基于DBSCAN空间聚类的广州市区餐饮集群识别及空间特征分析

发布时间：2017-08-30 15:39

  本文关键词：基于DBSCAN空间聚类的广州市区餐饮集群识别及空间特征分析

  更多相关文章： DBSCAN聚类 餐饮业 空间特征 广州

【摘要】：选取广州作为研究案例地,通过百度地图API获取广州市区27 037个餐饮类POI点的空间数据,在此基础上引入DBSCAN空间聚类算法,将其识别为397个集群,其在空间特征上呈现以天河南集群为主中心、以北京路及江南西两个集群为副中心的"一主两副"空间结构。根据集群的规模划分为6个等级,发现不同等级的集群在数量上符合中心地理论模型,并随宏观至微观呈现由基于K=3的市场原则向基于K=4的交通原则的转变。根据紧凑率、延伸度、密度及集中度等空间形态指标,将集群划分为街道型、片区型、单体—片区型、单体型四类。本研究有助于更好地认识城市餐饮业集聚特征规律,为深入认识城市实体空间提供支撑。
【作者单位】： 南京大学地理与海洋科学学院;南京大学建筑与城市规划学院;中国科学院地理科学与资源研究所;兰州交通大学测绘与地理信息学院;
【关键词】： DBSCAN聚类 餐饮业 空间特征 广州
【基金】：国家自然科学基金项目(51278239)
【分类号】：F719.3
【正文快照】： 餐饮业作为城市服务业不可或缺的组成部分,是标示城市活力的重要指标,餐饮设施点是餐饮业的空间载体,对其的相关研究有助于掌握餐饮业布局规律、揭示城市发展的空间格局,为深入认识城市实体空间提供支撑,同时对提升城市服务业综合竞争力、辅助餐饮业发展规划与网点布局具有重

【相似文献】

中国期刊全文数据库 前3条

1 潘玲玲;张育平;徐涛;;核DBSCAN算法在民航客户细分中的应用[J];计算机工程;2012年10期

2 吴贞珍;黄建华;;DBSCAN聚类算法在异常检测中的应用[J];计算机安全;2007年08期

3 ;[J];;年期

中国重要会议论文全文数据库 前8条

1 马帅;宋国杰;唐世渭;杨冬青;王腾蛟;;基于单元划分的DBSCAN聚类算法[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

2 朵春红;王翠茹;;基于取样的DBSCAN聚类算法及其遗传优化[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

3 庞洋;李海林;郭义喜;;基于DBSCAN算法的日志信息聚类研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 宫蕊;舒红平;郭远远;;基于DBSCAN的密度聚类算法的研究[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

5 张健沛;许慧;杨静;崔洪晶;;基于数据分区、QR~*-树的并行DBSCAN算法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

6 Yi-Chun Xu;Man Zhu;Zunhai Ke;Yong Liu;Suifa Sun;;Isolating Ships from Shape Curve with DBSCAN[A];第25届中国控制与决策会议论文集[C];2013年

7 范晔;周水庚;曹晶;周傲英;;通过数据取样扩展基于密度的聚类算法[A];第十六届全国数据库学术会议论文集[C];1999年

8 曹晶;周水庚;范晔;周傲英;;数据分区:一种改善基于密度的聚类算法的方法[A];第十六届全国数据库学术会议论文集[C];1999年

中国硕士学位论文全文数据库 前10条

1 陆颖华;基于局部敏感哈希的DBSCAN算法研究[D];南京信息工程大学;2015年

2 汪洋;采用DBSCAN聚类的自适应步长细菌觅食算法[D];南京师范大学;2015年

3 谢江;针对非均匀密度环境的DBSCAN自适应聚类算法的研究[D];重庆大学;2015年

4 崔熠明;基于激光雷达的智能车防撞预警系统研究[D];吉林大学;2016年

5 罗启福;基于云计算的DBSCAN算法研究[D];武汉理工大学;2013年

6 吴林敏;针对非均匀数据集的DBSCAN过滤式改进算法[D];重庆大学;2009年

7 虞倩倩;基于数据划分的DBSCAN算法研究[D];江南大学;2013年

8 黄毅磊;DBSCAN算法及在城市网格化管理中的应用[D];上海交通大学;2010年

9 孙思;利用遗传思想进行数据划分的DBSCAN算法研究[D];重庆大学;2005年

10 许慧;基于数据分区和QR*树的并行DBSCAN算法研究[D];哈尔滨工程大学;2007年

，

本文编号：760154