藍(lán)振家，郭慶勝，董慧娟，劉　晴，尹　航

(武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430070)

?

基于海量POI數(shù)據(jù)的城市小學(xué)教育資源信息的提取與分析

藍(lán)振家，郭慶勝，董慧娟，劉晴，尹航

(武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430070)

摘要：通過(guò)網(wǎng)絡(luò)爬蟲獲取海量POI數(shù)據(jù)具有巨大的應(yīng)用前景。文中利用改進(jìn)后的兩步移動(dòng)搜索法，計(jì)算居民區(qū)的教育資源可達(dá)性，評(píng)價(jià)以市為單位的小學(xué)教育資源的狀況，將各市的GDP與教育資源可達(dá)性進(jìn)行相關(guān)性分析，評(píng)價(jià)各省經(jīng)濟(jì)發(fā)展與城市教育發(fā)展的相關(guān)程度，為政府部門提供決策依據(jù)。同時(shí)，研究POI數(shù)據(jù)的預(yù)處理方法和分類方法。

關(guān)鍵詞：POI；海量數(shù)據(jù)；城市小學(xué)教育資源；可達(dá)性；數(shù)據(jù)挖掘

大數(shù)據(jù)在近幾年是一個(gè)熱門話題。大數(shù)據(jù)(bigdata)是體量巨大(volume)、多種多樣(variety)、高速變化(velocity)、真實(shí)質(zhì)差(veracity)、價(jià)值密度低(value)的復(fù)雜數(shù)據(jù)集合[1-3]。這種定義指出大數(shù)據(jù)最為核心的問(wèn)題就是如何從規(guī)模巨大、種類繁多、生成快速的數(shù)據(jù)集中挖掘出有用的信息，進(jìn)而轉(zhuǎn)變成知識(shí)，為用戶提供決策服務(wù)，實(shí)現(xiàn)大數(shù)據(jù)的價(jià)值。大數(shù)據(jù)中約有80%的數(shù)據(jù)是與空間位置相關(guān)的[4]。POI的中文含義即興趣點(diǎn)，它沒(méi)有嚴(yán)格的定義。從地理編碼的角度理解，可以認(rèn)為凡是對(duì)地點(diǎn)地理位置具有指示或標(biāo)示作用的名稱都可以叫興趣點(diǎn)[5]。興趣點(diǎn)一般包含有名稱、經(jīng)緯度、地址等方面的信息，最大的特點(diǎn)是其中的位置信息[5]。但是，如何僅僅通過(guò)POI的位置信息挖掘出具有實(shí)際應(yīng)用價(jià)值的信息是目前POI應(yīng)用分析的難點(diǎn)。2012年國(guó)務(wù)院提出了關(guān)于推進(jìn)義務(wù)教育均衡發(fā)展的意見，充分認(rèn)識(shí)義務(wù)教育均衡發(fā)展的重要意義。小學(xué)教育是9年免費(fèi)義務(wù)教育的重要一環(huán)，對(duì)小學(xué)教育資源發(fā)展進(jìn)行評(píng)價(jià)有著重要意義。

目前，國(guó)內(nèi)大部分小學(xué)教育資源的研究都針對(duì)小范圍內(nèi)的，陳瑩采用GIS技術(shù)分析了北京市宣武區(qū)中小學(xué)的均衡性發(fā)展以及空間布局[6]；任若菡等利用改進(jìn)后的兩步移動(dòng)搜索法對(duì)重慶市黔江區(qū)的貧困區(qū)小學(xué)教育資源空間配置不合理等問(wèn)題進(jìn)行了研究[7]；呂毅用GIS和可達(dá)性概念，對(duì)長(zhǎng)沙市雨花區(qū)公立小學(xué)設(shè)施的供需現(xiàn)狀進(jìn)行了分析，對(duì)可達(dá)性進(jìn)行評(píng)估[8]。很少有針對(duì)大區(qū)域范圍內(nèi)的小學(xué)教育資源的狀況進(jìn)行研究。為了滿足對(duì)大區(qū)域范圍內(nèi)的小學(xué)教育資源分布狀況的評(píng)價(jià)，本文將利用POI數(shù)據(jù)所包含的信息來(lái)挖掘小學(xué)教育資源的信息。

1分析方法與技術(shù)路線

小學(xué)服務(wù)半徑范圍內(nèi)交通點(diǎn)(公交站，地鐵站)的個(gè)數(shù)可以表征該所小學(xué)的便捷程度，個(gè)數(shù)愈多，便捷程度就越高。教育資源的可達(dá)性[6]是指學(xué)生從家(居民區(qū))到學(xué)校(教育資源)的方便程度，它可以反映學(xué)生可獲得的教育資源的多少。按照就近上學(xué)的原則，居民區(qū)出行距離范圍內(nèi)最近的小學(xué)的便捷程度可以作為居民區(qū)的教育資源可達(dá)性。POI數(shù)據(jù)是一種代表現(xiàn)實(shí)地理實(shí)體的點(diǎn)狀數(shù)據(jù)，它可以代表交通點(diǎn)、小學(xué)、居民區(qū)甚至是占有一定面積的地理存在，通過(guò)海量POI數(shù)據(jù)，可以獲取小學(xué)、居民區(qū)和交通點(diǎn)的分布情況以及位置關(guān)系信息，計(jì)算出便捷程度和教育資源可達(dá)性。網(wǎng)上獲取的POI主要是城市范圍內(nèi)的，對(duì)小學(xué)教育資源信息的分析與提取也是以城市為研究對(duì)象。

首先，根據(jù)國(guó)家的小學(xué)服務(wù)半徑標(biāo)準(zhǔn)，設(shè)定500m為服務(wù)半徑。根據(jù)陳瑩對(duì)北京宣武區(qū)教育服務(wù)區(qū)的劃分，當(dāng)小學(xué)服務(wù)半徑取600m(路網(wǎng)距離)時(shí)，居民區(qū)被一所學(xué)校施教區(qū)覆蓋的比例最大[6]，因此小學(xué)生出行距離設(shè)置為600m，從而獲得每一所居民區(qū)的教育資源可達(dá)性。然后，用ArcGIS的Join和summarize功能對(duì)所在市的相應(yīng)居民區(qū)的教育資源可達(dá)性求平均值，代表該市每一所居民區(qū)平均可獲得最近小學(xué)的便捷程度的多少，作為該市的教育資源可達(dá)性；用分級(jí)色彩的方式對(duì)各市教育資源可達(dá)性進(jìn)行可視化，得到統(tǒng)計(jì)專題圖。利用相關(guān)系數(shù)的計(jì)算公式(見式(1))計(jì)算以省為單位的各個(gè)市2013年GDP與教育資源可達(dá)性的相關(guān)系數(shù)，獲得相關(guān)系數(shù)表。

(1)

其中:σxy表示以省為單位的各市2013年GDP與教育資源可達(dá)性的協(xié)方差，σx表示以省為單位的各市2013年GDP的標(biāo)準(zhǔn)差，σy表示以省為單位的各市教育資源可達(dá)性的標(biāo)準(zhǔn)差。最后，分析統(tǒng)計(jì)專題圖與相關(guān)系數(shù)表，挖掘大區(qū)域范圍內(nèi)的城市小學(xué)教育信息?；贕IS和POI的城市小學(xué)教育資源分布狀況評(píng)價(jià)的技術(shù)流程如圖1所示。

圖1　技術(shù)流程

2海量POI數(shù)據(jù)的預(yù)處理

本實(shí)驗(yàn)的POI原始數(shù)據(jù)來(lái)源于百度、圖吧、圖盟、騰訊等國(guó)內(nèi)主要大型地圖服務(wù)網(wǎng)站，經(jīng)加工處理后的標(biāo)注總量為13 362 917條，包括全國(guó)范圍內(nèi)的24個(gè)省/市，成果為分省導(dǎo)出的shp文件，共計(jì)13.8G，整理日期為2014-02。每條POI點(diǎn)的記錄有8個(gè)字段，分別是FID、Shape、ID、name、X、Y、address、city。其中可用的信息包括name(名稱)，X,Y(經(jīng)緯度坐標(biāo))，address(地址)，city(所在城市)。實(shí)驗(yàn)需要的POI數(shù)據(jù)有以下要求：無(wú)奇異數(shù)據(jù)、無(wú)重復(fù)項(xiàng)、保持?jǐn)?shù)據(jù)格式的一致性、建立統(tǒng)一的坐標(biāo)系、確定統(tǒng)計(jì)單元以及POI點(diǎn)之間的距離是點(diǎn)位置間的歐式距離。針對(duì)POI數(shù)據(jù)的要求，做如下處理：

1)去除奇異點(diǎn)。對(duì)經(jīng)緯度按從小到大進(jìn)行排序，刪除經(jīng)緯度不在研究區(qū)域內(nèi)的點(diǎn)。

2)去重處理。刪除名稱相同，經(jīng)緯度坐標(biāo)相等的點(diǎn)。

3)格式規(guī)范化。對(duì)名稱和地址字段中存在的中英文括弧以及數(shù)據(jù)英文全、半角等格式不一致問(wèn)題進(jìn)行規(guī)范統(tǒng)一。

4)數(shù)據(jù)源的統(tǒng)一。POI數(shù)據(jù)地理坐標(biāo)采用Beijing_1954，投影坐標(biāo)系為蘭伯特投影 (China_Lambert_Conformal_Conic)與1∶400萬(wàn)基礎(chǔ)地理信息要素坐標(biāo)參考信息進(jìn)行統(tǒng)一。

5)統(tǒng)計(jì)單元確定。研究對(duì)象以“市”為統(tǒng)計(jì)單元，將以“省”為單位的shp文件轉(zhuǎn)成以“市”為單位的shp。

6)平面坐標(biāo)獲取。在ArcGIS中用“計(jì)算幾何”功能獲取POI點(diǎn)的平面坐標(biāo)，利用POI點(diǎn)的平面坐標(biāo)計(jì)算POI點(diǎn)之間的歐式距離。海量POI數(shù)據(jù)預(yù)處理的流程如圖2所示。

圖2　海量POI預(yù)處理流程

3城市小學(xué)教育資源數(shù)據(jù)的提取

實(shí)驗(yàn)需要對(duì)海量POI數(shù)據(jù)進(jìn)行分類并提取出小學(xué)類、交通點(diǎn)類，居民區(qū)類。POI標(biāo)注的信息結(jié)構(gòu)主要包括名稱、坐標(biāo)及地址3種信息。由于坐標(biāo)信息不帶有文本描述屬性，不具有文本分類的作用[9]，地址信息表征的是POI點(diǎn)的相對(duì)位置，不具有分類特征屬性，因此，將POI名稱作為分類的重要研究對(duì)象?，F(xiàn)階段，對(duì)于中文POI名稱分類的方法還比較少，劉曉娟提出一種基于Lucene的中文POI名稱的切分與匹配方法，羅安提出了一種基于角色標(biāo)準(zhǔn)的中文POI名稱語(yǔ)義分類方法等等[9-11]，但都未做到完全正確的自動(dòng)分類[12-14]。本實(shí)驗(yàn)采取特征關(guān)鍵詞與POI名稱進(jìn)行匹配的方法。例如小學(xué)類：名稱字段中包含“小學(xué)”字段的POI歸為小學(xué)一類。分類后的POI數(shù)據(jù)存在2類問(wèn)題：①某類POI數(shù)據(jù)中存在其它類別；②重復(fù)性的問(wèn)題，例如：“武漢市黃陂區(qū)前川街道第一小學(xué)”，“武漢市黃陂區(qū)前川街道第一小學(xué)(南門)”，“武漢市黃陂區(qū)前川街道第一小學(xué)(西南門)”，這3條POI數(shù)據(jù)都會(huì)是小學(xué)類，但是實(shí)驗(yàn)只需要其中的一條數(shù)據(jù)。為保證實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性，采用人工交互的手段。3個(gè)類別特征關(guān)鍵詞的確定，由于國(guó)家對(duì)于POI分類沒(méi)有制定國(guó)家標(biāo)準(zhǔn)規(guī)范，因此采用的是企業(yè)標(biāo)準(zhǔn)，即天地圖有限公司2013年發(fā)布的天地圖POI數(shù)據(jù)分類編碼表。

4改進(jìn)后的兩步移動(dòng)搜索法

本文在傳統(tǒng)兩步移動(dòng)搜索法[15]的基礎(chǔ)上，針對(duì)POI數(shù)據(jù)的特點(diǎn)和城市內(nèi)小學(xué)生多采取就近上學(xué)的原則，進(jìn)行了兩方面的改進(jìn)：①考慮到通過(guò)POI的位置信息來(lái)計(jì)算教育資源，將小學(xué)的便捷程度代替小學(xué)規(guī)模與人口的比值。②以居民區(qū)最近小學(xué)的教育資源代替居民區(qū)出行距離內(nèi)小學(xué)教育資源的和，來(lái)代表居民區(qū)的可達(dá)性指標(biāo)。因此，改進(jìn)后的兩步移動(dòng)搜索法的第一步：以小學(xué)i為中心，以小學(xué)的服務(wù)范圍(d0)為半徑，建立搜尋域i，搜索所有在i距離閾值范圍內(nèi)的交通點(diǎn)m，作為該小學(xué)i的便捷程度，見公式(2)。

(2)

第二步：以任一居民區(qū)j為中心，以小學(xué)生的上學(xué)出行距離(d1)為半徑，建立搜索域j，查找搜尋域內(nèi)所有的小學(xué)，選擇評(píng)價(jià)可達(dá)性指標(biāo)。傳統(tǒng)的是以搜索范圍內(nèi)學(xué)校便捷程度的和(見式(3))作為可達(dá)性指標(biāo)，改進(jìn)后的則是以搜索范圍內(nèi)最近的學(xué)校的便捷程度來(lái)代表居民區(qū)的可達(dá)性。

(3)

5實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)數(shù)據(jù)有：①預(yù)處理和提取后的山東省、江蘇省、浙江省、福建省以及廣東省東部地區(qū)5個(gè)省份的POI數(shù)據(jù)。②1∶400萬(wàn)基礎(chǔ)地理信息要素。1∶400萬(wàn)基礎(chǔ)地理信息要素是國(guó)家測(cè)繪部門公開的數(shù)據(jù)，包括國(guó)界、省界、縣界、地州界、主要公路、主要河流、主要鐵路、主要湖泊、省級(jí)行政區(qū)和省會(huì)城市，以及經(jīng)緯網(wǎng)，可以作為地理分析結(jié)果可視化的底圖。③2013年全國(guó)各市GDP，來(lái)源于各地方統(tǒng)計(jì)局和宜居城市研究室。

圖3　東部地區(qū)5省城市小學(xué)教育資源可達(dá)性統(tǒng)計(jì)圖

圖3為東部地區(qū)5省小學(xué)教育資源可達(dá)性的統(tǒng)計(jì)專題圖。根據(jù)計(jì)算結(jié)果，可達(dá)性小于1為低，介于1到2為合格，介于2到5為較高，大于5的為高，將可達(dá)性分為4個(gè)等級(jí)：高、較高、合格、低。由圖3分析可知：東部地區(qū)5省的省會(huì)城市除廣州以外，教育資源可達(dá)性至少為較高；東部地區(qū)5省大部分城市的教育資源可達(dá)性都在合格線以上，只有9個(gè)城市的教育資源可達(dá)性為低。

以浙江省為例說(shuō)明各市GDP與教育資源可達(dá)性的相關(guān)系數(shù)的計(jì)算，如表1所示。東部地區(qū)5省所在市GDP與教育資源可達(dá)性相關(guān)系數(shù)如表2所示。

表1　浙江省各市GDP與教育資源可達(dá)性以及全省的相關(guān)系數(shù)

表2　各省所在市GDP與教育資源可達(dá)性的相關(guān)系數(shù)

相關(guān)程度的劃分：r>0，為正相關(guān)；r<0，為負(fù)相關(guān)。當(dāng)|r|≥0.8時(shí)，為高度相關(guān)；當(dāng)0.5≤|r|<0.8時(shí)，可視為中度相關(guān)；當(dāng)0.3≤|r|<0.5時(shí)，視為低度相關(guān)；當(dāng)|r|<0.3時(shí)，說(shuō)明兩個(gè)變量之間的相關(guān)程度極弱。由表1和表2分析可知:

1)山東省的各市GDP與教育資源可達(dá)性的相關(guān)系數(shù)介于0.5～0.8，為中度正相關(guān)，說(shuō)明山東省的經(jīng)濟(jì)發(fā)展促進(jìn)了城市小學(xué)教育的發(fā)展，當(dāng)?shù)卣畱?yīng)在保持對(duì)城市小學(xué)教育經(jīng)濟(jì)投入的基礎(chǔ)上，更注重教育投入質(zhì)量。

2)廣東省的各市GDP與教育資源可達(dá)性的相關(guān)程度為弱負(fù)相關(guān)，說(shuō)明當(dāng)?shù)卣畬?duì)小學(xué)教育不夠重視，應(yīng)根據(jù)地區(qū)的實(shí)際情況加大對(duì)城市小學(xué)教育的投入。

3)江蘇省、福建省以及浙江省3個(gè)省份的各市GDP與教育資源可達(dá)性的相關(guān)程度為低度正相關(guān)或弱正相關(guān)，說(shuō)明這些省份的經(jīng)濟(jì)發(fā)展對(duì)城市小學(xué)教育的影響較小。當(dāng)?shù)卣块T應(yīng)根據(jù)實(shí)際的狀況調(diào)整對(duì)城市小學(xué)教育的投入。

6結(jié)束語(yǔ)

本文從海量POI數(shù)據(jù)的預(yù)處理，到數(shù)據(jù)的計(jì)算，最后到數(shù)據(jù)的可視化與分析，實(shí)現(xiàn)了從海量POI數(shù)據(jù)中，通過(guò)統(tǒng)計(jì)專題圖和圖表的形式，評(píng)價(jià)大區(qū)域范圍內(nèi)城市小學(xué)教育資源的可達(dá)性，經(jīng)濟(jì)與城市小學(xué)教育發(fā)展的相關(guān)程度，以及提取城市小學(xué)教育資源的信息，從而驗(yàn)證了實(shí)驗(yàn)方法的可行性。POI數(shù)據(jù)覆蓋的范圍非常廣，除了教育方面的應(yīng)用，還可以應(yīng)用在公共安全、公共醫(yī)療以及城市規(guī)劃等政府關(guān)切的領(lǐng)域。 總的來(lái)說(shuō)，本文對(duì)海量POI數(shù)據(jù)信息的挖掘有一定的參考價(jià)值，對(duì)于海量POI數(shù)據(jù)的應(yīng)用有一定的啟示。

參考文獻(xiàn)：

[1]UNITEDNATIONSGLOBALPULSE.2012，BigDataforDevelopment:Challenges&Opportunities[R].2012.

[2]MCKINSEYGLOBALINSTITUTE.2011BigDatatheNextFrontierforInnovation，Competition，andProductivity[R].2011.

[3]GANTZJ，REINSELD.Extractingvaluefromchaos.IDCiView，2011:1-12.

[4]王樹良，丁剛毅，鐘鳴.大數(shù)據(jù)下的空間數(shù)據(jù)挖掘思考[J].中國(guó)電子科學(xué)研究院學(xué)報(bào)，2013，8(1)：8-17.

[5]龍軍.基于角色標(biāo)注的中文POI名稱匹配的研究及原型系統(tǒng)實(shí)現(xiàn)[D].重慶：西南大學(xué)，2008.

[6]陳瑩.基于GIS的基礎(chǔ)教育資源空間布局研究[D].北京：首都師范大學(xué)，2008.

[7]任若菡，王艷慧，何政偉，等.基于改進(jìn)的兩步移動(dòng)搜索法的貧困區(qū)小學(xué)教育資源可達(dá)性分析——以重慶市黔江區(qū)為例[J].地理信息世界，2014(2)：22-28.

[8]呂毅.城市小學(xué)校可達(dá)性評(píng)價(jià)——以長(zhǎng)沙市雨花區(qū)為例[D].武漢：武漢大學(xué)，2005.

[9]羅安，王勇，張福浩，等.基于角色標(biāo)準(zhǔn)的中文POI名稱語(yǔ)義分類方法[J].測(cè)繪通報(bào)，2012(S1)：521-524.

[10] 張玲.POI的分類標(biāo)準(zhǔn)研究[J].測(cè)繪通報(bào)，2012(10)：82-84.

[11] 劉曉娟.基于Lucene的中文興趣點(diǎn)名稱的切分與匹配研究[J].電腦知識(shí)與技術(shù)，2011，7(21)：5144-5146.

[12] 陳香，李曉明，詹然，等.從城市興趣點(diǎn)中提取多層次地標(biāo)方法探究[J].測(cè)繪與空間地理信息，2015，38(10)：129-132.

[13] 陳睿嘉，康志忠，張衛(wèi)濤.基于網(wǎng)絡(luò)爬蟲的導(dǎo)航深度服務(wù)信息自動(dòng)采集[J].測(cè)繪工程，2015,24(1)：17-24.

[14] 姚靜.基于ArcGIS的大比例尺矢量電子地圖制圖研究[J].測(cè)繪與空間地理信息，2015，38(6)：135-136,139.

[15]RADKEJ，MULan.SpatialDecompositions，ModelingandMappingServiceRegionstoPredictAccesstoSocialPrograms[J].GeographicInformationSciences,2000,6(2):105-112.

[責(zé)任編輯：劉文霞]

DOI:10.19349/j.cnki.issn1006-7949.2016.10.012

收稿日期：2015-05-26;修回日期：2015-10-26

基金項(xiàng)目：國(guó)家863計(jì)劃資助項(xiàng)目(2012AA12A402)；國(guó)家自然科學(xué)基金資助項(xiàng)目(41471384；41171350；41071289)

作者簡(jiǎn)介：藍(lán)振家(1991-)，男，碩士研究生.

中圖分類號(hào)：P208

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006-7949(2016)10-0059-05

Extraction and analysis of urban primary educational resource information based on massive POI data

LAN Zhenjia，GUO Qingsheng，DONG Huijuan，LIU Qing，YIN Hang

(SchoolofResourceandEnvironmentalSciences，WuhanUniversity，Wuhan430070，China)

Abstract：The massive POI data acquired from the web crawler has a great prospect of application.This paper calculates the educational resource accessibility of every residential area by means of improved two-step floating catchment area method.Then，the situation of the primary education resource in one city and the relevance between the provincial economic development and urban educational development are evaluated through analyzing the relationship between GDP and education resource accessibility.These achievements provide a decision-making basis for the government.Meanwhile，the methods of preprocessing and classifying the POI data are presented.

Key words：POI;mass data;urban primary educational resources;accessibility;data mining