校园垃圾桶优化配置方案.doc

校园垃圾桶优化配置方案 分析过程 如下图所示，是我们的工作流程图： 图1 工作流程图 具体过程： 基础数据准备阶段 地图数据准备 数据获取： 聊城大学现状图一副（*.jpg）； 数据处理： 首先将聊城大学现状图导入到Photoshop中，拟建立一个平面直角坐标系，找出若干个特征地物，并将其标注出来。 在Google Earth量算出特征地物的长度，通过计算，便可得到一个较为精确的平面直角坐标系，如此便可得到现状图上任意一点的坐标。 将聊城大学现状图导入到SuperMap Deskpro 6中，建立平面直角坐标系，并根据得到的坐标值进行配准。 对配准得到的结果进行屏幕跟踪矢量化，得到聊城大学西校区地图一副，供分析使用。 垃圾量信息获取与处理 垃圾桶内垃圾量的获取： 连续7天，每天选择同一时段对整个校区的垃圾桶中的垃圾量进行统计。得出一星期内每个垃圾桶垃圾量的平均值 权重值的计算： 根据现有垃圾桶的调查，得出西校区共有垃圾桶4类102个。将得到的每个垃圾桶垃圾量除以不同类别垃圾桶体积， %=/ 得出每个垃圾桶的平均垃圾量的百分比%。运用空间分析中的距离查询，分别查询距各个影响因子一定范围内的垃圾桶的垃圾量百分比%。并求出其平均值。比较各均值的大小，值比较大的认为其对垃圾桶分布的影响越大。 根据各个影响因子对垃圾桶分布影响程度的大小，运用《计量地理》课上学到的“地理环境辨识模型”，从不同的角度和方面出发，构造上述六个影响因子的判断矩阵R： 宿舍区 服务区 活动区 教学区 景区 重要道路 R= 其中： =1，表示i与j同等重要； =2，表示i比j稍重要； =3，表示i比j较重要； =4，表示i比j重要得多。 采用方根法，求出各个影响因子的相对权重，并以此作为空间叠加分析的权重。 计算公式为： 对上述判断矩阵进行计算，得 宿舍区权重 =0.167 服务区权重 =0.340 活动区权重 =0.098 教学区权重 =0.167 景区权重 =0.149 重要道路权重 =0.078 数据分析处理阶段 距离栅格分析 分析环境设置： 根据分析需要，在进行栅格分析之前首先对栅格分析环境进行如下设置： 图2 分析环境设置 各因子距离栅格分析： 距离栅格分析设置： 图3 距离栅格设置 在进行距离栅格分析时，不同的影响因子设置了不同的“最大距离”： 表 1 宿舍区 服务区 活动区 教学区 景区 道路 1500 1500 1500 1500 2500 40 “最大距离”的设置主要是考虑到影响因子的范围大小，尽可能使分析范围包括“分析环境设置”所能包括的所用范围。 结果举例： 图4 道路距离栅格 重分级 对得到的距离栅格数据进行重分级： 重分级分析设置： 图5 重分级设置 数据类型统一选择浮点型； 不同分级间间隔详见下表： 表 2 各影响因子重分级间隔： 宿舍区 服务区 活动区 教学区 景区 道路 5 5 5 5 5 4 级数设置说明： 级数设置为12，第一级统一设置为0——0.0001，是由于在使用SuperMap Deskpro 6进行重分级时，得到的结果中影响因子内部也会被赋值， 图6 重分级 因为我们要分析的是影响因子周围的区域，所以，影响因子内部有值会影响我们的分析结果，所以，我们便又多分了一级，并且设置成0-0.0001这一很小的区域，目的在于使重分级得到的结果中影响因子内部的值为0。 同样，由于在距离栅格分析的时候设置的“最大距离”较大，因此影响因子一些区域也是没有分析价值的，50米（由表2知，并不是所有的影响因子都是分析了50米）之外的全部设置为0： 图7 重分级设置 重分级结果举例： 图8 道路重分级 栅格代数运算 栅格代数运算： 根据重分级得到的结果以及基础数据准备阶段得到的各个影响因子的相对权重值，进行栅格代数“+”运算。 将上一步得到的重分级结果分别乘以相对权重值然后相加，栅格代数运算设置见下图： 图9 栅格代数运算 说明：像素类型应保持和重分级得到的结果数据类型一致，此处都是浮点型； 栅格代数运算式： [垃圾桶优化配置.道路重分级] * 0.078+ [垃圾桶优化配置.服务区重分级]* 0.340+ [垃圾桶优化配置.活动场所重分级] * 0.098+ [垃圾桶优化配置.教学重分级]* 0.167+ [垃圾桶优化配置.景区重分级] * 0.149+ [垃圾桶优化配置.宿舍区重分级] * 0.167 栅格代数运算结果如下： 图10 栅格代数运算结果 现有垃圾桶摆放点分析 确定密集点