关注度分析.docVIP

关注度分析 ??微博，因其简短信息即时分享，受到越来越多的人青睐。大众参与、大众分享也成为一种主流。我们知道，每个人都是带有地理位置信息的。分享地理信息，继而在地理信息基础上进行空间分析，让大众分享内在的信息，并从中获取到更多有意义的信息，是非常必要且重要的。本文将基于大众分享信息演示平台，进行事件关注度分析或大众参与热情度分析。 一、引言 ??2010年Esri中国（北京）华北区用户大会上，大家看到并体验了大众分享信息演示系统。基于此系统，大众可随时随地随心，与他人分享各类信息，地理位置、杂谈随笔、图片、视频、链接等等。 ? 试想，在针对某一类主题（或/与某个时间段）时，我们是否可通过大众分享的地理位置来了解哪些地方关注该主题的人多，哪些地方关注的人少？整体的分布情况？在深入一步，如此分布的原因是什么？这些原因对全区的影响程度是否一致？差在哪？造成这些差异的本质问题等等。?因此，在大众分享信息演示系统中，提供了感兴趣时间段，感兴趣事件关注度的分析或任意时间段的大众参与热情度分析。 二、建模 ?每个个体都是独立的，在空间分布上也是独立的一个要素（以点为例）。而对这些散点，如何去得到整体的关注情况？此外，若还需要限定一些约束条件？因此，在构建模型时，我们首先需要设定分析前提。如，设定分析的时间段；针对的事件等。 ?? 对一堆零散的点，我们不能直接进行热点分析。我们需要使用collect events来进行事件统计；而collect events仅支持相同地理坐标的统计，因此我们需要指定一个容限范围进行点的整合（integrate）。 ???整合完成后，我们就可以使用collect events工具进行人数统计。 ??统计人数后，使用热点分析工具（Hot Spot Analysis）来进行GI*统计，使用Zscore rendering得到热点区和冷点区。 ??????? 对结果进行渲染，对于热点区域使用高聚集人群表示，冷点区使用离散人群表示，得到如下示意图（原始数据为假设） ??????? 此外，还可使用IDW插值来预测全国范围的关注度分布，如下图所示（冷区使用冷色调、热区使用暖色调，也即红色区域关注度/热情度高）： 三、小结 ??????? 对空间数据的统计分析，常常能挖掘更深层次的信息，以便更好的体现数据的价值。通过简单的关注度分析，我们可获得大众参与的热情程度、关注程度。后续，我们会进一步构建模型，分析原因及各影响因素在各省的影响程度。