【GIS技术】多源数据及它们如何应用于规划

本文是两年前的15分钟技术交流的部分内容，时至今日，有些技术已经过时，有些技术的数据源已经不可再得，15分钟也包含不了太多内容，凑合看看吧。

水一水又是一篇文章啊~~~

夜光遥感数据目前运用的很广泛，主要用于识别夜间灯光的强度。基于灯光的强度，可以识别城市群边界、城市的历年扩张变化情况，以及评估地区的经济发展水平，之前美国有用过这个数据对全球国家经济发展情况进行跟踪评估。经常看到这个数据有两个主要用途（在规划实践中），一个是“展示”，放一张夜光图，然后画几个圈突出表示一下，大概类似于我左边的这张图，没有涉及到数据的具体分析运算；还有一个较为常用的是识别城市建成区的扩张情况，右边这张不起眼的小图就是我之前做的一个关于北京市城市扩张的图。

使用夜光遥感做的某个基于统计单元的发展分析，比较不同时期的变化，不多说==。

遥感影像这个东西，其实就是各种可见光不可见光的反射波段的组合。对于地面上的物体，硬质地面、农田、森林、江河湖泊的反射率都是不同的，同一个物体对不同波段的光反射率也是不同的，这就使得通过卫星识别监测地面上的物体成为可能。（瞎说的，大概是这个意思）

左上角这四张图，分别是不同波段的组合，分别用于真彩色、监测植被、监测水体和识别城市。对于规划来说，最常用的是识别建设用地扩张，在这个基础上，还可以做长时间序列的城市扩张研究、城市发展方向预测、城市群一体化发展评估等；另外很常用的是一些生态学的评估，植被覆盖计算、热岛效应评估、生态潜力发掘、生态敏感性分析、生态安全格局分析等。

以前用遥感解译识别了建地，结合Logistic模型水了一篇文，终于能毕业，都是泪==。

票务数据是我自己起的名字，是说像飞机票、火车票、汽车票这一类的数据，他有个特点，相对固定，与使用需求有关，最重要的是，存在起点和终点，这一类的数据对识别城市间的联系度有一定的价值。左边的两张图是通过航班信息来判断城市群之间的联系情况以及通过高铁和动车班次来判断城市群之间的联系情况。而右边的这张图，是之前利用山西省客车班次信息做的一个山西省内客运联系情况的分析。

腾讯迁徙，这个数据已经凉了，之前有一个没写完的系列专门说这个。今天不多说了。

宜出行的热力数据，真的不是很好用，也不好抓，可靠性低，偶尔用用，不知道现在还能用不，真的是，除了装逼也没啥用=。=

最爱用的数据之一。高德的实时交通数据应该是每个人平常生活中接触比较多的一个数据了，这个数据其实就是两个点，起点和终点，以及起点到终点所用的时间。当起点固定的情况下，有足够多的终点以及到这些终点所用的时间，那把时间相同的点连起来，就是所谓的“等时圈”或者说时空圈。对于多个城市为起点的情况，可以进一步评估城市一体化水平，比如中间这张图，当时做的是京津冀城市群的等时圈，年代比较久远，缺了两个城市；在城市尺度上，以各类设施点为起始点或者终点，可以评估各类设施的覆盖水平，比如医院、消防站等的覆盖范围，也可以进而发现一些服务盲区；此外，由于高德本身不止有汽车出行、还有步行、骑行、公交出行的选项，可以作为评估城市交通水平的指标，右面的图和表格来自于之前写的一篇文章，比较了所谓的“新一线”城市的小汽车出行1小时覆盖范围以及公交出行1小时覆盖范围，以及他们之间的比值作为公交发展水平的一个指标。（这篇文章已经删了哈哈哈哈哈）

OSM是一个网上地图协作计划，是一个可下载的数据，而且除了路网数据外还包括铁路、地铁的数据。其实他的最大价值在于作为分析的基础数据使用，对于一般性的大城市精度较高，但是中国大陆部分地区数据缺失严重，不过这种数据缺失的情况越来越少了。右边的图来自于之前某个新媒体邀请写的一篇关于各大城市地铁站周边餐饮水平和餐饮类型的文章。用的地铁的基础数据就来自于OSM。（当时那篇文章真的特别水，都不忍心再去看==）

哦对了，前几天写了一篇文章，关于如何在OSM上下载中国大陆地区的各类数据，一直有人还在问，可以参考下：

基于路网数据可以建立网络分析模型，计算可达性。嗯，算是我经常用的一个方法。现在比起用高德，我更爱用这个方法==可以自己在参数上做手脚的感觉真是棒。（哦我的意思是可以更方便的添加几条路来比较规划前规划后的区别什么的，才不是真的做手脚呢，哼！！！）

高德路况信息的灵感其实来自于高德每年、每季度都会发布的城市出行报告，他里面都会有各大城市的拥堵情况等图表。正好这个数据是可以抓取的，而且除了每段道路的拥堵、缓行、畅通三种状态外，还有每段道路的实时平均车速的数据。之前用深圳的数据，简单做了些图表，7-9点的平均车速处于低谷。这个数据我还没有深入挖掘（没错，直到现在我都没有继续深入用过这个数据），估摸着对于城市交通评估的项目有一些价值。

很多人用，但是里面水很深。POI数据应用包括：城市各类设施分布的基础数据获取，城市中心识别、产业集聚类型识别、城市形态分析等等（但是可靠性都不怎么样，哦可能是我算法太简单）；但是POI数据应用最大的问题之一在于孤立的点数据无更多可量化属性；点评数据相对于poi而言，增加了点评数量等信息，尤其在商业中心的识别上作为可参考的一个参数，可实现更为准确的识别。（但是谁能告诉我怎么简单的解决反爬和上限数量的问题啊~！！我真的想知道！！！）

结合空间句法，又水了一篇文章。没啥好说的，之后我会写空间句法简易教程的推文==不知道会不会有人看。

（省略部分内容）

那今天就到这里结束啦，顺便说一句，文中的图片未经许可不要随便“引用”（本来想加水印的，可是做完后觉得加水印太影响观感了，但是不要随便盗图啊！）

---

如果可以的话，希望能够转发分享，点个在看，给个赞赏~~也欢迎规范转载~

END>

如需全文转载文章、投稿或者合作

可添加微信

(回复超慢！！！)

（不要添加我问各种问题，我大概率不会的==）

使用关键词搜索历史文章请点击【阅读原文】