一种兴趣点POI同位模式的可视化挖掘方法技术

本发明专利技术公开了一种兴趣点POI同位模式的可视化挖掘方法，包括以下步骤：S1、对城市中的各个类别的兴趣点，采用核密度估计方法计算各个单类兴趣点的核密度；进而选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现这两类兴趣点空间分布情况的可视化；S2、基于色光加色混合原理对选取择的两种类别兴趣点的可视化结果进行色彩混合，得到同位规则图谱，同位规则图谱中的混合后的黄色所占比例越高，表示两种类别的兴趣点之间的同位模式越强。本发明专利技术可顾及空间异质性，探索局部同位模式，属于形象思维范畴，具有直观、形象和易感受等特点。

A visual mining method for POI collocated pattern of interest points

The invention discloses a visual point of interest POI co location pattern mining method, which comprises the following steps: S1, little interest in each category in the city, every single class of interest points in kernel density estimation method is used to calculate the kernel density; and the arbitrary choice of two categories of points of interest, according to the size of the nuclear density numerical method the design of grading points of interest in the spatial distribution of color rendering, two points of interest respectively by the red and green color, to achieve these two types of visualization of spatial distribution of interest points; S2, nitikaset mixed principle of visualization of the two categories of interest points select the color mixture based on get the co location rules of mixed - Rules of the yellow, the higher the proportion of students model between two categories of points of interest is strong. The invention can take into account the spatial heterogeneity and explore the local apposition mode, which belongs to the category of image thinking, and has the characteristics of direct viewing, image and easy feeling.

【技术实现步骤摘要】
一种兴趣点POI同位模式的可视化挖掘方法
本专利技术涉及空间数据挖掘领域，尤其涉及一种兴趣点POI同位模式的可视化挖掘方法。
技术介绍
城市中的兴趣点POI涵盖了城市中的各类工程型与社会性服务设施，蕴含了丰富的人文经济及自然信息。这些设施之间可能存在一定的关联。挖掘设施之间的空间关联规则可为商业选址、基础设置布局、城市发展规划等提供决策支持(Ruietal.2016)。其中，空间同位模式的挖掘是空间关联规则挖掘的主要内容，空间同位模式是指一组不同类型的地理实体频繁地分布在各自的邻域范围内。空间同位模式的挖掘主要采用两类方法(Huangetal.,2004)：空间统计方法和数据挖掘方法。空间统计方法使用空间相关性指标描述不同类型空间要素的关系，包括交叉k函数(Cressie,2015)，平均最近邻距离，空间回归模型(Chou,2007)，同位系数(LeslieandKronenfeld,2011)以及改进的地理加权同位系数(CromleyandHanink,2014)。数据挖掘方法可分为基于聚类的叠置方法(Estivill-CastroandLee,2001)以及基于关联规则的方法(边馥苓与万幼,2009)。基于关联规则的方法主要通过将事务的概念泛化，选择同位模型定义事务，然后设计类似的Apriori算法以挖掘同位模式。由于空间异质性的存在，同一空间不同区域内可能存在特殊的局部同位模式，有少量文献对区域同位模式进行了探索，将空间同位模式挖掘方法应用于用户事先指定的空间区域集(Celiketal.,2007)，或使用k-mediods算法划分聚类的方式搜索区域同位模式(Eicketal.,2008)，或基于k最近邻图挖掘区域同位模式(Qianetal.,2014)。以上同位模式挖掘方法均是采用统计或是数据挖掘的方式，属于抽象思维的范畴，要求对复杂的数学公式、算法和相关参数等有深刻的理解。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的同位模式挖掘方法要求对复杂的数学公式、算法和相关参数等有深刻的理解的缺陷，提供一种兴趣点POI同位模式的可视化挖掘方法。本专利技术解决其技术问题所采用的技术方案是：本专利技术提供一种兴趣点POI同位模式的可视化挖掘方法，包括以下步骤：S1、对城市中的各个类别的兴趣点，采用核密度估计方法计算各个单类兴趣点的核密度，通过核密度表征单类兴趣点的空间分布情况；进而选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现兴趣点空间分布情况的可视化；S2、基于色光加色混合原理对两类兴趣点空间分布情况可视化结果进行色彩混合，得到同位规则图谱，同位规则图谱中的混合后的黄色所占比例越高，表示两种类别的兴趣点之间的同位模式越强。进一步地，本专利技术的步骤S1的具体方法为：S11、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，计算单类兴趣点对应的各个栅格空间的核密度；S12、选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点对应的栅格空间进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现兴趣点的空间分布情况的可视化。进一步地，本专利技术的步骤S11的具体方法为：S111、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，得到栅格单元集，设栅格单元为Li，其中i＝1,2,…n,n为空间所包含的栅格单元个数；S112、计算每个栅格单元的核密度，核密度的计算公式为：其中，k函数表示权重函数，k函数如下：f(s)是栅格单元位置s处的核密度计算函数，h为距离衰减阈值，n为与位置s的距离小于或等于h的要素点数。进一步地，本专利技术的步骤S12的具体方法为：S121、选择任意两种类别的兴趣点，采用自然间断点分级法对每类兴趣点所对应栅格单元的不为0的核密度值进行分级，级别越高，核密度值越大；S122、用色级对每类兴趣点所对应的栅格单元进行可视化，采用RGB颜色空间表示颜色，第一类兴趣点采用红色色级表示，其RGB颜色空间中R值不为0，G值和B值为0；第二类类兴趣点采用绿色色级表示，其RGB颜色空间中G值不为0，R值和B值为0，栅格单元的核密度值级别越高，其颜色能量越大、越明亮。进一步地，本专利技术的步骤S2中进行色彩混合的具体方法为：设第一类兴趣点的栅格单元颜色值为C_Ai，其RGB颜色空间中R值不为0，G值和B值为0，第二类兴趣点的栅格单元颜色值为C_Bi，其RGB颜色空间中G值不为0，R值和B值为0，基于色光加色混合原理，进行栅格单元的颜色混合，栅格单元颜色混合公式为：f(A，B)＝C_Ai(R，0，0)+C_Bi(0，G，0)＝C_A&Bi(R，G，0)完成颜色混合后获得同位规则图谱，同位规则“图谱”中黄光所占比例越大表明同位模式越强。本专利技术产生的有益效果是：本专利技术的兴趣点POI同位模式的可视化挖掘方法，可顾及空间异质性，探索局部同位模式，属于形象思维范畴，具有直观、形象和易感受等特点；通过本专利技术的方法进行同位模型数据挖掘时，不要求使用者对复杂的数学公式、算法和相关参数等有深刻的理解，可以直观的通过颜色变化得到同位模式数据挖掘的结果。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的POI同位模式可视化挖掘方法流程图；图2是本专利技术实施例的两类POI示意图；图3是本专利技术实施例的A类POI分布情况可视化；图4是本专利技术实施例的B类POI分布情况可视化；图5是本专利技术实施例的两类POI同位规则“图谱”。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术实施例的兴趣点POI同位模式的可视化挖掘方法，包括以下步骤：S1、对城市中的各个类别的兴趣点，采用核密度估计方法计算各个单类兴趣点的核密度，通过核密度表征单类兴趣点的空间分布情况；进而根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染，实现空间分布情况的可视化；S11、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，计算单类兴趣点对应的各个栅格空间的核密度；S111、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，得到栅格单元集，设栅格单元为Li，其中i＝1,2,…n,n为空间所包含的栅格单元个数；S112、计算每个栅格单元的核密度，核密度的计算公式为：其中，k函数表示权重函数，k函数如下：f(s)是栅格单元位置s处的核密度计算函数，h为距离衰减阈值，n为与位置s的距离小于或等于h的要素点数。S12、选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点对应的栅格空间进行色彩渲染，实现各个类别的兴趣点的空间分布情况的可视化。S121、选择任意两种类别的兴趣点，采用自然间断点分级法将每类兴趣点所对应栅格单元的不为0的核密度值分为5级，级别越高，核密度值越大；S122、用色级对每类兴趣点所对应的栅格单元进行可视化，采用RGB颜色空间表示颜色，其中第一类兴趣点采用红色色级表示(RGB颜色空间中R值不为0，G值和B值为0)，第二类兴趣点采用绿色色本文档来自技高网...

【技术保护点】
一种兴趣点POI同位模式的可视化挖掘方法，其特征在于，包括以下步骤：S1、对城市中的各个类别的兴趣点，采用核密度估计方法计算各个单类兴趣点的核密度，通过核密度表征单类兴趣点的空间分布情况；进而选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现兴趣点空间分布情况的可视化；S2、基于色光加色混合原理对两类兴趣点空间分布情况的可视化结果进行色彩混合，得到同位规则图谱，同位规则图谱中的混合后的黄色所占比例越高，表示两种类别的兴趣点之间的同位模式越强。

【技术特征摘要】
1.一种兴趣点POI同位模式的可视化挖掘方法，其特征在于，包括以下步骤：S1、对城市中的各个类别的兴趣点，采用核密度估计方法计算各个单类兴趣点的核密度，通过核密度表征单类兴趣点的空间分布情况；进而选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现兴趣点空间分布情况的可视化；S2、基于色光加色混合原理对两类兴趣点空间分布情况的可视化结果进行色彩混合，得到同位规则图谱，同位规则图谱中的混合后的黄色所占比例越高，表示两种类别的兴趣点之间的同位模式越强。2.根据权利要求1所述的兴趣点POI同位模式的可视化挖掘方法，其特征在于，步骤S1的具体方法为：S11、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，计算单类兴趣点对应的各个栅格空间的核密度；S12、选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点对应的栅格空间进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现兴趣点的空间分布情况的可视化。3.根据权利要求2所述的兴趣点POI同位模式的可视化挖掘方法，其特征在于，步骤S11的具体方法为：S111、将兴趣点所在的欧式空间划分为均匀网格，建立栅格空间，得到栅格单元集，设栅格单元为Li，其中i＝1,2,…n,n为空间所包含的栅格单元个数；S112、计算每个栅格单元的核密度，核密度的计算公式为：

【专利技术属性】
技术研发人员：艾廷华，周梦杰，邵世维，张翔，杨敏，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42