Analiza modelu grawitacyjnego Huffa w LuckyTemplates

W tym samouczku dowiemy się, jak przeprowadzić analizę modelu grawitacyjnego Huffa w usłudze LuckyTemplates. Możemy wykorzystać tę analizę do oszacowania potencjalnej sprzedaży lub atrakcyjności określonej lokalizacji sklepu. Zwykle robimy to w oprogramowaniu Systemu Informacji Geograficznej. Możemy to jednak zrobić również w LuckyTemplates i uczynić go dynamicznym.

Analiza grawitacji Huffa zakłada, że ​​powierzchnia w metrach kwadratowych sklepu w supermarkecie podzielona przez kwadrat odległości do potencjalnych klientów daje czynnik atrakcyjności, który wyróżnia się na tle innych sklepów. Spowoduje to również wyświetlenie procentowego prawdopodobieństwa odwiedzin klientów.

Założenie opiera się na fakcie, że im więcej metrów kwadratowych będzie miał sklep, tym większy będzie asortyment i obecność innych elementów obsługi. Sklep może więc przyciągnąć klientów do dalekich podróży.

W tym przykładzie użyto odległości dojazdu (centroida kodu pocztowego do sklepu).

Możemy również użyć odległości w linii prostej. Jednak w tym przypadku granice oddziela rzeka. Zatem odległość w linii prostej nie jest wiarygodna.

Idealnie wykorzystujemy mniejsze obszary, takie jak dzielnice. To jest tylko do demonstracji. Możemy dodać więcej parametrów, aby wpłynąć na prawdopodobieństwo, takich jak miejsce parkingowe, transport publiczny, a także wykorzystać metodologię do innych analiz.

Możemy również dodać współczynnik rozpadu odległości , aby stłumić efekt odległości. Ludzie są gotowi podróżować dalej, kupując meble niż w przypadku codziennych zakupów spożywczych. 

Spis treści

• Dane analizy modelu grawitacyjnego Huffa
• Importowanie danych w edytorze Power Query
• Analiza modelu grawitacyjnego Huffa oparta na atrakcyjności
• Prawdopodobieństwo w analizie modelu grawitacyjnego Huffa
• Analiza prawdopodobieństwa
• Dynamiczna analiza grawitacji Huffa
  • Dynamiczna analiza grawitacji Huff na podstawie powierzchni sklepu
  • Dynamiczna analiza grawitacji Huff na podstawie odległości
• Wniosek

Dane analizy modelu grawitacyjnego Huffa

Najpierw spójrzmy na dane.

W tym arkuszu kalkulacyjnym programu Excel jest sześć supermarketów.

Ma również kilometry , które zawierają odległość jako linię prostą.

Następnie dostępna jest zakładka Czas podróży , która wyświetla czas podróży w minutach.

A to jest odległość. Użyjemy tego, biorąc pod uwagę fakt, że między granicami znajduje się rzeka.

To wielokąt Thiessena stworzony w oprogramowaniu GIS. W tym miejscu możemy utworzyć tak zwany obiekt Thiessen Voronoi , aby pokazać odległość od punktu do każdego z pozostałych sąsiednich obiektów.

Importowanie danych w edytorze Power Query

Najpierw zaimportowałem dane do edytora Power Query .

Jak widzisz, wziąłem pięć supermarketów.

Istnieją również dwa zestawy danych o nazwach Postcodes Areas PQ i Postcodes Areas DAX .

Zduplikowałem to, aby pokazać Ci, jak to zrobić w edytorze Power Query przy użyciu w pełni dynamicznych miar.

W przypadku demonstracji dodatku Power Query ( Postcodes Areas PQ ) zaokrągliłem szerokość i długość geograficzną. Zawsze radzę, że jeśli weźmiesz cztery cyfry za przecinkiem, twoja dokładność wyniesie około 11 metrów, co jest zdecydowanie wystarczające.

Obliczyłem również kwadrat każdej odległości. To dlatego, że jak wspomniałem wcześniej, ostatecznie użyjemy powierzchni w metrach kwadratowych i podzielimy ją przez odległość do kwadratu.

Następnie połączyłem go z inną tabelą ( Tabela populacji ), aby uzyskać populację. Ma to na celu uzyskanie lepszego wglądu w populację w obszarach z kodami pocztowymi.

W przypadku danych miar ( Postcodes Areas DAX ) zrobiłem to samo, jak zaokrąglenie szerokości i długości geograficznej i ponownie połączyłem je z tabelą Population .

To jest pulpit nawigacyjny usługi LuckyTemplates analizy modelu grawitacyjnego Huffa.

To są tabele miar, które podzieliłem.

Analiza modelu grawitacyjnego Huffa oparta na atrakcyjności

Pierwsze obliczenie, które stworzyłem, to Atrakcyjność .

Atrakcyjność to metry kwadratowe sklepu podzielone przez odległość do kwadratu . Sklep ten ma powierzchnię 1502 metrów kwadratowych.

To jest kolumna odległości do kwadratu . W tym przykładzie wziąłem . Mogłem wziąć lub średnią, ale to nie ma znaczenia, biorąc pod uwagę kontekst.

Zrobiłem to obliczenie dla wszystkich pięciu supermarketów.

Następnie dodałem je do miary TotalAT , aby obliczyć sumę.

Prawdopodobieństwo w analizie modelu grawitacyjnego Huffa

Następną miarą jest prawdopodobieństwo .

Prawdopodobieństwo to po prostu prawdopodobieństwo wystąpienia zdarzenia. Aby to obliczyć, należy określić pojedyncze zdarzenie z jednym wynikiem. Następnie określ całkowitą liczbę wyników, które mogą wystąpić. Na koniec podziel liczbę zdarzeń przez liczbę możliwych wyników.

Dlatego w tym obliczeniu  podzieliłem Atrakcyjność przez Całkowitą Atrakcyjność .

Te liczby sumują się do stu procent.

Dostępna jest również miara Populacja ze scalonego zestawu danych, która podsumowuje populację na podstawie obszarów z kodami pocztowymi.

Następnie miara maksymalnego prawdopodobieństwa .

Ta karta to pokazuje.

Na koniec mam miarę prawdopodobieństwa wybranego sklepu . Użyłem tej miary, aby określić prawdopodobieństwo dowolnego wybranego sklepu w moim wyborze.

Porozmawiajmy teraz, jak to działa.

Analiza prawdopodobieństwa

Tworząc mapę, potraktowałem granice jako kody pocztowe. Wziąłem czterocyfrowy kod pocztowy.

Oto tabela z prawdopodobieństwem wybranego sklepu .

Ta mała mapa pokazuje rzeczywistą lokalizację pięciu supermarketów.

Mogę dokonać wyboru na podstawie kodów pocztowych sklepów z krajalnicy.

Ta mała mapa ( 5 Stores Rotterdam ) nie filtruje mapy Choropleth (ESRI) po lewej stronie. Ma to tylko dać nam wskazówkę, gdzie jesteśmy na mapie Choropleth. Co więcej, pomaga nam to później zobaczyć wpływ na główną mapę.

Jak widać im ciemniejszy kolor, tym większe prawdopodobieństwo % dla wybranego sklepu.

Na przykład wybiorę tę lokalizację lub supermarket.

Jeśli sprawdzę ten obszar na mapie, wyświetli się prawdopodobieństwo tego sklepu, biorąc pod uwagę kwadrat odległości. Należy pamiętać, że jest to oparte na odległości jazdy.

Maksymalne prawdopodobieństwo tego wyboru na tej karcie wynosi 95%.

Ta część wyświetla uwzględnione kody pocztowe i malejące prawdopodobieństwo. Im mniejszy odsetek, tym bardziej prawdopodobne, że ich konkretny kod pocztowy będzie bliższy innemu supermarketowi.

Na przykład, jeśli kliknę ten, pokaże, że prawdopodobieństwo wynosi 0% .

Oczywiście ludzie w tej okolicy mieszkają na dachu supermarketu pod kodem pocztowym 3011 . Więc po co mieliby iść do innego?

Ta część pokazuje rzeczywistą powierzchnię sklepu w celach informacyjnych.

Z drugiej strony wyświetla całkowitą populację w obrębie zaznaczenia.

Dynamiczna analiza grawitacji Huffa

Teraz, gdy skończyłem z podstawami analizy grawitacji Huffa, pójdę o krok dalej i omówię, w jaki sposób mogę uczynić tę dynamikę.

W tym przypadku stworzyłem pięć krajalnic z początkowymi metrami kwadratowymi i opcjami powiększenia powierzchni sklepu .

Pozostałe kroki są dość podobne do poprzedniego kroku. Mam teraz o wiele więcej miar, ponieważ musimy obliczyć coś, co jest dynamiczne. Rozdzieliłem kroki, aby było to bardziej wnikliwe.

Dynamiczna analiza grawitacji Huff na podstawie powierzchni sklepu

Przyjrzyjmy się atrakcyjności metra kwadratowego. Wybiorę miarę Atrakcyjność Supermarketu 3011 .

Odniesienie do metrów kwadratowych będzie pochodzić z wybranej wartości we fragmentatorze 3011 .

Zmienna distsq reprezentuje kwadrat odległości, który pochodzi z zestawu danych Postcodes Areas DAX .

W tym obliczeniu wartość metrów kwadratowych zostanie podzielona przez wartość kwadratu odległości.

Ponownie zrobiłem to dla wszystkich pięciu supermarketów.

Dynamiczna analiza grawitacji Huff na podstawie odległości

Obliczyłem również odległość do tej analizy. Zasadniczo jest to tylko suma kolumny odległości sklepu w zbiorze danych Postcodes Areas DAX .

Wybrany sklep jest odwoływany w obliczeniach Distance PC – Selected Store przy użyciu funkcji Dax.

Następnie mam również inną miarę prawdopodobieństwa dla dynamicznej analizy grawitacji huff.

Jest dynamiczny, ponieważ jeśli zmienimy coś w jednym z fragmentatorów, będzie to miało później wpływ na wynik obliczeń.

Przeszedłem przez wszystkie te kroki i obliczenia dla dynamicznej analizy grawitacji huff. Dzieje się tak, ponieważ interesuje mnie procent populacji, liczba kodów pocztowych i uwzględniona odległość na podstawie mojego wyboru z dostosowanego fragmentatora.

Jak widać, jest spora różnica w populacji. Są one oparte na odległości do supermarketu i populacji w obrębie kodów pocztowych.

Jako przykład zmienię metry kwadratowe supermarketu 3011 .

Po zmianie wpływ będzie widoczny w danych. Wynika to z faktu, że przyjazd do centrum i udanie się do tej lokalizacji jest bardziej atrakcyjny, biorąc pod uwagę odległość dojazdu.

Wizualizacje danych LuckyTemplates — mapy dynamiczne w podpowiedziach
LuckyTemplates Wizualizacja map kształtów do analizy przestrzennej
Analiza geoprzestrzenna — nowy kurs na temat LuckyTemplates

Wniosek

Analiza Huff Gravity Model pokazuje korelację między patronatem a odległością od lokalizacji sklepu. Zatem atrakcyjność i odległość mogą ewentualnie wpływać na prawdopodobieństwo odwiedzenia przez konsumenta określonego sklepu.

Ten model może pomóc w określeniu prognoz sprzedaży dla lokalizacji biznesowych. Włączenie tej analizy do modelu biznesowego może dostarczyć wielu informacji o potencjalnych witrynach.

Ponownie, jest to kolejny wyraźny przykład tego, co możemy osiągnąć dzięki analizie i usłudze LuckyTemplates, przekształcając dane statyczne w dynamiczną reprezentację. 

Sprawdź poniższe łącza, aby uzyskać więcej przykładów i powiązanych treści.

Dzięki!

Paweł