全国范围AOI数据(小区、学校、医院、商场、园区、景区、火车站等)

AOI数据说明
在目前主流互联网电子地图中,POI(Point of Interest)指兴趣点,每一个POI至少包含四项基本信息:名称、地址、类别、经纬度坐标,它可以是一栋房子、一个商铺、一个小区门口或一个公交站等;
AOI(Area of Interest),顾名思义,指的是互联网电子地图中的兴趣面,同样包含四项基本信息,主要用于在地图中表达区域状的地理实体,如一个居民小区、一所大学、一个写字楼、一个产业园区、一个综合商场、一个医院、一个景区或一个体育馆等等;
AOI相比POI,具有更好的表达力,更好的计算力,更好的稳定性(POI瞬息万变,而AOI所表达的地理实体变化频率低很多);相反,POI比AOI的抽象层次更高,万事万物都抽象为一个点,实现降维,回归本源。
随着云计算、IoT、5G等信息技术发展,人类正在快速推进地理空间到信息空间(基于ICT技术构建)的映射和关联,如目前的O2O模式。而AOI所表达的地理实体是所有社会经济活动的地理载体,因此,以AOI数据为载体,将组织的业务数据、生产材料、生产工具、运营策略、人等所有生产要素组织起来,能够有效的完成线上线下一体化、推进组织向信息空间进化。
我认为AOI数据目前整体可以分为两类:栅格AOI数据、矢量AOI数据。
栅格AOI数据指各类栅格数据,每个像素所表达的地理空间范围(分辨率)是栅格AOI数据的边界,每个像素中存储的各类数值(多波段)是栅格AOI的属性值,目前栅格AOI数据获取方式越来越多,获取成本越来越低,分辨率越来越高,波段越来越丰富,处理算法和工具越来越成熟,当然,应用领域也越来越广泛;如下图的ASTER GDEM V2数据,每个像素为30m*30m大小,像素值为大地高程值。

矢量AOI数据简单说就是矢量地图数据中的各类面数据,如最基本的行政区划面数据,这也是各类GIS应用系统中用的最多的AOI数据,我们在不同的行业应用系统中把各类属性关联到行政区划面中,进行统计、分析、可视化,并以此将GIS统计分析算法、模型、思维引入到各行各业,满足业务需求,体现GIS的价值。
随着ICT技术的不断发展,数据处理能力飞速提升,同时线上应用场景越来越精细化、强调差异化,越来越多的决策需要更细致的数据支撑(目前看按区县做出经营决策对很多大型公司都是一个挑战),因此对AOI数据的要求越来越高,本质上是越来越真实化,即郭院士讲的建立真实世界到信息世界的映射。
目前三大互联网巨头都投入巨资做互联网地图入口,积累了大量的高质量AOI数据,更新频率也较高,是理想的AOI数据源。使用Python开发爬虫工具,可以获取互联网地图的POI和AOI数据,在基于位置关联主流房地产、旅游、交通、美食、生活服务网站的相关数据,可以建立覆盖全面、坐标相对精确、时效性好、属性内容丰富的AOI矢量数据,是建设各行业GIS应用场景的重要基础数据。
目前已获取的AOI矢量数据覆盖全国31个省市自治区和港澳地区,可以提供GCJ-02坐标系、BD09坐标系、WGS84坐标系数据;
数据格式也比较全面,默认提供SHP格式文件,可以根据要求提供Mapinfo MIF/TAB格式、Google KML格式、WKT格式、WKB格式、ArcGIS FileGeodatabase格式。
数据更新可以根据需求做到最快按周更新,默认提供按季度更新。
目前全国范围共获取AOI矢量数据共计超过105万个,涵盖衣、食、住、行、教育、医疗、旅游、政府机关、经济、体育休闲等所有经济活动区域;
欢迎关注 公众号 空间数据研究所


image.png

image.png

image.png

image.png

| 序号 | 属性 |
| 1 | 名称 |
| 2 | 别名(部分提供) |
| 3 | 地址 |
| 4 | 所在省 |
| 5 | 所在地市 |
| 6 | 所在区县 |
| 7 | 所在乡镇 |
| 8 | 所在区县行政区划编码 |
| 9 | 面积 |
| 10 | 导航坐标(部分提供) |
| 11 | 所在商圈(部分提供) |
| 12 | 营业时间(部分类别) |
| 13 | 联系电话(部分类别) |
| 14 | 介绍(部分类别) |
| 15 | 评价(部分类别) |
| 16 | 物业公司(部分类别) |
| 17 | 边界点经纬度坐标(Geometry) |
| 18 | 类别名称 |
| 19 | 细类别名称 |
| 20 | 建成时间(小区类别提供,来源于链家) |
| 21 | 建筑类型(小区类别提供,来源于LJ,部分城市小区提供) |
| 22 | 楼宇栋数(小区类别提供,来源于LJ,部分城市小区提供) |
| 23 | 小区总户数(小区类别提供,来源于LJ,部分城市小区提供) |
| 24 | 小区最高楼层(小区类别提供,来源于LJ,部分城市小区提供) |
| 25 | 是否有电梯(小区类别提供,来源于LJ,部分城市小区提供) |
| 26 | 在售房套数(小区类别提供,来源于LJ,部分城市小区提供) |
| 27 | 在租房套数(小区类别提供,来源于LJ,部分城市小区提供) |
| 28 | 在售房单价(小区类别提供,来源于LJ,部分城市小区提供) |
| 29 | 物业费用单价(小区类别提供,来源于LJ,部分城市小区提供) |

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,295评论 6 512
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,928评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,682评论 0 357
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,209评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,237评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,965评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,586评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,487评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,016评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,136评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,271评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,948评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,619评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,139评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,252评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,598评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,267评论 2 358

推荐阅读更多精彩内容