劉帥，王佳

(1.南京市城市與交通規(guī)劃設(shè)計研究院股份有限公司，江蘇 南京 210018；2.長沙理工大學 交通運輸工程學院，湖南 長沙 410114)

隨著大數(shù)據(jù)的發(fā)展，電子地圖提供的各類興趣點(point of interest，簡稱為POI)為交通規(guī)劃設(shè)計提供了一種新的數(shù)據(jù)支撐。國外對于POI 數(shù)據(jù)的獲取和應用研究較早。Mummidi[1]等人通過分析用戶在地圖上注釋的標簽，發(fā)現(xiàn)興趣點，增加了POI 數(shù)據(jù)的獲取途徑。Xie[2]等人提出網(wǎng)絡(luò)核密度分析，將線要素引入核密度分析，提高了核密度的運算效率。Lian[3]等人將POI 簽到信息劃分權(quán)重，通過用戶的簽到頻率增大POI 的影響區(qū)域，幫助用戶推薦感興趣的POI 信息。李偉[4]等人通過GIS 平臺對POI 數(shù)據(jù)進行處理，對廈門島內(nèi)常規(guī)公交線路的可達性進行了評價。于浩川[5]等人以公交線路數(shù)據(jù)和POI 數(shù)據(jù)為基礎(chǔ)，通過開發(fā)軟件對城市公交線路進行規(guī)劃。這些研究成果表明：國外研究主要集中于POI數(shù)據(jù)分析，而國內(nèi)主要集中于POI 應用，但POI 數(shù)據(jù)在交通規(guī)劃應用中還有諸多缺陷。因此，作者通過分析POI 數(shù)據(jù)的獲取和處理，擬構(gòu)建研究區(qū)域格網(wǎng)坐標，提取模型和分區(qū)導出模型，提高POI 數(shù)據(jù)扒取的準確性和處理效率，以期為交通規(guī)劃提供前期的基礎(chǔ)數(shù)據(jù)。

1 POI 數(shù)據(jù)簡介

1.1 POI 數(shù)據(jù)概念

POI 與人們的日常生活息息相關(guān)[6]，其含有地理信息的空間實體[7]，是可以通過計算機編程語言從電子地圖檢索和扒取的位置大數(shù)據(jù)來獲取。通常包含ID、名稱、經(jīng)緯度、類別等相關(guān)信息，其中經(jīng)緯度是POI 數(shù)據(jù)的核心屬性。

1.2 POI 數(shù)據(jù)的優(yōu)勢

POI 數(shù)據(jù)具有樣本量大、獲取成本低、更新速度快、位置精度高及涵蓋信息詳細等優(yōu)勢[8]。POI的空間分布可以反映城市的空間結(jié)構(gòu)。POI 數(shù)據(jù)越密集，城市功能越集中，則該區(qū)域可獲得的機會越多。POI 的空間分布對交通規(guī)劃設(shè)計和交通基礎(chǔ)設(shè)施的布局有重要指導作用[9]。

1.3 POI 數(shù)據(jù)的主要類型

本研究采用高德地圖POI 三級分類標準，一級分類23 種，二級分類264 種，三級分類869 種。通過分析各分類POI 對交通規(guī)劃影響程度的大小，基于居民使用頻次和設(shè)施點數(shù)量，對電子地圖POI各類設(shè)施進行篩選和分類，篩選出與交通規(guī)劃相關(guān)程度較大的設(shè)施類型。從一級分類中，選出12 個POI 類型，見表1。

表1 溆浦縣城區(qū)主要POI 數(shù)量表Table 1 Quantity table of main POI in Xupu County

2 POI 數(shù)據(jù)獲取

傳統(tǒng)的POI 獲取方式是實地調(diào)研采集，但數(shù)據(jù)量小不能大范圍的進行數(shù)據(jù)分析。隨著地理信息大數(shù)據(jù)的發(fā)展，人們對全球地理信息數(shù)據(jù)的需求也日趨增加，獲取方式也更加便利。

2.1 POI 數(shù)據(jù)獲取方式

目前，POI 獲取主要有3 種途徑：①通過爬蟲代碼從電子地圖扒??；②通過電子地圖開放平臺(百度地圖API、高德地圖API 等)來扒取POI，這些網(wǎng)站開放了較為完善的開發(fā)接口[10]；③通過集客大數(shù)據(jù)、Geosharp、火車頭和八爪魚等軟件，直接采集POI 數(shù)據(jù)。利用Geosharp 軟件獲取POI 數(shù)據(jù)的操作相對簡單、可行性高，并且POI 數(shù)據(jù)的準確率高，因此，通過它獲取研究區(qū)域的POI。

2.2 Geosharp 獲取POI 數(shù)據(jù)的思路

Geosharp 是一種網(wǎng)絡(luò)地圖數(shù)據(jù)采集軟件，主要包括地理編碼、坐標轉(zhuǎn)換和數(shù)據(jù)采集3 個模塊。地理編碼模塊可以把地址信息解析為經(jīng)緯度；坐標轉(zhuǎn)換提供百度、WGS84 和火星坐標系之間的轉(zhuǎn)換；數(shù)據(jù)采集模塊可采取所有類型的POI 數(shù)據(jù)和天氣預報數(shù)據(jù)。

Geosharp 獲取POI 數(shù)據(jù)可分為3 個步驟：①選擇需要獲取的POI 類型。根據(jù)高德地圖分類標準，采用POI 的一級分類獲取。②確定研究區(qū)域，設(shè)置研究區(qū)域的經(jīng)緯度。如果研究范圍不大，則可以直接獲取。但研究范圍過大，需要進行格網(wǎng)劃分，分區(qū)獲取。③確定數(shù)據(jù)保存路徑。

2.3 Geosharp 獲取POI 步驟

Geosharp 的“高德地圖POI 采集工具”只需研究范圍的經(jīng)緯度，即可采集該矩形范圍內(nèi)所有POI數(shù)據(jù)，根據(jù)需要導出到Excel 中。通過經(jīng)緯度在地圖上添加X,Y 坐標，生成位置信息。通過POI 類別，研究各類型POI 的出行特征。通過ID，確定POI的唯一性。

2.4 FME 區(qū)域格網(wǎng)劃分

POI 數(shù)據(jù)在進行大范圍采集時，由于研究區(qū)域過大，如果一次輸入整個范圍的經(jīng)緯度，不僅會花費大量時間，而且容易造成軟件異常和數(shù)據(jù)丟失。因此，會增加獲取數(shù)據(jù)的難度，其結(jié)果的誤差也較大。其解決辦法是對該區(qū)域劃分成格網(wǎng)單元[11]，按照每個網(wǎng)格的經(jīng)緯度坐標扒取POI，再對數(shù)據(jù)進行合并。通過多種區(qū)域格網(wǎng)劃分方法進行比較，發(fā)現(xiàn)FME[12]數(shù)據(jù)的交換與處理操作最簡單，自動化程度高。因此，采用FME 對區(qū)域進行格網(wǎng)劃分，并自動提取格網(wǎng)坐標。FME 可以實現(xiàn)超過200 種不同空間數(shù)據(jù)格式(模型)之間的轉(zhuǎn)換，是一款無縫連接多平臺空間數(shù)據(jù)的操作工具。FME 的操作流程主要分為讀模塊、轉(zhuǎn)化器模塊和寫模塊3 個部分。讀模塊可以從外部數(shù)據(jù)源讀取要素數(shù)據(jù)。轉(zhuǎn)換器可以在使用者的控制下，將這些數(shù)據(jù)合并或分割，從一種表達格式轉(zhuǎn)換為另一種表達格式，也可以將這些要素掛接到外部數(shù)據(jù)庫上。寫模塊將這些要素以一種支持的格式進行輸出。

本研究通過FME 軟件進行建模，自動對城市的格網(wǎng)進行劃分，提取格網(wǎng)坐標。具體流程：

1) 通過讀模塊將研究范圍地理文件進行導入；

2) 通過2DGridAccumulator 轉(zhuǎn)換器生成格網(wǎng)，按照行列數(shù)進行拆分，創(chuàng)建格網(wǎng)類型，選擇Polygons；

3) 通過GeometryCoercer 轉(zhuǎn)換器將研究范圍面轉(zhuǎn)換為線，幾何對象類型改為fme_line；

4) 通過BoundsExtractor 轉(zhuǎn)換器提取格網(wǎng)坐標；

5) 通過AttributeManager 轉(zhuǎn)換器將經(jīng)緯度合并成一個單元格；

6) 通過counter 轉(zhuǎn)換器進行計數(shù)，設(shè)置計數(shù)從1 開始；

7) 通過寫模塊將格網(wǎng)經(jīng)緯度輸出到 Excel文件。

根據(jù)FME 構(gòu)造模型，將研究區(qū)域進行自動化劃分格網(wǎng)，得到每個格網(wǎng)左上角和右下角的經(jīng)緯度坐標。再將經(jīng)緯度坐標依次輸入Geosharp 高德地圖的POI 采集工具。最后，通過Geosharp 分區(qū)獲取POI 數(shù)據(jù)，得到整個研究區(qū)域所有的POI 數(shù)據(jù)。

3 POI 數(shù)據(jù)處理

3.1 POI 數(shù)據(jù)區(qū)域整合

通過Geosharp，從高德地圖中采集POI 數(shù)據(jù)類型較多，但采用手動方法對各類Excel 進行合并的，操作比較繁瑣。因此，采用FME 進行建模，自動將各類型POI 進行合并。FME 模型構(gòu)建流程為：

1) 讀取文件夾，將POI 的Excel 文件通過讀模塊進行導入。

2) 通過AttributeSplitter 轉(zhuǎn)換器，對POI 類別進行拆分，創(chuàng)建3 個屬性。Attribute Value 值分別為type_list{0}，type_list{1}，type_list{2}。

3) 通過寫模塊將所有數(shù)據(jù)輸出到Excel。

3.2 POI 數(shù)據(jù)與地圖關(guān)聯(lián)

通過ArcGIS for Desktop 實現(xiàn)POI 數(shù)據(jù)和地圖的關(guān)聯(lián)。ArcGIS for Desktop 作為GIS 中的主流產(chǎn)品，其特點是數(shù)據(jù)管理效率高、空間分析能力強、可視化程度高。ArcGIS 為大數(shù)據(jù)的管理、分析和可視化提供了有效的處理工具。ArcGIS for Desktop主要由ArcCalalog (管理空間數(shù)據(jù))、ArcGlobe(大型三維場景處理與分析)、ArcMap(二維數(shù)據(jù)的處理、管理和分析)和ArcScene(小型三維場景處理與分析)4 個部分構(gòu)成。

通過FME 數(shù)據(jù)合并模型對POI 數(shù)據(jù)進行整合，導入到ArcMap 中，按照經(jīng)緯度屬性添加X，Y 坐標，生成位置信息，設(shè)置坐標系統(tǒng)，將POI 地理信息數(shù)據(jù)可視化，得到整個研究區(qū)域的POI 分布情況。POI 數(shù)據(jù)可視化結(jié)果如圖1 所示。

圖1 POI 點數(shù)據(jù)空間分布示意Fig.1 Spatial distribution of POI point data

3.3 POI 核密度分析

如果將每個POI 點均作為一個功能單元，POI密度越高，表明該地區(qū)城市功能越集中。為了分析POI 的聚集特征，了解各類服務設(shè)施的空間分布狀況，利用ArcMap 10.2 的密度分析工具，對研究區(qū)域內(nèi)的各類興趣點進行分析。

3.3.1 核密度分析原理

密度分析是通過輸入數(shù)據(jù)的數(shù)量計算數(shù)據(jù)的集散程度，生成一個連續(xù)的密度分析面。通過計算得到密度，將每個點的密度值分布在研究區(qū)域上，最后得到每個柵格的像元值[13]。

密度分析中，最為重要的是核密度分析。核密度分析一般用于計算要素周圍鄰域的密度。既可以計算點要素的密度，也可以計算線要素的密度。核密度分析示意圖如圖2 所示。

根據(jù)概率理論，核密度分析模型為[14?15]：

圖2 核密度分析輸出要素示意Fig.2 Schematic diagram of output elements of kernel density analysis

式中： k( )為核函數(shù)；h 為帶寬，h ＞ 0； x - Xi為估值點x 到事件Xi處的距離。

核密度分析可以體現(xiàn)POI 數(shù)據(jù)點的空間分布，對點狀數(shù)據(jù)進行分析尤為有效。通過核密度分析，計算每個輸出柵格像元周圍點要素的密度，生成POI 數(shù)據(jù)點熱力圖。

核密度分析中，需要設(shè)置輸出像元大小和搜索半徑2 個參數(shù)。設(shè)置的搜索半徑越大，生成的密度柵格越平滑，概化程度越高；搜索半徑值越小，生成柵格顯示的信息越詳細。

3.3.2 交通小區(qū)劃分

交通規(guī)劃需要全面了解POI 對各類交通源的吸引程度。由于不可能對每個POI 單獨進行研究，因此，分析POI 時，需要根據(jù)交通小區(qū)對POI 進行合并處理。

3.4 POI 分區(qū)導出模型構(gòu)建

為了將所有POI 數(shù)據(jù)按照交通小區(qū)依次導出，得到每個小區(qū)的各類POI。傳統(tǒng)的方法是劃分好交通小區(qū)，依次裁剪，導出POI 數(shù)據(jù)。但當數(shù)據(jù)量較大，該方法費時費力，效率較差。ArcMap 可提供一種自動化處理工具—ModelBuilder，通過ArcMap的模型構(gòu)建器，輕松實現(xiàn)批處理工作。

ModelBuilder 是創(chuàng)建、編輯和管理模型的應用程序[16]。其原理是將一系列地理處理工具串聯(lián)在一起的工作流，它將其中一個工具的輸出作為另一個工具的輸入?？蓪odelBuilder 看作一種簡單創(chuàng)建、可循環(huán)操作的可視化編程語言。進行模型構(gòu)建時，可以直接將工具箱的各種地理處理工具和需要處理的數(shù)據(jù)集拖動到模型構(gòu)建器界面中。然后，有序地把它們連接起來，實現(xiàn)批處理工作。

模型構(gòu)建器的優(yōu)勢：①ModelBuilder 可以集合ArcToolbox 各種工具，進行創(chuàng)建，并且自動化處理所構(gòu)建的工作流；②結(jié)合使用ModelBuilder 和腳本，可將ArcGIS 與其他應用程序進行集成；③Model?Builder 創(chuàng)建的自動化模型，可以在Python 腳本中使用。

本模型構(gòu)建中，將劃分好的交通小區(qū)在ArcMap 按字段依次導出，添加裁剪工具，輸入要素為POI 點數(shù)據(jù)，裁剪要素為交通小區(qū)面數(shù)據(jù)，得到各個交通小區(qū)的POI 數(shù)量。

3.5 交通小區(qū)當量POI 的計算

通過ArcMap 中ModelBuilder 構(gòu)造，批量導出模型，將整體POI 數(shù)據(jù)按照交通小區(qū)進行劃分，依次導出。交通小區(qū)內(nèi)，不同類型的POI 對于交通規(guī)劃的影響程度不一。通過結(jié)構(gòu)熵權(quán)法，確定各類POI對公交出行的影響權(quán)重，依次對不同類別POI 進行量化計算，得到各個小區(qū)的當量POI 數(shù)據(jù)，為后續(xù)交通規(guī)劃、公交線網(wǎng)優(yōu)化[17]提供數(shù)據(jù)支撐。量化公式為：

式中：Di為交通小區(qū)i 的當量POI；E 為獲取的POI類型數(shù)；we為第e 類POI 的權(quán)重；die為交通小區(qū)i第e 類POI 數(shù)量。

4 實例分析

以溆浦縣為例，通過Geosharp 軟件和高德地圖，獲取城區(qū)各類POI 數(shù)據(jù)。獲取POI 之前，避免區(qū)域過大，造成數(shù)據(jù)丟失，對研究區(qū)域進行格網(wǎng)劃分，采用FME 格網(wǎng)劃分模型對溆浦縣城區(qū)進行格網(wǎng)劃分，如圖3 所示。

通過Geosharp，由高德地圖分區(qū)，獲取格網(wǎng)小區(qū)POI。根據(jù)FME 的數(shù)據(jù)合并模型，將格網(wǎng)小區(qū)POI 數(shù)據(jù)進行合并、數(shù)據(jù)清洗，為ArcGIS 建立POI地理數(shù)據(jù)庫進行前期數(shù)據(jù)準備。本試驗獲取了12個POI 類型，有效POI 數(shù)量為1 800 條，見表1。

圖3 溆浦縣格網(wǎng)劃分示意Fig.3 Grid division diagram of the Xupu County

先將POI 數(shù)據(jù)導入ArcGIS，添加經(jīng)緯度信息，設(shè)置地理坐標系為WGS 1984，導入溆浦縣中心城區(qū)用地現(xiàn)狀圖，進行地理配準。再將POI 數(shù)據(jù)加載到溆浦縣中心城區(qū)用地現(xiàn)狀圖進行核密度分析。設(shè)置熱力圖顏色，顏色越深，表示POI 數(shù)據(jù)比較密集；顏色越淺，表示POI 聚集程度較為稀疏。溆浦縣POI數(shù)據(jù)空間分布如圖4 所示。

圖4 溆浦縣POI 空間分布熱力Fig.4 Thermal map of of POI in the Xupu County

根據(jù)溆浦縣城區(qū)道路現(xiàn)狀和城市規(guī)劃分區(qū)情況，將該區(qū)域劃分為22 個交通小區(qū)，小區(qū)劃分示意圖如圖5 所示。

通過ArcMap 的ModelBuilder 構(gòu)造，批量導出模型，將所有POI 數(shù)據(jù)按照劃分的交通小區(qū)依次導出，得到每個小區(qū)的POI 類別和數(shù)量，通過權(quán)重進行量化見表2。

圖5 溆浦縣交通小區(qū)劃分示意Fig.5 Division diagram of traffic district of the Xupu County

表2 量化后交通小區(qū)POI 數(shù)量Table 2 Number of POI in traffic area after quantification

5 結(jié)論

通過FME 構(gòu)造格網(wǎng)坐標提取模型，對研究區(qū)域進行格網(wǎng)劃分，再采用Geosharp 軟件獲取POI數(shù)據(jù)，最后基于ArcGIS 模型構(gòu)建分區(qū)導出模型，將POI 數(shù)據(jù)分區(qū)導出，并進行量化處理。通過采用格網(wǎng)坐標提取模型和分區(qū)導出模型進行自動化處理，再導出各類POI 數(shù)據(jù)。該方法比原有裁剪導出操作更節(jié)省時間，也更有效率。