百度热力图数据处理，可直接用于论文

数据简介
其他数据处理/程序/指导！！！

数据简介

数据来源 ：百度慧眼
数据形式 ：含坐标的csv点数据；shp数据；TIF栅格数据；PNG可视化图片。多种数据形式可选。
价格：市为单位，csv点数据49一天，299一周，每天有24个时间点。也可提供shp格式，核密度/反距离tif格式，数据格式不同价格不同。
用途：城市/街道活力，人口统计，选址分析，商圈分析，活力分析等等。
邮箱：直接放WX会下架博文，需要的话，联系437969428@qq.com
---------------------------------------------------------------------------------------------
优势：全网最全最细！
1、有论文支撑！！！《地理科学》。
2、定量数据！
3、从数据原理到应用给你讲清楚。
4、专注于城市研究。

1、CSV点数据

1、多坐标系：百度投影/地理，WGS84地理/投影，高德地理等。
2、高精度位置，小数点后12位。
3、value原理，bd09mc200单位约180m，......，后续核密度可插值成5m,10m,30m,100m等。
4、可根据研究区进行裁剪，可提供value不为0的采样点（常用）或全采样点（不常用）

2、SHP数据

1、可提供value不为0的采样点（常用）或全采样点（不常用且体积大）的SHP文件、
2、可根据研究区进行裁剪

3、TIF数据

1、可提供核密度或反距离权重插值的原始栅格文件。
2、可提供多种精度的原始栅格文件，5m，10m，30m，50m，......等等。
3、核密度，反距离优略势，原理解析，适用场景。

4、png图片或标准经纬度出图

png出图便宜，标准经纬度出图贵。
1、交付源数据，QGIS打包源文件，可自行修改。

5、案例

6、论文的参考方向

一些不成熟的归纳，每篇论文的insight是不同的，我仅从他们框架出发讲一下所谓的"套路"or"排列组合"
活力：单百度热力图，多维度（百度热力图+出租车/手机信令/共享单车/微博签到等）
时间：白天晚上，周，周中vs周末，重大节假日
研究对象：街道，社区，街区，TAZ，泰森多边形，格网等。TOD地铁站点。
研究区域：区，市，多城市。
指标：5D，三维城市结构，各种各样超多指标（NDVI，NDWI都有，有些离谱，但也能理解）。
对象分类型：生活型街道，商业性街道。
空间分析：莫兰，热点分析等。
分析方法：各种线性回归（多源线性）/各种空间回归（空间之后SLM、空间误差SEM，地理加权GWR、MGWR、MTWR）/非线性回归（随机森林RF，GBDT，XGBoost等，近年来很多的SHAP）
这个框架适用于95%的相关性/影响机制的研究，找到insight，上面的排列组合就是一篇文章。

分割线

其他数据处理/程序/指导！！！

（1）街景数据获取

（2）街景语义分割后像素提取，指标计算代码（绿视率，天空开阔度、视觉熵/景观多样性等）

deeplabv3+街景图片语义分割，无需训练模型，看不懂也没有影响，直接使用，cityscapes数据集

（3）街景主观感知两两对比程序，TrueSkill计算主观感知评分

街景主观感知两两对比程序（最少对比次数，最高的效率，提示剩余总对比次数，自定义每张图片出现次数，Trueskill图片对比15-30计算才有意义），TrueSkill计算主观感知评分。

（4）街景主观感知程序（beautiful等维度），多模型对比（MobileNet等），safer精度0.89

街景主观感知程序（beautiful, safer等自定义维度），多模型对比（ResNet50，ResNet101，EfficientNet、VGGNet、GoogleNet、DenseNet、MobileNet、ShuffleNet、Xception、ConvNeXt、Vision Transformer (ViT)、RegNet等），我自己是用420张图片，分别训练了beautiful，safer，模型最好精度0.89，很高了，我才用了420张图片，平均每张图片对比才16次。

（5）街景图片色彩聚类

（6）百度热力图指导，买数据可简单指导

（7）OSM路网简化指导

（8）POI数据，重分类，各种指标（功能混合度）计算

POI数据重分类代码，POI数据分类指导，出POI数据，POI各种指标计算（XX密度，XX比例，功能混合度，功能集中度等）。

（9）建筑物各种指标计算（建筑密度，容积率）

（10）坐标系转化代码（bg09，wgs84，Gcj02等各种地理，投影转化）

（11）各种树模型分类回归代码（XGBoost，Catboost等模型对比，最优模型最优参数）

各种树模型分类回归代码（RF，GBDT，XGBoost，Catboost等模型对比，最优模型最优参数）。