【数读城事&DT数据侠】基于多源数据的城市群识别，用大数据剖析吃货福地

昨天

主页菌应邀参加DT数据侠举办的

线上沙龙活动

主页菌以餐饮行业为例

通过多源数据解析了城市餐饮的丰富度

点击 “阅读原文”

可以听昨天的回放哦

以下是文字版的回顾内容

大城市的人们都在吃什么？

首先我原来的主题是 多源数据识别城市群 ，因为个人原因，没有做的很深入，因此后面加了一点生活化的东西

▲2010年全国的公里格网的GDP分布

从图中可以看出，我们现在熟悉的 京津冀长三角和珠三角 很明显区域发展高于其他地区，从左面的人造地表覆盖数据来看，这几个地区的城市建成区有绵延连接的趋势。

▲人口的公里格网分布

所以我就找了更多的数据，进行叠加分析

▲ POI点数据图

首先是poi 的点数据，每一个点代表了一个设施要素，包括了医疗餐饮商业学校等，全国的话就是黑压压的一片，所以后期还需要处理，poi点的数据应该有很多案例了，这里就不仔细说了。

还有铁路公路之类的数据，原来的计划是计算全国公路网密度，不过，笔记本不太给力，计算量有点大，所以最后没有把这个要素放进去叠加。

▲ POI密度数据图

计算设施，也就是poi的密度，主要是用了arcgis里面的 核密度分析工具 ，其实说实话，不同的设施点权重应该是不一样的，放在同一个图层上计算肯定是不对的，我就偷了个懒，把他们当作一样的权重算了。

▲全国灯光数据图

灯光强度的数据可以在NASA的官网上下到，这个数据反映了人类夜间活动的强度，在某个程度上也可以作为反映经济活力的指标。

▲人造地表覆盖数据图

人造地表覆盖数据有几个获取渠道，最好的渠道呢就是通过 遥感影像 来识别，通过监督分类或者非监督分类都可以得到土地使用图版，不过要在全国尺度做的话，还是要费点事的，此外，也有不少网站有提供，一般百度一下就可以了。

我这里是把人造地表覆盖的数据矢量化了，然后计算了单位国土面积内建设面积用地的比例。

对于各类要素数据的处理，一般就是对他们的数值进行分级，对于这个分级，我一直觉得很难体现科学性，所以后期也思考了用 回归分析 的方法得到要素权重而不是分级来计算，不过这里就不仔细说了，因为本次分析主页菌也是采用了传统的分级方法。

▲最终叠加结果图

我们可以对照下十三五规划中“三横两纵”的城市化战略格局，不同的城市群发展规模还是存在很大的差距的，具体的政策上的事主页菌也不准备多说了，本来到这里结束，好像篇幅太少了，所以我通过航线联系的数据，大概看了下不同城市之间的联系情况。

所以，哪几个城市群之间的联系最为紧密？

通过航线的联系，可以看到 京津冀、长三角、珠三角、成渝 这几个城镇化地区联系最为紧密，从2016年机场客运吞吐量的统计来看，这几个地区的中心城市北京上海广州深圳重庆成都也都是排名靠前的。

我选择了这几个地区比较大的城市对他们的地铁站附近的餐饮分布做了一个简单的描述分析

地铁线路和地铁站点的数据算是比较好获得的，当然这个还是16年的数据，多少和现在有点不一样，先不管了。这几个城市中，杭州的轨道交通貌似看上去就比较落后于其它城市，具体原因呢我也不太清楚

我这里呢，将地铁站1000米半径的范围作为分析的区域，为什么选1000呢，说实话就是拍脑袋想的，不是有个概念是最后一公里么，这个概念的基础是人的步行疲劳阈值是800米，所以其实我应该用800米，算了不管了。

用地铁1000米的范围去裁剪整个地区的餐饮poi，就得到范围内的餐饮点，因为从总量上来看呢，城市越大肯定餐饮服务越多，但这也不意味着同样数量的餐饮可以服务更多人，所以需要用数量除以面积得到密度，但是城市边界很难确定，于是干脆用地铁站1000米半径作为一个范围计算。

左边的图就是总量的分布，北京是看上去有很多餐饮店，但是从密度上来说，广州深圳就多很多了，从右边的图的排名来看呢，本来也没期望得到这个结果，可能也是样本太少的原因，但是却很有趣。

同一个城市群的城市排在一起，要不怎么说 广东 是吃货的大本营呢，还有成都重庆也是名声在外的，相比起来，北方的大城市就逊色很多了。

接下来其实就是一个对不同城市的不同餐饮类型描述了一下，因为我本人没有重新分类，问题还是挺多的。

比较了不同城市，最后比较下车站范围内的餐饮数量吧，也不知道是不是符合实际的印象

最后就是每个城市单独排了个名，这就没啥好讲了，而且我本人觉得好像有问题啊，北京为啥是东大桥站呢，我咋不知道这附近有啥吃的。

如果看不清我就说一下，每个城市周边餐饮数量最多的地铁站：

上海是人民广场。杭州是高沙路，北京说过了是东大桥，天津是营口道，成都是春熙路，重庆是观音桥，广州，额对了，因为广州和佛山同城化，所以这里放在一起，是哪来着，广州市黄埔大道，深圳是湖贝地铁站。