发送原创文章至admin@caup.net，可申请注册邀请码
您需要 登录 才可以下载或查看，没有帐号？注册方式
x
吃小龙虾的季节又到了 杂谈点评数据 来自【远见】——致力于在环同济建立面向空间规划的数据研究团队和平台。
朋友说，规划行业都**了，我不能总发一些太**的东西，得接地气。所以……似乎小龙虾又上市了，就帮大家想想去哪吃吧，顺便（主要是想）简介一下大众点评数据。
大众点评数据是开放数据中较难采集的，因为网站设置了防采集措施。另外，大众点评在每个搜索列表下只显示了50页搜索结果，也是采集数据的一大障碍。不过这难不倒我们，我们在上海市搜索了关键字“小龙虾”，网站说有1600+的相关餐厅，我们选择有“人均消费”值得餐厅，显示有800余家。我们按列表采集了数据后发现，大众点评的搜索列表有大量的重复店铺，剔除重复样本、无地理位置样本、无人均价格样本后，最终得到454家。
采集结束后，如果我们需要较为精确的地理位置信息，就要将采集的经纬度坐标进行纠正，偶尔进行宏观尺度的分析不纠正也可以接受。为什么需要纠正呢，因为我们国家规定商业地图不能使用原始GPS坐标，测绘局在真实坐标上加了随机偏移。大家在获得开放地理信息过程中一定要注意，无论是从百度、SOSO、高德、谷歌（国内）获得的经纬度坐标都是不精确的，我大约估测过偏移在1km左右不等。各家采用的坐标系有差异，偏移也有差异，不过这也难不倒我们。当大家看到各路大神放出的基于开放数据的分析，如果是试图做精细分析的，大家可以注意一下这一点是否有纠正过。
将数据纠偏后（理论上可以到10米精度）就可以进行非常精确的分析了。但是这不是今天的重点。今天的重点是——去哪里吃？！
作为学生党就默默忽略那些人均一两百以上的样本了。。将数据导入GIS，看看分布情况怎么样。
分布没啥特别的规律，就不费时间做更详细的统计分析了。忽略那些超高档餐厅后，基本上各地区人民都可以吃到各个档次的小龙虾，各个等级的商业中心也都有价格比较亲民（绿色：人均50-100元）的小龙虾。尤其是咱大杨浦地区，几乎全是绿色。
想要做进一步分析的话，一种方法是将样本点的价格数据插值为面，生成喜闻乐见的热力图，然后联系商业中心布点、或者房价数据进行分析。此时插值方法的影响极大，大部分（尤其是以距离为权重）插值方法都是不适用对价格点要素的面状分析，例如下图：
另一种方法是将龙虾样本点做服务区划分，最常用的如泰森多边形，这就比较符合人们日常选择的情景了——我们大多数情况下都会在相对近的店铺中选择，店铺档次也在市场的作用下逐渐演化为与它服务区内的人群特征相对匹配。实际上，那些花花绿绿的热力图有时候（很多时候）都存在逻辑上的漏洞，希望大家瞪大眼睛。
价格高（低）并不意味着一定好吃（不好吃），大众点评最有价值的数据是其“众筹而来”的点评数据，对餐饮设施的点评分为“口味”“环境”“服务”三项，通常分析之前我们可以利用一些简图看一下它们之间的关系。
显然，人们对口味的评价相对多样化，而对环境与服务的评价高度一致，几乎是同一个评价指标。最可喜的当然是价格，各个档次都存在评价极高的店铺，这才是美食的精髓啊。这里就不再啰嗦数理统计了，最后放出了原始数据，大家可以随意使用。
最后回到正题，对三个点评数据进行简单分类来筛选一下腐败地点，以超出平均值的为好，否则为差，我们筛选出三方面都超出平均值的样本。
（黑色是三项点评都低于平均值的，蓝色为只有一项高于平均值的，黄色为有两项高于平均值的，红色为三项均高于平均值的。圆圈越大，价格越高。）
看我大杨浦果然是红色又多，圈又小。陆家嘴好多高档餐厅被人嫌弃。。。人广附近果然是黑点少，也有不少红色小圈！大家可以约起来了～～
最后的最后，上图显示的地理位置仍存在问题，这是因为虽然我们的数据位置信息经过纠偏，但是叠加的SOSO地图仍是使用国家测绘局火星坐标系，使得我们的样本点看上去仍有100-300米左右的偏移。各位有条件的朋友还是尽量使用GoogleMap国外服务器上的地图吧。
由于没有广告费，具体餐厅就不一一推荐了。
点评数据其分类之全，样本之多，覆盖了城市绝大部分生活性服务业，实在是开放数据的楷模。借助点评数据可以进一步探索评价城市非通勤活动分布、土地混合使用、住区商业便利程度、空间品质、社区隔离等等，数据可用性远高于 微博签到 等华而不实之辈。对此有研究需求的朋友可尝试联系我们。
【远见】团队组建中，加入【远见】|合作联系|转载本文：
farsightj@163.com 欢迎环同济的朋友提出您的合作研究计划。 本公众号会定期择机放出开放数据，给同学们提供练手的机会。
欢迎大家关注微信号：远见
| 
QQ好友和群
QQ空间
腾讯微博
腾讯朋友
