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&＃xff0c;利用大数据进行城市研究成为了一个热门的课题&＃xff0c;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&＃xff0c;取得了丰硕的成果。其中应用较多的大数据包含&＃xff1a;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。

手机信令数据&＃xff1a;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&＃xff0c;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&＃xff0c;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。

百度热力图&＃xff1a;百度公司基于智能手机使用者&＃xff0c;访问百度产品(如搜索、地图、天气、音乐等)时所在的位置信息&＃xff0c;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&＃xff0c;对外完全保密&＃xff0c;获取门槛非常高&＃xff0c;真是难为了城市研究的小伙伴们。因此&＃xff0c;我们把焦点放到百度热力图数据&＃xff0c;作为最优替代方案。只有打破数据获取门槛&＃xff0c;才能更好的让城市研究学者们回归本质&＃xff0c;专注于问题的分析解决&＃xff0c;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&＃xff0c;是城市规划等地理空间相关行业必备软件。

扫描加群可以获取25平方公里免费下载版本。

打开软件&＃xff0c;选择需要下载区域&＃xff0c;可在右侧搜索栏内进行地址定位。选择目标地区&＃xff0c;进行热力图下载。参数设置中&＃xff0c;注意勾选生成级别灰度&＃xff0c;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&＃xff0c;正值利奇马台风来临时候&＃xff0c;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&＃xff0c;绝对是真爱~

下载的数据为tif格式&＃xff0c;默认为WGS84 大地坐标系统(度为单位)&＃xff0c;导入arcgis软件进行查看。

为何色彩和我们印象中的颜色不太一样&＃xff1f;只需简单设置下属性显示。

还是原来的配方、还是熟悉的味道&＃xff01;颜色越深红&＃xff0c;代表人群集聚度越高。WGS84是大地坐标系统&＃xff0c;为了后面分析处理方便&＃xff0c;需要转换成平面投影&＃xff0c;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&＃xff0c;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)。

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&＃xff0c;游离于主城区之外&＃xff0c;空间上较为独立。

从县级市来看&＃xff0c;昆山人口规模盘子最大&＃xff0c;常熟、张家港次之&＃xff0c;太仓最小。

数据资料已备好&＃xff0c;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&＃xff0c;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&＃xff0c;对区域进行总体的计算。

得到数据统计表格如下&＃xff0c;对各地区的灰度平均值进行分析。

姑苏区地处苏州市区的中心位置&＃xff0c;人口聚集度最高&＃xff0c;工业园区因其较高的城市发展水平位列第二&＃xff0c;尽管各县级市的GDP非常庞大&＃xff0c;但人口聚集度方面普遍不如市区&＃xff0c;吴中区因面积大部分为太湖水域的关系&＃xff0c;排名末尾。 

通过与地区统计数据相比可以发现&＃xff0c;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&＃xff0c;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)&＃xff0c;进行分析。利用greater than equal 工具进行提取&＃xff0c;得到二值图&＃xff0c;其中绿色代表高聚集地区。

利用栅格转面工具&＃xff0c;将栅格数据转成面。

再利用相交工具&＃xff0c;叠加上行政区划属性。

对各区县高值数据的面积进行统计。

总体而言&＃xff0c;市区的人口聚集度水平明显高于县级市&＃xff0c;体现中心城区人口的聚集效应。其中昆山作为一个县级市&＃xff0c;人口集中度较高。人口聚集度高的地区&＃xff0c;商业发达程度及城市活力相对较高&＃xff0c;一定程度上的反映了城市的功能布局及发展水平&＃xff0c;对于城市规划、交通领域具有指导意义。

通过百度热力图&＃xff0c;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&＃xff1b;通过不同时段的热力图对比分析&＃xff0c;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”&＃xff0c;后台回复“苏州”即可获得相关资料

End

往期回顾

1.重磅发布&＃xff01;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&＃xff0c;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

点我留言