利用百度poi计算城市能级及评价街道范围便利度、生活宜居情况等

1、以省为计算单位进行，先把各个地市的poi合并到一个图层

2、使用工具spatial join或者是identity，把每一个poi投在对应的乡镇边界里面去

3、把计算的poi点进行各个街道的汇总统计分析

--接入板块数据

select * into hubei
from openrowset
('Microsoft.ACE.OLEDB.12.0',
'dBase IV;HDR=NO;IMEX=2; Database=E:\temp',
'select * from [湖北poi总.dbf]')

drop table #tempestate0709
select top 100 * from #tempestate0709

select a.xzdm,ta.快餐,b.肯德基,c.星巴克,d.超市,f.便利店,g.[零售业(去超市、便利店）],t1.百货商场,t2.[酒店（三星及以下）],t3.[酒店（四星及以下）],h.休闲,t4.医院,i.[不利因素（火葬场、殡仪馆）],j.地铁站,k.火车站,l.银行,m.[ATM、自助银行],n.幼儿园,o.小学,p.中学,q.公司企业,r.[工厂、园区],s.大厦 into stat_hubei from
(select xzdm from hubei where xzdm <>'' group by xzdm) as a
left join
--canyin

(select xzdm,COUNT(*) as "快餐" from hubei where KIND like '10%' and xzdm <> '' group by xzdm ) ta
on a.xzdm=ta.xzdm
left join

(select xzdm,COUNT(*) as "肯德基" from hubei where KIND = '10C1' and xzdm <> '' group by xzdm ) b
on a.xzdm=b.xzdm
left join

(select xzdm,COUNT(*) as "星巴克" from hubei where KIND = '1603' and xzdm <> '' group by xzdm ) c
on a.xzdm=c.xzdm
left join
--chaoshi

(select xzdm,COUNT(*) as "超市" from hubei where KIND like '21%' and KIND not in ('2180') and xzdm <> '' group by xzdm) d on a.xzdm=d.xzdm
left join

(select xzdm,COUNT(*) as "便利店" from hubei where (KIND like '208%' or kind like '209%') and xzdm <> '' group by xzdm ) f on a.xzdm=f.xzdm
left join

(select xzdm,COUNT(*) as "零售业(去超市、便利店）" from hubei where (KIND like '2%' and (kind not in (select kind from hubei where KIND like '21%' and KIND not in ('2180') group by kind)) and (KIND not in(select kind from hubei where (KIND like '208%' or kind like '209%') group by KIND)) and xzdm <> '' )
group by xzdm ) g on a.xzdm=g.xzdm
left join

(select xzdm,COUNT(*) as "百货商场" from hubei where (KIND = '2200') and xzdm <> '' group by xzdm)
t1 on a.xzdm=t1.xzdm
left join

--住宿
(select xzdm,COUNT(*) as "酒店（三星及以下）" from hubei where (KIND in ('5080','5082','5083','5380','5400')) and xzdm <> '' group by xzdm) t2 on a.xzdm=t2.xzdm
left join

(select xzdm,COUNT(*) as "酒店（四星及以下）" from hubei where (KIND in ('5084','5085')) and xzdm <> '' group by xzdm ) t3 on a.xzdm=t3.xzdm
left join

--休闲
(select xzdm,COUNT(*) as "休闲" from hubei where (KIND like '6%') and xzdm <> '' group by xzdm)
h on a.xzdm=h.xzdm
left join

--医院

(select xzdm,COUNT(*) as "医院" from hubei where (KIND in ('7201','7202')) and xzdm <> '' group by xzdm)
t4 on a.xzdm=t4.xzdm
left join

--不利因素
(select xzdm,COUNT(*) as "不利因素（火葬场、殡仪馆）" from hubei where (KIND = '7800') and xzdm <> '' group by xzdm) i on a.xzdm=i.xzdm
left join

--交通,有问题，需要单独查,都不准
(select xzdm,COUNT(*) as "地铁站" from hubei where (KIND like ('AF10') and NAME like '%地铁%' and NAME not like '%租赁%') and xzdm <> '' group by xzdm) j on a.xzdm=j.xzdm
left join

(select xzdm,COUNT(*) as "火车站" from hubei where (KIND = '80A0') and xzdm <> '' group by xzdm)
k on a.xzdm=k.xzdm
left join

--银行
(select xzdm,COUNT(*) as "银行" from hubei where ((KIND like ('A18%') or KIND like 'A19%') and KIND not in('A199','A19D')) and xzdm <> '' group by xzdm) l on a.xzdm=l.xzdm
left join

(select xzdm,COUNT(*) as "ATM、自助银行" from hubei where (KIND in('A199','A19D')) and xzdm <> '' group by xzdm) m on a.xzdm=m.xzdm
left join

--教育
(select xzdm,COUNT(*) as "幼儿园" from hubei where (KIND in ('A701','F00B')) and xzdm <> '' group by xzdm) n on a.xzdm=n.xzdm
left join

(select xzdm,COUNT(*) as "小学" from hubei where (KIND in('A702','F00C')) and xzdm <> '' group by xzdm) o on a.xzdm=o.xzdm
left join

(select xzdm,COUNT(*) as "中学" from hubei where (KIND in('A703','F00D')) and xzdm <> '' group by xzdm) p on a.xzdm=p.xzdm
left join

--其他
(select xzdm,COUNT(*) as "公司企业" from hubei where (KIND in('A980','A982')) and xzdm <> '' group by xzdm) q on a.xzdm=q.xzdm
left join

(select xzdm,COUNT(*) as "工厂、园区" from hubei where (KIND in('A983')) and xzdm <> '' group by xzdm)
r on a.xzdm=r.xzdm
left join

(select xzdm,COUNT(*) as "大厦" from hubei where (KIND in('AF00','AF01')) and xzdm <> '' group by xzdm)
s on a.xzdm=s.xzdm
--查询生成的表
select * from stat_hubei
--关联对应的乡镇名称
select c.* from
(select b.PROVINCE,b.CITYNAME,b.COUNTYNAME,b.NAME_1,a.* from stat_hubei a
left join hubei b on a.xzdm=b.xzdm) c

4、计算路网密度，选择全国路网，选择主要的道路

"fclass" = 'motorway' OR "fclass" = 'primary' OR "fclass" = 'secondary' OR "fclass" = 'tertiary'

b、使用clip工具，把全国的道路clip对应的湖北省的范围

c、使用identity进行鉴别，选择对应的街道进行统计

d、路网密度=路网长度/街道面积，因此先算街道面积，然后使用identity，然后再按照街道统计路网长度，新建一个字段形成density

5、补充地铁站的数据不全的，通过io地图，通过爬虫以及获得该城市的地铁站点坐标表，在arcgis形成，然后进行spatial join操作，关联之前的操作随即完成

6、计算中心度，就是乡镇中心点到区县中心点的距离，使用near功能计算出，首先需要对需要进行near分析的进行平面坐标投影，比如选择高斯投影，或者选择web墨卡托平面投影坐标系

7、通过第三方程序小o地图计算乡镇点到中心城市的时间距离分析（按点到点时间计算）

8，再把计算过的乡镇点关联数据跟已有的数据进行关联挂接

利用百度poi计算城市能级及评价街道范围便利度、生活宜居情况等相关推荐

利用百度地图进行城市功能区域划分
记录: 使用百度地图api进行各类兴趣点的划分将研究区域利用arcgismap进行网格的划分和渔网经纬度范围的导出将网格的范围与兴趣点坐标进行匹配与计算. 利用所获得的区域的兴趣点的频率进行方格区 ...
利用TF_IDF算法计算两英文文章的文本相似度 C++实现
利用TF_IDF算法计算两英文文章的文本相似度 C++实现,仅用于应付课程小作业. 链接:利用TF_IDF算法计算两个英文文章的文本相似度(C++实现)-C++文档类资源-CSDN下载
python利用百度云接口实现文字OCR功能
python利用百度云接口实现文字OCR功能 1. 前言在日常生活中有时我们需要从图片中获取文字,虽然QQ上面已经有了相关的功能,但是出于学习的目的,我打算利用百度智能云的文字OCR接口来实现OCR ...
python批量爬取小网格区域坐标系_Python爬虫实例_利用百度地图API批量获取城市所有的POI点...
上篇关于爬虫的文章,我们讲解了如何运用Python的requests及BeautifuiSoup模块来完成静态网页的爬取,总结过程,网页爬虫本质就两步: 1.设置请求参数(url,headers,co ...
利用GEE计算城市遥感生态指数(RSEI)——Landsat 8为例
文章目录前言第一步:定义研究区,自行更换自己的研究区第二步:加载数据集,定义去云函数第三步:主函数,计算生态指标第四步:PCA融合,提取第一主成分第五步:利用PC1,计算RSEI,并归一化 ...
Python 根据百度 API 获得经纬度，根据经纬度计算城市间距离
百度提供的查询经纬度的 api 为: http://api.map.baidu.com/geocoder?address=您要查询的地址&output=xml&key=您要输入的key ...
基于外卖平台POI的城市餐饮业空间热点分析系统
温馨提示:文末有 CSDN 平台官方提供的博主 Wechat / QQ 名片 :) 1. 项目简介本项目利用网络爬虫技术从某外卖平台APP采集餐饮商铺数据,系统采用 flask 搭建 web 后台, ...
php地图距离计算,php百度地图计算两地现实距离
请自行到百度地图官网申请您的ak   <!--<html lang=& ...
上云就上百度智能云，百度智能计算峰会召开，AI原生云全新升级
百度智能云 AI 原生云全面升级.6月3日,百度云智峰会智能计算峰会在北京召开,百度沧海存储技术与百度百舸 AI 异构计算平台两大新品牌首次亮相.百度智能云同时发布和升级了一系列 AI 原生云产品,包 ...

利用百度poi计算城市能级及评价街道范围便利度、生活宜居情况等

利用百度poi计算城市能级及评价街道范围便利度、生活宜居情况等相关推荐

最新文章

热门文章