При изучении пространственных данных,Мы часто сталкиваемся с понятием пространственной неоднородности. суммируя,Пространственная неоднородность описывает неравномерное распределение определенного атрибута или процесса в пространстве. Чтобы понять и смоделировать эту неоднородность,Географически взвешенная регрессия (GWR) становится мощным инструментом. Но у GWR есть основное предположение: все моделируемые процессы действуют в одном и том же пространственном масштабе. Это не всегда соответствует действительности,поэтому,Многомасштабный GWR (MGWR) появился как того требует время,расслабьте это предположение。Pythonвmgwr
Библиотека предоставляет нам инструменты для реализации обоих методов.。
Город Гуанчжоу как экономика Южного Китаяикультурный центр,Недавно была статья про«Влияние искусственной среды на поездки на велосипедах по выходным»Статьи размещены наINTERNATIONAL JOURNAL OF SUSTAINABLE TRANSPORTATIONв журналах,Это исследование направлено на изучение влияния искусственной среды Гуанчжоу на совместные велосипедные поездки по выходным.,В целях городского планированияи Управление дорожным движением обеспечивает научную основу。
Исследователи этой статьи провели пространственный анализ на выходных, поделившись данными о поездках на велосипедах в Гуанчжоу. С помощью метода MGWR мы можем глубже понять влияние различных факторов искусственной среды на использование общих велосипедов и их пространственную неоднородность.
Исследование показало, что плотная дорожная сеть и достопримечательности в жилых районах сыграли положительную роль в увеличении совместного использования велосипедов в жилых районах. Возможно, это связано с тем, что густая дорожная сеть обеспечивает удобные условия доступа для велосипедов общего пользования, а достопримечательности в жилых районах привлекают большое количество людей и транспортных средств.
С точки зрения дизайна плотность дорог также оказывает положительное влияние на количество совместных поездок на велосипеде. Особенно в городских поселках и других местах жители более склонны выбирать велосипеды в качестве средства передвижения из-за удобства дорожной сети. Однако городские зеленые насаждения оказали негативное влияние на использование общих велосипедов в парках, что может быть связано с мерами контроля местных властей.
С точки зрения дизайна плотность дорог также оказывает положительное влияние на количество совместных поездок на велосипеде. Особенно в городских поселках и других местах жители более склонны выбирать велосипеды в качестве средства передвижения из-за удобства дорожной сети. Однако городские зеленые насаждения оказали негативное влияние на использование общих велосипедов в парках, что может быть связано с мерами контроля местных властей.
Исследователи полагают, что смешанные городские функции больше подходят для совместных поездок на велосипеде.
Потому что сочетание городских функций оказывает общее стимулирующее воздействие на использование общих велосипедов. Функциональные районы могут стимулировать энтузиазм в использовании общих велосипедов и придать городу жизненную силу. В то же время дизайн среды катания также имеет решающее значение. Такие факторы, как плотность дорог и озеленение на уровне глаз, оказывают прямое влияние на использование общих велосипедов. Следовательно, эти факторы следует полностью учитывать при городском планировании и проектировании транспорта, чтобы создать более безопасную, комфортную и удобную среду для езды.
Они выдвинули ряд политических рекомендаций. Во-первых, увеличить количество общих велосипедов в районах с высоким спросом, таких как городские поселки, чтобы удовлетворить потребности жителей в поездках. Во-вторых, учитывая, что доступность станций общественного транспорта в меньшей степени влияет на использование общих велосипедов в выходные дни, следует избегать чрезмерного размещения общих велосипедов в этих местах. Наконец, департаменты городского планирования и управления дорожным движением должны укреплять сотрудничество и связь с компаниями по совместному использованию велосипедов, чтобы совместно способствовать устойчивому развитию городских транспортных систем.
GWR — это метод локальной регрессии, который позволяет пространственно изменять такие параметры, как наклон и точка пересечения. Это означает, что для каждого местоположения в наборе данных GWR подбирает регрессионную модель, основанную на данных из этого местоположения и соседних с ним мест. Таким образом, GWR способен улавливать пространственную неоднородность.
В отличие от GWR, MGWR позволяет различным параметрам регрессии варьироваться в разных пространственных масштабах. Это дает нам более гибкую и реалистичную модель, поскольку разные процессы могут происходить в разных пространственных масштабах.
mgwr
Библиотека?mgwr
Библиотека是一个PythonСумка,Специально разработан для реализации многомасштабной географически взвешенной регрессии. Он предоставляет удобный API,предоставление возможности исследователями Аналитики данных могут легкоPythonПространственный анализ данных в окружающей среде。
mgwr
Библиотека的核心功能в использованииmgwr
До,Вам необходимо подготовить пространственные данные。Обычно это предполагает сбори Очистить данные,и преобразование его в формат, подходящий для пространственного анализа (например, GeoDataFrame).
Как и в приведенном выше случае, от плотности, разнообразия, дизайна, доступности пунктов назначения и близости к системам общественного транспорта. Добавлены такие переменные, как степень озеленения и открытость улиц, полученные на основе данных карты просмотра улиц.
использоватьmgwr
Библиотека,Вы можете легко поместитьсяGWRиMGWRМодель。这Сумка括选择适当的带宽(Определите близость каждого местоположения)ифункция ядра(Решите, как взвешивать соседей каждого местоположения.)。
Результаты примерки:
После примерки модели,mgwr
Предоставляются различные диагностические инструменты.,帮助您评估Модель的性能。这Сумка括残差图、AICиBICценитьждать。
Чтобы более интуитивно понять выходные данные модели,mgwr
Поддержка будет Визуализация Результаты представляют собой карту или диаграмму.
MGWR применяется во многих областях, включая науку об окружающей среде, городское планирование, здравоохранение и многое другое. Например, в науке об окружающей среде исследователи могут использовать MGWR для изучения пространственных взаимосвязей между различными концентрациями загрязняющих веществ и различными факторами окружающей среды (такими как температура, влажность, скорость ветра).
нужно знать большеMGWRИнформация о коде доступна:mgwr/notebooks/MGWR_Georgia_example.ipynb at master · pysal/mgwr · GitHub
mgwr
Библиотека为PythonПредоставляет пользователям мощный инструмент,для изученияи理解空间数据в复杂关系。путем объединенияGWRиMGWR,该Библиотека使我们能够更准确地建模и Учет пространственной неоднородности,отпродвигая науку во многих областяхиразвитие исследований。
mgwr
Библиотека提供了自动选择带宽的功能。mgwr
Библиотека进行预测吗?undefinedДа,После установки модели GWR или MGWR,您就可以использоватьmgwr
Библиотека进行空间预测。mgwr
Библиотека?undefinedрегрессионный анализи空间统计的基本理解将有助于您更有效地использоватьmgwr
Библиотека。mgwr
Библиотека与其他空间统计Библиотека相比нравиться何?undefinedmgwr
Библиотека专注于多尺度地理加权回归,而其他Библиотека(нравитьсяPySAL
)Возможность предоставления более широкого спектра инструментов пространственной статистики.。选择哪个Библиотека取决于您的具体需求。Статьи по теме: Обсуждение влияния искусственной среды на совместные велосипедные поездки на выходных_На примере Гуанчжоу