摘要:这篇文章描述了基于点模式分析的POI数据的数据挖掘与可视化方法。这些方法可以用到很多领域，特别是城市规划中。本文以2015年厦门市高德地图的兴趣点(Points of Interest)数据为例，采用点模式分析方法对POI数据的分析与可视化方法进行了探索，得出了四种交互地图：点数据交互图、点密度交互图、点聚类交互图、孤立点交互图。研究表明：(1)点数据交互图很好地进行了POI数据的可视化表达。(2)点密度交互图可以显示各类POI数据的热点活动分布。(3)点聚类交互图可以很好地反映POI数据的聚类分布特征(4)孤立点交互图揭示了数以万计的POI数据中的若干离群点。 关键词:点模式分析；兴趣点数据；数据挖掘；数据可视化；空间分析；点密度分析；点聚类；孤立点分析

三、结果分析

1 数据分类

根据国家标准《城市用地分类与规划建设用地标准》将2015年厦门市的高德地图POI数据分为七类，分类结果如图1所示。 X轴为原始POI数据类别，Y轴为根据《城市用地分类与规划建设用地标准》划分后的POI数据类别。填充值为布尔值1和0，用来判断X,Y轴的POI原始数据类别是否属于Y轴相应的数据类别。图例：1表示“属于”，0表示“不属于”。

图1：兴趣点数据的城市规划建设用地分类图

图1：兴趣点数据的城市规划建设用地分类图

2 散点图

厦门市POI数据的散点图如图2所示。在图2中，我们可以看出POI数据的大致分布趋势。然而，除此之外，我们很难再从散点图上获取其他信息。

图2：兴趣点数据散点图

图2：兴趣点数据散点图

3 点数据交互图

3.1 地图功能介绍

3.1.1放大缩小鼠标左键单击地图左上角的“+”号一次、鼠标左键双击图上任意位置或鼠标指针放于地图上滚轮“上滚”，则地图放大。鼠标左键单击地图左上角的“-”号一次或鼠标指针放于地图上滚轮“下滚”，则地图缩小。
3.1.2底图切换单击右上角的图层图标，可以切换底图（OSM，Grayscale,Hot…）
3.1.3图层选择单击右上角的图层图标，在小正方形内打对勾可以选择指定的POI数据图层。
3.1.4数据属性展示鼠标指针悬于地图上的任一一个“兴趣点”，则自动弹出该兴趣点的数据属性名称；鼠标左键单击地图上的任一一个“兴趣点”，展示数据属性名称。

3.2 POI数据概念定义（我个人定义的）

空间中心:在指定空间范围内某一类POI数据的坐标均值。空间中心的横坐标=该类POI数据横坐标之和/该类POI数据总个数，空间中心的纵坐标=该类POI数据纵坐标之和/该类POI数据总个数。应用见图3。 空间紧凑度:某空间范围内存在某类POI数据，则空间紧凑度计算公式：sqrt((POI数据横坐标离差平方和 + 横坐标离差平方和) /该类 POI数据总个数)。

3.3点数据交互图

通过交互地图进行POI数据的可视化，结果如图3所示。

图3 点数据交互图

4 点密度分析

将厦门市矢量地图转化为1677个样方的栅格数据，对每个样方分别进行各类POI数据个数计数，并经过数据处理得到各类POI数据的点密度结果图。如图4所示。

图4 点密度交互图

5 点聚类分析

通过编程算法，进行各类POI数据的点聚类分析，并得到点聚类交互图，如图５所示。

图5 点聚类交互图

6 孤立点分析

分析步骤： 1) 计算出各类POI数据中每类POI数据中每个数据点到其他所有点的距离。 2) 在第一步的基础上筛选出每个点最近的邻居，以及他们的距离di。 3) 在第二步的基础上，找出距离最大的10对点。并匹配他们的坐标与数据名称。 4) 用第三步所得数据孤立点交互图。结果如图6所示。其中，黑色点为孤立点，白色点为孤立点的邻居，两者之间连线为他们的距离。 5) 鼠标分别悬于黑色点、白色点及两者之间连线上，查看变化。

图6 孤立点交互图

一、引言

二、研究方法与研究步骤：