基于大数据的城市公园游憩功能研究.docx

??

?

??

基于大数据的城市公园游憩功能研究

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

文／谢瑶郭旭梅

摘要：当今时代是大数据的时代，本文对上海市153个公园的相关因子进行统计，确定各因子权重并最终将其做了排名，找到20个具有代表意义的公园。通过大数据挖掘，对搜索引擎的检索记录进行分析研究，得出公园游憩功能。

关键词：公园；游憩；大数据；搜索引擎

引言

公园是城市中面积大、功能全的绿地，它是衡量城市建设水平的重要标志。为了进一步了解上海公园的发展状况，通过大数据挖掘，对20个公园的游憩功能进行研究分析，为优化上海城市公园规划建设，城市居民公园选择提供科学依据。

1、相关理论和技术

本文的主要理论和技术为大数据理论和搜索引擎技术。前者是指从各种各样类型的数据中，快速获得有价值的信息；后者专门为用户提供信息“检索”的服务。本文总共选取了四个搜索引擎，其中中文搜索引擎为：百度、搜搜；外文搜索引擎为：谷歌、雅虎。

2、选择上海市具有代表意义的公园

2.1相关步骤

2.1.1建立层次结构模型

将决策的目标、考虑的因素和决策对象按它们之间的相互关系绘出层次结构图。目标层为“选择公园”，准则层1为“文化和历史”“区位”“规模和特色”，准则层2为“建园历史”“历史名人、事件”“交通路线”“停车场数量”“附近商圈”“地理位置”“游乐设施”“面积”“A级景区”。方案层为“人民公园”“鲁迅公园”等上海市公园。

2.1.2构造判断矩阵

这个阶段采用专家打分法，通过旅游专业的专家对准则层的各个因子进行打分，得到关于文化和历史、区位、规模和特色的判断矩阵为

2.1.3层次单排序及其一致性检验

对应于判断矩阵最大特征根λmax的特征向量，经归一化后记为W。经计算准则层1的W1=（0.38730187，00.442857143）ˊ入=3.018309068。一致性的检验结果CR=0.0157836790.1。此结果的不一致性程度在容许的范围之内，有满意的一致性。准则层2的W2=(0.25，0.75)ˊ;W3=（0.171457219，0.079434046，0.0578877005）ˊ，入=4.081003075，CR=0.0300011390.1;W4=（0.210606061，0.240909091，0.458484848）ˊ，入=3.018318588，CR=0.0157918860.1。

2.1.4计算最终权重

由于已经有了准则层1和准则层2的权重结果，将其进行计算得到最终权重，结果为：建园历史0.096825397，历史名人和事件0公交数量0.029120512，停车场0.013491179，商圈0.098317206，地理位置0.028912373，游乐设施0.093268398，面积0.106688312，A级景区0.242900433。

2.2数据处理

2.2.1数据标准化

数据标准化的常用方法有Min-max标准化、z-score标准化、小数定标标准化和归一化。其中第一种方法是最常用的方法，其原理是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0，1]中的值x’。故本文中采用这一方法。

2.2.2对各变量进行打分说明

1）建园历史

建园历史中针对历史500年以上的公园打为1分，100年到500年间的打为0.8分，其余根据Min-max标准化方法对其进行打分，对于少量未得到数据的公园采用平均值对其进行评分。

2）历史名人、事件

对历史名人、事件影响较大的公园打分为0.8分，如上海五大古典园林、世博会、鲁迅、孙中山等；对第二类的历史名人、事件打分为0.5分，如未说明具体的烈士、炮台、举办展览、古树较多；对一般性质的历史名人、事件打分为0.3分。如犹太难民收容所、32颗百年大树。无历史名人和事件为0分。

3）交通路线

由于上海地铁系统较发达，换乘方便，居民更愿意乘坐地铁出行故将一条地铁算成两条公交的数量，再根据Min-max标准化方法对其进行打分。

4）附近商圈

对于大型商圈四川北路商业街繁华地段、南京路步行街、陆家嘴金融中心区等打分为1分；其余商圈打分为0.5分。

5）地理位置

位于内环打分为1分，以此排序分别为0.7、0.4和0.1。

6）游乐设施

一般小区有的和路边较常见的，如儿童游乐设施和茶室各打分0.1分，篮球场、网球场等健身设施打分0.2分，喷泉0.2分，古戏台0.2分，溜冰场0.2分，舞厅0.2分，游乐设施较多较齐全的