城市规划-服务区分析与可达性分析

领域模型和空间引力模型的球迷分布区分析一.实验目的与意义1.知道服务区和可达性分析，并知道服务区分析中的两种主要分析模型：领域模型和空间引力模型。2.理解领域模型和空间引力模型的作用，在学习好棒球队球迷范围分析后，对NBA某一赛区的球队球迷分布范围进行分析。二．实验方法与原理服务区：只顾客分布的主要区域，在该一范围内该店的商品销量或者营业额超过其竞争对手。邻域模型：遵循“最小努力”原则假设所有人都愿意前往离自己最近的服务区。这就是领域模型的主要思想邻域模型分成两个方向，一是顾客导向模型，即从顾客出发，搜索最近的服务点，并将该居民点纳入这个服务点的服务区，二是服务点导向模型，即从服务点出发构造泰森多边形，然后将泰森多边形与居民区进行叠置分析得到相应的服务区。NBA球队球迷分布则是采用第一个顾客导向模型进行计算的。空间引力模型：又称Huff模型。是顾客以某个固定的概率选择服务点，而这一概率正比于该服务点的空间引力强度。空间引力模型主要是针对服务点是引力，并且考虑地理因素比较多，如障碍物，顾客习惯等。三．实验过程赛区选择:西南部赛区：26.圣安东尼奥马刺队SanAntonioSpurs、27.休斯敦火箭队HoustonRockets、28.达拉斯小牛队DallasMavericks、29.孟菲斯灰熊队MemphisGrizzlies、30.新奥尔良黄蜂队NewOrleansHornets(1)邻域模型.打开ArcMap，加载ArcGIS安装中的bin/TemplateData.gdb/USA下的counties图层。

.在counties图层的属性表中用SelectByAttributes，然后在SQL中输入函数选择出那一赛区的五支球队所在的3个州名称,导出3个州所在的图层。如【图1】所示图1.然后利用FeatureToPoint方法从县区面状区域导出质心点。如【图2】所示•从谷歌地球在线网站上查找5个球队主场地的精确经纬度，在ArcMapGotoXY工具中输入坐标添加到地图上，生成5个图形元素，在LayerGroup上右键选

择ConvertGraphicsToFeatures...,将生成的点要素图层添加到当前地图,如【图3】所示..利用nearX具，进行最小距离计算。其中InputFeature选择县点图层（就是由县区域转换成点的图层）‘NearFeature选择5个球队点的图层。然后，对州面域图层join刚刚nearX具完成的县面域上的图层属性中NEAR_FID字段添加到州面域图层中。•对新添字段的州面域图层进行符号化。选择Uniquevalues,字段选择NEAR_FID，从而分成5类。编辑球队点图层属性表，添加Name字段,然后进行名称标注，结果如【图4】所示。图4(2)空间引力模型空间引力模型中是将服务区对顾客的引力的概率大小作为选择的依据，也就是计算每一个顾客去每种服务区的概率，最后将概率最大的那一个作为该服务区的吸引区范围。•执行邻域模型中的1、2、3三个步骤，得到球迷分布点和球队分布点。.计算球队与球迷范围之间的距离矩阵。打开ArcToolbox中的AnalysisTools/Proximity/PointFeature,用球迷范围作为InputFeature，用球队分布作为NearFeature。得到距离矩阵表dist。•计算势能。首先对球队点图层的属性表添加一个字段HomeWin，即各球队在2011年到1012年的主场胜率，然后将球队点图层通过join连接连接到dist上。在新的dist上添加名为potent的字段，表示每个球队对每个居民区的势能，在FieldCalculator中按照公式potent=1OOXwinrat/distance入2计算势能。•计算概率。在表dist中，在属性表中使用Summarize按照普查小区(INPUT_FID)对potent求和，保存在sum_potent.dbf中，然后再将sum_potent与dist进行连接，在dist中添加一个字段prob,表示每个居民区到每个球队的概率，在栅格计算器中按照公式prob=potent/sum_potent。•在dist中新增加一个字段MaxProb，表示每个居民区选择的最大概率，然后通过Summarize按照INPUT_FID对prob进行最大值求算，并将求算结果输出到MaxProb.dbf,如图5。利用join将输出的结果表连接到dist中。这样子就将居民区ID,球队点ID,每个居民区对每个球队的概率prob,每个居民区所选择的最大概率MaxProb等4个字段连接在一起了.在dist属性表中使用SelectByAttributes选择prob二MaxProb的行，导出到新的表MaxProbPerCnt.dbf中.

□fPointDistance图5.将MaxProbPerCnt连接到3个州的图层。然后打开该图层属性ptoperties,在Symbology上选择Uniquevalues，字段选择FID_.结果如图6.图6四．结果与分析1.实验结果出现利用两种模型分别计算出NBA西南赛区的球迷分布范围，图上有5中颜色，是因为有5支球队，而各种颜色的范围不同也就代表球迷分布范围的不同。利用邻域模型求出来的结果在图上显示会有交叉，而用空间引力模型求出的结果没有交叉。3邻域模型和空间引力模型分别有优劣势，其中邻域模型仅仅考虑了地理因素中的距离，但是操作起来比较简单。而空间引力模型则考虑到实际情况，也就是球队的赢球率在很大程度上决定了球迷的数量和地域的分布。空