LuckyTemplates 中的 Huff 重力模型分析

在本教程中，我們將學習如何在 LuckyTemplates 中進行Huff重力模型分析。我們可以使用此分析來估計某個商店位置的潛在銷售額或吸引力。我們通常在地理信息系統軟件中這樣做。但是，我們也可以在 LuckyTemplates 中進行，並使其動態化。

Huff Gravity Analysis 假設超市商店的面積（以平方米為單位）除以到潛在顧客的距離的平方將產生一個吸引其他商店的吸引力因素。這還將以百分比的形式顯示拜訪客戶的概率。

該假設基於這樣一個事實，即商店擁有的平方米越多，其他服務元素的種類和存在就越多。因此，該商店可能會吸引顧客前往更遠的地方。

在此示例中，使用了行駛距離（到商店的郵政編碼質心）。

我們也可以使用直線距離。然而，在這種情況下，有一條河流將邊界分開。因此，直線距離是不可靠的。

理想情況下，我們使用較小的區域，例如社區。這僅用於演示。我們可以添加更多參數來影響概率，例如停車位、公共交通，並將該方法用於其他分析。

我們還可以添加一個距離衰減因子來抑制距離效應。人們準備在購買家具時比購買日常雜貨時走得更遠。 

目錄

• Huff重力模型分析數據
• 在 Power Query 編輯器中導入數據
• 基於吸引力的哈夫引力模型分析
• Huff 重力模型分析中的概率
• 概率分析
• 動態哈夫重力分析
  • 基於門店面積的動態哈夫重力分析
  • 基於距離的動態哈夫重力分析
• 結論

Huff重力模型分析數據

首先，讓我們看一下數據。

在這個 Excel 電子表格中，有六家超市。

它還具有包含直線距離的公里。

然後，有一個旅行時間選項卡，以分鐘為單位顯示旅行時間。

而這就是距離。考慮到邊界之間有一條河流，我們將使用它。

這是在 GIS 軟件中創建的泰森多邊形。這是我們可以創建所謂的Thiessen Voronoi對象的地方，以顯示從一個點到每個其他相鄰對象的距離。

在 Power Query 編輯器中導入數據

首先，我將數據導入Power Query Editor。

如您所見，我已經走了五家超市。

這裡還有兩個數據集，名為Postcodes Areas PQ和Postcodes Areas DAX。

我已經復制了這個，所以我可以向您展示如何在 Power Query 編輯器中使用完全動態的措施來做到這一點。

對於 Power Query 演示 ( Postcodes Areas PQ )，我已經四捨五入了緯度和經度。我總是建議，如果您在逗號後面取四位數字，則您的精度約為 11 米，到目前為止，這已經足夠了。

我還計算了每個距離的平方。這是因為正如我之前提到的，我們最終將使用以平方米為單位的表面並將其除以距離的平方。

然後，我將它與另一個表（人口表）合併以獲得人口。這是為了更深入地了解郵政編碼地區的人口。

對於測量數據（郵政編碼區域DAX），我也做了同樣的事情，比如四捨五入經度和緯度，並將它再次與人口表合併。

現在，這是 Huff 重力模型分析的 LuckyTemplates 儀表板。

這些是我拆分的度量表。

基於吸引力的哈夫引力模型分析

我創建的第一個計算是Attractiveness。

吸引力是商店的平方米除以平方距離。這家店面面積為1,502平方米。

這是Squared Distance的列。在這個例子中，我採用了。我本可以取或平均值，但考慮到上下文，這並不重要。

我對所有五家超市都做了這個計算。

然後，我將它們加到TotalAT度量中以計算總數。

Huff 重力模型分析中的概率

下一個度量是概率。

概率就是事件發生的可能性有多大。要計算這一點，應確定具有單一結果的單一事件。然後，確定可能發生的結果總數。最後，將事件數除以可能的結果數。

因此，我在此計算 中將吸引力除以總吸引力。

這些數字加起來就是百分之一百。

還有一個來自合併數據集的人口度量，它總結了基於郵政編碼區域的人口。

然後，最大概率度量。

這張卡片顯示了這一點。

最後，我有一個“選擇商店的概率”度量。我使用此度量來確定我選擇的任何選定商店的概率。

現在讓我們討論它是如何工作的。

概率分析

在繪製地圖時，我將邊界作為郵政編碼。我記下了一個四位數的郵政編碼。

這是一張包含所選商店概率的表格。

這張小地圖顯示了五家超市的實際位置。

我可以根據切片器中商店的郵政編碼進行選擇。

這張小地圖 ( 5 Stores Rotterdam ) 沒有過濾左側的 Choropleth 地圖 (ESRI)。這只是為了給我們一個線索，告訴我們我們在 Choropleth 地圖上的位置。此外，它有助於我們隨後查看對主地圖的影響。

如您所見，顏色越深， 所選商店的概率%越高。

例如，我會選擇這個位置或超市。

如果我在地圖上查看這個區域，它會顯示給定距離平方的那家商店的概率。請注意，這是基於行駛距離。

此選項的最大概率在此卡上表示為 95%。

這部分顯示包含的郵政編碼和遞減概率。百分比越小，他們的特定郵政編碼就越有可能更接近另一家超市。

例如，如果我點擊這個，它會顯示概率為0%。

很明顯，這個區的人都住在郵編3011的超市頂層。那麼，他們為什麼要去另一個呢？

本部分為實際店面展示，供參考。

另一方面，這會顯示選擇範圍內的總人口。

動態哈夫重力分析

現在我已經完成了 Huff 重力分析的基礎知識，我將更進一步討論如何使它動態化。

在這種情況下，我創建了五個切片器，初始平方米和增加商店面積的選項。

其餘步驟與上一步非常相似。我現在有更多的措施，因為我們需要計算一些動態的東西。我已將步驟分開以使其更具洞察力。

基於門店面積的動態哈夫重力分析

讓我們來看看平方米的吸引力。我將選擇Supermarket 3011的Attractiveness度量。

平方米將參考3011切片器中的選定值。

distsq變量表示距離平方，它來自Postcodes Areas DAX 數據集。

在此計算中，平方米的值將除以距離的平方值。

同樣，我對所有五家超市都這樣做了。

基於距離的動態哈夫重力分析

我還計算了此分析的距離。它基本上只是Postcodes Areas DAX數據集中商店距離列的總和 。

使用 Dax 函數在Distance PC – Selected Store計算中引用所選商店。

然後，我還有一個動態哈弗引力分析的概率測度。

它是動態的，因為如果我們更改其中一個切片器中的某些內容，它將隨後對計算結果產生影響。

我已經完成了動態吞吐重力分析的所有這些步驟和計算。這是因為我對人口百分比、郵政編碼數量以及基於我從自定義切片器中選擇的包含距離感興趣。

如您所見，人口差異很大。這些是基於到超市的距離和郵政編碼範圍內的人口。

例如，我將更改超市 3011的平方米。

更改後，影響將在數據中變得明顯。這是因為考慮到行駛距離，人們進入中心並前往該位置更具吸引力。

數據可視化 LuckyTemplates – 工具提示中的動態地圖
LuckyTemplates 形狀地圖可視化用於空間分析
地理空間分析 – LuckyTemplates 新課程

結論

Huff 重力模型分析顯示了光顧與商店位置的距離之間的相關性。因此，吸引力和距離可能會影響消費者訪問某個商店的概率。

此模型可以幫助您確定營業地點的銷售預測。將此分析納入您的業務模型可以提供有關潛在站點的大量信息。

同樣，這是另一個清楚的例子，說明我們可以通過將靜態數據轉換為動態表示來使用分析和 LuckyTemplates 實現什麼。 

查看下面的鏈接以獲取更多示例和相關內容。

乾杯!

保羅