🎓 基于 IDW 插值的 CUIT 校园噪音与人流时空热力图

成都信息工程大学（CUIT）航空港校区 · GIS 课程作业 · 基于 IDW 空间插值的校园噪音/人流时空分析

效果预览

交互式热力图支持：

• 时间轴滑块（周一 7:00 → 周日 23:00，每 2 小时一帧，共 63 帧）
• 噪音分贝热力面（绿色=安静 → 红色=嘈杂）
• 10 个监测点标记（点击查看详情）
• 校园边界轮廓线（掩膜裁剪，热力不溢出校外）
• 高德地图底图

技术栈

模块	用途
GeoPandas	矢量数据（GeoJSON 点/面图层）
rasterio	栅格数据（GeoTIFF 输出）
Shapely	几何运算（边界掩膜）
Folium	交互式 Web 地图
NumPy / Pandas	数值计算 / 数据处理

快速开始

# 1. 安装依赖
pip install -r requirements.txt

# 2. 生成模拟数据（GeoJSON + CSV）
python generate_data.py

# 3. IDW 插值 + 生成地图
python build_map.py

# 4. 打开地图
# 用浏览器打开 output/campus_heatmap.html

项目结构

school-gis/
├── config.py              # 全局配置（坐标、参数、时间）
├── idw.py                 # IDW 空间插值 + GeoTIFF 导出
├── generate_data.py       # 模拟数据生成（正态分布 + 时间规律）
├── build_map.py           # 主程序：插值 → 栅格 → 交互地图
├── requirements.txt
├── data/
│   ├── monitoring_points.csv      # 监测点基准数据
│   ├── monitoring_points.geojson  # 矢量点图层（EPSG:4326）
│   └── campus_boundary.geojson   # 校园边界面图层
└── output/
    ├── campus_heatmap.html        # 交互式地图（浏览器打开）
    └── raster/                    # GeoTIFF 栅格（63 个时间切片）

GIS 核心概念

本项目完整演示了以下 GIS 工作流：

1. 矢量数据模型 — 监测点（Point）和校园边界（Polygon）以 GeoJSON 格式存储，带 CRS 信息
2. 矢量→栅格转换 — IDW 空间插值将离散点数据转换为连续栅格面
3. 掩膜裁剪（Mask） — 用校园边界多边形裁剪插值结果，热力面精确限制在校园范围内
4. GeoTIFF 输出 — 标准地理栅格格式，可在 QGIS/ArcGIS 中直接打开
5. 坐标参考系（CRS） — 全程使用 EPSG:4326，与高德地图 GCJ-02 近似对齐

数据说明

监测点（10 个）

编号	地点	类型	特征
1	图书馆	library	晚上高峰，23:00 闭馆骤降
2	第一教学楼	classroom	上课时段嘈杂，周末几乎为零
3	第二教学楼	classroom	同上
4	一食堂	canteen	三餐脉冲高峰
5	二食堂	canteen	三餐脉冲高峰
6	学生宿舍A区	dorm	白天低谷，21:00 后高峰
7	学生宿舍B区	dorm	同上
8	体育场	sports	傍晚高峰，周末全天活跃
9	行政楼	admin	工作时间中等，其余安静
10	校门口	gate	上下课高峰

数据生成方法

实际值 = 基准值 × 时间系数(建筑类型, 小时) × 星期系数(建筑类型, 工作日/周末)
       + N(0, σ)   # 正态分布扰动，σ ≈ 基准值 × 10%

噪音范围：25–95 dB；人流等级：0–10

替换真实数据

1. 用手机分贝仪 App 实测各监测点基准噪音，更新 data/monitoring_points.csv 的 base_noise_db 列
2. 在高德地图上标注各建筑的精确 GCJ-02 坐标，更新 lat/lng 列
3. 用真实校园轮廓更新 config.py 中的 CAMPUS_BOUNDARY
4. 重新运行 python generate_data.py && python build_map.py

License

MIT