉市设施供给效率空间分布状况图；
图2为本发明一种基于网络热度的城市公共服务设施供给效率评 价方法的流程框图。
具体实施方式
为更好地理解本发明，以下将结合附图和具体实例对发明进行详 细的说明。
实施例1
以武汉市为例，采用本发明的基于网络热度的城市公共服务设施 供给效率评价方法对武汉市的公共服务设施供给效率进行评价，结合 图2，具体包括步骤：
(1)调用高德地图API，通过关键词搜索的方式获取武汉市公共 服务设施和居民住宅点POI数据，具体实现过程如表1所示，获取的 POI数据包括名称、类型、经纬度、地址等信息。将公共服务设施分 为6类：商业设施、餐饮设施、交通设施、教育设施、休闲娱乐设施、便民设施(表2)，该分类包括由政府主导的公益性设施和由市场驱动 的经营性设施。
表1POI详情查询服务读取接口描述
表2城市公共设施分类统计
(2)通过新浪微博官方提供的位置服务API，在武汉市各区内， 分别设置适量的搜索范围为2000米左右的中心坐标点，确保采集范 围覆盖整个武汉市。每条微博签到数据记录的内容包括POI地点名、 地址、经度、纬度、POI类别、签到次数、照片数量7个属性(表3)
表3新浪微博签到数据
| 签到地点 | 签到地址 | 经度 | 纬度 | 兴趣点类 | 签到次数 | 照片数量 |
| 武昌火车站 | 武昌区中山路 | 114.31566 | 30.52996 | 火车站 | 42638 | 12542 |
| 武汉体育学院 | 洪山区珞瑜路461号 | 114.37849 | 30.51866 | 高校中心点 | 28939 | 14455 |
| 武汉欢乐谷 | 东湖生态旅游风景区欢乐大道 | 114.394709 | 30.594283 | 公园 | 20533 | 12308 |
| 中国地质大学江城 | 江夏区纸坊熊廷弼街特8号 | 114.335334 | 30.349431 | 校园生活 | 20392 | 8819 |
| 武汉生物工程学院 | 湖北省武汉市阳逻经济开发区 | 114.522889 | 30.709198 | 校园生活 | 17112 | 7504 |
| 湖北大学(武昌本部 | 武汉市武昌区友谊大道368号 | 114.32936 | 30.57727 | 高等院校 | 16435 | 6652 |
| 武汉大学 | 武昌区珞珈山八一路483号 | 114.36177 | 30.540364 | 高校中心点 | 15372 | 6917 |
| 凯德广场武胜 | 硚口区中山大道238号(武胜 | 114.267669 | 30.568938 | 房地产类公 | 12817 | 8561 |
| 光谷时间广场 | 洪山区民族大道158号(当代学 | 114.39672 | 30.49469 | 商场 | 11951 | 5094 |
| 华中科技大学韵苑 | 湖北省武汉洪山区珞喻路1037 | 114.434616 | 30.512852 | 校园生活 | 10234 | 3331 |
| 武汉轻工大学金银 | 武汉市东西湖区马池路 | 114.222486 | 30.652514 | 校园生活 | 10129 | 3629 |
| 武汉科技大学青山 | 和平大道947号 | 114.36961 | 30.62335 | 高等院校 | 9871 | 3358 |
| 武汉理工大学余家 | 湖北省武汉市和平大道1040 | 114.356721 | 30.609143 | 高等院校 | 9858 | 4216 |
| 新佳丽时尚广场Ha | 江汉区中山大道818号(民生 | 114.291174 | 30.578902 | 商场 | 9621 | 5321 |
(3)基于公共服务设施POI数据和居民住宅点POI数据，以500 米为缓冲区，计算每个公共服务设施POI点服务的缓冲区个数，即设 施服务水平。
(4)基于公共服务设施POI数据和新浪微博签到数据，计算各 公共服务设施POI点的设施使用水平。
(5)将各设施点的设施使用水平和设施服务水平两个指标分别 划分为“优秀”、“合格”、“不合格”三个等级，并分别赋值1，0，-1， 统计结果如表4所示。依靠主观定义分类标准，对元素进行分类不够 科学，因此本专利采用几何分级法分类，几何分级法又叫几何间隔法， 是一种数据分类方法，该种分类方法根据具有几何系列的组距创建分 类间隔，分类原理是使每个类的元素数的平方和最小。这样可确保每 个类范围与每个类所拥有的值的数量大致相同，且间隔之间的变化非 常一致。这种分类方法在突出显示中间值变化和极值变化之间达成一 种平衡。分级实现过程：ArcMap(一种常用的基于地图的空间数据 编辑、分析工具)提供了关于几何分级法的算法，借助ArcMap，导 入空间数据，定义类别数量为3，可快速实现对设施点服务水平和使 用水平的几何分级。
表4设施供给效率评价指标分级统计表
(6)采用空间耦合法，计算两个指标(设施使用水平和设施服务 水平)的耦合指数，根据耦合指数将设施分为四种类型：高效设施、 良好设施、合格设施和低效设施，如表5所示。
表5设施供给效率分类统计表
(7)利用空间自相关方法，实现评价结果的可视化，如图1所示， 从图中可以看出，共有41886个设施呈现明显集聚状态。其中，呈现 高高集聚状态的设施占比56％，高高集聚的区域表示该区域的设施供 给效率较好，主要分布在沿江两岸城区，在汉口地区的江岸区、江汉 区呈现明显的大块团状集聚，在武昌地区的洪山区部分街道，青山区 部分街道表现出几个明显的小块团状聚集，这些区域位于武汉市中心 城区，人口密集，公共服务设施建设比较完善。呈现低低集聚状态的 设施占比40.5％，低低集聚的区域表示该区域设施供给效率表现较差， 低低集聚区域在外围城区呈现明显集聚状态。由此可见，中心城区优 越的区位、便利的交通条件导致了中心城区的设施供给效率明显优于 外围区域，而从高低集聚区域的分布来看，外围城区也在逐渐重视设 施供给效率，以高效设施带动低效设施，但总体而言仍有较大的改善 空间。
另外，基于微博签到数据的“网络热度”指标的提出是为了反映 设施使用者对某设施的感兴趣程度和使用频次，是为了从设施使用者 的角度，对某公共服务设施的使用情况进行评价。传统城市公共服务 设施评价方法并未考虑到这一点，因此虽然存在部分不使用微博的人 群，但本发明仍充分考虑了微博覆盖人群对设施的实际使用情况，仍 比传统评价方法更加全面，同时，从未来技术发展趋势来看，随着 Web2.0技术的日益成熟和普及，LBS成为当下发展最为迅猛的科技应 用之一，POI数据的更新正朝着依靠互联网信息抓取和解析POI的方 向发展，依靠基于位置(LBS)的社交网络，如微博、推特，通过公 众参与的方式对POI数据进行更新是一个快速、有效的途径，因此， 本发明使用基于微博签到的社交网络数据来反映公众对基于社交网 络更新的公共服务设施POI点的使用情况是合理有效的，且具有较大 的发展空间，由于评价对象—公共服务设施POI点是基于社交网络更 新，那么“不使用社交网络的人群”对评价结果的影响很小。
传统的公共服务设施供给效率评价方法仅从设施提供者的视角， 通过设施供给数量、设施投入资金等经济指标，评价公共服务设施的 供给效率。如，某街区的设施数量相对多、投入资金相对多，常认为 该街区的设施供给效率相对更高。但实际上，有一些设施处于“无人 问津”状态，很少有居民使用，使用效率很低；同样，有的街区设施 数量相对较多，投入资金相对较少，常认为该街区的设施供给效率相 对更低。但实际上有一些设施被使用的频次很高，很受公众欢迎，传 统评价方法无法对设施的实际使用水平进行分析，不能反映城市居民 对公共服务设施的真实需求，忽略公共服务设施使用率的高低，从而 造成对城市某区域的公共服务设施供给效率评价结果有偏。而本发明 用设施所能服务的住宅数量表征设施服务水平，同时合理考虑到公共 服务设施在现实中的实际使用情况，如居民的喜好程度、使用频率等， 结合设施使用者视角，基于微博签到数据提出“设施使用水平”指标， 利用居民在某公共服务设施POI点下的微博签到次数来反映公众对该 设施的感兴趣程度和使用频次，这种居民参与能够反映其真实需求， 从而弥补传统方法的缺陷。
Claims (4)
1.一种基于网络热度的城市公共服务设施供给效率评价方法，包括以下步骤：
(1)获取目标城市公共服务设施和居民住宅点POI数据；
(2)获取目标城市公共服务设施POI点的新浪微博签到数据，新浪微博签到数据包括POI地点名、地址、经度、纬度、POI类别、签到次数、照片数量信息；
(3)以基础生活圈为尺度，在住宅点周围建立500m缓冲区，用住宅点周围500m缓冲区内设施点的缓冲区个数表征该设施点的供给量，通过供给量表征设施服务水平，通过几何分级法将供给量(Si)划分为优秀、合格、不合格三个等级；
(4)利用网络热度(Di)表征设施使用水平，通过几何分级法将设施网络热度(Di)划分为优秀、合格、不合格三个等级；
(5)对设施供给量和设施网络热度进行空间耦合，计算耦合指数(M)，根据耦合指数将设施分为四种类型：高效设施、良好设施、合格设施和低效设施；
(6)利用空间自相关方法实现评价结果可视化。
2.根据权利要求1所述的基于网络热度的城市公共服务设施供给效率评价方法，其特征在于，所述网络热度(Di)的计算公式为：
式(1)中，Di为街区i的网络活力值，Qj为街区i内公共服务设施POI点j下某一时段内的微博签到次数，Pj为街区i内公共服务设施POI点j下某一时段内用户留下的照片次数，m表示街道i的设施总数。
3.根据权利要求1所述的基于网络热度的城市公共服务设施供给效率评价方法，其特征在于，所述空间耦合的方法为，供给量(Si)的优秀、合格、不合格三个等级分别对应赋值为1，0，-1，网络热度(Di)划的优秀、合格、不合格三个等级分别对应赋值为1，0，-1，耦合指数(M)计算公式为：
M＝(Si+Di)/2 (2)
式(2)中，M表示耦合指数，Si为设施点i的设施供给量，Di为设施点i的网络热度。若M＝1，表示高效设施；M＝0.5，表示良好设施；M＝0，表示合格设施；M＜0，表示不合格设施。
4.根据权利要求1所述的基于网络热度的城市公共服务设施供给效率评价方法，其特征在于，所述评价结果可视化的方法包括步骤：
(6.1)构建空间权重矩阵
上式中，wij表示区域i与j的邻接程度；
(6.2)全局空间自相关
上式(3)中，I为全局Moran's I指数；n为研究区域内的区域单元总数；xi和xj分别为区域单元i和j的观测值，
为观测值的平均值；s为观测值的方差；wij为空间权重矩阵；
(6.3)局部空间自相关
上式(4)中，Ii为LISA指标；若Ii为正，则表示区域单元周围相似值的空间集聚；若Ii为负，则表示该区域单元周围非相似值的空间集聚。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010334436.XA CN111582683B (zh) | 2020-04-24 | 2020-04-24 | 一种基于网络热度的城市公共服务设施供给效率评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010334436.XA CN111582683B (zh) | 2020-04-24 | 2020-04-24 | 一种基于网络热度的城市公共服务设施供给效率评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111582683A true CN111582683A (zh) | 2020-08-25 |
| CN111582683B CN111582683B (zh) | 2022-06-28 |
Family
ID=72124474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010334436.XA Active CN111582683B (zh) | 2020-04-24 | 2020-04-24 | 一种基于网络热度的城市公共服务设施供给效率评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111582683B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288311A (zh) * | 2020-11-12 | 2021-01-29 | 河北工程大学 | 一种基于poi数据的居住区配套设施便捷度计量方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002260076A (ja) * | 2000-12-28 | 2002-09-13 | Fuji Electric Co Ltd | 自販機の商品構成調整支援システム、その方法、及び記録媒体 |
| CN104143006A (zh) * | 2014-08-05 | 2014-11-12 | 东北农业大学 | 一种城市数据处理方法及装置 |
| CN107145724A (zh) * | 2017-04-25 | 2017-09-08 | 武汉大学 | 一种城市绿道综合服务能力分析评价的空间分析方法 |
| CN110188339A (zh) * | 2018-02-23 | 2019-08-30 | 清华大学 | 景点评价方法、装置、计算机设备和存储介质 |
-
2020
- 2020-04-24 CN CN202010334436.XA patent/CN111582683B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002260076A (ja) * | 2000-12-28 | 2002-09-13 | Fuji Electric Co Ltd | 自販機の商品構成調整支援システム、その方法、及び記録媒体 |
| CN104143006A (zh) * | 2014-08-05 | 2014-11-12 | 东北农业大学 | 一种城市数据处理方法及装置 |
| CN107145724A (zh) * | 2017-04-25 | 2017-09-08 | 武汉大学 | 一种城市绿道综合服务能力分析评价的空间分析方法 |
| CN110188339A (zh) * | 2018-02-23 | 2019-08-30 | 清华大学 | 景点评价方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张霞等: "基于网络热度的道路景观评价与最美路径推荐", 《同济大学学报（自然科学版）》, vol. 44, no. 3, 31 March 2016 (2016-03-31), pages 383 - 388 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288311A (zh) * | 2020-11-12 | 2021-01-29 | 河北工程大学 | 一种基于poi数据的居住区配套设施便捷度计量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111582683B (zh) | 2022-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shao et al. | Extraction and analysis of city's tourism districts based on social media data | |
| Wang et al. | Identification and analysis of urban functional area in Hangzhou based on OSM and POI data | |
| García-Palomares et al. | Identification of tourist hot spots based on social networks: A comparative analysis of European metropolises using photo-sharing services and GIS | |
| Zhong et al. | Inferring building functions from a probabilistic model using public transportation data | |
| CN111563666B (zh) | 一种基于网络热度的城市公共服务设施空间配置评价方法 | |
| CN108717676B (zh) | 基于多数据融合的不同尺度下的职住空间评价方法及系统 | |
| Lindgren | Who is the counter‐urban mover? Evidence from the Swedish urban system | |
| WO2022198963A1 (zh) | 基于大数据的商业空间品质评价方法、系统、设备及介质 | |
| CN112288048B (zh) | 一种基于多源数据驱动的城市人群出行识别方法 | |
| CN111401692B (zh) | 一种度量城市空间功能紧凑度的方法 | |
| CN111581315B (zh) | 一种公共服务设施可达性计算方法及装置 | |
| Liu et al. | Identifying and understanding road-constrained areas of interest (AOIs) through spatiotemporal taxi GPS data: A case study in New York City | |
| CN112966899B (zh) | 一种影响人口密度的城市公共服务设施建设决策方法 | |
| Gong et al. | Crowd characterization for crowd management using social media data in city events | |
| Li et al. | Classifying community space at a historic site through cognitive mapping and GPS tracking: The case of Gulangyu, China | |
| CN112819659B (zh) | 旅游景点开发与评价方法 | |
| CN114662774A (zh) | 一种城市街区活力预测方法、存储介质和终端 | |
| Xu et al. | Exploring intra-urban human mobility and daily activity patterns from the lens of dockless bike-sharing: A case study of Beijing, China | |
| Sila-Nowicka et al. | Sensing spatiotemporal patterns in urban areas: Analytics and visualizations using the integrated multimedia city data platform | |
| Liang et al. | Assessing the validity of SafeGraph data for visitor monitoring in Yellowstone National Park | |
| CN111582683B (zh) | 一种基于网络热度的城市公共服务设施供给效率评价方法 | |
| Chaudhuri et al. | Application of web-based Geographical Information System (GIS) in tourism development | |
| CN115146990B (zh) | 一种集成多源地理大数据的城市活力定量评价方法 | |
| CN114861975A (zh) | 基于吸引强度的城市旅游交通需求联合预测方法 | |
| CN110633890A (zh) | 一种土地利用效率判断方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |