No ambiente urbano, os prestadores de serviços mais importantes são normalmente representados por um conjunto de pontos em aplicações GIS utilizando o modelo POI (ponto de interesse), associado a certas atividades sociais. O conhecimento sobre a intensidade e o padrão de distribuição das facilidades - POIs (Pontos de interesse) é de grande importância na análise espacial, incluindo o planeamento urbano, a escolha do local de negócios e certas recomendações sociais. A Kernel Density Estimation (KDE) é uma eficiente ferramenta de estatística espacial para facilitar os processos apontados acima, e desempenha um papel importante na avaliação da densidade espacial, porque o método KDE considera o impacto da deterioração dos serviços e permite o enriquecimento das informações de uma forma muito simples, utilizando um gráfico de dispersão, tendo como saída uma superfície de densidade. No entanto, o KDE tradicional baseia-se principalmente na distância euclidiana, ignorando o fato de que na rede viária urbana a função de serviço POI materializa-se em uma estrutura com limitações de rede, ao invés de ser num espaço contínuo euclidiano. Visando equacionar essa questão, o presente estudo propõe um método computacional do KDE em uma rede e adota um novo método de visualização, utilizando uma superfície "parede" 3D. Alguns fatores reais condicionantes também são levados em conta neste estudo, tais como a capacidade de tráfego e a mão de direção de estradas. De forma prática, o método proposto é implementado sobre dados reais POI da cidade de Shenzhen, na China, para descrever a característica de distribuição de serviços sob impactos de multifatores.
The urban facility, one of the most important service providers is usually represented by sets of points in GIS applications using POI (Point of Interest) model associated with certain human social activities. The knowledge about distribution intensity and pattern of facility POIs is of great significance in spatial analysis, including urban planning, business location choosing and social recommendations. Kernel Density Estimation (KDE), an efficient spatial statistics tool for facilitating the processes above, plays an important role in spatial density evaluation, because KDE method considers the decay impact of services and allows the enrichment of the information from a very simple input scatter plot to a smooth output density surface. However, the traditional KDE is mainly based on the Euclidean distance, ignoring the fact that in urban street network the service function of POI is carried out over a network-constrained structure, rather than in a Euclidean continuous space. Aiming at this question, this study proposes a computational method of KDE on a network and adopts a new visualization method by using 3-D "wall" surface. Some real conditional factors are also taken into account in this study, such as traffic capacity, road direction and facility difference. In practical works the proposed method is implemented in real POI data in Shenzhen city, China to depict the distribution characteristic of services under impacts of multi-factors.