Analisis Model Graviti Huff Dalam LuckyTemplates

Dalam tutorial ini, kita akan belajar cara melakukan analisis Model Graviti Huff dalam LuckyTemplates. Kami boleh menggunakan analisis ini untuk menganggarkan potensi jualan atau daya tarikan lokasi kedai tertentu. Kami biasanya melakukan ini dalam perisian Sistem Maklumat Geografi. Walau bagaimanapun, kami juga boleh melakukannya dalam LuckyTemplates dan menjadikannya dinamik.

Analisis Graviti Huff mengandaikan bahawa permukaan dalam meter persegi kedai pasar raya, dibahagikan dengan jarak kuasa dua kepada bakal pelanggan akan menghasilkan faktor daya tarikan yang berbeza dengan kedai lain. Ini juga akan menunjukkan kebarangkalian sebagai peratusan untuk pelanggan yang melawat.

Andaian adalah berdasarkan fakta bahawa lebih banyak meter persegi kedai mempunyai, lebih besar jenis dan kehadiran elemen servis yang lain . Jadi, kedai itu mungkin menarik pelanggan untuk melakukan perjalanan yang lebih jauh.

Dalam contoh ini, jarak pemanduan telah digunakan (poskod centroid ke kedai).

Kita juga boleh menggunakan jarak garis lurus. Walau bagaimanapun, dalam kes ini, terdapat sungai yang memisahkan sempadan. Oleh itu, jarak garis lurus tidak boleh dipercayai.

Sebaik-baiknya, kami menggunakan kawasan yang lebih kecil seperti kawasan kejiranan. Ini untuk demonstrasi sahaja. Kami boleh menambah lebih banyak parameter untuk memberi kesan kepada kebarangkalian seperti tempat letak kereta, pengangkutan awam dan menggunakan metodologi untuk analisis lain juga.

Kita juga boleh menambah faktor pereputan jarak untuk melembapkan kesan jarak. Orang ramai bersedia untuk melakukan perjalanan lebih jauh apabila membeli-belah untuk perabot berbanding barangan runcit harian mereka. 

Isi kandungan

• Data Analisis Model Graviti Huff
• Mengimport Data Dalam Editor Power Query
• Analisis Model Graviti Huff Berdasarkan Daya Tarik
• Kebarangkalian Dalam Analisis Model Graviti Huff
• Analisis Kebarangkalian
• Analisis Graviti Huff Dinamik
  • Analisis Graviti Huff Dinamik Berdasarkan Kawasan Stor
  • Analisis Graviti Huff Dinamik Berdasarkan Jarak
• Kesimpulan

Data Analisis Model Graviti Huff

Pertama, mari kita lihat data.

Dalam hamparan excel ini, terdapat enam pasar raya.

Ia juga mempunyai Kilometer yang mengandungi jarak sebagai garis lurus.

Kemudian, terdapat tab Masa Perjalanan yang memaparkan masa perjalanan dalam beberapa minit.

Dan yang ini adalah jaraknya. Kami akan menggunakan ini memandangkan fakta bahawa terdapat sungai di antara sempadan.

Ini adalah poligon Thiessen yang dicipta dalam perisian GIS. Di sinilah kita boleh mencipta objek yang dipanggil Thiessen Voronoi untuk menunjukkan kepada anda jarak dari satu titik ke setiap objek bersebelahan yang lain.

Mengimport Data Dalam Editor Power Query

Mula-mula, saya mengimport data ke dalam Power Query Editor .

Seperti yang anda lihat, saya telah mengambil lima pasar raya.

Terdapat juga dua set data di sini yang dinamakan Poskod Kawasan PQ dan Poskod Kawasan DAX .

Saya telah menduplikasi ini supaya saya boleh menunjukkan kepada anda cara melakukannya dalam editor Power Query dengan langkah dinamik sepenuhnya.

Untuk demo Power Query ( Poskod Kawasan PQ ), saya telah membulatkan latitud dan longitud. Saya sentiasa menasihati bahawa jika anda mengambil empat digit di belakang koma, ketepatan anda adalah kira-kira 11 meter, iaitu setakat ini, sudah cukup.

Saya juga mengira kuasa dua setiap jarak. Ini kerana seperti yang saya nyatakan sebelum ini, kita akhirnya akan menggunakan permukaan dalam meter persegi dan membahagikannya dengan jarak kuasa dua.

Kemudian, saya menggabungkannya dengan jadual lain ( jadual Populasi ) untuk mendapatkan populasi. Ini adalah untuk mendapatkan lebih banyak cerapan tentang populasi di kawasan poskod.

Untuk data ukuran ( Poskod Kawasan DAX ), saya juga melakukan perkara yang sama seperti membundarkan latitud dan longitud dan menggabungkannya semula dengan jadual Populasi .

Kini, ini ialah papan pemuka LuckyTemplates bagi Analisis Model Graviti Huff.

Ini adalah jadual ukuran yang telah saya belahkan.

Analisis Model Graviti Huff Berdasarkan Daya Tarik

Pengiraan pertama yang saya buat ialah Daya Tarik .

Daya Tarik ialah meter persegi kedai dibahagikan dengan Jarak Kuasa Dua . Kedai ini mempunyai permukaan 1,502 meter persegi.

Ini ialah lajur Jarak Kuasa Dua . Dalam contoh ini, saya telah mengambil . Saya boleh mengambil atau purata, tetapi ia tidak begitu penting memandangkan konteksnya.

Saya melakukan pengiraan itu untuk semua lima pasar raya.

Kemudian, saya menambahnya dalam ukuran TotalAT untuk mengira jumlahnya.

Kebarangkalian Dalam Analisis Model Graviti Huff

Ukuran seterusnya ialah Kebarangkalian .

Kebarangkalian ialah seberapa besar kemungkinan sesuatu peristiwa itu berlaku. Untuk mengira itu, satu peristiwa dengan satu hasil harus ditentukan. Kemudian, kenal pasti jumlah bilangan hasil yang boleh berlaku. Akhir sekali, bahagikan bilangan peristiwa dengan bilangan hasil yang mungkin.

Oleh itu, saya membahagikan Daya Tarik dengan Daya Tarik Menyeluruh dalam pengiraan ini. 

Nombor ini akan ditambah sehingga seratus peratus.

Terdapat juga ukuran Populasi daripada set data yang digabungkan yang meringkaskan populasi berdasarkan kawasan poskod.

Kemudian, ukuran Kebarangkalian Maks .

Kad ini memaparkannya.

Akhir sekali, saya mempunyai Kebarangkalian ukuran Kedai Terpilih . Saya menggunakan ukuran ini untuk mengenal pasti kebarangkalian mana-mana kedai terpilih dalam pilihan saya.

Sekarang mari kita bincangkan cara ia berfungsi.

Analisis Kebarangkalian

Semasa saya memetakan, saya telah mengambil sempadan sebagai poskod. Saya telah mengambil poskod empat digit.

Berikut ialah jadual dengan Kebarangkalian Kedai Terpilih .

Peta kecil ini menunjukkan lokasi sebenar lima pasar raya.

Saya boleh membuat pilihan berdasarkan poskod kedai daripada alat penghiris.

Peta kecil ini ( 5 Stores Rotterdam ) tidak menapis peta Choropleth (ESRI) di sebelah kiri. Ini hanya bertujuan untuk memberi kita petunjuk di mana kita berada pada peta Choropleth. Selain itu, ia membantu kami untuk melihat kesan pada peta utama.

Seperti yang anda lihat, lebih gelap warna, lebih tinggi % kebarangkalian untuk kedai yang dipilih.

Sebagai contoh, saya akan memilih lokasi atau pasar raya ini.

Jika saya menyemak kawasan ini pada peta, Ia akan memaparkan kebarangkalian kedai itu berdasarkan jarak kuasa dua. Ambil perhatian bahawa ini adalah berdasarkan jarak pemanduan.

Kebarangkalian Maks untuk pilihan ini ialah 95% diwakili pada kad ini.

Bahagian ini memaparkan poskod yang disertakan dan kebarangkalian menurun. Lebih kecil peratusan, lebih besar kemungkinan poskod tertentu mereka akan lebih dekat dengan pasar raya lain.

Sebagai contoh, jika saya mengklik yang ini, ia akan menunjukkan bahawa kebarangkalian ialah 0% .

Jelas sekali, penduduk di kawasan ini tinggal di atas pasar raya di bawah poskod 3011 . Jadi, mengapa mereka pergi ke yang lain?

Bahagian ini menunjukkan permukaan stor sebenar untuk rujukan.

Sebaliknya, ini memaparkan jumlah populasi dalam pemilihan.

Analisis Graviti Huff Dinamik

Setelah saya selesai dengan asas Analisis Graviti Huff, saya akan melangkah lebih jauh dan membincangkan cara saya boleh menjadikan ini dinamik.

Dalam kes ini, saya mencipta lima penghiris dengan meter persegi awal dan pilihan untuk menambah kawasan kedai .

Langkah-langkah selebihnya agak serupa dengan langkah sebelumnya. Saya kini mempunyai lebih banyak langkah kerana kita perlu mengira sesuatu yang dinamik. Saya telah mengambil langkah-langkah untuk menjadikannya lebih berwawasan.

Analisis Graviti Huff Dinamik Berdasarkan Kawasan Stor

Mari kita lihat daya tarikan meter persegi. Saya akan memilih ukuran Daya tarikan Supermarket 3011 .

Meter persegi akan dirujuk daripada nilai yang dipilih dalam penghiris 3011 .

Pembolehubah distsq mewakili segi empat sama jarak, iaitu daripada set data DAX Kawasan Poskod .

Dalam pengiraan ini, nilai meter persegi akan dibahagikan dengan nilai jarak kuasa dua.

Sekali lagi, saya melakukan itu untuk semua lima pasar raya.

Analisis Graviti Huff Dinamik Berdasarkan Jarak

Saya juga mengira jarak untuk analisis ini. Ia pada asasnya hanyalah jumlah lajur jarak kedai dalam set data DAX Kawasan Poskod .

Kedai yang dipilih sedang dirujuk dalam pengiraan Jarak PC – Kedai Terpilih menggunakan fungsi Dax.

Kemudian, saya juga mempunyai satu lagi ukuran kebarangkalian untuk analisis graviti huff dinamik.

Ia dinamik kerana jika kita menukar sesuatu dalam salah satu penghiris, ia seterusnya akan memberi kesan kepada hasil pengiraan.

Saya telah melalui semua langkah dan pengiraan tersebut untuk analisis graviti huff dinamik. Ini kerana saya berminat dengan peratusan populasi, jumlah poskod dan jarak yang disertakan berdasarkan pilihan saya daripada penghiris tersuai.

Seperti yang anda lihat, terdapat perbezaan dalam populasi. Ini adalah berdasarkan jarak ke pasar raya dan penduduk dalam poskod.

Sebagai contoh, saya akan menukar meter persegi pasar raya 3011 .

Selepas mengubahnya, kesannya akan menjadi jelas dalam data. Ini kerana lebih menarik untuk orang ramai masuk ke pusat dan ke lokasi ini memandangkan jarak pemanduan.

Visualisasi Data LuckyTemplates – Peta Dinamik Dalam Petua Alat
Visualisasi Peta Bentuk LuckyTemplates Untuk Analisis Spatial
Analisis Geospatial – Kursus Baharu tentang LuckyTemplates

Kesimpulan

Analisis Model Graviti Huff menunjukkan korelasi antara naungan dan jarak dari lokasi kedai. Oleh itu, daya tarikan dan jarak mungkin menjejaskan kebarangkalian pengguna mengunjungi kedai tertentu.

Model ini boleh membantu anda menentukan ramalan jualan untuk lokasi perniagaan. Menggabungkan analisis ini ke dalam model perniagaan anda boleh memberikan banyak maklumat tentang tapak yang berpotensi.

Sekali lagi, ini adalah satu lagi contoh jelas tentang perkara yang boleh kita capai dengan analisis dan LuckyTemplates dengan menukar data statik kepada perwakilan dinamik. 

Semak pautan di bawah untuk lebih banyak contoh dan kandungan yang berkaitan.

Cheers!

Paul