[发明专利]一种兴趣点POI同位模式的可视化挖掘方法

说明书

技术领域

本发明涉及空间数据挖掘领域，尤其涉及一种兴趣点POI同位模式的可视化挖掘方法。

背景技术

城市中的兴趣点POI涵盖了城市中的各类工程型与社会性服务设施，蕴含了丰富的人文经济及自然信息。这些设施之间可能存在一定的关联。挖掘设施之间的空间关联规则可为商业选址、基础设置布局、城市发展规划等提供决策支持(Rui et al.2016)。其中，空间同位模式的挖掘是空间关联规则挖掘的主要内容，空间同位模式是指一组不同类型的地理实体频繁地分布在各自的邻域范围内。

空间同位模式的挖掘主要采用两类方法(Huang et al.,2004)：空间统计方法和数据挖掘方法。空间统计方法使用空间相关性指标描述不同类型空间要素的关系，包括交叉k函数(Cressie,2015)，平均最近邻距离，空间回归模型(Chou,2007)，同位系数(Leslie and Kronenfeld,2011)以及改进的地理加权同位系数(Cromley and Hanink,2014)。数据挖掘方法可分为基于聚类的叠置方法(Estivill-Castro and Lee,2001)以及基于关联规则的方法(边馥苓与万幼,2009)。基于关联规则的方法主要通过将事务的概念泛化，选择同位模型定义事务，然后设计类似的Apriori算法以挖掘同位模式。由于空间异质性的存在，同一空间不同区域内可能存在特殊的局部同位模式，有少量文献对区域同位模式进行了探索，将空间同位模式挖掘方法应用于用户事先指定的空间区域集(Celik et al.,2007)，或使用k-mediods算法划分聚类的方式搜索区域同位模式(Eick et al.,2008)，或基于k最近邻图挖掘区域同位模式(Qian et al.,2014)。

以上同位模式挖掘方法均是采用统计或是数据挖掘的方式，属于抽象思维的范畴，要求对复杂的数学公式、算法和相关参数等有深刻的理解。

发明内容

本发明要解决的技术问题在于针对现有技术中的同位模式挖掘方法要求对复杂的数学公式、算法和相关参数等有深刻的理解的缺陷，提供一种兴趣点POI同位模式的可视化挖掘方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种兴趣点POI同位模式的可视化挖掘方法，包括以下步骤：

S1、对城市中的各个类别的兴趣点，采用核密度估计方法计算各个单类兴趣点的核密度，通过核密度表征单类兴趣点的空间分布情况；进而选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现兴趣点空间分布情况的可视化；

S2、基于色光加色混合原理对两类兴趣点空间分布情况可视化结果进行色彩混合，得到同位规则图谱，同位规则图谱中的混合后的黄色所占比例越高，表示两种类别的兴趣点之间的同位模式越强。

进一步地，本发明的步骤S1的具体方法为：

S11、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，计算单类兴趣点对应的各个栅格空间的核密度；

S12、选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点对应的栅格空间进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现兴趣点的空间分布情况的可视化。

进一步地，本发明的步骤S11的具体方法为：

S111、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，得到栅格单元集，设栅格单元为L_i，其中i＝1,2,…n,n为空间所包含的栅格单元个数；

S112、计算每个栅格单元的核密度，核密度的计算公式为：

其中，k函数表示权重函数，k函数如下：

f(s)是栅格单元位置s处的核密度计算函数，h为距离衰减阈值，n为与位置s的距离小于或等于h的要素点数。

进一步地，本发明的步骤S12的具体方法为：

S121、选择任意两种类别的兴趣点，采用自然间断点分级法对每类兴趣点所对应栅格单元的不为0的核密度值进行分级，级别越高，核密度值越大；

S122、用色级对每类兴趣点所对应的栅格单元进行可视化，采用RGB颜色空间表示颜色，第一类兴趣点采用红色色级表示，其RGB颜色空间中R值不为0，G值和B值为0；第二类类兴趣点采用绿色色级表示，其RGB颜色空间中G值不为0，R值和B值为0，栅格单元的核密度值级别越高，其颜色能量越大、越明亮。