python特征相关性热力图怎么画_百度热力图,带您探索城市的奥妙!

移动互联时代,利用大数据进行城市研究成为了一个热门的课题,年轻的专家学者们凭借着对互联网数据的敏感性进行了多种尝试,取得了丰硕的成果。其中应用较多的大数据包含:手机信令、热力图、公交刷卡、微博签到、QQ/微信登录数据、POI、点评数据等等。其中又以手机信令和百度热力图数据价值最高。

219166c976ddf259f43a85b44afcc702.png

手机信令数据:运营商记录下来的手机用户在移动通信网络活动时的位置信息,属于非自愿提供数据。包括开机、关机、主叫、被叫、收发、短信、切换基站或移动交换中心、周期性位置更新时,手机识别号、信令成功时间、当时所处的基站小区编号等信息。

097d2969e883c67c38c9123905289c9d.png

百度热力图:百度公司基于智能手机使用者,访问百度产品(如搜索、地图、天气、音乐等)时所在的位置信息,计算得到人群空间分布图。

然而手机信令数据是由三大运营商的所掌握,对外完全保密,获取门槛非常高,真是难为了城市研究的小伙伴们。因此,我们把焦点放到百度热力图数据,作为最优替代方案。只有打破数据获取门槛,才能更好的让城市研究学者们回归本质,专注于问题的分析解决,而不是花大量时间去学习Python、爬虫等工具算法。

01

数据获取

下载安装地图矢量下载器软件(http://www.vectordown.com/)

软件可下载热力图、建筑轮廓、道路、公交站点、POI、AOI等多种矢量数据,是城市规划等地理空间相关行业必备软件。

36a2e300475e8f1425f705948a01677e.png

扫描加群可以获取25平方公里免费下载版本。

d1495451f98e8d61dc14028f94397975.png

打开软件,选择需要下载区域,可在右侧搜索栏内进行地址定位。选择目标地区,进行热力图下载。参数设置中,注意勾选生成级别灰度,便于后期数据进行量化分析。数据获取时间为8月10日(周六)下午2点,正值利奇马台风来临时候,此时热力图高值区域可以直观的反映出城市的中心。刮台风都要出去玩耍的人,绝对是真爱~a6afa6e11fcaf24bf0292a9b37c868df.png

下载的数据为tif格式,默认为WGS84 大地坐标系统(度为单位),导入arcgis软件进行查看。

d6bbe7374d4cf7fdd62ab13fe91b3909.png

为何色彩和我们印象中的颜色不太一样?只需简单设置下属性显示。

7ac4ccf1bf63f2d18b91299e6bcf69d8.png

fd553c1e589d9656884e17fbcd787dd8.png

还是原来的配方、还是熟悉的味道!颜色越深红,代表人群集聚度越高。WGS84是大地坐标系统,为了后面分析处理方便,需要转换成平面投影,在上一篇《如何利用建筑轮廓、影像、dem进行快速三维建模》已经做了详细的说明。进行坐标转换后,可叠加苏州市行政区划及水系数据(同样通过地图矢量下载器下载)。

6379aa5794150a4ba97f10cee7d50537.png苏州市区(姑苏区、工业园区、高新区、相城区、吴中区、吴江区)从人口地域分布来看集聚效应较为明显。吴江南部的盛泽镇,游离于主城区之外,空间上较为独立。

县级市来看,昆山人口规模盘子最大,常熟、张家港次之,太仓最小。

数据资料已备好,号内回复“苏州”领取

一起动手操作吧

02

数据分析

1.人口聚集度分析

通过计算统计各区县热力图灰度值均值,来反应行政区范围内人口的平均聚集程度。选择spatial analyst tools——zonal statistics as table 工具,对区域进行总体的计算。

6cd3d6f0f0a3784bf49db7bf5c7d20df.png

得到数据统计表格如下,对各地区的灰度平均值进行分析。

245c90bbe8ed2e58faf4a7a02b1fe788.png

066f16dd760f4ac874d68c1df1ff2392.png姑苏区地处苏州市区的中心位置,人口聚集度最高,工业园区因其较高的城市发展水平位列第二,尽管各县级市的GDP非常庞大,但人口聚集度方面普遍不如市区,吴中区因面积大部分为太湖水域的关系,排名末尾。 

77754686a74db9df37d6991a77904262.png通过与地区统计数据相比可以发现,热力图均值数据与地区的人口密度有着较为直接关系。也间接印证了热力图数据的准确性。

2.高值聚集区分析

选取热力图灰度数值为6和7 的地区,代表人群最为聚集区域(热力图上表现为城市商业中心、火车站、汽车站等),进行分析。利用greater than equal 工具进行提取,得到二值图,其中绿色代表高聚集地区。

e0db05687652129a18b2f0ef7446884c.png

075282bba21ec29472d9b384d290a5cc.png

利用栅格转面工具,将栅格数据转成面。

c7866b2768369823ace9a18a9aef6e91.png

再利用相交工具,叠加上行政区划属性。

4dcef1c43a4885977830a1ad0e2c00c0.png

对各区县高值数据的面积进行统计。

002532be5665f343ef386204382f7d89.png

总体而言,市区的人口聚集度水平明显高于县级市,体现中心城区人口的聚集效应。其中昆山作为一个县级市,人口集中度较高。人口聚集度高的地区,商业发达程度及城市活力相对较高,一定程度上的反映了城市的功能布局及发展水平,对于城市规划、交通领域具有指导意义。

通过百度热力图,还可以进行一些有趣的应用分析。例如商业中心识别、城市结构分析、人口中心等;通过不同时段的热力图对比分析,还可以反应人群流动、通勤、职住等关系。期待各位城市研究的专家们尽情的探索发掘其中的奥妙。

参考文献

钮心毅 丁亮 宋小冬 基于手机数据识别上海中心城的城市空间结构

冷炳荣 大数据方法下的重庆主城区职住关系研究

王录仓 基于百度热力图的武汉市主城区城市人群聚集时空特征

吴志强 叶锺楠 基于百度地图热力图的城市空间结构研究——以上海中心城区为例

关注公众号“GIS大师兄”,后台回复“苏州”即可获得相关资料

End

往期回顾

1.重磅发布!全国首个全品类地理空间数据共享交换平台上线【附赠独家数据】

2.地图矢量下载器6.5能换绑了 新增用地类型AOI下载功能

3.测绘行业管理将降低行业准入门槛,不再对拥有注册测绘师、地图安全审校人员、无人机操控技术人员等作考核要求。

4.Python爬取全国微信在线人数数据

5.历史POI数据哪里找?——POI数据应用现状及历史POI样例数据分享

02df9332d016afb7ae272907acb7eb35.pnge1de215080fccba9ed1b777a3003fb03.png

点我留言

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值