【GIS基本概念】兴趣点 POI 和兴趣面 AOI

最新推荐文章于 2026-04-24 10:01:23 发布

原创最新推荐文章于 2026-04-24 10:01:23 发布 · 2.5k 阅读

10 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#GIS

ArcGIS相关专栏收录该内容

35 篇文章

订阅专栏

Python3.8

Conda

Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

属性	POI（兴趣点）	AOI（兴趣面）
几何类型	点（Point）	面（Polygon）
表示对象	单个地点 (如医院、商店)	区域或功能区 (如住宅区)
常见用途	导航、定位、分类提示	土地利用、区域分析
数据来源	OSM、百度地图、谷歌地图等	OSM、政府数据、遥感解译
精度	一般较高（GPS点）	视数据源不同而异

🧭 一、POI（Point of Interest，兴趣点）

1. 定义
POI 是指地图上具有某种特定功能或意义的点位，通常具备明确的位置（经纬度坐标）和语义属性，表示人们关注的地理目标或地点。
在这里插入图片描述

2. 特征

特性	说明
几何类型	点（Point）
空间属性	经纬度坐标
语义属性	名称、类别、地址、联系方式等
数据结构	通常为 GeoJSON、CSV、Shapefile

3. 常见类别

餐饮：餐厅、咖啡馆、酒吧
购物：超市、商场、便利店
教育：学校、图书馆、培训中心
医疗：医院、诊所、药店
交通：公交站、地铁口、停车场
政务：政府机关、使馆、法院
娱乐：电影院、KTV、公园

4. 案例：北京的部分POI数据（OpenStreetMap）

名称	类型	经度	纬度
北京大学	university	116.3054	39.9869
天安门广场	attraction	116.3975	39.9087
全聚德烤鸭店	restaurant	116.4189	39.9173
北京站	train_station	116.4273	39.9028

🗺 二、AOI（Area of Interest，兴趣面）

1. 定义
AOI 是指具有研究、监测或管理意义的特定区域或面状地理空间单元，通常用于限定分析范围或表示某类地块（如居民区、工业区、绿地等）。

2. 特征

特性	说明
几何类型	面（Polygon）
空间属性	多边形坐标（边界）
语义属性	地类、土地用途、功能区名称等
数据结构	Shapefile、GeoJSON、KML、GPKG

3. 常见用途

土地利用分类（如住宅、商业、工业等）
城市功能区划分
研究区域限定（如某个城市、流域、保护区）
变化检测前后的区域对比

4. 案例：北京市部分AOI数据（OSM）

名称	类型	面积（㎡）	坐标点数
中关村科技园	landuse=industrial	2,500,000	135
奥林匹克森林公园	landuse=park	4,800,000	210
北京大学校园	landuse=education	3,100,000	160

⬇️ 三、POI与AOI的获取方式

1. 使用 OpenStreetMap (OSM)

✅ 方法一：Overpass API（推荐）
Overpass API 是 OSM 提供的高级数据查询接口，支持按地理范围、属性、标签等方式提取 POI 和 AOI。

示例：获取北京市范围内的大学（POI）

[out:json];
area["name"="Beijing"]->.searchArea;
(
  node["amenity"="university"](area.searchArea);
);
out center;

示例：获取深圳市的 landuse=industrial（AOI）

[out:json];
area["name"="Shenzhen"]->.a;
(
  way["landuse"="industrial"](area.a);
  relation["landuse"="industrial"](area.a);
);
out body;
>;
out skel qt;

2. 使用 Python 下载（Overpass + OSMnx）

import osmnx as ox

# 获取POI：北京的医院
tags = {'amenity': 'hospital'}
gdf = ox.geometries_from_place("Beijing, China", tags)

# 获取AOI：北京的 residential 面
tags = {'landuse': 'residential'}
aoi = ox.geometries_from_place("Beijing, China", tags)

# 保存为GeoJSON
gdf.to_file("beijing_hospitals.geojson", driver="GeoJSON")
aoi.to_file("beijing_residential.geojson", driver="GeoJSON")