[发明专利]一种一定区域范围的点数据空间聚集度测量方法

说明书

本发明公开了一种一定区域范围的点数据空间聚集度测量方法，属于空间计量地理技术领域。包括：针对待测量区域，将区域范围内的待测量人口或者设施数据转换为点数据的位置分布信息；根据点数据的位置分布信息，计算待测量区域范围内的所有点数据之间的实际距离之和；设定所有点数据在待测量区域范围内呈均匀分布的假定状态，计算假定状态下的所有点数据之间的距离之和；计算该区域范围内的人口或者设施数据的空间聚集度，并进行等级划分，空间聚集度数值越小，表示聚集程度越高。本发明的测量方法以空间距离为依据，更强调空间性，适用范围广，可解释性强，准确度高。

技术领域

本发明属于空间计量地理技术领域，具体涉及一种一定区域范围的点数据空间聚集度测量方法。

背景技术

城市地理学、经济地理学和城乡规划学中，判断一个地区(或城市、或城市某一区块)的人口、设施等的空间分布情况，解读其空间分布特征及存在问题，是正确制定地区与城市发展政策、规划措施的必要路径，其中准确把握其空间集聚性是其重要领域。在我国相关学科的著作(如《城市地理学》、《经济地理学》、《计量地理学基础》、《城市规划原理》)中，均对空间集聚研究的重要性进行了说明，国内外也有较多相关的研究成果。

鉴于空间聚集性的重要意义，对空间聚集度的测算成为该领域研究和实践的基础，并已经有若干种的测算方法被提出和得到应用，主要包括：城镇化率、罗伦次曲线、集中化指数、核密度分析、最邻近指数、邻点数测算法、空间自相关性测算法等。这些方法以不同视角对空间聚集度进行测算，为空间聚集特征的分析提供了一定的量化分析基础，但是也各自存在一定程度的不足与缺陷，例如：

(1)城镇化率：描述人口在一个地区或国家的人口集中于城镇地区的比重。该指数只应用于人口层面，无法应用到设施层面；基本忽视空间上的距离，即只依据人口集中地的人口比重，而不考虑不同人口聚居区相互间的距离；各地区(国家)对“城镇”“城镇人口”等概念存在较多差异，使得城镇化率的定义和测算有着较大的不可比较性。

(2)罗伦次曲线与集中化指数：前者为累积频率曲线，通过比较曲线的凹凸程度来判断某要素的聚集程度；后者则是通过计算该累积频率曲线与对角线所围面积来进行定量化。这两种方法以频率(或比重)为测算基础数据，基本忽视空间上的距离；实际应用中多以地区为单位，因此也受到地区划分方法的较大影响。

(3)核密度分析法：通过借助GIS，计算目标要素在其周围邻域中的密度，形成可视化图面。但其只能图面表达，无法定量化测算；受设定参数(搜索半径)的影响，图面结果有较大差异。

(4)最邻近指数：通过点与点之间的最邻近距离的平均值与假设随机分布状态下点与点的平均距离之比，来测定点的聚集程度。该方法只考虑了点与其最邻近点的距离情况，而忽视与其他点的位置关系，使得其计算结果容易出现较大误差。例如空间内所有的点，如果每两个点以同样一个最短间距d组成一组，无论这些组如何排列(只要组与组之间的距离大于d)，所有点的最邻距离均为d，因而最邻近指数成为一固定值，无法衡量出不同空间分布的差异性。

(5)邻点数测算法：通过计算指定距离内的邻点数，再除以随机分布状态下的邻点数，得到其值。一方面存在指定距离来自主观判断的局限性，指定距离不一样，结果也将发生变化；另一方面也存在上述最邻近指数的类似局限，即仅考虑了其近邻范围内的点，而忽视其他点的分布及相互间的位置关系。

(6)莫兰指数(Moran’s I)：又称空间自相关分析，多用来量测空间事物的分布是否具有自相关性，强自相关性代表了空间现象有聚集性的存在。对于聚集程度的测定，该方法较多应用于同一事物不同时期的比较，不同事物间的比较则由于样本的差异存在较大不可比性；另外计算过程相对较为复杂，并且需构建空间权重矩阵，受操作者主观判断的一定影响。

发明内容

本发明的目的是克服现有的不足，提供一种一定区域范围的点数据空间聚集度测量方法，技术方案如下：

一种一定区域范围的点数据空间聚集度测量方法，包括以下步骤：