地理科学 ›› 2017, Vol. 37 ›› Issue (9): 1310-1317.doi: 10.13249/j.cnki.sgs.2017.09.003
所属专题: 地理大数据
收稿日期:
2016-11-14
修回日期:
2017-03-04
出版日期:
2017-11-20
发布日期:
2017-11-20
作者简介:
作者简介:廖伟华(1975-),男,湖南耒阳人,副教授,硕士,主要研究方向为GIS、经济地理学、城市计算。E-mail:
基金资助:
Received:
2016-11-14
Revised:
2017-03-04
Online:
2017-11-20
Published:
2017-11-20
Supported by:
摘要:
信息技术与电商平台的发展,产生了各种各样的大数据。在城市服务业中,商家在电商平台上注册自己带有坐标的信息,构成了空间服务业的空间大数据源。首先建立限定距离阈值的空间关联规则数据模型,介绍该模型产生频繁项集和关联规则的方法与步骤。最后利用Python爬取糯米网南宁站的商家信息,用Apriori算法做出了10~1 000 m 6种距离阈值的空间关联规则和服务业空间频繁项集。
中图分类号:
廖伟华, 聂鑫. 基于大数据的城市服务业空间关联分析[J]. 地理科学, 2017, 37(9): 1310-1317.
Weihua Liao, Xin Nie. Spatial Association Analysis for Urban Service Based on Big Data[J]. SCIENTIA GEOGRAPHICA SINICA, 2017, 37(9): 1310-1317.
表2
按支持度排前5的规则"
距离(m) | 规则 | 支持度 | 置信度 | 提升度 |
---|---|---|---|---|
10 | {经济型酒店} => {酒店} | 0.1082 | 1.0000 | 7.1012 |
{酒店} => {经济型酒店} | 0.1082 | 0.7681 | 7.1012 | |
{川菜} => {全部中餐} | 0.0445 | 0.8738 | 8.5759 | |
{个性写真} => {丽人} | 0.0429 | 0.6963 | 3.5576 | |
{婚纱摄影} => {个性写真} | 0.0389 | 0.7852 | 12.7380 | |
50 | {甜点饮品} => {小吃快餐} | 0.2773 | 0.7772 | 1.4086 |
{其他美食} => {小吃快餐} | 0.2301 | 0.7989 | 1.4478 | |
{蛋糕} => {小吃快餐} | 0.2293 | 0.7140 | 1.2940 | |
{经济型酒店} => {酒店} | 0.1964 | 1.0000 | 3.9118 | |
{酒店} => {经济型酒店} | 0.1964 | 0.7684 | 3.9118 | |
100 | {甜点饮品} => {小吃快餐} | 0.4696 | 0.9012 | 1.2409 |
{丽人} => {小吃快餐} | 0.4450 | 0.8284 | 1.1406 | |
{蛋糕} => {小吃快餐} | 0.4086 | 0.8631 | 1.1883 | |
{其他美食} => {小吃快餐} | 0.4013 | 0.9001 | 1.2393 | |
{蛋糕} => {甜点饮品} | 0.3500 | 0.7392 | 1.4186 | |
500 | {甜点饮品} => {小吃快餐} | 0.9016 | 0.9944 | 1.0096 |
{小吃快餐} => {甜点饮品} | 0.9016 | 0.9154 | 1.0096 | |
{蛋糕} => {小吃快餐} | 0.8982 | 0.9932 | 1.0084 | |
{小吃快餐} => {蛋糕} | 0.8982 | 0.9119 | 1.0084 | |
{丽人} => {小吃快餐} | 0.8897 | 0.9950 | 1.01024 | |
1000 | {蛋糕} => {小吃快餐} | 0.9928 | 1.0000 | 1.0004 |
{小吃快餐} => {蛋糕} | 0.9928 | 0.9932 | 1.0004 | |
{甜点饮品} => {小吃快餐} | 0.9924 | 1.0000 | 1.0004 | |
{小吃快餐} => {甜点饮品} | 0.9924 | 0.9928 | 1.0004 | |
{甜点饮品} => {蛋糕} | 0.9906 | 0.9982 | 1.0054 |
[10] |
Zheng Y, Zhang L, Ma Z et al. Recommending friends and locations based on individual location history[J]. ACM Transactions on the Web, 2011, 5(1):1-5.
doi: 10.1145/1921591.1921596 |
[11] | 甄峰,余洋,汪侠,等. 城市汽车服务业空间集聚特征研究:以南京市为例[J].地理科学, 2012, 32(10):1200-1208. |
[Zhen Feng,Yu Yang,Wang Xia et al.The Spatial Agglomeration Characteristics of Automotive Service Industry: A Case Study of Nanjing. Scientia Geographica Sinica, 2012, 32(10):1200-1208.] | |
[12] |
Agrawal R.Mining association rules between sets of items in large databases[J]. Acm Sigmod Record,1993,22(2):207-216.
doi: 10.1145/170035.170072 |
[13] | 高源, 韩增林, 杨俊,等. 中国海洋产业空间集聚及其协调发展研究[J]. 地理科学, 2015, 35(8):946-951. |
[Gao Yuan, Han Zenglin,Yang Jun et al.Spatial Agglomeration of Marine Industries and Region Coordinated Development in China. Scientia Geographica Sinica,2015,35(8):946-951.] | |
[14] |
Adomavicius G,Tuzhilin A.Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions[J]. IEEE Transactions on Knowledge & Data Engineering, 2005, 17(6):734-749.
doi: 10.1109/TKDE.2005.99 |
[15] |
Linden G,Smith B,York J.Amazon.com Recommendations: Item-to-Item Collaborative Filtering[J]. IEEE Internet Computing, 2003, 7(1):76-80.
doi: 10.1109/MIC.2003.1167344 |
[16] |
Khorsand A,Haddad M,Sochor H et al. Introduction to arules —A computational environment for mining association rules and frequent item sets[J]. Journal of Statistical Software, 2010, 14(15):1-25.
doi: 10.1016/j.jspi.2004.04.017 |
[17] |
Hahsler M,Chelluboina S,Hornik K et al.The arules R-Package Ecosystem: Analyzing Interesting Patterns from Large Transaction Data Sets[J]. Journal of Machine Learning Research, 2011, 12(12):2021-2025.
doi: 10.1093/imamci/dnr006 |
[1] | 薛东前, 石宁, 公晓晓. 西安市生产者服务业空间布局特征与集聚模式研究[J]. 地理科学, 2011, 31(10):1195-1201. |
[Xue Dongqian, Shi Ning,Gong Xiaoxiao.Spatial Features and Agglomeration of Producer Services in Xi’an City, China.Scientia Geographica Sinica, 2011, 31(10):1195-1201.] | |
[2] | 王峰,余伟,李石君. 基于PMR 架构的兴趣点推荐研究[J].中国科学:信息科学,2015,45(11): 1503-1520. |
[Wang Feng,Yu Wei,Li Shijun.Study of POI-s recommendation based on a PMR framework. Scientia Sinica(Informationis),2015,45(11): 1503-1520.] | |
[3] | 李佳洺, 孙铁山, 张文忠. 中国生产性服务业空间集聚特征与模式研究——基于地级市的实证分析[J]. 地理科学, 2014, 34(4):385-393. |
[Li Jiaming, Sun Tieshan, Zhang Wenzhong.Spatial Cluster Characteristics and Modes of Producer Services in China. Scientia Geographica Sinica, 2014, 34(4):385-393.] | |
[4] |
Zheng Y.Methodologies for Cross-Domain Data Fusion: An Overview[J]. IEEE Transactions on Big Data,2015,1(1):16-34.
doi: 10.1109/TBDATA.2015.2465959 |
[5] | Zheng Y, Capra L,Wolfson O et al.Urban computing:Concepts,methodologies,and applications[J]. ACM Trans. Intell.Syst. Technol.,2014,5(3):38-55. |
[6] |
Zheng Y.Trajectory data mining: An overview[J]. ACM Trans.Intell. Syst. Technol.,2015,6(3): 1-29.
doi: 10.1145/2743025 |
[7] |
Zheng Y,Xie X.Learning travel recommendations from user-generated GPS traces[J]. ACM Trans. Intell. Syst. Technol.,2011,2(1):2-19.
doi: 10.1145/1889681.1889683 |
[8] |
Nicholas J Y, Zheng Y, Xie X et al.Discovering Urban Functional Zones Using Latent Activity Trajectories[J]. IEEE Transactions on Knowledge and Data Engineering,2016,27(3):712-725.
doi: 10.1109/TKDE.2014.2345405 |
[9] |
Xiao X Y, Zheng Y,Luo Q et al. Inferring social ties between users with human location history[J]. J Ambient Intell Human Comput,2014,5(1):3-19.
doi: 10.1007/s12652-012-0117-z |
[18] |
Lüscher P,Weibel R.Exploiting empirical knowledge for automatic delineation of city centres from large-scale topographic databases[J]. Computers Environment & Urban Systems, 2013, 37(1):1733-1738.
doi: 10.1016/j.compenvurbsys.2012.07.001 |
[1] | 高鹏, 何丹, 宁越敏, 张凡. 长江中游城市群社团结构演化及其邻近机制 ——基于生产性服务企业网络分析[J]. 地理科学, 2019, 39(4): 578-586. |
[2] | 薛冰, 肖骁, 李京忠, 谢潇, 逯承鹏, 任婉侠. 基于POI大数据的沈阳市住宅与零售业空间关联分析[J]. 地理科学, 2019, 39(3): 442-449. |
[3] | 王聪, 曹有挥. 生产性服务业视角下城市网络的演化模式与机制研究——以长江三角洲为例[J]. 地理科学, 2019, 39(2): 285-293. |
[4] | 张国俊, 邓鸿鹄. 珠江三角洲地区服务业与城镇化协调关系的时空演变[J]. 地理科学, 2018, 38(7): 1118-1128. |
[5] | 罗桑扎西, 甄峰, 尹秋怡. 城市公共自行车使用与建成环境的关系研究——以南京市桥北片区为例[J]. 地理科学, 2018, 38(3): 332-341. |
[6] | 宋昌耀, 罗心然, 席强敏, 李国平. 超大城市生产性服务业空间分工及其效应分析——以北京为例[J]. 地理科学, 2018, 38(12): 2040-2048. |
[7] | 张晓瑞, 华茜, 程志刚. 基于空间句法和LBS大数据的合肥市人口分布空间格局研究[J]. 地理科学, 2018, 38(11): 1809-1816. |
[8] | 王波, 甄峰. 城市实体特征对城市网络空间影响力的作用机制——基于互联网新闻媒体的分析[J]. 地理科学, 2017, 37(8): 1127-1134. |
[9] | 秦萧, 甄峰. 大数据与小数据结合:信息时代城市研究方法探讨[J]. 地理科学, 2017, 37(3): 321-330. |
[10] | 李欣, 孟德友. 基于路网相关性的分布式增量交通流大数据预测方法[J]. 地理科学, 2017, 37(2): 209-216. |
[11] | 车冰清, 朱传耿, 李敏. 江苏省银行网点分布格局及其影响因素研究[J]. 地理科学, 2017, 37(12): 1867-1874. |
[12] | 刘勍, 毛克彪, 马莹, 谭雪兰, 韩家琪, 黎玲萍, 夏浪. 基于农业大数据可视化方法的中国生猪空间流通模式[J]. 地理科学, 2017, 37(1): 118-124. |
[13] | 单卫东, 胡月明, 贺灿飞, 曹小曙, 黄贤金, 童昕, 吴常艳. 土地规划的自然过程基础与大数据时代的方法探索[J]. 地理科学, 2016, 36(12): 1912-1919. |
[14] | 席强敏, 陈曦, 李国平. 中国生产性服务业市场潜能与空间分布——基于面板工具模型的实证研究[J]. 地理科学, 2016, 36(1): 1-9. |
[15] | 李君轶, 唐佳, 冯娜. 基于社会感知计算的游客时空行为研究[J]. 地理科学, 2015, 35(7): 814-821. |
|