POI数据统计
基于POI数据的城市居民生活便利指数测度——来自居民调查数据的经验证据
２０２３年１２月第２５卷第６期㊀㊀沈阳建筑大学学报(社会科学版)㊀㊀ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ(ＳｏｃｉａｌＳｃｉｅｎｃｅ)Ｄｅｃ.㊀２０２３Ｖｏｌ.２５ꎬＮｏ.６㊀㊀收稿日期:２０２３－０５－０７㊀㊀基金项目:国家社会科学基金项目(２１ＢＴＪ０４２)ꎻ甘肃省高等学校创新基金项目(２０２３Ｂ－０９１)㊀㊀作者简介:牛成英(１９７２ )ꎬ女ꎬ甘肃永登人ꎬ教授ꎬ博士ꎮ文章编号:１６７３－１３８７(２０２３)０６－０６１２－０８ｄｏｉ:１０.１１７１７/ｊ.ｉｓｓｎ.１６７３－１３８７.２０２３.０６.１１基于ＰＯＩ数据的城市居民生活便利指数测度来自居民调查数据的经验证据牛成英ꎬ高㊀颖(兰州财经大学统计学院ꎬ甘肃兰州７３００２０)摘㊀要:居民生活便利是评价宜居城市的重要影响因素之一ꎮ基于兴趣点(ＰｏｉｎｔｏｆＩｎｆｏｒｍａｔｉｏｎꎬＰＯＩ)数据构建城市居民生活便利指数评价体系ꎬ通过居民问卷调查大样本ꎬ以居民生活经验为证据ꎬ参考德尔菲法确定城市生活便利指数评价指标权重ꎬ构建城市居民生活便利指数ꎬ对城市居民生活便利度进行测度ꎮ并以兰州市城关区各街道居民生活便利度测度为例进行实证检验ꎬ结果显示ꎬ日常购物设施㊁餐饮服务设施㊁医疗设施和交通设施对城市居民生活便利指数影响相对较大ꎬ说明基于ＰＯＩ数据构建的城市居民生活便利指数对测度居民生活便利度具有合理性和可行性ꎮ关键词:ＰＯＩ数据ꎻ生活便利指数ꎻ指标体系ꎻ德尔菲法中图分类号:Ｆ２９４㊀㊀㊀文献标志码:Ａ㊀㊀居民生活便利度是指在一定区域内可以利用的公共服务设施的便利程度ꎮ随着中国社会经济的高速发展ꎬ打造宜居城市ꎬ增加民生福祉已成为当前各级政府提升城市竞争力的重要手段ꎬ根据２００７年中国城市科学研究会研究发布中国«宜居城市科学评价标准»[１]ꎬ其中居民生活便利度是宜居城市评价的核心指标之一ꎬ城市居民生活便利度与城市公共服务设施数量和空间布局密切相关[２]ꎮ基于公共服务设施的兴趣点(ＰｏｉｎｔｏｆＩｎｆｏｒｍａｔｉｏｎꎬＰＯＩ)数据表示特定功能公共服务设施位于特定地理区域ꎬ与基于位置的社会网络㊁城市规划等密不可分ꎬ反映一个地理区域内的人文活动特征ꎬＰＯＩ数据携带的信息可能会影响人类的日常活动和出行决策ꎮ近年来ꎬ随着信息技术发展和大数据收集存储水平的提高ꎬ反映城市人文活动特征的ＰＯＩ数据已成为分析城市规划㊁居民便利度的主要信息来源ꎮ尤其是基于ＰＯＩ数据的居民便利度评价已成为客观评价居民便利度的主要方法ꎮ分析相关研究文献可见ꎬ此类研究综合来讲可大致归为两类:一是基于社区生活圈的生活便利度评价ꎮ研究基于居民生活圈内ＰＯＩ数据进行生活便利度分析ꎬ对ＰＯＩ数据中不同类型公共服务设施对居民生活便利度的影响程度差异研究相对不足ꎮ如李健等[３]基于ＰＯＩ数据ꎬ通过测度面向地铁出行的各向异性距离ꎬ对北京市住宅生活便利指数进行研究ꎻ禚保玲等[４]基于ＰＯＩ数据对青岛市东岸城区路网可达的１５分钟社区生活圈便利度进行评价ꎻ赵彦云等[５]基于ＰＯＩ数第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１３㊀据通过计算设施覆盖率㊁达标率以及构造发展协调指数来测度北京市 １５分钟生活圈 公共服务设施发展情况ꎬ并为北京市公共服务设施建设提供理论支撑ꎮ二是基于ＰＯＩ数据尝试构建居民生活便利度评价指标体系ꎮ通过建立一个基于ＰＯＩ数据的生活便利指数评价指标体系ꎬ定性分析公共服务设施对居民生活便利度的影响ꎬ但由于指标体系权重确定的局限性ꎬ鲜有文献在此基础上对区域生活便利度进行定量测度ꎮ如崔真真等[６]根据多维度的居民需求构建指标体系ꎬ将ＰＯＩ数据进行梳理ꎬ按照城市生活便利指数评价指标体系获取各类设施数目ꎬ计算平均生活便利指数ꎮ魏颖等[７]使用ＰＯＩ数据作为基础数据构建大数据指标体系ꎮ为此ꎬ尝试对评价指标体系进行赋权ꎬ构建便利度指数ꎬ对居民生活便利度进行定量评价ꎮ以往研究通常利用空间主成分分析法[８]赋予权重ꎬ但此类客观赋权法要依赖于足够多的样本数据ꎬ通用性和可解释性较差ꎮ另外ꎬ也可运用层次分析法[９]㊁德尔菲法[１０]计算权重ꎬ相较于层次分析法ꎬ德尔菲法是解决多指标非结构化问题的有效手段ꎬ能够充分利用专家的学识确定指标权重ꎮ考虑到城市居民是城市生活便利度的直接体验者ꎬ本研究基于ＰＯＩ数据构建城市居民生活便利度评价指标体系ꎬ基于大样本对居民进行问卷调查ꎬ参考德尔菲法确定生活便利度评价指标的权重ꎬ构建基于ＰＯＩ数据的居民生活便利指数ꎬ并以兰州市城关城２５个社区街道的居民生活便利指数测度为例进行实证检验ꎬ验证居民生活便利指数测度的合理性和可行性ꎬ为城市公共服务设施规划服务于居民便利生活提供有益参考ꎮ一㊁居民便利度评价指标体系构建研究爬取２０２２年１１月网络电子地图全类别ＰＯＩ数据ꎬ以«城市居住区规划设计标准»和公共服务设施配套建设标准作为参考依据ꎬ基于ＰＯＩ数据构建涵盖８个一级指标和２６个二级指标的城市居民生活便利度综合评价指标体系(见表１)ꎮ㊀㊀日常购物是居民生活质量的重要基础ꎬ是居民日常生活的重要需求ꎬ居民生活离不开日常购物ꎮ日常购物服务设施包含便民商店㊁商场㊁综合市场等物品销售场所ꎮ餐饮服务设施能够充分体现居民生活便利度ꎮ 民以食为天 ꎬ随着消费方式和消费结构的改变ꎬ餐饮深刻影响着居民生活质量ꎮ餐饮服务设施主要包含了各类餐馆等提供餐饮服务的设施ꎮ科教设施是居民生活至关重要的一部分ꎮ科教的力量不仅能增强国力还能让居民生活更加便利ꎮ科教设施是居民生活的精神食粮和居民发展的根基ꎬ学校㊁培训机构和科技文化场所等科教服务设施对于居民生活不６１４㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２５卷可或缺ꎮ医疗设施是体现居民生活便利度重要指标之一ꎬ满足了居民生活便利水平所对应的基本社会需求ꎮ一般将医疗设施主要界定为综合医院㊁专科医院㊁诊所以及药店ꎮ体育娱乐设施与居民身心健康紧密相关ꎮ影剧院㊁运动场馆㊁公园广场等体育娱乐设施及场馆能够大大提升居民的生活幸福感并满足精神层面的需求ꎬ已成为居民日常生活离不开的重要设施之一ꎮ交通设施满足了居民生产生活和其他需求的物质供给ꎬ使居民生活变得方便快捷ꎮ交通设施具体指研究区内的道路交通设施与交通工具服务场所ꎬ包含公交站㊁地铁站和停车场等场所ꎮ便民设施提升了居民生活便利度ꎬ是居民生活必不可少的保障ꎬ在居民生活服务中发挥着重要作用ꎮ便民服务设施包含了日常生活中必需的设施ꎬ如快递点㊁理发店㊁各类商营业厅和维修服务等ꎮ金融服务设施为居民生活提供了方便的金融服务体验ꎮ银行营业点和ＡＴＭ遍布大街小巷ꎬ金融服务设施普遍覆盖ꎬ一定程度上促进了居民生活便利度持续㊁稳定地发展ꎮ二㊁居民便利度评价指标权重确定１.德尔菲法在综合评价指标权重确定过程中ꎬ德尔菲法依据系统的步骤[１１]是通过对１０~５０名有一定有名望的专家多轮匿名函询ꎬ将专家反馈结果反复修正并汇总分享给专家小组ꎬ经过三四轮最后汇总成基本一致的专家看法ꎬ据此得出对未来情况较为可靠的预测ꎮ通常采用专家的积极性系数㊁专家意见的协调程度来衡量德尔菲法的可靠性和科学性ꎮ２.基于居民问卷调查的评价指标权重确定德尔菲法过程比较耗时ꎬ且在居民便利度测度和评价中ꎬ专家对居民生活便利度意见的代表性有一定局限性ꎮ考虑到居民是直接感知和体验者ꎬ故以居民意见替代德尔菲法中的权威专家意见ꎬ提出基于居民问卷调查的评价指标权重确定方法ꎮ首先ꎬ在居民生活便利度研究中ꎬ居民生活经验和体验是测度居民便利度最直接的证据ꎬ选取在城市居住多年且生活实践经验较为丰富的居民替代德尔菲法中的权威专家ꎻ其次ꎬ采用网络问卷调查的形式代替专家函询表对居民进行调查ꎻ最后ꎬ通过大样本调查结果降低专家意见的局限性ꎬ对居民问卷调查结果进行综合处理ꎬ确定评价指标权重ꎮ３.居民生活便利度调查问卷设计公共服务设施相关的ＰＯＩ数据反映城市居民生活的人文活动特征ꎬ反过来也影响一定区域内居民生活便利度ꎮ基于ＰＯＩ数据构建的居民生活便利度评价指标体系ꎬ设计居民调查问卷ꎮ调查问卷共３部分ꎬ第一部分介绍本次调查目的ꎬ并对调查项中的各类指标定义及分类进行解释说明ꎬ方便被调查的居民对调查项的理解ꎻ第二部分收集居民基本情况信息ꎬ方便对受访居民人口统计特征进行分析ꎬ进一步为有效问卷的筛选提供便利ꎻ第三部分根据ＰＯＩ数据的居民生活便利度评价指标体系ꎬ设置公共服务设施影响居民生活便利的重要性排序调查题项ꎮ４.居民问卷调查数据处理为提高居民意见的一致性ꎬ最终调查主体对象界定在２０岁以上ꎬ且对本研究有兴趣自愿参加的城市居民ꎮ本次调查共回收问卷４３１份ꎬ剔除年龄小于２０岁受访者以及项目严重缺失等无效问卷ꎬ最终回收有效问卷３８２份ꎬ问卷有效回复率为８８.６３％ꎮ样本中涵盖２０岁以上不同年龄段㊁性别㊁学历㊁职业的居民ꎮ为了方便量化分析ꎬ将调查的各指标排序评价结果转化成一定的数值评分ꎮ最常规的赋值方法是对数据进行反向计分ꎬ即将重要程度最低的指标赋值１ꎬ按重要程度排序依次增加１ꎬ以此类推ꎮ赋值数字表示不同的重要程度ꎬ数字越大ꎬ重要程度越高ꎮ５.居民意见协调度德尔菲法一般运用变异系数(ＣＶ)和肯第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１５㊀德尔协调系数(Ｗ)来判断专家意见的协调程度ꎬ也就是专家对指标评分的离散程度ꎮＣＶ能够反映专家评分的波动协调程度ꎻＷ是计算多个等级变量相关程度的一种相关量ꎮ故使用ＣＶ和Ｗ来反映有效问卷受访居民对评估指标的评分协调程度ꎮＷ检验先计算检验统计量ꎬ同一评价者无相同等级评定时ꎬＷ的计算公式为Ｗ＝ðＲ２ｉ－１Ｎ(ðＲｉ)２１１２Ｋ２(Ｎ３－Ｎ)(１)式中:Ｎ为被评价指标ꎻＫ为参与评价的居民人数ꎻＲｉ为第ｉ个被评价指标的被评价等级之和ꎮ分子表示每个被评价指标所评等级之和Ｒｉ与所有这些和的平均数 Ｒｉ的离差平方和ꎮＷ取值范围为０~１ꎬ一般在０.５上下波动[１２]ꎮＷ值越接近１表示居民意见协调程度越高ꎬ越接近０表示居民意见协调程度越低ꎮ再对Ｗ进行显著性检验即卡方检验ꎮ其卡方检验公式为χ２＝Ｋ(Ｎ－１)Ｗ(２)根据显著性水平α＝０ ０５和自由度ｄｆ＝Ｎ－１的卡方分布ꎬ对本次问卷调查评分结果进行检验ꎬ最终得出的结果如表２所示ꎮ表２㊀居民意见肯德尔协调系数一级指标被评价指标数/个肯德尔协调系数卡方日常购物３０.５１５３９３.７１２科教设施３０.５４６４１７.３６１餐饮设施３０.５２０３９７.６０７交通设施３０.４９４５６５.７０３医疗设施４０.５１８３９５.９４２体育娱乐４０.５０７５８０.６９９便民服务４０.５０５５７８.２７８金融服务２０.５４６２１３.６０９㊀㊀由表２计算可知ꎬ一级指标平均为０ ５１９ꎬ其中仅有１项小于０.５ꎬ但均在０.５上下波动ꎬ所得值均小于０.００１ꎬ均具有极显著的统计意义ꎬ说明３８２位居民对指标评分具有一致性ꎬ所有居民评价各项指标的协调程度较高ꎮ变异系数是指标重要性评分标准差与均数的比值ꎮ变异系数具体计算公式为ＣＶｉ＝σｉＸｉ(３)式中:ＣＶｉ为第ｉ个指标的变异系数ꎻσｉ为第ｉ个指标的标准差ꎻＸｉ为第ｉ个指标的均数ꎮ本次问卷调查中ꎬ居民对各指标评价结果的ＣＶ如表３㊁表４所示ꎮ表３㊀问卷调查居民意见一级变异系数及指标权重一级指标均值标准差变异系数一级权重日常购物４.８４００.３８６０.０８００.１９０科教设施３.５０００.２９８０.０８５０.１００餐饮设施３.４８００.１６９０.０４９０.１５３交通设施３.１４００.２４９０.０７９０.１５２医疗设施２.３６００.４３９０.１８６０.１４３体育娱乐１.５８００.３１００.１９６０.０８９便民服务１.２１００.２０１０.１６６０.１２１金融服务１.０８００.０２２０.０２００.０５２表４㊀问卷调查居民意见二级变异系数及指标权重二级指标均值标准差变异系数二级权重便民商店１.４３００.３４３０.２４００.４０５综合市场３.１０００.２１５０.０６９０.３４９商场２.４７００.２８７０.１１６０.２４６学校３.８４００.０５９０.０１５０.４７３培训机构２.４４００.１３８０.０５７０.２４０科技场所２.７２００.２４２０.０８９０.２８７中餐厅３.６８００.１２１０.０３３０.４４７外国餐厅２.１０００.０４００.０１９０.１８５休闲餐厅３.２１００.１５３０.０４８０.３６８公交站４.０１００.６３４０.１５８０.３０１地铁站２.９３００.６１１０.２０９０.１９３停车场３.３２００.４２９０.１２９０.２３２综合医院３.７４００.６８５０.１８３０.２７４专科医院３.２６００.３５００.１０７０.３７３诊所２.９８００.３８８０.１３００.３３２药店２.７６００.４３６０.１５８０.２９５影剧院３.２３００.５６１０.１７４０.２２２娱乐场所３.３７００.５８２０.１７３０.２３７运动场馆３.４６００.５５５０.１６００.２４６公园广场３.９５００.６３９０.１６２０.２９５物流速递点４.５４００.４５７０.１０１０.３５４维修服务点３.１３００.４８３０.１５４０.２１３各类营业厅３.３８００.５２１０.１５４０.２３８美容美发２.９４００.４６９０.１６００.１９５自助提款机２.７３００.２４４０.０８９０.５７８银行点２.２７００.２４４０.１０８０.４２２㊀㊀ＣＶ不超过３５％就说明居民意见趋于一致ꎮ由表３可知ꎬ一级指标均ＣＶ小于２０％ꎬ最小为０.０２ꎬ最大为０.１９６ꎮ二级指标ＣＶ６１６㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２５卷均小于２５％ꎬ且其中仅有２个指标ＣＶ超过２０％ꎬ说明问卷调查结果对全部评价指标的协调程度较好ꎮ综合表２㊁表３结果ꎬ均表明居民对影响生活便利度的公共设施需求意见基本趋于一致ꎮ６.指标权重确定根据德尔菲法的思想对居民生活便利度调查结果运用平均分法来确定指标权重ꎮ具体计算过程如下ꎮ设共有ｍ个一级指标Ｘ１ꎬＸ２ꎬ ꎬＸｍꎮ对任意一级指标Ｘｆ进行重要性排序ꎬ一级指标Ｘｆ重要性排序处于第１位到第ｍ位分别表示为Ｘ(１)ｆꎬＸ(２)ｆꎬ ꎬＸ(ｍ)ｆꎮ由于选择顺序不同ꎬ其重要程度也不同ꎬ故需要进行反向计分ꎮ若Ｘｆ排在第１位ꎬＸ(１)ｆ得分为ｍꎻＸｆ排在第２位ꎬＸ(２)ｆ得分取ｍ－１ꎬ以此类推ꎬＸｆ排在第ｍ位ꎬＸ(ｍ)ｆ得分取１ꎮ每个一级指标下的二级指标个数并不相同ꎬ一级指标Ｘｆ包含ｎｑ个二级指标Ｘｆ１ꎬＸｆ２ꎬ ꎬＸｆｎｑꎬ对任意二级指标Ｘｆｈ进行重要性排序ꎬ其中ｈ＝１ꎬ２ꎬ ꎬｎｑꎮ二级指标Ｘｆｈ重要性排序处于第１位到第ｎｑ位分别表示为Ｘ(１)ｆｈꎬＸ(２)ｆｈꎬ ꎬＸ(ｎｑ)ｆｈꎬ若Ｘｆｈ排在第１位Ｘ(１)ｆｈ得分取ｎｑꎬＸｆｈ排在第２位Ｘ(２)ｆｈ得分取ｎｑ－１ꎬ以此类推ꎬＸｆｈ排在第ｎｑ位Ｘ(ｎｑ)ｆｈ得分取１ꎮ最后将各排序方案得分分别与各方案应答人数相乘ꎬ求和之后再除以其所属同一级指标的所有排序方案和其应答人数乘积之和ꎬ最终得到指标权重ꎮ整理调查数据ꎬ一级指标各方案人数为Ｓ(ｇ)ｆꎬ二级指标各方案问卷应答人数为Ｓ(ｑ)ｆｈꎬ则一级指标权重具体计算见式(４)㊀㊀Ｗ(１)ｆ＝ðｍｑ＝１Ｘ(ｇ)ｆＳ(ｇ)ｆðｍｑ＝１Ｘ(ｇ)１Ｓ(ｇ)１＋ðｍｑ＝１Ｘ(ｇ)２Ｓ(ｇ)２＋ ＋ðｍｑ＝１Ｘ(ｇ)ｍＳ(ｇ)ｍ(４)式中:Ｗ(１)ｆ为一级指标权重ꎬ此时ꎬｍ＝８ꎬｇ＝１ꎬ２ꎬ ꎬ８ꎮ同理ꎬ可求二级指标Ｘｆｈ的权重Ｗ(２)ｆｈꎮ二级指标的权重系数在其所属一级指标内计算ꎬ具体计算式为㊀㊀Ｗ(２)ｆｈ＝ðｎｑｑ＝１Ｘ(ｑ)ｆｈＳ(ｑ)ｆｈðｎｑｑ＝１Ｘ(ｑ)ｆ１Ｓ(ｑ)ｆ１＋ðｎｑｑ＝１Ｘ(ｑ)ｆ２Ｓ(ｑ)ｆ２＋ ＋ðｎｑｑ＝１Ｘ(ｑ)ｆｈＳ(ｑ)ｆｈ(５)由于所属一级指标不同ꎬ其包含的二级指标个数ｎｑ也不同ꎬｑ＝２ꎬｑ＝３或ｑ＝４ꎬ此时ｎｑ＝１ꎬ２ꎬｎｑ＝１ꎬ２ꎬ３或ｎｑ＝１ꎬ２ꎬ３ꎬ４ꎮ三㊁居民生活便利指数测度基于ＰＯＩ数据ꎬ可统计出各研究区域可达的各类公共设施数量[１３]ꎬ考虑研究区域面积与公共设施数量绝对个数有关ꎬ以公共设施密度为基准ꎬ利用各类设施权重构建居民生活便利指数的测度方法[１４]ꎬ利用生活便利指数来测度居民生活便利度ꎮ１.相关设施密度计算通过将ＰＯＩ数据进行分类得到各研究区各类设施个数ꎬ再利用各研究区域面积ꎬ最终得到Ｄｉｊ表示第ｉ个研究区域第ｊ类的设施分布密度Ｄｉｊ＝ＸｉｊＬｉ(６)式中:Ｘｉｊ为第ｉ个研究区域范围内第ｊ类设施的总个数ꎻＬｉ为第ｉ个研究区域的面积ꎮ２.居民生活便利指数运用已经确定的指标权重结合各类公共第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１７㊀服务设施密度来构建居民生活便利指数[１５]ꎮＣｉ＝ðｍｆ＝１ðｎｑｊ＝１ＤｉｊＷ(２)ｊＷ(１)ｆ(７)式中:Ｃｊ为第ｉ个研究区域的生活便利指数ꎻＷ(１)ｆ(ｆ＝１ꎬ２ꎬ ꎬ８)为一级指标权重ꎻＷ(２)ｊ(ｊ＝１ꎬ２ꎬ ꎬｎｑ)为二级指标权重ꎮ３.实证分析以甘肃省兰州市城关区各街道居民便利度测度为例进行实证检验ꎮ城关区是兰州市的政治㊁经济㊁文化㊁科研㊁交通㊁商贸中心ꎬ辖区范围广ꎬ各居民街道人口密度㊁公共服务设施㊁商业网点分布极不平衡ꎬ因此ＰＯＩ分布密集度差异较大ꎮ获取城关区现辖２５个街道的ＰＯＩ数据及其实际管辖面积ꎬ利用生活便利指数式(７)测度城关区各街道居民生活便利度(见表５)ꎮ表５㊀城关区各街道生活便利指数㊀㊀根据表５结果可见ꎬ城关区全域范围的生活便利度均值为２２.６２２ꎬ中位数为２２ ９４５ꎮ其中ꎬ张掖路街道的生活便利指数为５２ ２６９ꎬ为城关区生活便利指数最高的街道ꎻ伏龙坪街道生活便利指数仅为０ ３００ꎬ为城关区生活便利指数最低的街道ꎮ由此可以看出兰州市城关区各类公共服务设施分布密度存在明显差异ꎮ为进一步了解城关区各居民生活便利度差异情况ꎬ根据各街道生活便利指数对２５个街道采用黄金分割法进行科学分层ꎮ最终将研究区生活便利指数划分为５个等级(见表６)ꎮ表６㊀生活便利指数阈值划分等级指数范围低便利度[０ꎬ７.６３)较低便利度[７.６３ꎬ１６.６７)中等便利度[１６.６７ꎬ２４.６７)较高便利度[２４.６７ꎬ３２.３０)高便利度[３２.３０ꎬ５２.２７)㊀㊀根据表６划分标准ꎬ实证检验兰州市城关区各街道便利度空间(见图１)ꎮ由图１可见ꎬ研究区域内高便利度区域面积较小且集中分布于市中心区域ꎬ而低便利度区域面积较大且分布在距城中心区域较远的地区ꎬ这一测算结果符合城关区实际情况ꎮ由此可以看出城关区各街道居民生活便利度差异明显ꎮ高便利度区域公共服务设施密度较大ꎬ属于设施高地ꎬ各类生活配套设施建设最完善ꎮ从图１可以看出高便利度街道均位于黄河以南ꎬ集中分布在城关区的黄金地段拥有较多的公共服务设施ꎮ较高便利度区域公共服务设施覆盖情况相对较好ꎬ各类公共服务设施建设也较为完善ꎬ大部分位于城关区核心区域与高便利度区域之间ꎮ中等便利度区域均位于黄河以南城关区中部ꎬ此类区域各类服务设施密度一般ꎬ服务设施各类别覆盖情况差异较大ꎮ为方便居民生活便利度ꎬ应结合单项设施覆盖情况有重点地增添设施ꎬ完善各类设施覆盖情况ꎮ较低便利区域内ꎬ总体来看ꎬ未得到公共服务设施的有效覆盖ꎬ生活便利指数较低ꎮ其中ꎬ渭源路街道生活便利指数较低的主要原因是渭源路街道行政事业单位较多ꎬ餐饮设施㊁体育娱乐设施等相对较少ꎬ而餐饮设施权重较高导致该区域居民生活便利指数较低ꎮ低便利区域公共服务设施相对较缺乏ꎬ均位于城关区外围ꎬ为居民总体生活带来很大不便ꎬ属于设施洼地ꎬ为方便该区域居民生活ꎬ应优先考虑增加各类公共服务设施建设ꎮ６１８㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２５卷图１ 兰州市城关区居民生活便利指数空间分布四㊁结㊀语基于ＰＯＩ数据ꎬ构建城市居民生活便利度评价指标体系ꎬ通过来自对城市居民的生活经验问卷调查ꎬ基于大样本ꎬ参考德尔菲法确定指标权重ꎬ构建城市居民生活便利指数ꎬ对测度居民生活便利度具有合理性和可行性ꎮ通过对居民进行问卷调查ꎬ从确定的公共服务设施各项指标权重来看ꎬ日常购物设施㊁餐饮服务设施㊁医疗设施和交通设施对城市居民生活便利指数影响相对较大ꎬ科教设施㊁体育娱乐设施㊁便民服务设施和金融服务设施对城市居民生活便利指数影响相对较小ꎮ而区域生活便利度实证分析说明ꎬ城市中心区域与周边区域的居民生活便利度存在明显差异ꎬ呈现中心区域明显优于周边区域的分布特征ꎮ受河流山脉等地理格局影响ꎬ生活便利指数高的街道集中分布在城市中心区域ꎬ生活便利指数低的街道主要分布在外围区域ꎬ呈现出典型的经济指向ꎬ这与实际情况相符合ꎮ研究中基于城市ＰＯＩ数据点个数只能反映公共服务设施的空间位置与分布密度ꎬ无法反映设施的规模和等级ꎬ这一局限性可能会导致测度结果存在一定误差ꎬ但这种误差对实际测度结果的影响较小ꎮ参考文献:[１]㊀李慧民ꎬ段品生ꎬ郭海东.区域生态宜居度评价及其影响因素分析:以西安市为例[Ｊ].生态经济ꎬ２０１９ꎬ３５(１０):８０－８５.[２]㊀吴宇哲ꎬ吴艳芳.养老地产空间宜居度研究:以武汉市为例[Ｊ].吉首大学学报(社会科学版)ꎬ２０１８ꎬ３９(１):７３－７８.[３]㊀李健ꎬ张松海.基于兴趣点的北京市住宅生活便利指数研究[Ｊ].计算机辅助设计与图形学学报ꎬ２０２１ꎬ３３(４):６０９－６１５.[４]㊀禚保玲ꎬ张志敏ꎬ高洪振ꎬ等.基于路网可达的第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１９㊀１５分钟社区生活圈便利度研究[Ｊ].城市交通ꎬ２０２１ꎬ１９(１):６５－７３.[５]㊀赵彦云ꎬ张波ꎬ周芳.基于ＰＯＩ的北京市 １５分钟社区生活圈 空间测度研究[Ｊ].调研世界ꎬ２０１８(５):１７－２４.[６]㊀崔真真ꎬ黄晓春ꎬ何莲娜ꎬ等.基于ＰＯＩ数据的城市生活便利指数研究[Ｊ].地理信息世界ꎬ２０１６ꎬ２３(３):２７－３３.[７]㊀魏颖ꎬ刘厉兵.居民生活质量大数据指标体系的构建与运用[Ｊ].中国经贸导刊ꎬ２０１９(１６):１５－１７.[８]㊀李志学ꎬ莫文波ꎬ周松林ꎬ等.空间主成分分析的城市生活便利指数研究:以长沙市为例[Ｊ].测绘地理信息ꎬ２０２１ꎬ４６(２):１１０－１１５. [９]㊀应兰兰ꎬ牛伟伟.基于ＰＯＩ数据的武汉市主城区居民生活便利性评价[Ｊ].国土与自然资源研究ꎬ２０２０(３):１４－１７.[１０]卢中辉ꎬ陈其龙ꎬ任启龙ꎬ等.基于ＰＯＩ数据的苏南城市生活便利度评价[Ｊ].淮阴师范学院学报(自然科学版)ꎬ２０２０ꎬ１９(３):２３３－２３８. [１１]徐国祥.统计预测和决策[Ｍ].上海:上海财经大学出版社ꎬ２００５.[１２]孙振球ꎬ徐勇勇.医学统计学[Ｍ].北京:人民卫生出版社ꎬ２０１４.[１３]白梅ꎬ刘洋ꎬ张金江ꎬ等.基于ＰＯＩ数据的社区生活圈公共服务设施空间可达性评价研究:以邯郸市中心区为例[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２２ꎬ２４(２):１３１－１３７. [１４]刘宁ꎬ韩青宴ꎬ刘亚臣.基于老旧小区改造的居民满意度影响因素研究:以沈阳市孤家子社区为例[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２３ꎬ２５(１):３８－４３.[１５]王廷ꎬ梁超.老年居民生活满意度研究:基于ＣＦＰＳ２０１８数据[Ｊ].经济研究导刊ꎬ２０２２(３６):５６－５８.ＣｏｎｖｅｎｉｅｎｃｅＩｎｄｅｘＭｅａｓｕｒｅｍｅｎｔｏｆＵｒｂａｎＲｅｓｉｄｅｎｔｓＢａｓｅｄｏｎＰＯＩＤａｔａ:ＥｍｐｉｒｉｃａｌＥｖｉｄｅｎｃｅｆｒｏｍｔｈｅＲｅｓｉｄｅｎｔＳｕｒｖｅｙＤａｔａＮＩＵＣｈｅｎｇｙｉｎｇꎬＧＡＯＹｉｎｇ(ＳｃｈｏｏｌｏｆＳｔａｔｉｓｔｉｃｓꎬＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓꎬＬａｎｚｈｏｕ７３００２０ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｔｈｅｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｏｆｒｅｓｉｄｅｎｔｓｉｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓｉｎｅｖａｌｕａｔｉｎｇｌｉｖａｂｌｅｃｉｔｉｅｓ.ＢａｓｅｄｏｎｔｈｅＰＯＩｄａｔａꎬｔｈｅｅｖａｌｕａｔｉｏｎｓｙｓｔｅｍｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓᶄｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｉｓｃｏｎｓｔｒｕｃｔｅｄ.ＵｓｉｎｇａｌａｒｇｅｎｕｍｂｅｒｏｆｒｅｓｉｄｅｎｔｓᶄｑｕｅｓｔｉｏｎｎａｉｒｅｓａｓｓａｍｐｌｅｓꎬｔｈｅｌｉｖｉｎｇｅｘｐｅｒｉｅｎｃｅｏｆｒｅｓｉｄｅｎｔｓｉｓｔａｋｅｎａｓｅｖｉｄｅｎｃｅꎬａｎｄｔｈｅｗｅｉｇｈｔｏｆｔｈｅｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓᶄｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｉｓｄｅｔｅｒｍｉｎｅｄｂｙｒｅｆｅｒｒｉｎｇｔｏｔｈｅＤｅｌｐｈｉｍｅｔｈｏｄｉｎｏｒｄｅｒｔｏｍｅａｓｕｒｅｔｈｅｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ.ＡｎｅｍｐｉｒｉｃａｌｔｅｓｔｗａｓｃａｒｒｉｅｄｏｕｔｂｙｍｅａｓｕｒｉｎｇｒｅｓｉｄｅｎｔｓᶄｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｗｈｏｃａｍｅｆｒｏｍｅａｃｈｓｔｒｅｅｔｉｎＣｈｅｎｇｇｕａｎＤｉｓｔｒｉｃｔｏｆＬａｎｚｈｏｕＣｉｔｙａｓａｎｅｘａｍｐｌｅ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｄａｉｌｙｓｈｏｐｐｉｎｇｆａｃｉｌｉｔｉｅｓꎬｃａｔｅｒｉｎｇｆａｃｉｌｉｔｉｅｓꎬｍｅｄｉｃａｌｆａｃｉｌｉｔｉｅｓꎬａｎｄｔｒａｎｓｐｏｒｔａｔｉｏｎｆａｃｉｌｉｔｉｅｓｈａｖｅａｒｅｌａｔｉｖｅｌｙｌａｒｇｅｉｍｐａｃｔｏｎｔｈｅｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ.ＴｈｅｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓｃｏｎｓｔｒｕｃｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅＰＯＩｄａｔａｉｓｒｅａｓｏｎａｂｌｅａｎｄｆｅａｓｉｂｌｅｔｏｍｅａｓｕｒｅｔｈｅｃｏｎｖｅｎｉｅｎｃｅｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ.Ｋｅｙｗｏｒｄｓ:ＰＯＩｄａｔａꎻｌｉｆｅｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘꎻｉｎｄｅｘｓｙｓｔｅｍꎻＤｅｌｐｈｉᶄｓｍｅｔｈｏｄ(责任编辑:王丽娜㊀英文审校:贾凡华)。
基于POI数据的城市生活公共服务设施便利性研究——以成都市为例
基于POI数据的城市生活公共服务设施便利性研究——以成都市为例摘要:生活便利性是城市宜居性评价的一个重要指标和关键因素。
本文将核密度分析法、渔网分析法等方法应用于公共服务设施生活舒适度的空间分析确定并优化不同公共服务设施的影响权重,结合生活设施的密度分布衡量城市的生活便利度。
为优化城市公共设施空间配置、新增设施的选址提供参考依据。
关键字:POI数据，生活便利性，公共服务设施1引言随着城镇化的建设以及社会经济水平快速发展,人民生活质量水平逐渐提高。
人们越发重视城市生活品质，针对新阶段城市发展要求更高更多。
2018年，国家住建部批准发布《城市居住区规划设计标准》(GB50180-2018)[1],"生活圈"这一概念的提出取代了传统的"居住区、居住小区、居住组团"的模式[2]。
2021年7月，国家商务部携手11个部门发布《城市一刻钟便民生活圈建设指南》，明确到2025年"百城千圈"作为城市生活圈建设目标，构建合理布局、丰富业态、功能完善的城市便民公共服务生活圈[3]。
同时，二十大提出了完善"共建、共治、共享的社会治理体系"的明确要求,强调城市建设及发展要"以人民为中心",重视人民对公共服务的诉求。
推动以人为中心来营造建成环境已成为众人共识,城市的发展模式和城市生活公共服务功能都面临着深刻的转型[4]。
2研究范围及方法2.1研究范围划定本次研究以成都市为研究对象,主要包括11个市辖区（金牛区、青羊区、武侯区、锦江区、成华区、新都区、郫都区、温江区、双流区、青白江区、龙泉驿区）和5个县级市（简阳、都江堰、彭州、邛崃、崇州），以及4个县（金堂、大邑、蒲江、新津）[5]。
2.2研究方法研究方法采用GIS空间分析法，其包括渔网分析、叠置分析、核密度分析。
借助ArcGIS 软件,对POI数据进行分析并以空间图示化。
poi数据在地理学研究中的典型应用
POI（Point of Interest）数据是地理信息系统中的一种重要数据类型，它代表着特定地点的地理位置信息，如商店、餐馆、景点等。
在地理学研究中，POI数据具有广泛的应用，可以用于城市规划、交通分析、地理信息服务等领域。
本文将探讨POI数据在地理学研究中的典型应用。
一、城市规划POI数据可以为城市规划提供重要的参考信息。
通过分析城市中不同类型POI的分布情况，可以了解到人口密集区域、商业繁华地带、文化休闲区域等，这些信息对城市规划和土地利用具有重要意义。
根据商业区POI的分布情况，可以合理规划商业用地的分布，避免同质化竞争。
通过POI数据还可以进行城市设施规划，如学校、医院、公园等的布局和建设，为城市的可持续发展提供支持。
二、交通分析在交通领域，POI数据可以用于交通分析和规划。
通过分析交通设施、交通枢纽、停车场等POI的分布情况，可以评估城市交通网络的状况，找出交通瓶颈和瓶颈区域，为交通规划和交通优化提供决策支持。
另外，利用POI数据还可以进行出行规划和路径规划，提供出行建议和导航服务，为市民和游客提供出行便利。
三、地理信息服务POI数据在地理信息服务中有着重要的应用价值。
通过POI数据，可以为用户提供位置信息检索、周边信息推荐、导航服务等功能。
用户可以通过POI数据查询周边的餐馆、景点、酒店等信息，获取周边环境的实时信息。
另外，地理信息服务还可以通过POI数据提供定制化服务，根据用户需求为其推荐特定类型的POI点，满足用户个性化需求。
POI数据在地理学研究中具有广泛的应用前景，可以为城市规划、交通分析、地理信息服务等领域提供重要支持。
随着地理信息技术的不断发展和创新，相信POI数据在地理学研究中的应用将会得到进一步拓展和深化。
四、旅游规划POI数据在旅游规划中扮演着不可或缺的角色。
通过分析旅游景点、酒店、景区等POI的分布情况，可以帮助规划旅游线路和景点推荐，为旅行者提供更加个性化和便捷的旅游体验。
百度地图API爬取不同类型POI的详细数据
百度地图API爬取不同类型POI的详细数据⼀、相关概念查询某个范围内的所有POI参数介绍：page_size：单次查询返回的POI的数量，最⼤值为20page_num：查找的POI数量超过20时，会分页显⽰；⽐如60个POI就会分3页；此时，page_num=1/2/3会先显⽰全部的数据；当page_num=4时，第4页的结果集⼤⼩为0；scope：1为默认值；2会显⽰详细数据region：检索的⾏政区域URL链接：查询结果⽰例："status":0,"message":"ok","total":2,"result_type":"poi_type","results":[{"name":"红螺寺","location":{"lat":40.390454,"lng":116.632411},"address":"北京市怀柔区红螺东路2号","province":"北京市","city":"北京市","area":"怀柔区","street_id":"","telephone":"(010)60681175,(010)60681639","detail":1,"uid":"605884e7c61e3573871541a3","detail_info":{"tag":"旅游景点;⽂物古迹","navi_location":{"lng":116.63176774842,"lat":40.37846005246},"type":"scope","detail_url":"/place/detail?uid=605884e7c61e3573871541a3&output=html&source=placeapi_v2","overall_rating":"4.3","comment_num":"200","children":[]}},{"name":"卧佛寺","location":{"lat":40.013776,"lng":116.213915},"address":"北京市海淀区卧佛寺路北京植物园内","province":"北京市","city":"北京市","area":"海淀区","street_id":"934b3dbf0a8d977b8b2fb5c0","detail":1,"uid":"934b3dbf0a8d977b8b2fb5c0","detail_info":{"tag":"旅游景点;⽂物古迹","navi_location":{"lng":116.21389548337,"lat":40.011540367963},"type":"scope","detail_url":"/place/detail?uid=934b3dbf0a8d977b8b2fb5c0&output=html&source=placeapi_v2","overall_rating":"4.7","image_num":"38","comment_num":"74","children":[]}}]查询某个POI的详细数据参数介绍：uid：某个POI对应的唯⼀的标识（通过范围查询获取到的）URL链接：查询结果⽰例：{"status":0,"message":"ok","result":{"uid":"605884e7c61e3573871541a3","street_id":"","name":"红螺寺","location":{"lng":116.63241097199,"lat":40.390454021402},"address":"北京市怀柔区红螺东路2号","province":"北京市","city":"北京市","area":"怀柔区","telephone":"(010)60681175,(010)60681639","detail_info":{"tag":"旅游景点;⽂物古迹","navi_location":{"lng":116.63176778525,"lat":40.378460018453},"detail_url":"/place/detail?uid=605884e7c61e3573871541a3&output=html&source=placeapi_v2","type":"scope","price":"￥54元","overall_rating":"4.3","image_num":"133","comment_num":"200","scope_type":"古迹","scope_grade":"AAAA","content_tag":"适合亲⼦;登⼭;礼佛祈福;赏红叶;适合拍照;⽇出;适合跑步;银杏;情侣约会;⾹⽕旺;免费项⽬;收费合理;空⽓清新;绿植繁茂;位置优越;景⾊优美;⼈⽓旺;景区⼤;⽓势宏⼤;环境不错;玩的开⼼;休闲好去处;值得游玩;建筑风格独特 },"detail":1}}⼆、相关链接百度地图API的POI分类申请akPOI检索相关介绍三、功能模块范围查询获取POI数据#将查询到的poi数据存⼊数据库def insertPOIData(name_list,ak,cursor):#总共查询到了多少对象total = 0#不重复的向数据库中写⼊的数据条数inserttotal = 0for i in name_list:#ecxel表格数据判空if i == '':break#j的范围从0开始；上限不⼀样for j in range(0, 10):time.sleep(3)url = getUrlByName(i, ak, j)print(url)html = requests.get(url)# print(type(html)) response类型data = html.json()# print(type(data)) dict类型print(data)#status状态码为0表⽰获取正常if data['status'] == 0:#判断获取的数量，为0表⽰查询不到该类型的对象if data['total'] == 0:breaktotal = total + data['total']if 'results' in data:for item in data['results']: # ⼀次返回的results中有20条数据# print(item)name = item['name']if isExist(cursor, item['uid']):print(f'{name}已经存在')#跳出循环，判断results中的下⼀个itemcontinueinsert = "insert into poidatas(tag,uid,lat,lng,name,address,province,city,area) values ('%s','%s','%s','%s','%s','%s','%s','%s','%s')" % (i, item['uid'], str(item['location']['lat']), str(item['location']['lng']), item['name'],item['address'], item['province'], item['city'], item['area']) # 字符串类型的数据插⼊要加单引号if cursor.execute(insert):inserttotal = inserttotal + 1if 'overall_rating' in item['detail_info']:update = "update poidatas set overall_rating ='%s' where uid = '%s'" % (item['detail_info']['overall_rating'], item['uid'])cursor.execute(update)if 'distance' in item['detail_info']:update = "update poidatas set distance ='%s' where uid = '%s'" % (item['detail_info']['distance'], item['uid'])cursor.execute(update)if 'comment_num' in item['detail_info']:update = "update poidatas set comment_num ='%s' where uid = '%s'" % (item['detail_info']['comment_num'], item['uid'])cursor.execute(update)if 'price' in item['detail_info']:update = "update poidatas set price ='%s' where uid = '%s'" % (item['detail_info']['price'], item['uid'])cursor.execute(update)if 'result' in data: #还需要对只有⼀个返回结果的情况进⾏判断#区别就是这⾥不能⽤for循环item = data['result']# print(item)db = pymysql.connect(host="localhost", user="root", password="root", database="poi")cursor = db.cursor()name = item['name']if isExist(cursor, item['uid']):print(f'{name}已经存在')exit()insert = "insert into poidatas(tag,uid,lat,lng,name,address,province,city,area) values ('%s','%s','%s','%s','%s','%s','%s','%s','%s')" % (i, item['uid'], str(item['location']['lat']), str(item['location']['lng']), item['name'],item['address'], item['province'], item['city'], item['area']) # 字符串类型的数据插⼊要加单引号if cursor.execute(insert):inserttotal = inserttotal + 1if 'overall_rating' in item['detail_info']:update = "update poidatas set overall_rating ='%s' where uid = '%s'" % (item['detail_info']['overall_rating'], item['uid'])cursor.execute(update)if 'distance' in item['detail_info']:update = "update poidatas set distance ='%s' where uid = '%s'" % (item['detail_info']['distance'], item['uid'])cursor.execute(update)if 'comment_num' in item['detail_info']:update = "update poidatas set comment_num ='%s' where uid = '%s'" % (item['detail_info']['comment_num'], item['uid'])cursor.execute(update)if 'price' in item['detail_info']:update = "update poidatas set price ='%s' where uid = '%s'" % (item['detail_info']['price'], item['uid'])cursor.execute(update)print('总共查找到的POI数量为： ')print(total)print('插⼊数据库的POI数量为： ')print(inserttotal)根据uid查询POI详细数据#通过uid查询更详细的数据并存⼊数据库def updateDetailInfo(ak,cursor):selectsql = 'SELECT uid FROM poidatas'cursor.execute(selectsql)result = cursor.fetchall()for row in result:uid = row[0]url2 = '/place/v2/detail?uid=%s&output=json&scope=2&ak=%s' %(uid,ak)print(url2)time.sleep(3)html=requests.get(url2)data=html.json()print(data)if data['status']==0:if 'result' in data:#print(data['result'])#result集合⼤⼩为1，这⾥不能使⽤for循环item = data['result']if 'shop_hours' in item['detail_info']:update = "update poidatas set shop_hours ='%s' where uid = '%s'" % (item['detail_info']['shop_hours'],item['uid'])print(update)cursor.execute(update)if 'detail_url' in item['detail_info']:update = "update poidatas set detail_url ='%s' where uid = '%s'" % (item['detail_info']['detail_url'],item['uid'])print(update)cursor.execute(update)if 'image_num' in item['detail_info']:update = "update poidatas set image_num ='%s' where uid = '%s'" % (item['detail_info']['image_num'],item['uid'])print(update)cursor.execute(update)if 'service_rating' in item['detail_info']:update = "update poidatas set service_rating ='%s' where uid = '%s'" % (item['detail_info']['service_rating'],item['uid'])print(update)cursor.execute(update)if 'environment_rating' in item['detail_info']:update = "update poidatas set environment_rating ='%s' where uid = '%s'" % (item['detail_info']['environment_rating'],item['uid'])print(update)cursor.execute(update)判断POI是否已经存⼊数据库#判断是否已经存⼊数据库def isExist(cursor,uid):sql = "select * from poidatas where uid = '%s'" % uid#print(cursor.execute(sql)) sql语句执⾏成功，返回的是1if cursor.execute(sql):return Trueelse:return False从excel表中读取POI类别def readExcel(path):data = xlrd.open_workbook(path)sheets = data.sheets()data_list=[]for i in range(len(sheets)):table=data.sheets()[i]table_rows=table.nrowstable_cols=table.ncolsfor j in range(table_rows):data_list.append( table.cell(j,0).value)return data_list拼接访问URLdef getUrlByName(name,ak,j):#矩形搜索，POI数量较少url = '/place/v2/search/?query=%s&page_size=20&page_num=%s&output=json&bounds=40.817,111.697,40.821,111.709&scope=2&ak=%s' %(name,j,ak) # ⾏政区域搜索，POI数量较多#url = '/place/v2/search/?query=%s&output=json®ion=呼和浩特&scope=2&ak=%s' %(name,ak)return urlMain函数def Main():ak = "~~~~~"name_list=readExcel(r'D:\poi类别.xls')db = pymysql.connect(host="localhost", user="root", password="root", database="poi")cursor = db.cursor()insertPOIData(name_list,ak,cursor)updateDetailInfo(ak, cursor)mit()cursor.close()。
POI数据在城市结构分析中的应用
POI数据在城市结构分析中的应用发布时间：2022-03-24T07:56:21.961Z 来源：《新型城镇化》2022年4期作者：陈晓明1 吴智慧2 [导读] 可以克服基于传统资料的滞后性，也可以从多个时段多类设施进行城市发展动态监测[6]。
1广州市黄埔区不动产登记中心广东省广州市 510000；2广州市城市规划勘测设计研究院广东省广州市 510000摘要：以兴趣点（POI）为主要代表的地理空间大数据对于人地关系研究及城市空间结构的分析具有重要意义。
本文首先介绍了百度地图POI的获取方法及处理过程，再将POI数据应用于实际城市研究，采用Getis-Ord Gi*算法，以广州市为例，选取十大类与居民的日常生活密切相关的兴趣点进行分析，研究发现广州市的各类生活设施在核心城区完善程度较高，呈现成片聚集的分布模式，在其它区域存在小部分聚集模式。
关键词：兴趣点，热点分析，城市结构1引言POI是指一些与人们生活密切相关的地标建筑和地理实体的点数据，如学校、医院、商场、公园以及政府机构等[1]，其作为一种代表真是地理实体的点状地理空间大数据，是地理空间中具有标志意义的地理对象[2]。
与传统土地调查数据相比，POI数据不仅具有大样本、易于获取的优势[3]，而且记录各类社会经济部门实体点要素的位置信息[4]，能够更精细化得表征社会经济活动强度及城市空间结构。
现有研究主要集中在商业业态空间分布、生活设施空间分布、服务业空间布局以及公共文化设施空间格局分析[5]，通过POI数据分析城市生活配套设施的分布情况，可以克服基于传统资料的滞后性，也可以从多个时段多类设施进行城市发展动态监测[6]。
本文首先介绍了百度地图POI的获取方法和处理流程，进一步以广州市为例，采用Getis-Ord Gi*算法，选取美食、科研教育、金融、公共医疗、政府机构、居住、休闲娱乐、公共游览、公司单位、购物十大类兴趣点的热点区域、空间分布格局及相关性进行分析，有助于更清晰地了解广州市生活配套设施的分布情况，对城市发展规划、生活设施完善等具有重要的参考价值。
JAVA用POI从Excel读取数据进行相关统计,JFreeChart绘制图表
代码大概三百行吧，不多。
本来连接数据库做是个不错的选择，但是我刚刷了系统木有了又懒得装，从txt输入又感觉太low，最后就作死选择了以前从未尝试过的从Excel 输入，并碰到了各种问题_(:зゝ∠)_比如Cannot get a String value from a numeric cell 的异常错误，卡了我好久，直到无语地发现POI操作Excel时会无视Excel里的单元格设置，自判数据类型，所以还要使用setCellType.(*゜ー゜*)实现步骤（1）我用javax.swing.JFileChooser类来显示文件对话框，让用户选择一个Excel文件。
（2）使用Apache POI API从Excel文件中读取数据，对Employee类进行批量初始化。
（3）实现公司员工收入的相关统计，这里我实现了人数统计、最大/最小工龄查找、最大/最小工资查找、男女比例、平均工资、平均年龄、平均工龄等。
（4）建立Dataset。
将你所想要显示的数据都放到这个库中。
（5）建立JFreeChart对象。
将你的dataset填入到这个对象中。
（6）处理Chart中文显示问题（7）设置各种JFreeChart的属性和效果。
通过它提供的各种方法和接口设置相关的属性。
（8）用JFreeChart绘制图表，然后按照个人的需求进行执行。
（9）写界面，以swing形式输出。
测试截图（1）生成消息对话框，要求用户选择一个Excel文件，单击“确定”（2）生成文件选择器，我打开了存放在D盘BUAA文件夹里的Employee.xls补充说明：这是文件Employee.xls的内容（3）进行相关统计，并通过消息对话框显示统计结果（4）询问用户是否生成统计图，如果点“取消”或“否”，运行完毕；如果点是，系统将生成统计图，以员工为横轴，以年龄、工龄、工资三项数值为纵轴。
图表的显示效果会根据窗口大小自适应，改变横纵轴的比例尺。
下面是窗口最大化的效果程序清单1 2 3 4 5 6 7 8public class Employee {String ID;String name;String sex;double age;double workAge;double sal;9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32public void setID(String ID) {this.ID = ID;}public void setName(String name) { = name;}public void setSex(String sex) {this.sex = sex;}public void setAge(double age) {this.age = age;}public void setWorkAge(double workAge) {this.workAge = workAge;}public void setSal(double sal) {this.sal = sal;}}一共有两个：Employee.Java和EmployeeStatic.javaEmployeeStatic.javaimport java.awt.RenderingHints;import java.io.FileInputStream;import java.util.ArrayList;import java.util.List;import javax.swing.JFileChooser;import javax.swing.JOptionPane;//org.apache.poiimport ermodel.HSSFSheet;import ermodel.HSSFWorkbook;import ermodel.Cell;import ermodel.Row;import ermodel.XSSFSheet;import ermodel.XSSFWorkbook;//org.jfreeimport org.jfree.chart.ChartFactory;import org.jfree.chart.ChartFrame;import org.jfree.chart.JFreeChart;import org.jfree.chart.axis.CategoryAxis;import org.jfree.chart.axis.ValueAxis;import org.jfree.chart.plot.CategoryPlot;import org.jfree.chart.plot.PlotOrientation;import org.jfree.chart.title.TextTitle;import org.jfree.data.category.CategoryDataset;import org.jfree.data.category.DefaultCategoryDataset;import java.awt.Font;public class EmployeeStatics {public static void main(String[] args) {// TODO Auto-generated method stubJOptionPane.showMessageDialog(null,"\n您好，我是智能机器人小紫\n\n" + "很高兴为您提供员工数据统计分析服务\n\n"+ "请选择一个Excel文件 ^_^\n\n","选择Excel文件",RMATION_MESSAGE); ArrayList<Employee> Employees = null;//从Excel文件读取数据try {Employees = ReadFileUsingFileChooser();} catch (Exception e) {// TODO Auto-generated catch blocke.printStackTrace();}//人数统计int n = Employees.size();//最大最小工资、工龄、工资初始化int maxA = 0;int minA = Integer.MAX_VALUE;int maxWA = 0;int minWA = Integer.MAX_VALUE;int maxS = 0;int minS = Integer.MAX_VALUE;//男女性别人数int M = 0;int FM = 0;double sumS, sumA, sumWA, avgS, avgA, avgWA, MFM; sumS = sumA = sumWA = 0;//遍历实现相关统计for (Employee e : Employees) {if(e.age > maxA)maxA = (int) e.age;if(e.age < minA)minA = (int) e.age;if(e.workAge > maxWA)maxWA = (int) e.workAge;if(e.workAge < minWA)minWA = (int) e.workAge;if(e.sal > maxS)maxS = (int) e.sal;if(e.sal < minS)minS = (int) e.sal;sumS += e.sal;sumA += e.age;sumWA += e.workAge;if (e.sex.equals("男"))M++;if (e.sex.equals("女"))FM++;}//计算平均值avgS = sumS / n;avgA = sumA / n;avgWA = sumWA / n;//计算男女比例MFM = (double) M / FM;JOptionPane.showMessageDialog(null,"员工人数为" + n + "，男女比例为" + MFM + "（男/女）\n"+ "平均年龄为" + avgA + "，平均工龄为" + avgWA + "，平均工资为" + avgS + "\n"+ "最高年龄为" + maxA + "，最低年龄为" + minA + "，最高工龄为" + maxWA + "，最低工龄为" + minWA + "\n"+ "最高工资为" + maxS + "K，最低工资为" + minS + "K\n");int option=JOptionPane.YES_OPTION;option=JOptionPane.showConfirmDialog(null, "是否显示员工数据统计图？");if (option==JOptionPane.YES_OPTION) {CategoryDataset dataset = getDataSet(Employees);//构造chartJFreeChart chart = ChartFactory.createBarChart3D("员工数据统计图", // 图表标题"员工属性", // 目录轴的显示标签--横轴"数值", // 数值轴的显示标签--纵轴dataset, // 数据集PlotOrientation.VERTICAL, // 图表方向：水平、true, // 是否显示图例(对于简单的柱状图必须false, // 是否生成工具false// 是否生成URL链接);//处理chart中文显示问题processChart(chart);//chart 以swing形式输出ChartFrame pieFrame = new ChartFrame("员工数据统计图", chart);pieFrame.pack();pieFrame.setVisible(true);}}public static ArrayList<Employee>ReadFileUsingFileChooser()throws Ex ception {// TODO Auto-generated method stubJFileChooser fileChooser = new JFileChooser();ArrayList temp = new ArrayList();if (fileChooser.showOpenDialog(null)==JFileChooser.APPROVE_OPTION) {java.io.File file = fileChooser.getSelectedFile();FileInputStream fileIn = new FileInputStream(file);//根据指定的文件输入流导入Excel从而产生Workbook对象HSSFWorkbook wb0 = new HSSFWorkbook(fileIn);//获取Excel文档中的第一个表单HSSFSheet sht0 = wb0.getSheetAt(0);//对Sheet中的每一行进行迭代int r;int rowNum = sht0.getPhysicalNumberOfRows();for (r = 1; r <= rowNum; r++) {Row row = sht0.getRow(r);if (row == null) {break;}//创建实体类Employee info=new Employee();//取出当前行第1个单元格数据，并封装在info实体stuName属性上row.getCell(0).(Cell.);info.setID(row.getCell(0).getStringCellValue());info.setName(row.getCell(1).getStringCellValue());info.setSex(row.getCell(2).getStringCellValue());info.setAge(row.getCell(3).getNumericCellValue());info.setWorkAge(row.getCell(4).getNumericCellValue());info.setSal(row.getCell(5).getNumericCellValue());temp.add(info);}fileIn.close();}else {System.out.println("No file selected");}return temp;}//获取一个演示用的组合数据集对象private static CategoryDatasetgetDataSet(ArrayList<Employee> Employe es) {DefaultCategoryDataset dataset = new DefaultCategoryDataset();for (Employee e : Employees){dataset.addValue(e.workAge, "工龄", );dataset.addValue(e.sal, "工资", );dataset.addValue(e.age, "年龄", );}return dataset;}//解决图表汉字显示问题private static void processChart(JFreeChart chart) {CategoryPlot plot = chart.getCategoryPlot();CategoryAxis domainAxis = plot.getDomainAxis();ValueAxis rAxis = plot.getRangeAxis();chart.getRenderingHints().put(RenderingHints.KEY_TEXT_ANTIALIASI NG,RenderingHints.VALUE_TEXT_ANTIALIAS_OFF);TextTitle textTitle = chart.getTitle();textTitle.setFont(new Font("宋体", Font.PLAIN, 20));domainAxis.setTickLabelFont(new Font("sans-serif", Font.PLAIN, 11));domainAxis.setLabelFont(new Font("宋体", Font.PLAIN, 12));rAxis.setTickLabelFont(new Font("sans-serif", Font.PLAIN, 12));rAxis.setLabelFont(new Font("宋体", Font.PLAIN, 12));chart.getLegend().setItemFont(new Font("宋体", Font.PLAIN, 12));// renderer.setItemLabelGenerator(newLabelGenerator(0.0));// renderer.setItemLabelFont(newFont("宋体", Font.PLAIN, 12));//renderer.setItemLabelsVisible(true);}}Employee.javapublic class Employee {String ID;String name;String sex;double age;double workAge;double sal;public void setID(String ID) {this.ID = ID;}public void setName(String name) { = name;}public void setSex(String sex) {this.sex = sex;}public void setAge(double age) {this.age = age;}public void setWorkAge(double workAge) { this.workAge = workAge;}public void setSal(double sal) {this.sal = sal;}}。
POI数据处理流程
POI数据处理流程POI（Point of Interest）数据处理流程是指对POI数据进行收集、清洗、整理、分析和应用的一系列操作。
以下是一个1200字以上的POI数据处理流程的详细介绍。
1. 收集数据：POI数据可以从各种渠道收集到，包括公开的数据库、第三方数据提供商、地图服务提供商等。
这些数据可以是结构化数据（如CSV、Excel文件）或非结构化数据（如文本文件、网页）。
收集数据的目的是获取要处理的原始数据集。
2.数据清洗：在进行数据分析前，需要对原始数据进行清洗。
数据清洗包括去除重复数据、处理缺失值、纠正错误数据等操作。
此外，还可以对数据进行规范化，如将地址转换为标准格式，统一单位等。
3. 数据整理：在清洗完数据后，需要对数据进行整理，使其适合后续的分析和应用。
数据整理包括数据格式转换、数据集成、数据标准化等。
可以使用数据库管理系统（如MySQL、Oracle）或数据处理工具（如Python的Pandas库）来完成这些操作。
4. 数据分析：数据分析是对POI数据进行统计、挖掘和模型构建等操作，以获得有用的信息和洞察力。
数据分析的方法包括聚类分析、分类分析、关联分析等。
可以使用统计分析工具（如R、SPSS）或机器学习工具（如Python的Scikit-learn库）进行数据分析。
5. 数据可视化：数据可视化是将POI数据以图表、地图等形式展示，使得数据更易于理解和解释。
数据可视化可以通过使用数据可视化工具（如Tableau、D3.js）或编程语言（如Python的Matplotlib库和Seaborn库）来实现。
6.数据应用：最后，将经过处理的POI数据应用到具体的业务场景中。
根据具体的需求，可以将POI数据用于地图导航、商业分析、城市规划等领域。
根据具体的应用需求，可能需要开发相应的应用程序或网站。
在进行POI数据处理的过程中，还需要注意以下几点：1.数据质量控制：在数据收集、清洗和整理过程中，需要对数据质量进行控制。
poi数据使用
poi数据使用POI（Apache POI）是一个用于操作Microsoft Office格式文件（如doc、xls、ppt等）的Java API。
它提供了一组类和方法，使开发人员可以轻松地读取、写入和操作Office文档中的数据。
本文将介绍如何使用POI来处理poi数据。
二、POI数据读取1. 导入POI库首先，我们需要在项目中导入POI库。
可以下载POI的jar文件，然后将其添加到项目的classpath中。
2. 创建工作簿和工作表使用POI来读取poi数据之前，我们需要创建一个工作簿和一个工作表对象。
可以使用HSSFWorkbook和HSSFSheet类来分别代表工作簿和工作表。
3. 读取数据使用POI的API方法，我们可以逐行或逐列读取poi数据。
可以使用HSSFRow和HSSFCell类来分别代表行和单元格。
通过遍历行和列的方式，可以获取到相应的数据。
三、POI数据写入1. 创建工作簿和工作表与数据读取类似，我们首先需要创建一个工作簿和一个工作表对象。
可以使用HSSFWorkbook和HSSFSheet类来分别代表工作簿和工作表。
2. 写入数据使用POI的API方法，我们可以将数据写入到指定的单元格中。
可以使用HSSFRow和HSSFCell类来分别代表行和单元格。
可以通过设置单元格的值来进行数据的写入操作。
四、POI数据操作注意事项1. 数据格式转换在进行POI数据读取或写入操作时，需要注意数据的格式转换。
例如，将数字类型的数据转换为字符串，或将字符串类型的数据转换为日期类型。
2. 数据校验在写入数据之前，我们需要进行数据校验，确保所写入的数据符合需求。
例如，对于字符串类型的数据，可以进行长度、格式等校验。
3. 数据样式设置为了使POIpoi数据的呈现更加美观，我们可以设置数据的样式。
可以使用HSSFCellStyle类来设置单元格的字体、背景色、边框等样式。
本文介绍了如何使用POI对poi数据进行读取和写入操作。
poi混合度计算
poi混合度计算poi混合度计算是指在地理信息系统（GIS）中，通过使用poi（兴趣点）数据进行混合度计算，以分析和评估特定区域的兴趣点密集程度和多样性。
本文将探讨poi混合度计算的原理、方法和应用，旨在帮助读者理解和应用这一GIS分析工具。
我们需要明确什么是poi。
poi是指在地理空间中具有特定地理位置的兴趣点，比如餐馆、医院、银行、公园等。
在地理信息系统中，poi通常以矢量数据的形式存在，每个poi都有其对应的地理坐标和属性信息。
通过对poi数据的分析，我们可以了解某个区域内各类poi的分布情况，从而揭示出区域的特点和潜在的发展需求。
那么，什么是poi混合度计算呢？poi混合度计算是一种通过对特定区域内的poi数据进行统计和分析，来评估该区域内兴趣点的密集程度和多样性的方法。
通常，我们会根据不同的兴趣点类型进行混合度计算，比如计算餐饮poi的混合度、医疗poi的混合度等。
通过计算混合度，我们可以了解某个区域内特定类型poi的分布情况，从而为城市规划、商业选址等决策提供科学依据。
接下来，我们将介绍poi混合度计算的具体方法。
首先，需要确定计算的区域范围，可以是一个城市、一个街区或者一个特定的地理区域。
然后，我们需要获取该区域内的poi数据，可以通过地图服务、导航软件或者相关的数据提供商获取。
获取到poi数据后，我们可以根据兴趣点的属性信息进行分类，比如将餐馆、咖啡店等餐饮poi归为一类，将医院、诊所等医疗poi归为一类。
在进行混合度计算之前，我们需要确定一些指标来衡量兴趣点的密集程度和多样性。
常用的指标包括兴趣点的数量、兴趣点的密度、兴趣点的多样性等。
数量指标可以通过计算某个区域内特定类型poi的数量来得到；密度指标可以通过将区域面积与特定类型poi 的数量进行比较得到；多样性指标可以通过计算某个区域内不同类型poi的数量和比例来得到。
这些指标的计算可以使用统计学方法，比如平均数、标准差、占比等。
poi动态合并单元格并合计-概述说明以及解释
poi动态合并单元格并合计-概述说明以及解释1.引言1.1 概述概述部分的内容可以介绍本篇文章的主题和背景，并概括解决的问题和使用的方法。
以下是一种可能的写作方式：概述在日常工作和数据处理中，我们经常会遇到需要对Excel表格进行操作和处理的情况。
Excel表格中的数据可能需要进行合并、排序、计算等操作，以满足不同需求和分析目的。
然而，使用传统的手动方式进行处理效率低下且容易出错。
为了解决这一问题，POI库应运而生。
POI（Poor Obfuscation Implementation）是一个Java开发的操作Microsoft Office格式文件（包括Excel）的开源库。
它为我们提供了强大的功能和灵活的操作方式，使我们能够轻松地进行Excel表格的读取、写入和修改。
本文将重点介绍POI库中的一项重要功能：动态合并单元格并合计。
这项功能可以帮助我们在Excel表格中进行单元格的动态合并，并按需要进行数据合计。
通过合并单元格和汇总统计，我们可以有效地对Excel表格中的大量数据进行整理和分析。
首先，我们将简要介绍POI库的基本概念和使用方法，包括如何导入POI库以及创建和操作Excel文件。
接着，我们将详细讲解动态合并单元格的原理和具体实现方法。
我们将使用合适的代码示例来演示如何在Java 程序中使用POI库来实现动态合并单元格，并在合并后的单元格中进行数据合计。
最后，我们将对本文进行总结，并提出一些建议和展望。
我们将总结POI库的优势和不足之处，并探讨可能的改进和扩展方向。
相信通过本文的阅读，读者将能够掌握POI库中动态合并单元格并合计的技巧，从而提高Excel表格处理的效率和准确性。
通过本篇文章的阅读，读者将能够了解POI库的基本概念和使用方法，并掌握动态合并单元格并合计的技巧。
这将大大提高Excel表格处理的效率和准确性，减少了繁琐的手动操作，为数据分析和报表制作提供了方便和便捷的工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
城市代号城市名称总POI有坐标的POI比率0101北京797393905048.97% 0201上海731176345986.79% 0301重庆543691570528.89% 0401天津385081248132.41% 0501广州856414136848.30% 0502深圳26046547421.02% 0503珠海3166152 4.80% 0504汕头251144.00% 0507梅州100.00% 0510东莞1472013.61% 0511中山481837.50% 0512江门3133.33% 0513佛山91113514.82% 0515湛江7571.43% 0516茂名200.00% 0517肇庆400.00% 0518清远100.00% 0519潮州100.00% 0520揭阳100.00% 0521云浮200.00% 0601沈阳288701896965.70% 0602大连444182784 6.27% 0603鞍山200.00% 0606丹东300.00% 0613葫芦岛400.00% 0614盘锦200.00% 0701南京214801308360.91% 0702徐州9555.56% 0703连云港1100.00% 0704淮安8337.50% 0705盐城100.00% 0706扬州36620957.10% 0707南通87910.34% 0708镇江1417.14% 0709常州201155.00% 0710无锡44510691415.53% 0711苏州82156969.31% 0712泰州150********.68% 0801武汉345562095460.64% 0805宜昌33100.00% 0812荆门100.00% 0816潜江300.00% 0818恩施200.00% 0901成都186581049056.22% 0904攀枝花2129.52% 0911乐山100.00%
0921凉山200.00% 1001西安695723461749.76% 1003宝鸡5240.00% 1004咸阳10310097.09% 1009榆林100.00% 1101石家庄20429274513.44% 1102邯郸2150.00% 1103邢台100.00% 1104保定9555.56% 1106承德200.00% 1107唐山8562.50% 1108秦皇岛12325.00% 1201太原11358569050.10% 1206朔州100.00% 1210临汾200.00% 1301郑州4836300.62% 1302开封191263.16% 1303洛阳288248.33% 1305安阳200.00% 1307焦作300.00% 1309许昌100.00% 1311南阳100.00% 1401长春14012759054.17% 1402吉林20420.98% 1407延边100.00% 1408白山100.00% 1501哈尔滨135********.35% 1502齐齐哈尔11100.00% 1505鸡西2600.00% 1506大庆2150.00% 1508牡丹江300.00% 1510七台河100.00% 1601呼和浩特6233.33% 1602包头200.00% 1604赤峰2150.00% 1701济南17169842249.05% 1702青岛137********.28% 1703淄博300.00% 1704枣庄100.00% 1706潍坊20520.98% 1707烟台150********.90% 1708威海13861.54% 1709济宁400.00% 1711日照100.00% 1713德州100.00% 1717聊城200.00% 1801合肥166********.82%
1803芜湖400.00% 1805黄山5120.00% 1812铜陵100.00% 1815亳州100.00% 1901杭州25197926336.76% 1902宁波145775151.54% 1903温州15533.33% 1905绍兴66812.12% 1906金华1218.33% 1907衢州300.00% 1908舟山900.00% 1909台州815 6.17% 1911湖州1400.00% 2001福州304001198139.41% 2002厦门228591044845.71% 2003三明100.00% 2005泉州20920.96% 2101长沙69156181.19% 2102湘潭100.00% 2103衡阳3133.33% 2112益阳100.00% 2201南宁312374.19% 2202柳州100.00% 2203桂林291862.07% 2211钦州100.00% 2301南昌17409807146.36% 2302景德镇241041.67% 2303萍乡100.00% 2304九江4250.00% 2309吉安100.00% 2310赣州100.00% 2401贵阳9666.67% 2501昆明28515838729.41% 2601拉萨300.00% 2701海口4719167835.56% 2702三亚100.00% 2801兰州9016508756.42% 2812酒泉100.00% 3001西宁2150.00% 3005海南77900.00% 3101乌鲁木齐341750.00% 3201香港100.00% 3301澳门100.00% 3402高雄100.00%总数90950938858142.72%。