限时免费视频课程！万人爱看的空间数据分析精品课丨城市数据派

城市数据派导读

《深入浅出——面向专业化高级空间数据分析师的八堂课》是【王者计划】的第一门课程。该课程由地理小子张海平携手城市数据派重磅原创出品。目前已有1.4万人次观看学习过该课程！受到了派友们的大量点赞好评！课程视频链接：

https://www.udparty.com/index.php/detail/uploadvideodetails/?id=1445

这是一套优秀空间数据分析师的必学课程：一个出色的空间数据分析师，必定是从数据采集、数据处理、复杂问题建模、分析和可视化等方面都表现出色。这套课程就是从这几个方面作为切入点，从0到1，让你从思维意识和全局有一个质的提升！

【城市数据派会员】免费享受全套课程：

无需任何操作，可直接免费观看该课程、领取全套PDF课件和练习数据。如需成为会员，请复制此链接到浏览器购买：

https://www.udparty.com/index.php/lists/vip?page=0

非【城市数据派会员】限时免费领取：

如果你还不是会员，快来参加限时免费领取学习名额！通过免费获得积分的方式，免费观看视频、领取全套PDF课件和练习数据，免费到2019年1月30日截止，1月31日将转为收费课程！免费领取方式：关注城市数据派微信号，在微信号后台回复“领取免费名额”，即可获知免费领取方式。

课程总体介绍

课程总共分为8讲，每讲平均100分钟，每个视频约20分钟，整个课程大概40+个视频，800分钟左右；课件PDF总共约380页。每讲包含视频、PDF课件和练习数据三部分。课程内容主要是讲理论、思想和方法。整个课程遵循着“数据——思维——可视化——空间分析——热点分析——关系建模——时空建模——机器学习”的递进关系有序展开。如图1所示为整个课程的一级目录。

图1 八堂课总体目录

从第一讲到第八讲是一个递进关系。第一讲为面对大数据和传统数据时，个人和企业的处理策略；第二讲是关于理解和使用GIS的地理空间思维的介绍；第三讲则是从地理可视化的角度展开；第四讲是空间分析的科学使用；第五讲是当下广泛使用但使用不得当的热力图和热点分析；第六讲是空间关系建模，以地理加权回归为例；第七讲是近年来兴起的时空大数据分析的主流模型介绍；第八讲则是对当下机器学习技术的介绍以及日常工作的选择问题的介绍。

地理小子张海平

这是一个属于数据的时代，更是一个时空数据大爆炸的时代。作为处理、管理、建模、分析和可视化时空数据的GIS，以地理信息科学与技术的双重身份迎来了又一个前所未有的机遇和挑战。

自20世纪60年代以来，与GIS同呼吸共命运的地理学，面对今日之“空间觉醒”和“人工智能”，也同样面临着喜迎和冷对的双重境地。同时，我们也一定要意识到：一方面，我们的科学研究和应用技术还远不能支撑“空间觉醒”所带来的期望；另一方面，“人工智能”还处于弱人工智能阶段，我们的技术能力有限，AI赋予我们的能力目前也很有限。因此，无论是从事与时空数据相关的研究人员，还是应用分析人员，亦或是学习者，都需要理性认识时空数据、GIS、地理之间的关系及其现阶段AI对其所带来的影响，这里不再展开。

提笔写下此文时，恰是“深入浅出——面向高级空间数据分析师的八堂课”的课件、视频和练习数据整理完毕之时。从2018年初开始，半年时间，课程还未更新完时，已经有1万人次观看，到目前为止，共有1.4万人次观看，期间不少朋友送来建议和感谢，在此一并表示感激。作为这门课程的总结，我将写下我的心声、学习者的心声以及我未来的心声。希望大家能够科学地使用GIS、理性地认识地理并正确地定位这门课程。

课程内容详解

第一讲：传统数据处理VS大数据处理思维

当拿到一组大体量的时空数据源后，如何对数据进行处理是所面临的首要问题。数据的使用者可能是企业，也可能是个人；数据的处理方式可以是集群，也可以是普通编程，但也可以是可视化建模。可能受到手头所用平台、个人知识体系和技能的限制，在数据处理过程中造成困扰。

本讲内容主要提供面向企业的大解决方案和面向日常个人工作的小解决方案。在方式上，介绍了基于分布式计算平台的解决思路、基于可视化建模的零编码解决思路和基于编程的常规解决思路。最后通过几个思考与练习，要求基于零编码和编程的方式完成任务要求，以满足个人的日常需求。部分练习在视频中有介绍实现方法。更为重要的是：这些面向个人的小解决方案，可以解决那些编程弱、不会编程的使用者的数据操作困境。具体内容大纲如图2所示。

图2 第一讲 传统数据处理VS大数据处理思维

第二讲：应用与研究中的地理空间思维

地理学所强调的“空间”这一独特视角，使自己显得是那么的与众不同。而GIS对“空间”的建模手段及其对空间“地理性”的重视，使两者关系暧昧不清。无论是维度层面的空间和时间，还是学派主导的地方和结构，人们对其不同的认识和理解，极大地丰富了解决问题方法的广度和深度，同时也避免了GIS走向“数字游戏”和地理学部分学科走向“文字游戏”的极端困境。从定量的角度讲，GIS建模又必须深刻理解诸如对象、场、网络等概念模型，并学习使用距离、邻接关系、邻域范围和相互作用去度量空间及其地理事物；与此同时，还必须注意尺度效应、边界效应、生态谬误和可变面元等问题对定量分析结果带来的影响。

本讲内容将从这几个方面的问题展开介绍。最后，还从自然科学和人文社会科学对空间认识的差异性展开讨论。具体内容大纲如图3所示。

图3 第二讲 应用与研究中的地理空间思维

第三讲：空间数据的制图与可视化之道

地图堪称地理学的传统语言，GIS则被视为地理学的现代语言。但在GIS结果的展示上，地图仍然是最为重要和主流的展现形式。遗憾的是，作为专业人员，我们善于看地图、喜欢做地图。但却总是且普遍存在错误地制图、错误地读图现象。的确，专题地图并不像阅读大众地图那么简单，毫不客气地说，业内从业人员有相当一部分人错误地使用分析参数、错误地制作地图并错误地解读专题地图。当然，这些问题显然产生于整个分析制图过程的各个环节。

本讲内容从空间数据可视化的重要性、可视化方法汇总、可视化的常用工具及其制图技巧等方面展开，由其注重各个环节可能存在的问题的介绍。具体内容如图4所示。

图4 第三讲 空间数据的制图与可视化制图之道

第四讲：你真的懂空间分析吗？

空间分析是整个地理信息系统的灵魂所在。很多时候，我们最终的制图结果或者其他形式的可视化结果，都是由空间分析所得到的。不仅要重视前期的数据处理，后期的可视化表达效果。前者影响数据的准确性和正确性，后者则影响结果的展示效果。更重要的是对空间分析模型的准确理解和科学使用。很多人将GIS理解为数据在模型中的输入和结果的输出，其实乃为工具，这正是认识到了GIS技术的部分，而忽略了其强调地理性的科学部分。在使用各类模型前，唯有能够深入理解模型，在参数配置过程中，也唯有结合具体分析目标和各个参数的含义，了解数据特征并进行适当的探索性数据分析，才能分析得到合理的结果。

本讲将从这些方面入手展开讨论。最后通过两个实例具体引出如何去正确理解空间分析模型并科学地使用空间分析模型。具体内容大纲如图5所示。

图5 第四讲 你真的懂空间分析吗？

第五讲：理解至上——热力图与热点分析

大数据的兴起，也使二维热力地图的应用和推崇走向一个前所未有的高度。有人说，传统GIS已死，GIS应快速融入互联网大潮。显然这种观点将GIS仅仅视为System和Service，却丢掉了中间的Science。

也有人说现在的互联网地图会逐步代替传统GIS。实际上，仅从现有的互联网地图来看，现在玩的很多东西，都是传统GIS的基本功能。比如热力图，而其优势更在于数据的生产、输出和在存储、传输和处理技术上的优势，而这些优势不是互联网地图的发明，而是整个计算机技术的进步。诸如热点分析等高级空间分析，或者更高级的分析，预测未来五年才会逐步被使用，也逐步会像热力图那样被大众熟悉并理解。

本讲从科学地视角介绍了热力图和热点分析的区别，各自的分析模型、可视化方式和应用场景。可以说，在空间事物的特征表达、格局分析中，此两种方法是最为常用的。

此外，基于核密度的热力图架起了GIS对象模型和场模型的桥梁，将离散、密集、大体量的点、线要素，转换为表达其空间密度特征和数量属性特征的场模型，更便于人们认识其空间特征；而热点分析则是对地理学第一定律的基本测度和实现方式。如果说热力图是一阶分析，则热点分析属于二阶分析。前者强调空间位置及其属性的稳定性特征；后者则关注空间位置关系的结构稳定性模式。两者的理论、方法、实现及其应用场景是本讲的核心议题。具体内容大纲如图6所示。

图6 第五讲 理解至上——热力图与热点分析

第六讲：空间关系建模——以地理加权回归为例

空间数据与分析有几个重要的层面。分别是描述基本特征的空间结构与形态、发现潜在规律的空间格局与模式、探索形成机制的空间关系建模。而诸如空间关系建模等属于成因或机理性的分析层面，属于高级分析的内容。如果说前者是为了回答“是什么”和“在哪里”的问题，后者则可以回答“为什么”的一系列问题。

地理加权回归是空间关系建模中最为广泛使用的模型，但在使用过程中，大多数使用者忽略了其前提条件、探索性分析过程及其整体、局部参数的评估与假设检验问题，仅仅对输出的结果进行显著性检验。导致使用并不科学甚至错误。这里所说空间问题中空间关系分析，主要指不同主题对象之间的空间关系的分析，而非内部空间关系的分析。内部空间关系通常作为建模时需要考虑的特性而参与到模型中。此外，还有一些表征空间异质性并不考虑空间自相关的建模方法，如地理探测器等。由于内容较多，本讲只对地理加权回归通过实例说明。具体内容大纲如图7所示。

图7 第六讲 空间关系建模——以地理加权回归为例

第七讲：维度与尺度——以新兴时空分析为例

空间和时间是地理学中的两个基本维度，也是时空数据区别于其它传统数据最为主要的特点。因此，理解和把握数据的空间特征和时间特征，对于时空数据建模与分析具有重要意义。地理学中的“时空”不同于其它学科中的时空，但同时又基于物理学、哲学和几何学等学科中的时空观和时空建模准则，只有了解其它学科中的“时空”观及其“时空”建模准则，才能深刻理解地理学中的“时空”问题建模与可视化。在地理学中，“时空”既可以是“物理”的时空观，也可以是“心理”的时空观，而“物理”的时空观更趋向于采用GIS等技术进行定量化建模。

在定量地理学中，我们既要顾及以抽象模拟现实世界为目标，又要以数学几何形式表达地理物象为途径，就必须继承物理学中能真实反映现实世界的”时空“观点，又要采用数学中可方便表达”空间“维度的优势。从而构建可行的地理时空模型。

近年来，时空大数据的出现，“时空”受到极大关注。但相比“空间”而言，时空模型发展还很滞后，无论分析模型还是可视化表达方法，都还存在诸多局限。本讲内容将介绍诸如传统的时间地理学、新兴的时空立方体等分析模型。并了解从一维到二维再到三维的升维过程和思路。对于处理、分析、建模和可视化时空数据都具有启示作用。具体内容大纲如图8所示。

图8 第七讲 维度与尺度——以新兴时空分析为例

第八讲：传统分析还是机器学习

正是机器学习尤其是其中的深度学习的出现和发展，推动了AI技术的发展并成为当下的主流技术。但正如前文所说的，目前还处于弱人工智能时代，对于应用层面还存在诸多局限性。回顾过去，空间分析经历了从传统空间分析到高级空间分析再到智能化空间分析的发展，经典的模型已经广泛应用于人们生活的方方面面；各类高级空间分析模型已经逐步走出实验室和专业化分析，融入到了空间知识的生产当中；尽管目前局限性较大，但智能化的空间分析，成为了当下最为期待、最为热门的研究和探索式应用的主流。

本讲从传统分析方法、高级空间分析方法到机器学习乃至深度学习方法层面，通过实例介绍其发展和各自的特点及其对GIS的影响。具体内容大纲如图9所示。

图9 第八讲 传统分析还是机器学习？

部分课件预览

END.

| 往期精选 |

| 其他合作 |

商业合作、广告、投稿等，请联系客服小派派微信号 xiaopaipai_udparty，加好友必须备注：合作+机构名称