以地铁站为中心向外辐射的小区域，是城市的节点，周边聚集大量人流和各类资源。北上广深是中国的中心城市。北京是政治文化中心；上海是经济金融中心；广州是商业贸易中心；而深圳，是科技创新中心。这四个城市的地铁站周边城市功能，有什么差异呢？
我们在位和云平台（https://services.wayhe.com）上用神经网络模型对北上广深地铁周边500米范围的城市功能做多因子画像，形成了画风截然不同的作品。
我们通常看到的地图图例是单因子图例。多因子图例比单因子图例复杂。图中的每条线代表多个城市功能指标组合的类型；每个纵轴代表一个城市功能指标。
当我们把各个指标在纵轴的排列类型设为“全局最大最小”时，可以很明显地观察到地铁周边城市功能按占比从高到低排列的顺序为：娱乐休闲功能、产业生产功能、居住生活功能、金融商业功能、公共管理与公共服务功能、绿地与广场功能、道路与交通设施功能、公用设施功能。
但这种排列方式不能很好地表达各个分类之间的差异。换成“嵌套均值”类型来排列，如下图所示，分类的差异变得明显了。并且观察到，右面4列的分类线之间很少交叉，说明北上广深地铁站周边的公共管理与公共服务功能、公共设施功能、绿地与广场功能、道路与交通服务功能是正相关的。
紫色 —— 娱乐休闲功能很强
桃红 —— 娱乐休闲与金融商业功能混合
蓝紫 —— 娱乐休闲与居住生活功能混合
蓝色 —— 居住生活功能强
浅蓝 —— 居住生活与娱乐休闲功能混合
蓝绿 —— 居住生活功能与金融商业、公共服务功能混合
棕黄 —— 产业生产功能强
红色 —— 产业生产功能与娱乐休闲功能混合
绿色 —— 公共管理与公共服务功能、公共设施功能、绿地与广场功能、道路与交通服务功能强
草绿 —— 公共管理、公共服务功能与产业生产功能混合
混合功能
北京地铁，采用了棋盘格局的规划，基本沿着大的城市干道，经过了主要的城市重要建筑和场所。
北京地铁站周边的画像是混合色调，其中绿色调在四个城市中最强。
· 公共管理与公共服务功能、公共设施功能、绿地与广场功能、道路与交通服务功能在四个城市中最突出；
· 娱乐休闲和各种混合功能也很强；
· 居住生活功能相对比较差。
上海地铁圈
上海的老城区路网盘根错节。上海地铁采用放射状布局，线路线网密度大，便捷性好。
上海地铁站周边的主色调是蓝色、红色和棕黄色。
· 居住生活功能和产业生产功能在四个城市中最强。静安靠近普陀一带和漕河泾一带的地铁站周边是比较集中的产业区。城市外围各个方向的地铁站周边的产业生产功能都很强。
· 公共管理、公共服务、绿地与广场，及道路交通功能相对比较弱。
· 娱乐休闲功能、金融商业功能和混合功能穿插各处。
广州地铁圈
广州，吃货的天堂，是四个城市中最接地气的。广州地铁周边以中心区的娱乐休闲功能为主。产业生产功能聚集在东北部。
深圳地铁圈
深圳是个年轻的城市，包容性最强。深圳地铁周边的画风也最混搭，没有主色调。
· 关内和关外，无论从地铁站的密度还是地铁圈的功能特征（颜色）来看，差异都很明显；
· 产业生产功能地铁圈分布在罗湖、福田中心区和南山一带；
· 居住生活功能地铁圈分散在外围；
· 代表娱乐休闲的紫色和桃红色地铁圈、以及代表公共管理、公共服务和道路交通功能的绿色地铁圈，错落有致。
方法过程
本文案例中涉及到的数据提取、数据处理、指标计算和多因子评估画像等操作都在位和云平台（https://services.wayhe.com）上完成。具体方法过程如下：
在位和城市数据库中搜索地铁站点数据，为每个地铁站点生成半径为500米的缓冲区（也可生成等时圈）；然后选择城市功能专题数据（已预先把城市兴趣点按照规划行业的标准重分类为城市功能），按照城市功能的类别聚合到每个地铁站的缓冲区内，产生具有8个城市功能指标的数据。
接下来用位和平台上的多维分析工具，基于神经网络模型，对数据按照8个城市功能指标的占比做多因子画像。
无需高薪聘请大咖，有了合适的工具，每个人都是大咖。
支持云端访问（SaaS）和本地部署（On-Premise）
支持API集成
工欲善其事，必先利其器
机器学习，咫尺之遥
业务洽谈：张经理-13661278376
510
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
