您所在的位置: 成果库 顾及POI点局部空间分布差异的自适应KDE方法与系统

顾及POI点局部空间分布差异的自适应KDE方法与系统

发布时间: 2026-01-22

基本信息

合作方式: 技术转让
成果类型: 新技术
行业领域:
新能源及节能技术,生态环境建设与保护技术
成果介绍
城市商业中心作为城市经济发展的关键,其空间布局与城市结构及动态发展紧密相连。随着地理大数据的普及,具有共享性、实时性和精确性的POI数据在城市商业空间研究中备受关注。学者们基于POI数据,深入探讨了城市商业空间的聚集特征、分布模式等问题,这对城市高质量发展具有重要意义。核密度估计方法(KDE)作为一种空间密度分析工具,因原理简单、操作方便,常被用于点状数据分析和空间“热点”探测,如商业零售等热点问题。冯代慈、浩飞龙、魏中宇等学者均利用KDE方法,结合其他指 标,揭示了不同城市的商业分布模式和特征。核函数和带宽是KDE的两个重要参数,其中核函数选择对结果影响较小,而带宽选择更为关键。现有带宽确定方式主要有经验法和基干数据空间分布结构法。经验法如根据商业中心步行范围选择带宽,但具有局限性。因此,一些学者提出基于点数据空间分布结构确定带宽,如Goldenshluger等人利用MISE法确定了全局最优固定带宽,提出了固定自适应KDE方法。
成果亮点
已有研究揭示,带宽的确定是KDE方法的核心技术,相较于核函数的选择其对研究结果具有更显著的影响。当带宽太大,构建的核密度面过于平滑,导致局部“热点”被忽略;当带宽太小,构建的核密度面过于锐利,导致局部“热点”太突出,全局规律不易观察。虽然与传统的经验法相比较,相关学者提出的基于最小平均积分平方误差法确定的全局最优固定带宽更加客观,但仍然无法顾及受点要素空间分布特征影响的不同象限局部密度在全局密度面上的差异性。 针对以上的问题,本文提出了一种面向点数据的非参数估计方法,通过识别商业POI点不同象限邻域点空间分布趋势曲线不同类型的突变点,确定商业POI点四象限空间分布聚类范围,解决了每个POI点不同象限局部带宽识别的问题,构建了一种基于商业POI点局部空间分布差异性特征的自适应核密度估计方法。
团队介绍
联系人: 庄老师 单位名称:常州市武进区科技成果转移中心
成果资料