快捷导航

基于微博签到数据的城市景区吸引力探究

2021-8-9 09:26| 发布者: Fuller| 查看: 347| 评论: 0

摘要: 本论文范例基于大理市半年内微博签到数据,采用核密度分析法、地理集中指数以及最近邻分析等方法分析城市来访人群空间分布以及不同景区吸引力大小。结果发现:大理市级别越高的景区其吸引力半径越大且相对匀速增长,级 ...

本论文范例基于大理市半年内微博签到数据,采用核密度分析法、地理集中指数以及最近邻分析等方法分析城市来访人群空间分布以及不同景区吸引力大小。结果发现:大理市级别越高的景区其吸引力半径越大且相对匀速增长,级别较低的景区其吸引力半径小且集中在距离较近的区域。等级与知名度较高的景区地理集中指数的比例分布较平稳,客源较集中;相反,等级越低景区其地理集中指数越低并且波动较大,即吸引力度较小的同时游客数量忽高忽低极不稳定。空间结构分布集中是提高景区吸引力的一种优势,更有利于促进资源整合与创新。

写论文需要收集微博数据,一般我们推荐同学们使用GooSeeker微博数据采集工具箱,多个工具互为配合,统一的界面设计,使用起来很方便。

近来不少同学在Q群和论坛问能否采集微博位置相关的信息, 这样做数据分析的时候多一个维度。

其实微博采集,除了微博数据采集工具箱,GooSeeker还提供了一系列的快捷采集工具,添加链接或者关键词,就可以采集数据,不用做采集规则,非常简单快捷,下面这几个快捷采集可以采集微博签到数据:

1. 微博签到采集_探索此地

2. 微博签到采集_此地热议

3. 微博签到采集_来过此地的人

由于python有大量的优秀的第三方库,我们也会不定期发布在Jupyter Notebook下进行数据处理和数据分析的模板给大家,比如下面这几篇:

1.Jupyter Notebook怎样获取微博签到地的经纬度并在地图上显示

2.微博内容分词并手工选词后用JupyterNotebook做LDA主题分析

3.新闻内容分词后在Jupyter Notebook中使用TF-IDF算法提取关键词

1,论文范例简介

标题:基于微博签到数据的城市景区吸引力探究

作者

王迪 左小清 昆明理工大学国土资源工程学院

关键词:微博签到;大数据;空间分布;景区吸引力;大理市;

摘要

人群活动影响城市建设,基于人群活动时空数据可以更好地研究城市景区吸引力度。基于大理市半年内微博签到数据,采用核密度分析法、地理集中指数以及最近邻分析等方法分析城市来访人群空间分布以及不同景区吸引力大小。结果发现:大理市级别越高的景区其吸引力半径越大且相对匀速增长,级别较低的景区其吸引力半径小且集中在距离较近的区域。等级与知名度较高的景区地理集中指数的比例分布较平稳,客源较集中;相反,等级越低景区其地理集中指数越低并且波动较大,即吸引力度较小的同时游客数量忽高忽低极不稳定。空间结构分布集中是提高景区吸引力的一种优势,更有利于促进资源整合与创新。

2,本论文范例相关概念和知识点

2.1 什么是最近邻元素分析

以下内容摘自知乎文章:SPSS分类分析:最近邻元素分析

概念:根据个案间的相似性来对个案进行分类。类似个案相互靠近,而不同个案相互远离。因此,通过两个个案之间的距离可以测量他们的相似性。相互靠近的个案称为“邻元素。”当出现新个案(保持)时,将计算它与模型中每个个案之间的距离。计算得出最相似个案–最近邻元素–的分类,并将新个案放入包含最多最近邻元素的类别中。

相邻元素:(分析-分类-最近邻元素-相邻元素)

1)最近邻元素的数目(k)。指定最近邻元素的数目。注意,使用大量的邻元素不一定会得到更准确的模型。

2)距离计算。该度规用于指定在测量个案相似性中使用的距离度规。

Euclidean度规。两个个案x和y之间的距离,为个案值之间的平方差在所有维度上之和的平方根。

城市街区度规。两个个案之间的距离是个案值之间绝对差在所有维度上之和。又称为Manhattan距离。

3,本论文范例主要研究步骤

2.1,研究对象

本文选取的研究区大理市地处中国西南边境云南省内,位于云南省大理白族自治州的中部同时也是州政府驻地。是以白族为主的共包括 25 个民族生活的多民族聚居地区。旅游设施建立完善,属于多功能旅游区,主要包括以大理古城为典型代表的历史文化遗产,以苍山、洱海为首的自然风光景色,以喜洲古镇、双廊为代表的白族村落聚居民族特色以及以下关镇为代表的城镇文化资源。

2.2 样本选取

本文基于新浪微博获取了 2019 年 1 月 1 日~ 2019 年 6 月 30 日半年内的用户签到数据。由于要对比省内外签到人群的数量以及空间分布情况,故将用户地址为海外、其他以及空的情况删除掉,最终剩余 11 324条研究数据

2.3 研究方法。

最近邻点分析:将各景区视为点状要素并将其分布在 AcrGIS 中,点要素的分布主要包括三种类型,聚集分布、随机分布以及离散分布。采用最近邻点分析法对景区空间结构分布进行分析。

4,本论文范例研究结论

本文基于大理市半年内人群微博签到情况从人群在景区分布情况对大理市景区吸引力进行探究。对签到人群空间分布密度进行分析; 采用核密度分析法、地理集中指数和最近邻分析等方法,分析不同景区时空吸引力,结果发 现: 

① 大 约 50% 的景区客源集中在1 500 km范围内,约有 85%的客源集中在 2 100 km范围内。级别越高的景区其吸引力半径相比普通以及级别较低的景区越大,且吸引力半径相对匀速增长; 而级别较低的景区其吸引力半径较为集中在距离较近的区域,一般集中在省内相邻城市或临近省份的城市。此外,由于知名度与宣传力度对景区吸引力也有一定的影响,因此同等级别的景区吸引力半径会存在较大差异。

② 不同时间各景区吸引力也存在较大差异,但等级与知名度较高的景区吸引集中力度较大,每月地理集中指数的比例分布也相对较平稳,客源较集中; 相反,等级越低景区其地理集中指数越低并且每月指数比例分布波动较大,即吸引力度较小的同时游客数量忽高忽低极不稳定。

③ 各景区之间呈集聚分布,空间结构分布相对集中的景区是提高景区吸引力的一种优势,尽管同类型景区之间竞争会变得更加激烈,但此分布形式会降低人群游玩时间成本同时提高旅行质量,更与利于促进资源整合与创新。


鲜花

握手

雷人

路过

鸡蛋

最新评论

GMT+8, 2021-10-16 20:42