No ambiente urbano, os prestadores de serviços mais importantes são normalmente representados por um conjunto de pontos em aplicações GIS utilizando o modelo POI (ponto de interesse), associado a certas atividades sociais. O conhecimento sobre a intensidade e o padrão de distribuição das facilidades - POIs (Pontos de interesse) é de grande importância na análise espacial, incluindo o planeamento urbano, a escolha do local de negócios e certas recomendações sociais. A Kernel Density Estimation (KDE) é uma eficiente ferramenta de estatística espacial para facilitar os processos apontados acima, e desempenha um papel importante na avaliação da densidade espacial, porque o método KDE considera o impacto da deterioração dos serviços e permite o enriquecimento das informações de uma forma muito simples, utilizando um gráfico de dispersão, tendo como saída uma superfície de densidade. No entanto, o KDE tradicional baseia-se principalmente na distância euclidiana, ignorando o fato de que na rede viária urbana a função de serviço POI materializa-se em uma estrutura com limitações de rede, ao invés de ser num espaço contínuo euclidiano. Visando equacionar essa questão, o presente estudo propõe um método computacional do KDE em uma rede e adota um novo método de visualização, utilizando uma superfície "parede" 3D. Alguns fatores reais condicionantes também são levados em conta neste estudo, tais como a capacidade de tráfego e a mão de direção de estradas. De forma prática, o método proposto é implementado sobre dados reais POI da cidade de Shenzhen, na China, para descrever a característica de distribuição de serviços sob impactos de multifatores.
Densidade Kernel de Redes; Análise de Redes; POI (Pontos de Interesse); Estatística Espacial