百度慧眼百度热力图数据处理,可直接用于论文
- 数据简介
- 1、CSV点数据
- 2、SHP数据
- 3、TIF数据
- 4、png图片或标准经纬度出图
- 5、案例
- 6、论文的参考方向
- 其他数据处理/程序/指导!!!
- (1)街景数据获取
- (2)街景语义分割后像素提取,指标计算代码(绿视率,天空开阔度、视觉熵/景观多样性等)
- (3)街景主观感知两两对比程序,TrueSkill计算主观感知评分
- (4)街景主观感知程序(beautiful等维度),多模型对比(MobileNet等),safer精度0.89
- (5)街景图片色彩聚类
- (6)百度热力图指导,买数据可简单指导
- (7)OSM路网简化指导
- (8)POI数据,重分类,各种指标(功能混合度)计算
- (9)建筑物各种指标计算(建筑密度,容积率)
- (10)坐标系转化代码(bg09,wgs84,Gcj02等各种地理,投影转化)
- (11)各种树模型分类回归代码(XGBoost,Catboost等模型对比,最优模型最优参数)
- (12)GCN用于街道研究,如GCN实现街道功能分类
- (13)GIS相关处理,指标计算,街道街区相关,活力相关,街道品质相关
数据简介
数据来源:百度慧眼
数据形式:含坐标的csv点数据;shp数据;TIF栅格数据;PNG可视化图片。多种数据形式可选。
价格:市为单位,csv点数据49一天,299一周,每天有24个时间点。也可提供shp格式,核密度/反距离tif格式,数据格式不同价格不同。
用途:城市/街道活力,人口统计,选址分析,商圈分析,活力分析等等。
邮箱:直接放WX会下架博文,需要的话,联系437969428@qq.com
---------------------------------------------------------------------------------------------
优势:全网最全最细!
1、有论文支撑!!!《地理科学》。
2、定量数据!
3、从数据原理到应用给你讲清楚。
4、专注于城市研究。
1、CSV点数据
1、多坐标系:百度投影/地理,WGS84地理/投影,高德地理等。
2、高精度位置,小数点后12位。
3、value原理,bd09mc200单位约180m,……,后续核密度可插值成5m,10m,30m,100m等。
4、可根据研究区进行裁剪,可提供value不为0的采样点(常用)或全采样点(不常用)
2、SHP数据
1、可提供value不为0的采样点(常用)或全采样点(不常用且体积大)的SHP文件、
2、可根据研究区进行裁剪
3、TIF数据
1、可提供核密度或反距离权重插值的原始栅格文件。
2、可提供多种精度的原始栅格文件,5m,10m,30m,50m,……等等。
3、核密度,反距离优略势,原理解析,适用场景。
4、png图片或标准经纬度出图
png出图便宜,标准经纬度出图贵。
1、交付源数据,QGIS打包源文件,可自行修改。
5、案例
6、论文的参考方向
一些不成熟的归纳,每篇论文的insight是不同的,我仅从他们框架出发讲一下所谓的“套路”or“排列组合”
活力:单百度热力图,多维度(百度热力图+出租车/手机信令/共享单车/微博签到等)
时间:白天晚上,周,周中vs周末,重大节假日
研究对象:街道,社区,街区,TAZ,泰森多边形,格网等。TOD地铁站点。
研究区域:区,市,多城市。
指标:5D,三维城市结构,各种各样超多指标(NDVI,NDWI都有,有些离谱,但也能理解)。
对象分类型:生活型街道,商业性街道。
空间分析:莫兰,热点分析等。
分析方法:各种线性回归(多源线性)/各种空间回归(空间之后SLM、空间误差SEM,地理加权GWR、MGWR、MTWR)/非线性回归(随机森林RF,GBDT,XGBoost等,近年来很多的SHAP)
这个框架适用于95%的相关性/影响机制的研究,找到insight,上面的排列组合就是一篇文章。
分割线
其他数据处理/程序/指导!!!
(1)街景数据获取
(2)街景语义分割后像素提取,指标计算代码(绿视率,天空开阔度、视觉熵/景观多样性等)
deeplabv3+街景图片语义分割,无需训练模型,看不懂也没有影响,直接使用,cityscapes数据集
(3)街景主观感知两两对比程序,TrueSkill计算主观感知评分
街景主观感知两两对比程序(最少对比次数,最高的效率,提示剩余总对比次数,自定义每张图片出现次数,Trueskill图片对比15-30计算才有意义),TrueSkill计算主观感知评分。
(4)街景主观感知程序(beautiful等维度),多模型对比(MobileNet等),safer精度0.89
街景主观感知程序(beautiful, safer等自定义维度),多模型对比(ResNet50,ResNet101,EfficientNet、VGGNet、GoogleNet、DenseNet、MobileNet、ShuffleNet、Xception、ConvNeXt、Vision Transformer (ViT)、RegNet等),我自己是用420张图片,分别训练了beautiful,safer,模型最好精度0.89,很高了,我才用了420张图片,平均每张图片对比才16次。
(5)街景图片色彩聚类
(6)百度热力图指导,买数据可简单指导
(7)OSM路网简化指导
(8)POI数据,重分类,各种指标(功能混合度)计算
POI数据重分类代码,POI数据分类指导,出POI数据,POI各种指标计算(XX密度,XX比例,功能混合度,功能集中度等)。
(9)建筑物各种指标计算(建筑密度,容积率)
(10)坐标系转化代码(bg09,wgs84,Gcj02等各种地理,投影转化)
(11)各种树模型分类回归代码(XGBoost,Catboost等模型对比,最优模型最优参数)
各种树模型分类回归代码(RF,GBDT,XGBoost,Catboost等模型对比,最优模型最优参数)。