点击查看微信稿件原文



#IngressPaper


点击上方蓝字关注 Ingress Beijing


本文是承接之前一篇文章(《LBS游戏中POI与路网和绿地分布的相关性研究——以《Ingress》和北京为例(上)》、《LBS游戏中POI与路网和绿地分布的相关性研究——以《Ingress》和北京为例(下)》)挖的坑,才有了这份后续研究。有了前一篇文章作为打底,本文就不写摘要、引言、研究区概况和数据准备了,反正和前一篇也基本上一样。


前文主要研究了北京市区内能量塔和其他地理要素之间的空间相关性关系,本文则着重研究北京市区能量塔内部的空间自相关性,探究北京市区内能量塔的离散、集聚关系,以及分布中心和分布范围。



1

研究方法


1.1 核密度分析


核密度分析法是在空间分析中运用非常广泛的分析方法。核密度函数是概率论中用来估计未知的密度函数,完全利用数据本身信息,避免人为主观估计,从而能够对样本数据进行最大程度的近似估计。该方法以特定要素点的位置为中心,将该点的属性分布在指定邻域内,在中心位置处密度最大,随距离衰减,到搜索半径处密度为0。该方法以渐进式的形式传输每个数据点的强度,充分体现了强度随距离增大而变小的地理学规律。它主要用于计算要素在其周围邻域中的密度,在较为密集的点要素空间分布模式中应用广泛。


现今常用的核密度函数如下:



其中d为空间维数,h为距离衰减阈值,N为与任一定点的距离小于或等于 h 的点位个数,而K 函数表示空间权重函数。而当d为2时,函数就变成二维核密度函数,也是ArcMap中采用的核密度函数式:



1.2 平均中心和中位数中心


平均中心和中位数中心是两种计算样本分布中心的方式。平均中心是将所有样本点的x和y坐标,即经纬度,求平均值,生成的点即为平均中心。

 


而中位数中心就是去寻找一个能够均分所有数据为两部分的数(坐标),这个数到所有的位置的距离总和最少。它的算法较为复杂,但相较于平均数中心,中位数中心受到某些远离北京市区的极值点影响较小,这也是使用中位数中心的优点。

同时,离中位数中心最近的样本点即为所谓的“中心要素”。


1.3 标准差椭圆和标准距离


标准差椭圆也称方向分布,它可以识别一组数据的方向以及分布的趋势,并且了解到这份数据是否具有一些特性。标准差椭圆的圆心可有平均中心算出,然后确定椭圆的方向,以X轴为准,正北方(12点方向)为0度,顺时针旋转,最后再确定XY轴的长度,其公式较为复杂。


 

标准距离则用来测量要素在几何平均中心周围的集中或分散的程度。度量分布的紧密度可以提供一个表示要素相对于中心的分散程度的值。该值表示距离,因此,可通过绘制一个半径等于标准距离值的圆在地图上体现一组要素的紧密度。标准距离工具用于创建圆面。圆的半径越小,表示聚集程度越高。








实验结果待续






欢迎关注我们的同步渠道


Telegram - https://t.me/IngressBeijing

Twitter - @ingressbeijing

网站 - https://bjres.net

投稿请发邮件至 tougao@bjres.net


请务必投稿后联系 @AlexRowe 确认稿件到达

Telegram - @alexrowe

QQ - 350259971


戳原文访问网站对历史文章进行搜索。