R在GIS中用ggmap地理空间数据分析

全文链接：http://tecdat.cn/?p=4001

原文出处：拓端数据部落公众号

　　概要

　　做过O2O（Online To Offline,在线离线/线上到线下）的小伙伴知道，GIS数据需要具体到精准的位置(即经纬度)；对于连锁门店，使用GIS和其它的数据密集型服务遵循一个简单的逻辑：数据有助于企业节省开支，同时也防止企业因为在不适宜的地点开设门店而导致的错误决策浪费金钱。

　　地铁不仅是交通轨道，更是一座城市的血脉，是记录和观察城市经济生活最重要的切入点之一，地铁口的特征是，上下地铁，这类人群都是快消人群。针对快消品牌的用户定位，我们通过对新加坡地铁站周边区域的手机客户端位置数据的采集，结合数据决策模型帮助客户规避风险。

　　数据采集

　　采集到的数据分成两个部分：1、地铁站点经纬度信息。2、用户客户端地理位置信息

　　地铁站点经纬度信息

　　用户客户端地理位置数据

　　然后我们统计出每个地铁站点附近200m之内的用户数目，进行数据描述分析和GIS可视化。

　　数据概要

　　每个地铁站的位置图

　　统计出不同地铁站200m内的用户数目的总体比例

　　通过数据描述分析，我们可以看到每个地铁站的位置以及单个地铁站200m内的用户数目。

　　GIS可视化

　　为了直观地表现出每个地铁站的用户数目，我们在地图上对数据进行可视化，用颜色的深浅和点的大小来表示用户多少。

　　对于连锁门店的地铁店铺选址，不能单纯的看单个地铁的人流量，周边地铁口的人流量的“联动效应”也是非常重要，找出人流量大的地铁站“区域”结果往往更加可靠。因此，我们通过绘制用户数目的contour图来判断哪些地铁站点区域具有更多的人流量。

　　最后综合考虑热门的地铁站区域和单个地铁站人流量数目做出选址的决策。

　　后续展望

　　我们希望能够在未来补充更多的数据维度和分析方法，通过年龄、男女比例来确定潜在的客户数量，综合完善评价体系，对地铁站进行评级，观察商业变化和经济发展的轨迹。

---

最受欢迎的见解

1.数据类岗位需求的数据面

2.探析大数据期刊文章研究热点

3.机器学习助推快时尚精准销售预测

4.用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM)的应用

5.数据盘点：家电线上消费新趋势

6.在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析

7.虎扑论坛基因探秘：社群用户行为数据洞察

8.把握出租车行驶的数据脉搏

9.智能门锁“剁手”数据攻略