GIS指导(街景百度热力图POI建筑物相关数据/代码/指导。街道活力/街道功能/街道品质方向)

本文链接：https://blog.youkuaiyun.com/m0_48587622/article/details/144679291

简介
1、Arcgis，Pro，QGis软件版本选择
2、其他数据处理/程序/指导！！！（详细介绍往下翻）
2、其他数据处理/程序/指导！！！

简介

---------------------------------------------------------------------------------------------
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。
**邮箱：随意发送内容到邮箱获取联系方式，邮箱已设置自动回复！！！不看私信，没精力看。437969428@qq.com==

————————————————

---------------------------------------------------------------------------------------------

1、Arcgis，Pro，QGis软件版本选择

Arcgis版本优选10.8，不要安装低版本的好吧。破解版。
Arcgis Pro安装近3年内的破解版都可以。能安装新版就安装新版本。破解版。
QGis，开源软件，安装最新版本的即可。
高频使用Pro和QGis， Arcgis偶尔使用。
Arcgis连个OSM底图都没有，你处理个P呀，看数据不结合OSM底图，你能看出来什么。所以优选Arcgis Pro和QGIS。
提示：论文中尽量不要写软件名，特别是SCI，编辑部可能会要求你提供正版授权号。规避不必要的风险。

2、其他数据处理/程序/指导！！！（详细介绍往下翻）

直接看PDF吧，搬过来调格式类似了。
通过网盘分享的文件：v1.1 数据_代码_指导.pdf
链接: https://pan.baidu.com/s/1E93QTFcdl7DQjCYZW1Kj2Q?pwd=GGGX 提取码: GGGX

目录：GIS数据处理/程序/指导，街景百度热力图POI路网建筑物AOI等

百度热力图指导，买数据提供指导，含详细说明文档。链接0-数据介绍：百度慧眼百度热力图数据处理，可直接用于论文。链接1-原理及应用：百度热力图数据获取，原理，处理及论文应用-优快云博客。链接2-Pro操作：百度热力图数据处理流程Arcgis PRO篇，Arcgis,QGIS见链接其他文章-优快云博客。

多模型（含全部树模型）分类回归精度结果对比（回复审稿人意见之：为什么选某个模型？比如为什么选XGBoost？）。

回归模型：线性模型（Linear、Ridge 、Lasso、Huber 、Partial Least Squares），KNN，SVR，树模型（Decision Tree、RF、AdaBoost 、GBDT、XGBoost、LightGBM 、CatBoost ）。可自定义增加。
分类模型：Logistic Regression、Naive Bayes、KNN、SVM、树模型（Decision Tree、RF、AdaBoost 、GBDT、XGBoost、LightGBM 、CatBoost ）可自定义增加。

树模型-SHAP分析，上一步选模型，这一步用模型进行分析。
GCN用于街道研究，如GCN实现街道功能分类。
树模型-SHAP分析，上一步选模型，这一步用模型进行分析。
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、界面围合度、视觉熵/景观多样性等），含详细说明文档。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。
街景主观感知两两对比程序（数据集生成，自定义每张图片出现次数，提示剩余总对比次数，对比程序！最少对比次数，最高的效率。街景主观感知1：街景图片两两对比程序），TrueSkill计算beautiful、safer等维度主观感知评分（原理，代码）均含详细说明文档。街景两两对比程序，Trueskill计算评分代码，训练模型，预测街景。
街景主观感知训练，预测模型（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），beautiful和safer维度精度均达到0.89。街景两两对比程序，Trueskill计算评分代码，训练模型，预测街景。
街景图片色彩聚类。
全国街景数据。
OSM路网简化指导（详细说明文档，双线变单线，fclass选择，拓扑检查，短道路处理）。
POI数据，重分类，各种密度，各种比例，功能混合度/熵/多样性计算。
建筑物各种指标计算（建筑密度，容积率）。
坐标系转化代码（bg09，wgs84，Gcj02等各种地理，投影转化）。
2019-2024年最新全国四级行政区划矢量数据shp 省市县乡镇
全国村级行政区划shp数据，村级矢量行政区划界线！
MIT Place Pulse 2.0数据集
18.街景全景图切分六面视图（含数据处理教程，可批量处理）
GIS相关处理，指标计算，街道街区相关，活力相关，街道品质相关。

**邮箱：随意发送内容到邮箱获取联系方式，邮箱已设置自动回复！！！不看私信，没精力看。437969428@qq.com==

2、其他数据处理/程序/指导！！！

直接看PDF吧，搬过来调格式类似了。
通过网盘分享的文件：v1.1 数据_代码_指导.pdf
链接: https://pan.baidu.com/s/1E93QTFcdl7DQjCYZW1Kj2Q?pwd=GGGX 提取码: GGGX

目录：GIS数据处理/程序/指导，街景百度热力图POI路网建筑物AOI等

（1）1. 百度热力图指导，买数据提供指导，含详细说明文档

链接0-数据介绍：百度慧眼百度热力图数据处理，可直接用于论文。
链接1-原理及应用：百度热力图数据获取，原理，处理及论文应用-优快云博客。
链接2-Pro操作：百度热力图数据处理流程Arcgis PRO篇，Arcgis,QGIS见链接其他文章-优快云博客。

（2）多模型（含全部树模型）分类回归精度结果对比（回复审稿人意见之：为什么选某个模型？比如为什么选XGBoost？）

回归模型：线性模型（Linear、Ridge 、Lasso、Huber 、Partial Least Squares），KNN，SVR，树模型（Decision Tree、RF、AdaBoost 、GBDT、XGBoost、LightGBM 、CatBoost ）。可自定义增加。
分类模型：Logistic Regression、Naive Bayes、KNN、SVM、树模型（Decision Tree、RF、AdaBoost 、GBDT、XGBoost、LightGBM 、CatBoost ）可自定义增加。

自定义每个模型训练次数，如100次，每次运行采用不同的随机种子并且每次运行都重置模型，不保留之前训练参数；考虑数据敏感性，针对不同模型是否归一化进行具体操作；分类多评估指标MSE，MAE，R2；回归多评估指标Precession，Recall，F1_score。每次运行结果单独存入csv，模型平均结果存入csv。模型精度对比可视化图。
可自定以增加对比模型。
在这里插入图片描述

在这里插入图片描述
分类模型：会考虑样本不均衡问题，会考虑分层交叉验证。

在这里插入图片描述
小提琴图出图

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

模型训练(会考虑样本不均衡问题，会考虑分层交叉验证)，最优参数调参，模型预测。
分类问题出图：特征重要性，roc_auc，混淆矩阵。
回归问题出图：特征重要性，训练集验证集结果可视化，真实值与预测值对比。
在这里插入图片描述

（4）树模型-SHAP分析，上一步选模型，这一步用模型进行分析。

我论文做的就是活力与建成环境关系的非线性关系分析（23年）。Shap这几年已经做烂了，铺天盖地，但是确实好用啊。更高阶的有geoshaply。
Shap结果解释：

在这里插入图片描述
特征重要性图

部分依赖图

交互作用图
单个样本可视化图（略）

（5）GCN用于街道研究，如GCN实现街道功能分类

在这里插入图片描述

（6）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

（7）街景主观感知两两对比程序，TrueSkill计算主观感知评分

街景两两对比程序，Trueskill计算评分代码，训练模型，预测街景
街景主观感知两两对比程序（数据集生成，自定义每张图片出现次数，提示剩余总对比次数，对比程序！最少对比次数，最高的效率！Trueskill图片对比15-30计算才有意义。），TrueSkill计算主观感知评分。
在这里插入图片描述

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

街景两两对比程序，Trueskill计算评分代码，训练模型，预测街景
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。
在这里插入图片描述