开源地理空间智能项目中的本体思想 4-3：选址篇——选址的瓶颈不是空间分析，是数据接入

4-1 讲了查询4-2 讲了影像。本篇是案例集的最后一个案例选址。它听起来是分析研判拆完之后会变成什么选址拆成五步之后前三步是查询卡住的从来是数据接入就算数据全治理好剩下的还有什么挑战呢案例八选址哪里适合开一家社区超市问题在海口给一家连锁便利店选出三个候选铺位。选址site selection按多准则条件找一个合适位置和 4-2 案例七的寻址addressing给已有地点分配名称或编号是一对容易混淆的词一个找位置一个起名字。这个案例是构造的但每类数据都真实存在。跳这一跳问什么数据在哪第 1 跳需求哪些街区人口够密人口统计数据或 WorldPop 这类人口栅格第 2 跳竞争候选点半径一公里内已有几家超市便利店OSMshop 标签第 3 跳可达候选点离公交站、主干路多远OSM 路网第 4 跳硬约束用地性质允不允许商业城市规划与权属数据——多为文本和图纸不在任何空间数据库里第 5 跳成本租金多少、铺面在不在租中介与业主手里的业务数据不公开顺带一句这五个条件之间几乎没有依赖关系——先查人口还是先数竞品谁先谁后都行还能并行。这正是 4-2 说的跳表写的是依赖关系不是执行顺序的最典型例子。这个案例的教学点在对比前两跳的空间计算一点都不难——叠加分析是 GIS 六十年的老家务QGIS 用户点几下鼠标就出候选图。难点在于用地性质写在规划文本里租金长在中介的账本里。它们不是空间格式也不在公开端点上。选址的瓶颈不是空间分析是语义数据和业务数据的接入。笨办法咨询公司的人工调研——拉人口表、数竞品、扫街看铺一个片区几周。GIS 能替掉前三跳替不掉后两跳。图谱的角色把设施类型、用地性质、权属这些语义条件建成对象和关系和空间约束写进同一道查询人口这类栅格数据按网格折算成属性挂进去。注意输出形态是候选集加排序。准则是硬的法规一票否决还是软的便利可以权衡、各项权重多少这是拍板不是计算。露营选址是同一结构的另一个实例换成坡度地形栅格、距水源距离、保护区法规这套准则骨架不动。选址的普遍道理数据治理分析研判选址这个案例展示的普遍道理就是一个分析研判的工作分解到底层就是一串查询查询做不下去十有八九是数据准备没做到位。如果第一步数据查不出来就没有办法做分析。我们都知道数据很重要这句话。选址案例把这句话变得具体一个片区的人口密度、竞品分布、公交可达性查出来也还是第一步还不好查出来的用地性质、租金数据不到位分析没法进行。数据治理好之后还剩四层难但话说回来如果数据准备好了查询也做好了——也就是说数据是好的而且是治理好的立图纸、缝数据、管质量三件事都干完了——那么研判分析的瓶颈在哪里假设所有的数据都有了在这个基础之上难点至少还有四层。第一层准则与权重需要人决策。人口密度要多少算够密竞品几家算饱和法规一票否决之外剩下的软条件各占多少权重这些不由数据决定由业务判断决定。数据治理把能不能查解决了该按什么标准选仍然是人的活。第二层相关不等于因果。历史数据能告诉你现有的旺铺都开在什么地方但我的店开在这会不会旺是一个反事实预测。旺铺集中的地段本身租金就贵、竞品就多——你观察到的相关性里混着一堆共同原因。把旺铺的特征当成开在这就会旺的依据是选址分析里最经典的踩坑姿势。第三层预测模型带着假设和误差。估算客流有经典的空间相互作用模型可用比如 1963 年提出的 Huff 模型——按吸引力除以距离的衰减估算每个候选点能分到多少客流 [2]。但模型输出的每个数字都依赖假设吸引力怎么量化、距离衰减多快、参数从哪来。数据再全模型这层的不确定性也不会消失只会被量化出来。第四层空间统计的陷阱。分析单元换一套划分结论就可能漂移——人口按街道统计和按网格统计画出来的高密度区不完全一样这在地理学里叫可变面积单元问题MAUP。邻近单元的数据还互相牵连空间自相关按独立样本做的显著性判断会过于乐观。这些坑与数据质量无关数据再干净也躲不开属于分析方法层。四层难合起来看分工就清楚了数据治理解决能不能查这四层解决信不信、怎么权衡——后者才是分析研判本身。这也是为什么大模型加知识图谱被寄予厚望治理好的图谱把信息收集变成秒级人的判断力才有时间花在真正的难点上。【这里的四个维度应该还没有考虑全面比如关于大模型的 请大家评论区补充】选址是学术热点后续会选近两年论文深入分析选址在学术研究里也是一个持续的热门方向多准则决策、空间优化、机器学习选址近两年论文不断。我们后面会选取近两年的学术论文在这个方向做深入的分析另开专题介绍。本篇小结选址拆到底是查询查询的尽头是数据准备选址听起来是分析研判分解完了变成一串查询查询的瓶颈又落在数据准备上数据全准备好之后剩下的四层难——决策、因果、模型、统计——才是研判本身。八个案例到这里全部讲完。五个实测或论文案例4-1、两个影像构造案例4-2、一个选址构造案例本篇合起来出现了五种干活的方式。哪种做法适合哪种场景、RDF 是不是唯一选择、数据治理之后还剩哪些技术活——4-4 收尾篇集中回答。附录案例八口径构造案例未实际执行。OSM 商业 POI 与路网、WorldPop 人口栅格、规划与租金数据均为真实存在的数据类型。术语速查选址site selection按多准则条件找一个合适位置与寻址addressing给已有地点分配名称或编号相对。叠加分析overlay把多层空间数据叠在一起求交集/并集的空间分析方法1960 年代叠图法的数字化后代。Huff 模型1963 年提出的零售客流空间相互作用模型按吸引力除以距离衰减估算候选点的客流份额。可变面积单元问题MAUP统计结果随分析单元的划分方式变化而变化的现象。WorldPop公开的人口栅格数据集把人口统计折算成网格。https://www.worldpop.org/ 。参考文献与说明六十年这个说法值得把依据写明。1960 年代Roger Tomlinson 主持建造加拿大地理信息系统CGIS“地理信息系统这个词由此而来Ian McHarg 在 1969 年出版的《设计结合自然》Design with Nature里把透明胶片叠图法系统化——按坡度、土壤、植被逐层叠加找出适宜的建设用地——这正是今天 GIS 叠加分析的原型 [1]。从 1960 年代算到 2026 年这门手艺六十年上下。所以说选址六十年”意思是选址里空间叠加这一步是六十年的老家务不是新问题。[1] McHarg, I. L. Design with Nature. Natural History Press, 1969加拿大地理信息系统CGIS与 Roger Tomlinson 的 GIS 起源叙述为学科通识。[2] Huff, D. L. A Probabilistic Analysis of Shopping Center Trade Areas. Land Economics 39(1), 1963。[3] 本系列 4-0 概览、4-1 查询篇、4-2 影像篇、4-4 收尾篇。[4] WorldPop 人口栅格https://www.worldpop.org/ 。版权声明本文为CSDN博主「LadiesAndGentlemen」的原创文章遵循CC 4.0 BY-SA版权协议转载请附上原文出处链接及本声明。原文链接https://blog.csdn.net/qiupingzhao/article/details/163625924 开源 github