隨著現(xiàn)代社會(huì)的發(fā)展,城市中存在的各類建筑也日益增多,這些建筑可以統(tǒng)稱為城市興趣點(diǎn)POI(point of interest)。在這些種類繁多的城市興趣點(diǎn)分布中包含著眾多實(shí)用信息,如城市興趣點(diǎn)分布熱點(diǎn)區(qū)域信息,周邊興趣點(diǎn)分布組成信息等,如何從這些城市興趣點(diǎn)的分布中挖掘出上述信息對(duì)于城市規(guī)劃,店鋪選址等都具有重要意義。本文通過(guò)對(duì)興趣點(diǎn)位置分布進(jìn)行分析,采用空間密度聚類算法DBSCAN和空間索引編碼技術(shù)GeoHash,設(shè)計(jì)并實(shí)現(xiàn)了具有興趣點(diǎn)分布熱點(diǎn)挖掘及周邊興趣點(diǎn)組成分析功能的城市興趣點(diǎn)挖掘與可視化系統(tǒng)。本文的主要研究工作包括:(1)針對(duì)原始POI數(shù)據(jù)進(jìn)行了數(shù)據(jù)清洗與數(shù)據(jù)入庫(kù)。剔除了錯(cuò)誤數(shù)據(jù)與冗余數(shù)據(jù),對(duì)于部分缺失經(jīng)緯度信息的數(shù)據(jù)根據(jù)地址信息進(jìn)行了數(shù)據(jù)補(bǔ)充,統(tǒng)一了城市行政區(qū)域編碼規(guī)范,根據(jù)興趣點(diǎn)地址生成了所屬城市行政區(qū)域編碼,按照省份編碼對(duì)所有數(shù)據(jù)進(jìn)行分表入庫(kù)存儲(chǔ)。(2)提出了一種改進(jìn)的DBSCAN算法。針對(duì)DBSCAN算法采用全局參數(shù)Eps與MinPts,在非均勻密度分布數(shù)據(jù)集上聚類效果不佳的缺點(diǎn),提出一種新的距離度量方式-近鄰密度距離,作為算法中對(duì)象間距離判定方式,使算法能適應(yīng)非均勻密度...

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1Spring基礎(chǔ)框架

2.1系統(tǒng)相關(guān)技術(shù)2.1.1SpringBoot框架SpringBoot是由Pivotal團(tuán)隊(duì)基于Spring框架進(jìn)行開發(fā)并開源的Java開發(fā)框架，其主要設(shè)計(jì)目的主要是針對(duì)Java項(xiàng)目繁瑣的初始化配置與環(huán)境搭建進(jìn)行簡(jiǎn)化。SpringBoot中提倡開....

圖2.3基于空間密度算法的城市興趣點(diǎn)挖掘系統(tǒng)總體架構(gòu)圖

18圖2.3基于空間密度算法的城市興趣點(diǎn)挖掘系統(tǒng)總體架構(gòu)圖表現(xiàn)層主要將業(yè)務(wù)層所返回的結(jié)果以一種易于理解的方式呈現(xiàn)給用中將結(jié)合百度地圖，通過(guò)在地圖上進(jìn)行矩形繪制來(lái)展示發(fā)現(xiàn)的熱點(diǎn)區(qū)點(diǎn)擊交互的方式選取目標(biāo)區(qū)域并以直方圖與餅狀圖相結(jié)合的方式實(shí)現(xiàn)市興趣點(diǎn)組成成分的展示。.3.2功能結(jié)....

圖2.4城市興趣點(diǎn)挖掘系統(tǒng)功能結(jié)構(gòu)圖

19管理、角色管理、權(quán)限管的關(guān)系，使不同用戶具有理模塊是平臺(tái)正常運(yùn)行的集要包括興趣點(diǎn)信息錄入與存在冗余，錯(cuò)誤等情況，能進(jìn)入信息存儲(chǔ)單元，剔影響，城市興趣點(diǎn)信息存互要是興趣點(diǎn)信息的查詢與查詢方式以及矩形劃取查

圖2.5城市興趣點(diǎn)挖掘系統(tǒng)運(yùn)行流程圖

市興趣點(diǎn)信息管理模塊提供了用戶與興趣點(diǎn)基本屬性的交互方式，滿足系基本需求。（4）城市興趣點(diǎn)信息分析城市興趣點(diǎn)信息分析主要包括城市興趣點(diǎn)熱點(diǎn)區(qū)域發(fā)現(xiàn)以及周邊興趣成成分分析。其中興趣點(diǎn)熱點(diǎn)區(qū)域挖掘通過(guò)空間密度聚類算法DBSCAN實(shí)現(xiàn)邊興趣點(diǎn)組成成分通過(guò)空間索引技術(shù)GeoHash....

本文編號(hào)：3922465