购房选址分析之上海市

最新推荐文章于 2024-07-02 16:23:57 发布

凌晨GIS

最新推荐文章于 2024-07-02 16:23:57 发布

阅读量459

点赞数 1

文章标签：大数据人工智能机器学习 python 数据分析

本文链接：https://blog.csdn.net/qq_39167542/article/details/115383023

版权

一日不见，如隔三秋。快过年了，凌晨GIS给大家拜个早年，提前祝大家新年快乐，牛气冲天！

上期我们用矢量分析中的缓冲区分析和叠加分析的方法对长沙市的购房选址方面的问题进行了探讨，得到了许多小伙伴的回应，希望小编分析下上海市购房选址问题。想了想，我觉得可以搞，不过这期我们将利用栅格分析的方法进行选址分析。栅格分析选址主要涉及栅格数据距离制图、成本距离加权、数据重分类、多层面合并等空间分析功能。

主要流程如下：

(1)数据准备，确定需要哪些数据作为输入，包括购物中心数据、小学数据、综合医院数据、地铁站数据;

(2)派生数据集，从现存数据派生出能提供购房选址的原始成本数据，在这里主要为距离成本数据;

(3)重分类各种数据集，消除各成本数据集的量纲影响，使各成本数据具有大致相同的可比分类体系。各成本数据均按等间距分类原则分为1~10级，级数越高适宜性越好;

(4)给各数据集赋权重。必要的话在适宜性模型中影响比较大的数据集赋比较高权重，然后合并各数据集合以寻找适宜位置。本文将权重设为各数据集的权重均设置为0.25，大家也可以根据自己的意愿设置。

将所有POI加载进来展示一下，看起来很漂亮。

接下来进入正题。。。

【分析环境设置】

因为这期是栅格分析，所以最重要的一步是设置分析环境。ArcToolbox 中选中ArcToolbox右键选择[环境]，打开环境设置对话框，设置相关参数:①展开[工作空间]，设置工作路径为:“放数据的文件夹”; ②展开[处理范围]，在范围下拉框中选择“与边界相同”;③展开[栅格分析]，在像元大小下拉框中选择自定义，这里设置为30。

【欧氏距离】

在栅格分析中的[欧氏距离]跟矢量分析中的缓冲区原理相似，只是得到的结果的数据类型不同，上期得到的缓冲区是矢量文件，这期我们通过这个工具得到的是栅格数据。首先从各类poi数据中提取直线距离数据。选择[Spatial Analyst工具] | [距离分析] | [欧式距离],分别生成购物中心、小学、综合医院、地铁站的直线距离数据集，这里我们可以右键工具选择批处理批量生成派生数据集。

【重分类】

生成直线距离后，我们需要对其进行重分类。重分类每类数据的直线距离数据集。考虑到住房距离购物中心、学校、地铁、医疗设施比较近时适宜性好，采用等间距分级分为10级，距离poi最近适宜性最高，赋值10;距离最远的地方赋值1。得到每一类数据集的适宜性图。这一步骤与矢量分析中为每一类数据的缓冲区打分原理相似。

【综合适宜性分析】

重分类后，我们需要将各图层叠加计算，统一到相同的等级体系内，且每个数据集中那些被认为比较适宜性的属性都被赋以比较高的值，选择[Spatial Analyst工具——地图代数——栅格计算器]，各个重分类后数据集的合并计算，最终适宜性数据集的加权计算公式为最终适宜性=购物中心*0.25 十中小学*0. 25十医疗设施*0. 25十地铁站*0. 25。