本篇文章将视角聚焦于共享单车的出发地与人口分布之间的关联性,通过构建1000m×1000m的渔网模型对人口数据进行分区,并结合共享单车使用数据,分析不同区域内骑行热度与人口密度的关系。通过对2020年12月21日早高峰时段的共享单车出发地进行核密度分析,我们发现人口密集区域同时也是共享单车使用频率较高的区域。此外,本文还将探讨政府投放策略如何影响共享单车的使用率,特别是岛内(湖里区和思明区)的高使用率现象。
这里有两个tips,保证你建立准确的渔网投影,1、创建渔网的【处理范围】需要设置的与对应的行政区或者你自己数据的处理的范围一致;
2、然后需要想要这里直接输入1000的话,即建立1000m*1000m的渔网就需要当前的坐标系是投影坐标系,这里使用的是WGS_1984_Web_Mercator_Auxiliary_Sphere;
这里空间连接的时候注意一下方法的选择,这里用的是【COMPLETELY_CONTAINS】即面完全包含点要素,这里可以根据不同需求选择,具体可以参考官方文档:空间连接 (分析)—ArcMap | 文档 (arcgis.com);
另外在比较小的分析尺度,如1000m*1000m的渔网或者更小的尺度,数据通常需要对空间进行插值,数据本身的尺度有限,尺度越小必然会产生有一些缺失值,可以通过插值补全,这个因数据而异,而且数据差值补全只能是一个退而求其次的方法,并不是数据真实值。包括反距离权重插值(IDW)、克里金插值(Kriging)、样条插值等。每种方法都有其适用场景和优缺点,只能说那个更接近真实值;
其它具体步骤详见我这篇文章:ArcGIS应用指南:将栅格数据(TIFF)提取到网格_arcgis提取栅格网格线-CSDN博客
用arcgispro的详见我这篇文章:ArcGIS Pro 实现人口分布栅格TIFF数据的网格提取与可视化_人口栅格数据-CSDN博客
这里直接展示最后结果,即人口1000m*1000m的网格分布情况,这里用自然间断点分级法分了10类;
我们对时间段2020年12月21日 上午06:00-10:00的出发地进行了核密度分析,因为出发地,我们通常认为是共享单车用户的居住地,综合两张图可以看出来,基本上居住人口密度较高的地方也是共享单车的热门出发地,有较高的正相关性,同样岛内(湖里区和思明区)的用户也对需求度更高;
同样的我们对目的地也进行了点核密度分析,分布形态基本一致,说明从网格的尺度视角来看,那么为什么会造成这样的现象呢,因为我们分析的网格尺度为1000m*1000m,这个出行距离已经是相对较主要的出行需求距离了,所以比较难看出来差异性,出行距离和时间分布我们在下一篇进行探究。
另外岛内(湖里区和思明区)对共享单车的使用率更高的原因还与投放政策有关,参考2020年度厦门市互联网租赁自行车运营企业考核成绩及分配投放份额的公示:2020年度厦门市互联网租赁自行车运营企业考核成绩及分配投放份额的公示-厦门市城市管理行政执法局 (xm.gov.cn),厦门市共享单车投放额度为15万辆,其中岛内(湖里区和思明区)就投放了接近10万辆,这也是岛内共享单车使用率高的原因之一。
文章仅用于分享个人学习成果与个人存档之用,分享知识,如有侵权,请联系作者进行删除。所有信息均基于作者的个人理解和经验,不代表任何官方立场或权威解读。
标签:为例,插值,网格,出发地,1000m,共享,单车 From: https://blog.csdn.net/weixin_45812624/article/details/142059775