基于位置签到及POI数据的城市热点区域时空特征研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 第二章 研究区概况和数据获取及处理 | 第14-32页 |
| 2.1 研究区概况 | 第14-15页 |
| 2.1.1 自然地理概况 | 第14页 |
| 2.1.2 社会经济概况 | 第14-15页 |
| 2.1.3 济南市签到用户现状 | 第15页 |
| 2.2 研究数据采集 | 第15-20页 |
| 2.2.1 基于微博API的数据获取 | 第15-17页 |
| 2.2.2 基于Scrapy框架的数据获取 | 第17-20页 |
| 2.3 研究数据解析 | 第20-29页 |
| 2.3.1 研究数据分析 | 第20-22页 |
| 2.3.2 地理位置获取 | 第22-24页 |
| 2.3.3 研究数据处理 | 第24-29页 |
| 2.4 相关概念 | 第29-31页 |
| 2.4.1 Python语言 | 第29页 |
| 2.4.2 地理信息系统 | 第29-30页 |
| 2.4.3 聚类分析 | 第30页 |
| 2.4.4 缓冲区分析 | 第30页 |
| 2.4.5 核密度分析 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于最短路径的DBSCAN聚类算法 | 第32-48页 |
| 3.1 聚类分析 | 第32-37页 |
| 3.1.1 聚类分析基本概念 | 第32页 |
| 3.1.2 相似性 | 第32-33页 |
| 3.1.3 距离 | 第33-35页 |
| 3.1.4 聚类方法分类 | 第35-37页 |
| 3.2 DBSCAN聚类算法 | 第37-40页 |
| 3.2.1 基本定义 | 第37-38页 |
| 3.2.2 主要思想 | 第38-39页 |
| 3.2.3 DBSCAN聚类算法 | 第39-40页 |
| 3.3 基于最短路径的DBSCAN聚类算法 | 第40-47页 |
| 3.3.1 网络数据集 | 第40-42页 |
| 3.3.2 网络分析类型—路径分析 | 第42-44页 |
| 3.3.3 ArcEngine中的路径分析 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 实验与分析 | 第48-60页 |
| 4.1 签到数据再处理 | 第48-50页 |
| 4.2 空间自相关性 | 第50-52页 |
| 4.2.1 概念 | 第50-51页 |
| 4.2.2 实验数据的空间自相关性 | 第51-52页 |
| 4.3 基于最短路径的DBSCAN算法实现 | 第52-57页 |
| 4.3.1 数据聚类分析 | 第52-53页 |
| 4.3.2 热点区域聚类分析 | 第53-57页 |
| 4.4 标准差椭圆分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 在读期间发表的论文 | 第65-66页 |
| 致谢 | 第66页 |
