國(guó)土空間規(guī)劃編制的利器，位和GeoAI云平臺(tái)詳解。

　　位和致力于集成GeoAI相關(guān)的技術(shù)和海量城市數(shù)據(jù)，來(lái)解決行業(yè)問(wèn)題，讓數(shù)據(jù)更有價(jià)值。面向國(guó)土空間規(guī)劃、房地產(chǎn)、商業(yè)零售、交通出行、智慧城市等相關(guān)領(lǐng)域，提供云平臺(tái)支持、數(shù)據(jù)服務(wù)、數(shù)據(jù)挖掘分析服務(wù)、以及相關(guān)的定制開(kāi)發(fā)服務(wù)。本文介紹位和GeoAI云平臺(tái)的功能以及在國(guó)土空間規(guī)劃大數(shù)據(jù)分析領(lǐng)域的相關(guān)應(yīng)用案例。

　　位和GeoAI云平臺(tái)（www.wayhe.com）集成海量城市數(shù)據(jù)、自服務(wù)數(shù)據(jù)準(zhǔn)備、可視化、空間數(shù)據(jù)挖掘和空間優(yōu)化計(jì)算，打造了一個(gè)從從數(shù)據(jù)生態(tài)和中臺(tái)，到數(shù)據(jù)挖掘分析，再到?jīng)Q策優(yōu)化的閉環(huán)，為數(shù)據(jù)分析人員賦能。

　　位和平臺(tái)支持在線訪問(wèn)（SaaS）和私有云部署（On-Premise），并可通過(guò)API／SDK 集成到用戶自己的平臺(tái)和業(yè)務(wù)流程中，快速拼搭出面向行業(yè)應(yīng)用的定制平臺(tái)。

　　在國(guó)土空間規(guī)劃行業(yè)中的若干應(yīng)用

　　位和平臺(tái)在中國(guó)國(guó)土空間規(guī)劃行業(yè)已服務(wù)于保利地產(chǎn)、中規(guī)院、同衡、同濟(jì)院、華東院、廣東省院、廣州市院、重慶院、天津規(guī)劃信息中心、成都經(jīng)研院、江蘇省地信、武漢測(cè)繪院等多個(gè)頭部企事業(yè)單位，以及北京大學(xué)、武漢大學(xué)、華中科技大學(xué)、中山大學(xué)等重點(diǎn)院校。位和平臺(tái)助力國(guó)家級(jí)、省級(jí)、城市群級(jí)、市級(jí)、區(qū)級(jí)、街道級(jí)等眾多規(guī)劃大數(shù)據(jù)分析項(xiàng)目，如住建部20城市總體規(guī)劃實(shí)施評(píng)估、城市高品質(zhì)發(fā)展體檢評(píng)估指標(biāo)體系研究、粵港澳大灣區(qū)城市群深耕戰(zhàn)略咨詢專項(xiàng)研究、廣東省新型城鎮(zhèn)化監(jiān)測(cè)與評(píng)估、廣州總規(guī)、重慶總規(guī)、廈門(mén)總規(guī)、珠?？傄?guī)、成都2049遠(yuǎn)景發(fā)展戰(zhàn)略規(guī)劃、常州城市戰(zhàn)略規(guī)劃、武漢市大數(shù)據(jù)城市空間格局變化監(jiān)測(cè)、廣深科技創(chuàng)新走廊大數(shù)據(jù)專題、廣州城市定位及功能提升大數(shù)據(jù)專題、三亞市天涯區(qū)15分鐘便民生活圈規(guī)劃、北京石景山區(qū)八角街道多源數(shù)據(jù)城市現(xiàn)狀評(píng)估等。

　　相關(guān)案例見(jiàn)下。

　　位和數(shù)據(jù)生態(tài)與數(shù)據(jù)中臺(tái)

　　位和通過(guò)采集、采購(gòu)、合作、人工整理和智能計(jì)算等不同方式，在平臺(tái)上集成了海量多源數(shù)據(jù)，并提供數(shù)據(jù)中臺(tái)服務(wù)，讓數(shù)據(jù)獲取、數(shù)據(jù)共享和數(shù)據(jù)融合處理變得容易。位和數(shù)據(jù)生態(tài)涵蓋歷年的統(tǒng)計(jì)數(shù)據(jù)、基于手機(jī)信令的人口數(shù)據(jù)、工商企業(yè)數(shù)據(jù)、房產(chǎn)數(shù)據(jù)、人口流動(dòng)數(shù)據(jù)、記錄城市所有設(shè)施點(diǎn)位置的興趣點(diǎn)（POI）數(shù)據(jù)和設(shè)施范圍的興趣面（AOI）數(shù)據(jù)、道路圍合的地塊單元（Blocks）數(shù)據(jù)、建筑基底、建筑高度、建筑密度、道路密度、公園綠地密度、以及各級(jí)行政點(diǎn)、行政邊界、綠地、水系等基礎(chǔ)地理數(shù)據(jù)。

　　用戶管理和數(shù)據(jù)管理

　　位和GeoAI云平臺(tái)以數(shù)據(jù)為中心。用戶可以在線獲取數(shù)據(jù)，或上傳自己的數(shù)據(jù)，或?qū)拥谌綌?shù)據(jù)庫(kù)訪問(wèn)數(shù)據(jù)。平臺(tái)支持群組管理，一個(gè)群組可以有多個(gè)用戶，同一群組內(nèi)的用戶共享群組內(nèi)的數(shù)據(jù)。在實(shí)際應(yīng)用中，即可以按照部門(mén)來(lái)建設(shè)群組，也可以按照項(xiàng)目來(lái)建設(shè)群組。同一個(gè)用戶可以歸屬到多個(gè)群組中。群組內(nèi)的用戶分為管理員、標(biāo)準(zhǔn)用戶和限制用戶三種角色，每種類型的用戶分別享有不同的權(quán)限。為了方便對(duì)數(shù)據(jù)進(jìn)行管理，平臺(tái)支持?jǐn)?shù)據(jù)標(biāo)簽?zāi)夸浌δ堋?shù)據(jù)標(biāo)簽由用戶自行定義，既可以按照數(shù)據(jù)類型來(lái)歸類，也可以按照項(xiàng)目來(lái)歸類。一個(gè)數(shù)據(jù)可以打多個(gè)標(biāo)簽。

　　地理可視化與圖表可視化

　　位和“可視數(shù)據(jù)”，集成地理可視化和圖表可視化技術(shù)，幫助用戶探索數(shù)據(jù)、揭示數(shù)據(jù)模式。可視化成果一鍵發(fā)布。

　　支持動(dòng)態(tài)矢量切片，實(shí)現(xiàn)大數(shù)據(jù)量客戶端動(dòng)態(tài)制圖

　　集成專業(yè)地圖可視化色彩庫(kù)（預(yù)設(shè)色彩）與靈活的用戶自定義色彩

　　支持多圖層管理、多圖層混色、數(shù)據(jù)過(guò)濾、數(shù)據(jù)查詢

　　零代碼發(fā)布多圖層可視化分析結(jié)果(URL，嵌入)

　　可在移動(dòng)設(shè)備上操作

　　分類方法: 人工分類、類別分類、自然分段、分位數(shù)分類、等間距分類、等差數(shù)列分類、等比數(shù)列分類

　　地理可視化：分類圖、氣泡圖、熱力圖、燈光圖、動(dòng)圖

　　圖表可視化：散點(diǎn)圖、柱狀圖、餅圖、樹(shù)圖

　　數(shù)據(jù)表：分類、排序、統(tǒng)計(jì)

　　更多可視化功能添加中 ...

位和空間數(shù)據(jù)挖掘與空間優(yōu)化

　　位和平臺(tái)的核心技術(shù)，是一系列空間數(shù)據(jù)挖掘和空間優(yōu)化計(jì)算，譬如神經(jīng)網(wǎng)絡(luò)、空間聚類、復(fù)雜網(wǎng)絡(luò)計(jì)算、空間交互網(wǎng)絡(luò)分析、軌跡挖掘、多目標(biāo)多約束條件優(yōu)化計(jì)算等，以及集成GeoAI計(jì)算和前端交互的動(dòng)態(tài)分析技術(shù)。

　　可視化和數(shù)據(jù)挖掘的區(qū)別在于：可視化是對(duì)現(xiàn)有數(shù)據(jù)的圖形表達(dá)，幫助用戶更好地理解數(shù)據(jù)，會(huì)涉及到一些簡(jiǎn)單的計(jì)算，如分類，核密度等。而數(shù)據(jù)挖掘是一個(gè)反復(fù)的探索式分析過(guò)程，通過(guò)機(jī)器學(xué)習(xí)計(jì)算，從現(xiàn)有數(shù)據(jù)中發(fā)現(xiàn)未知的、隱藏的、新的信息；同時(shí)也對(duì)計(jì)算出來(lái)的信息進(jìn)行交互分析和可視化展示。數(shù)據(jù)挖掘即包括計(jì)算部分，也包括交互可視化部分。

　　數(shù)據(jù)挖掘的下一步，則是決策優(yōu)化計(jì)算。集成AI計(jì)算和業(yè)務(wù)人員的經(jīng)驗(yàn)，讓資源配置更加合理，決策更加科學(xué)。優(yōu)化計(jì)算是運(yùn)籌學(xué)的核心，本質(zhì)是在一定約束條件下，幫助決策者尋找最優(yōu)化某一個(gè)或多個(gè)目標(biāo)函數(shù)的決策。位和專注于計(jì)算復(fù)雜度為NP-困難的多目標(biāo)多約束條件空間優(yōu)化計(jì)算（選址、旅行商路徑規(guī)劃、區(qū)劃），擁有自主知識(shí)產(chǎn)權(quán)的求解器，性能優(yōu)越于同類商業(yè)求解器。

　　空間優(yōu)化與空間數(shù)據(jù)挖掘的有效集成是位和產(chǎn)品的一大特色。

　　位和的核心研發(fā)團(tuán)隊(duì)在美國(guó)深耕空間數(shù)據(jù)挖掘和空間優(yōu)化計(jì)算多年，具有國(guó)際領(lǐng)先的模型能力，不斷突破現(xiàn)有方法和算法的局限，提出新的方法和原創(chuàng)算法。位和的產(chǎn)品原型曾獲得美國(guó)IEEE 信息可視化競(jìng)賽一等獎(jiǎng)，以及由美國(guó)國(guó)家科學(xué)基金委和《科學(xué)》雜志主辦的全美信息可視化競(jìng)賽前十名。

　　位和平臺(tái)的空間數(shù)據(jù)挖掘產(chǎn)品系列包括：

　　多維分析：實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)模型的多變量分類、多元數(shù)據(jù)關(guān)聯(lián)分析、數(shù)據(jù)降維、多元色彩模式輔助認(rèn)知、最優(yōu)線性排序、多視角協(xié)調(diào)互動(dòng)、地理可視化、圖表可視化等；動(dòng)態(tài)集成空間數(shù)據(jù)和多維／高維屬性數(shù)據(jù)進(jìn)行深度交互聯(lián)動(dòng)分析；廣泛應(yīng)用于不同領(lǐng)域的多因子評(píng)估與畫(huà)像、異常發(fā)現(xiàn)、指標(biāo)篩選和理解、模型調(diào)整等。

　　多因子時(shí)空序列：集成機(jī)器學(xué)習(xí)、地圖矩陣、時(shí)空矩陣、可視化展示與交互分析，探索和發(fā)現(xiàn)研究目標(biāo)的分布特征、變化趨勢(shì)和多因子關(guān)聯(lián)關(guān)系，是多維分析在時(shí)間維度上的擴(kuò)展。

　　層次特征分區(qū)：通過(guò)復(fù)雜靈活的數(shù)據(jù)聚合方式，將大片區(qū)域自動(dòng)劃分成若干個(gè)空間連續(xù)同質(zhì)或異質(zhì)的小區(qū)域。其結(jié)果既保留有原始數(shù)據(jù)的模式和關(guān)系，又降低了不必要的細(xì)節(jié)干擾和隨機(jī)影響。計(jì)算高效快捷，時(shí)間復(fù)雜度僅為 O(n*2lgn)。這個(gè)過(guò)程可以理解為對(duì)數(shù)據(jù)的多維／高維屬性在空間上的歸納，很難依靠人力來(lái)完成，是空間數(shù)據(jù)挖掘重要的環(huán)節(jié)，應(yīng)用非常廣泛。

　　基礎(chǔ)流分析：實(shí)現(xiàn)流分類、流聚散、流動(dòng)畫(huà)等大數(shù)據(jù)流圖交互可視化，以及交互可視化的在線發(fā)布。支持基于神經(jīng)網(wǎng)絡(luò)計(jì)算的多因子流分析。集成專業(yè)地圖可視化色彩庫(kù)，平衡色彩美觀和分類差異。靈活定制流線樣式，可切換直線／曲線，顯示／隱藏流向、顯示／隱藏空間單元的節(jié)點(diǎn)，調(diào)整流線的寬度、節(jié)點(diǎn)的大小、動(dòng)畫(huà)的速度和進(jìn)度等。

　　空間交互網(wǎng)絡(luò)與結(jié)構(gòu)挖掘：基于復(fù)雜網(wǎng)絡(luò)計(jì)算（Complex Network Computation)、優(yōu)化計(jì)算和各種流模型，探索空間交互數(shù)據(jù)的流動(dòng)組團(tuán)結(jié)構(gòu)和層次結(jié)構(gòu)。應(yīng)用于大數(shù)據(jù)量車(chē)流數(shù)據(jù)分析、公眾出行分析、手機(jī)數(shù)據(jù)分析、資金流分析、微博社交網(wǎng)絡(luò)數(shù)據(jù)分析等。支持多種流模型（如Modulairty, Edge Ratio, Net Flow, etc.），支持設(shè)定限制條件，如每個(gè)分區(qū)的最小空間單元，最少人口等。

　　空間交互掃描統(tǒng)計(jì)：跳出給定單元的限制，自動(dòng)尋找空間交互模式的最優(yōu)尺度，智能理解流數(shù)據(jù)（而不是局限于常規(guī)的流圖可視化）；在業(yè)內(nèi)首次實(shí)現(xiàn)快速完整地提取多尺度和跨尺度的流動(dòng)模式，并提供規(guī)范的統(tǒng)計(jì)檢驗(yàn)；用于計(jì)算空間交互中統(tǒng)計(jì)顯著的流模式，是對(duì)流數(shù)據(jù)的深度挖掘和歸納。

　　軌跡挖掘：支持軌跡數(shù)據(jù)處理、軌跡分類、異常值檢測(cè)、軌跡模式提取和軌跡可視化。

　　位和平臺(tái)的空間優(yōu)化計(jì)算產(chǎn)品系列包括：

　　分區(qū)優(yōu)化：基于復(fù)雜高效的多目標(biāo)多約束條件分區(qū)優(yōu)化計(jì)算（計(jì)算復(fù)雜度為NP－困難），自動(dòng)生成空間連續(xù)的區(qū)域，實(shí)現(xiàn)均衡人口、工作量、教育資源、醫(yī)療資源、綠化資源等的區(qū)域規(guī)劃和全覆蓋選址評(píng)估。

　　選址優(yōu)化：滿足最大覆蓋的選址優(yōu)化計(jì)算，用最小的成本覆蓋最大的需求；支持競(jìng)爭(zhēng)品牌PK；支持自動(dòng)計(jì)算N個(gè)選址點(diǎn)；對(duì)用戶指定的選址點(diǎn)進(jìn)行評(píng)估；支持需求模型計(jì)算

　　路徑優(yōu)化：支持距離矩陣計(jì)算、最短路徑優(yōu)化和旅行商路徑優(yōu)化。

　　位和自服務(wù)數(shù)據(jù)準(zhǔn)備和模型計(jì)算

　　數(shù)據(jù)預(yù)處理和數(shù)據(jù)融合的環(huán)節(jié)，往往占用了整個(gè)數(shù)據(jù)挖掘過(guò)程中80%的工作量。位和平臺(tái)致力于把這個(gè)環(huán)節(jié)變得便捷。

　　數(shù)據(jù)聚合：數(shù)據(jù)聚合是數(shù)據(jù)挖掘必不可少的預(yù)處理環(huán)節(jié)。平臺(tái)支持空間聚合、時(shí)空聚合和流聚合。

　　坐標(biāo)互轉(zhuǎn)：不統(tǒng)一的坐標(biāo)體系給開(kāi)發(fā)人員和用戶帶來(lái)了很多不便。平臺(tái)提供了多種坐標(biāo)之間互轉(zhuǎn)的工具，來(lái)解決這個(gè)問(wèn)題。平臺(tái)支持大地2000、WGS84、火星坐標(biāo)、百度坐標(biāo)、西安80、北京54，以及其它數(shù)百種坐標(biāo)。平臺(tái)支持的坐標(biāo)列表：https://services.wayhe.com/zi/data/app/Coordinate_Type

　　長(zhǎng)按識(shí)別二維碼閱讀

　　在線完成坐標(biāo)互轉(zhuǎn)

　　等時(shí)圈：批量計(jì)算等時(shí)圈，支持多點(diǎn)、多時(shí)長(zhǎng)和多種交通方式。

　　長(zhǎng)按識(shí)別二維碼閱讀

　　如何批量制作等時(shí)圈

　　設(shè)施便利性／設(shè)施輻射影響計(jì)算：支持同時(shí)計(jì)算多種設(shè)施的復(fù)合便利性／輻射影響，可為不同設(shè)施設(shè)定不同權(quán)重。

　　長(zhǎng)按識(shí)別二維碼閱讀

　　如何快速計(jì)算設(shè)施便利性／輻射影響

　　地理編碼：支持批量地理編碼。

　　其他模型計(jì)算：緩沖區(qū)計(jì)算、信息熵計(jì)算、插值計(jì)算、回歸和地理加權(quán)回歸計(jì)算等。

　　其他數(shù)據(jù)處理：格網(wǎng)計(jì)算、數(shù)據(jù)關(guān)聯(lián)、合并、切割、過(guò)濾、字段計(jì)算、提取多邊形中心和重心、泰森多邊形構(gòu)建等。

　　更多模型計(jì)算和數(shù)據(jù)預(yù)處理工具，敬請(qǐng)期待。

　　應(yīng)用場(chǎng)景

　　位和云平臺(tái)應(yīng)用于城市規(guī)劃、商業(yè)零售、房地產(chǎn)、公安、出行與交通等領(lǐng)域。

　　在城市規(guī)劃領(lǐng)域，分析城市空間，優(yōu)化公共服務(wù)決策，如設(shè)施選址和布局、設(shè)施服務(wù)能力評(píng)價(jià)、產(chǎn)業(yè)集聚分析、產(chǎn)業(yè)轉(zhuǎn)移分析、產(chǎn)業(yè)腹地影響分析、城市空間結(jié)構(gòu)分析、土地適宜性分析、通勤結(jié)構(gòu)和出行特征識(shí)別、職住分析、城鎮(zhèn)聯(lián)系和城鎮(zhèn)體系結(jié)構(gòu)分析、城市群實(shí)施意向評(píng)估等。

　　在商業(yè)領(lǐng)域，分析市場(chǎng)，優(yōu)化商業(yè)決策，如選址評(píng)估、營(yíng)銷(xiāo)預(yù)測(cè)、廣告投放、商圈分析、競(jìng)爭(zhēng)分析、城市進(jìn)入分析等。

　　在公共安全領(lǐng)域，分析歷史犯罪事件，做警力部署的決策優(yōu)化。

　　在出行與交通領(lǐng)域，分析軌跡和出行，做線路優(yōu)化；以及通過(guò)軌跡挖掘，提取道路信息，自動(dòng)生成拓?fù)渫陚淇捎糜诼窂接?jì)算的道路。

　　國(guó)土空間規(guī)劃大數(shù)據(jù)分析相關(guān)案例

　　下面分別從產(chǎn)業(yè)數(shù)據(jù)分析、手機(jī)信令數(shù)據(jù)分析、人口流動(dòng)數(shù)據(jù)分析、功能區(qū)劃計(jì)算、設(shè)施服務(wù)能力和生活圈規(guī)劃、服務(wù)區(qū)規(guī)劃、城市肌理和城市功能混合評(píng)估等幾個(gè)方面簡(jiǎn)單介紹位和平臺(tái)在國(guó)土空間規(guī)劃行業(yè)中的若干應(yīng)用。

　　產(chǎn)業(yè)數(shù)據(jù)相關(guān)分析：產(chǎn)業(yè)集聚、產(chǎn)業(yè)轉(zhuǎn)移、創(chuàng)新能力、經(jīng)濟(jì)聯(lián)系分析等

　　位和提供各種不同行業(yè)分類的企業(yè)數(shù)量、企業(yè)基本信息、知識(shí)產(chǎn)權(quán)信息、企業(yè)間投資聯(lián)系和企業(yè)總部分支關(guān)聯(lián)信息等，按照分析的需要聚合到任意時(shí)間（年/月）和區(qū)域（省、市、區(qū)縣、街道、公里網(wǎng)格、地塊單元等）。結(jié)合位和數(shù)據(jù)挖掘分析工具，可深入研究城市和區(qū)域的產(chǎn)業(yè)集聚、產(chǎn)業(yè)轉(zhuǎn)移、創(chuàng)新能力、經(jīng)濟(jì)聯(lián)系、投資結(jié)構(gòu)等專題。

　　武漢產(chǎn)業(yè)集聚變化（2000年-2017年）—— 武漢空間格局大數(shù)據(jù)分析專題

　　新增制造業(yè)占比持續(xù)降低（藍(lán)色），主要分布在城市外圍地區(qū)

　　新增信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)占比從2014年開(kāi)始顯著增加（紫色），集聚在東湖高新區(qū)和高校產(chǎn)業(yè)園附近。

　　珠三角投資結(jié)構(gòu) —— 廣深科技創(chuàng)新走廊大數(shù)據(jù)專題

　
　左：流入深圳的投資主要投向，以資本金融服務(wù)業(yè)和計(jì)算機(jī)、通信和其它電子設(shè)備為主導(dǎo)

　　右：流出深圳的投資主要投向，以研究和試驗(yàn)發(fā)展、商務(wù)服務(wù)和計(jì)算機(jī)、通信和其它電子設(shè)備為主導(dǎo)

　　廣州市2015年產(chǎn)業(yè)發(fā)展?fàn)顩r與國(guó)內(nèi)中心城市對(duì)比 —— 廣州城市定位專題分析

　　港澳臺(tái)資和外資工業(yè)比重高，工業(yè)外向性高。但近年來(lái)，隨著珠三角生產(chǎn)成本的上升，港澳臺(tái)商及外商在華投資逐漸向內(nèi)陸遷移，廣州的工業(yè)外向性正在逐漸減弱。然而，同處珠三角的深圳卻始終保持著對(duì)外商以及港澳臺(tái)商的持續(xù)吸引力。

　　根據(jù)企業(yè)間投資互投計(jì)算中國(guó)經(jīng)濟(jì)聯(lián)系朋友圈

　　手機(jī)信令和手機(jī)APP數(shù)據(jù)相關(guān)分析：居民活動(dòng)與出行特征分析、職住平衡評(píng)估、城市群實(shí)施意向評(píng)估等

　　分析手機(jī)信令提取的通勤OD數(shù)據(jù)，計(jì)算打破行政邊界的分層次的出行組團(tuán)結(jié)構(gòu)，用作職住評(píng)估的單元邊界；繼而，計(jì)算組團(tuán)內(nèi)通勤流量、通勤距離、職住比、以及流入流出組團(tuán)的通勤流量等指標(biāo)。以組團(tuán)為單元進(jìn)行多因子職住分析。

　　重慶出行特征分析與職住平衡評(píng)估

　　
多因子職住平衡評(píng)估（基于組團(tuán)內(nèi)通勤流量、進(jìn)出組團(tuán)通勤流量、通勤距離和職住比）

　　廣州出行特征與出行結(jié)構(gòu)

　　北京地鐵通勤

　　城市間人口流動(dòng)相關(guān)分析：城鎮(zhèn)聯(lián)系、人口供給、城市/區(qū)域?qū)Ρ鹊?/p>

　　位和云平臺(tái)部署的中國(guó)城市間人口流動(dòng)數(shù)據(jù)挖掘分析云服務(wù)，集成了從2015年至今每日更新的全國(guó)地級(jí)市之間人口流動(dòng)OD數(shù)據(jù)，區(qū)分三種不同的交通方式：公路、鐵路和航空。用戶可以在云端方便地聚合任意空間范圍和任意時(shí)段的人口流動(dòng)數(shù)據(jù)。支持多時(shí)段對(duì)比、城市對(duì)比、城市群對(duì)比、灣區(qū)對(duì)比，便于研究人口流動(dòng)結(jié)構(gòu)的時(shí)空變化和城市/區(qū)域之間的差異分析。

　　數(shù)據(jù)無(wú)縫集成到位和云平臺(tái)的數(shù)據(jù)挖掘系列工具中，通過(guò)機(jī)器學(xué)習(xí)和交互可視化，深入分析人流數(shù)據(jù)和各項(xiàng)統(tǒng)計(jì)指標(biāo)，研究人流聯(lián)系強(qiáng)度、人流時(shí)空變化、城市輻射影響、城市人口供給等。分析成果一鍵發(fā)布和分享。

　　位和人口流動(dòng)數(shù)據(jù)挖掘分析平臺(tái)介紹：http://url.cn/5TkDn3W

　　長(zhǎng)按識(shí)別二維碼閱讀

　　位和人口流動(dòng)數(shù)據(jù)挖掘分析平臺(tái)介紹

　　傳說(shuō)中的反向春運(yùn)

　　功能區(qū)劃

　　正確識(shí)別區(qū)域功能定位的關(guān)鍵在于區(qū)劃的精準(zhǔn)性。任何空間認(rèn)知都與認(rèn)知的邊界落地在哪兒有關(guān)。任何政策的實(shí)施也都首先要確定政策實(shí)施的邊界，也就是區(qū)劃的邊界。位和區(qū)劃計(jì)算通過(guò)復(fù)雜靈活的數(shù)據(jù)聚合方式，將大片區(qū)域自動(dòng)劃分成若干個(gè)空間連續(xù)同質(zhì)的小區(qū)域，其結(jié)果既保留有原始數(shù)據(jù)的模式和關(guān)系，又降低了不必要的細(xì)節(jié)干擾和隨機(jī)影響，可以理解為對(duì)數(shù)據(jù)在多維／高維屬性空間上的歸納。

　　京津冀城市群功能區(qū)劃與定位