as bases de datos geográficas están disponibles hasta la fecha que contienen datos

detallados y georreferenciados sobre población, actividades comerciales, negocios,

transporte y servicios a nivel urbano. Dichos datos permiten examinar los
fenómenos urbanos a una escala muy detallada, pero también requieren nuevos
métodos para el análisis, la comprensión y la visualización de los fenómenos
espaciales. En este documento se examina un método basado en la densidad para
extraer información espacial de grandes bases de datos geográficas y se presentan
los primeros resultados de su aplicación a escala urbana. La Estimación de la
densidad del núcleo se utiliza como una técnica basada en la densidad para
detectar agrupaciones en distribuciones de datos espaciales. Los SIG y los métodos
de análisis espacial se examinan para detectar áreas de alta oferta de servicios en
un entorno urbano.

Esta es una vista previa del contenido de la suscripción, inicie sesión para
verificar el acceso.

Avance
Referencias
1. 1)

Anselin, L .: El diagrama de dispersión de Moran como herramienta ESDA para

evaluar la inestabilidad local en la asociación espacial. En: Fisher, M., Scholten,
H., Unwin, D. (eds.) Perspectivas analíticas espaciales sobre SIG, págs. 111-
125. Taylor y Francis, Londres (1996)Google Scholar

2. 2)

Bailey, TC, Gatrell, AC: Análisis interactivo de datos espaciales. Addison-Wesley

Longman, Edimburgo (1995)Google Scholar

3. 3)

Borruso, G .: Densidad de red y delimitación de zonas urbanas. Transacciones en

SIG 7 (2), 177–191 (2003)CrossRefGoogle Scholar

4. 4)

Fayyad, U., Piatesky-Shapiro, G., Smyth, P .: De la minería de datos al

descubrimiento del conocimiento en bases de datos (1996)
http://www.kdnuggets.com/gpspubs/aimag−kdd−overview −1996 − fayyad.
pdfGoogle Scholar

5. 5)
 Gatrell, A., Bailey, T., Diggle, P., Rowlingson, B .: Análisis de patrones de puntos
espaciales y su aplicación en epidemiología geográfica. Transacciones del Instituto
de Geógrafos Británicos (2), 1256–1274 (1996)Google Scholar

6. 6)

Gueting, RH: Una introducción a los sistemas de bases de datos espaciales. The
VLDB Journal 3 (4), 357–399 (1994)CrossRefGoogle Scholar

7. 7)

Han, J., Kamber, M., Tung, AKH: Métodos de agrupamiento espacial en minería
de datos: una encuesta (2001), ftp://ftp.fas.sfu.ca/pub/cs/han/pdf/gkdbk01.pdf

8. 8)

Lu, Y .: Análisis de conglomerados espaciales para datos de puntos: Cocientes de

ubicación versus densidad del núcleo, Departamento de Geografía, Universidad
Estatal de Nueva York en Buffalo
(1998), http://www.ucgis.org/oregon/papers/lu.htm

9. 9)

Thurstain-Goodwin, M., Unwin, DJ: Definición y delimitación de las áreas

centrales de las ciudades para el modelado estadístico utilizando representaciones
continuas de superficie. Transacciones en SIG 4, 305–317 (2000)CrossRefGoogle
Scholar

Informacion registrada
© Springer-Verlag Berlín Heidelberg 2004

Sobre este trabajo

Cite este documento como:
Borruso G., Schoier G. (2004) Análisis de densidad en grandes bases de
datos geográficos. Busque un índice de centralidad de servicios a escala
urbana. En: Laganá A., Gavrilova ML, Kumar V., Mun Y., Tan CJK,
Gervasi O. (eds) Computational Science and its Applications - ICCSA
2004. ICCSA 2004. Lecture Notes in Computer Science, vol 3044.
Springer, Berlín Heidelberg
 DOIhttps://doi.org/10.1007/978-3-540-24709-8_106

 Nombre del editorSpringer, Berlin, Heidelberg

 Imprimir ISBN978-3-540-22056-5
 ISBN en línea978-3-540-24709-8

 Paquetes de libros electrónicos Springer Book Archive

 Compre este libro en el sitio del editor