路径分析是常用的数据挖掘方法之一， 是一种找寻频繁访问路径的方法，它通过对Web服务器的日志文件中客户访问站点访问次数的分析，挖掘出频繁访问路径。
简介
LBS不仅需要能确定目标的地理位置，还需要能实现对地理环境的有效分析。网络分析是地理环境分析中的一个重要技术，包括最短路径分析、网络流分析等内容。在网络分析中，最短路径分析是最基本的，也是最关键的技术，一直是计算机科学、运筹学、
交通工程学、地理信息学等学科的一个研究热点。如今，最短路径分析算法已经非常成熟，如以
Dijkstra算法为代表的宽度搜索方法、动态规划方法等。
一种统计程序，通过分析变量之间假设的因果效应，来测试研究人员提出的关于一套观察或者呈现变量之间因果关系的理论。由美国遗传学家S.赖特于1921年首创，后被引入社会学的研究中，并发展成为社会学的主要分析方法之一。
路径分析的主要目的是检验一个假想的
因果模型的准确和可靠程度，测量变量间因果关系的强弱，回答下述问题：①模型中两变量xj与xi间是否存在
相关关系；②若存在相关关系，则进一步研究两者间是否有因果关系;③若xj影响xi，那么xj是直接影响xi，还是通过中介变量
间接影响或两种情况都有；④直接影响与间接影响两者大小如何。
内容
路径分析包含了两个基本内容：一个是路径的搜索；另一个是距离的计算。路径搜索的算法与连通分析是一致的，通过邻接关系的传递来实现路径搜索。路径的长度(距离)以积聚距离(accumulated distance)来计算。距离的计算方法为：将栅格路径视做由一系列路径段(path segments)组成，在进行路径搜索的同时计算每个路径段的长度并累计起来，表示从起点到当前栅格单元的距离。这里路径段指的是在一定的精度范围内可以以直线段模拟和计算的栅格单元集合。
核心
路径分析是
GIS中最基本的功能，其核心是对最佳路径和最短路径的求解。
①最佳路径
从网络模型的角度看，最佳路径求解就是在指定网络的两结点间，找一条阻碍强度最小的路径。最佳路径的产生基于网线和结点转角(如果模型中结点具有转角数据的话)的阻碍强度。
例如，如果要找最短的路径，阻碍强度要预先设定为通过网线或在结点转弯处所花费的时间；如果要找费用最小的路径，阻碍强度就应该是费用。当网线在顺逆两个方向上的阻碍强度都是该网线的长度，而结点无转角数据或转角数据都是0时，最佳路径就成为最短路径。
在某些情况下，用户可能要求系统能一次求出所有结点间的最佳路径，或者要了解两结点间的第二、第三乃至第X条最佳路径。
②最佳遍历方案
另一种路径分析功能是最佳遍历方案的求解。
网线最佳遍历方案求解是给定一个网线集合和一个结点，求解最佳路径，使之由指定结点出发至少经过每条网线一次而回到起始结点。
结点最佳遍历方案求解则是给定一个起始结点、一个终止结点和若干中间结点，求解最佳路径，使之由起点出发遍历全部中间结点而达到终点。
类型
(1)静态求最佳路径：由用户确定权值关系后，给定每条弧段的属性，当求最佳路径时，读出路径的相关属性，求最佳路径。
(2)N条最佳路径分析：确定起点、终点，求代价较小的几条路径。在实际应用中仅求出最佳路径并不能满足要求，可能NN某种因素不走最佳路径，而走近似最佳路径。
(3)最短路径：确定起点、终点和所要经过的中间连线，求最短路径。
(4)动态最佳路径分析：实际网络分析中权值是随着权值关系式变化的，而且可能会临时出现一些障碍点，所以往往需要动态地计算最佳路径。
最优路径分析模型
最优路径分析是地理网络分析中最常见的基本功能，也是LBS需要具备的功能。地理网络中的最优路径是指在地理网络中满足某些优化条件的一条路，包括距离最短或最长、通行时间最短、运输费用最低、行使最安全、容量最大等。
最优路径分析方法
1．道路预处理
进行道路数据录入时，往往在道路的交叉接合处出现重叠或相离的情况，不宜计算机处理。因此，需要对原始数据进行预处理，使道路接合符合处理要求。进行预处理时，取每条线段的首末节点坐标为圆心，以给定的阈值为半径作圆域，判断其他线段是否与圆域相交，如果相交，则相交的各个线对象共用一个节点号。
2．道路自动断链
对道路进行预处理之后即可获得比较理想的数据，在此基础上再进行道路的自动断链。步骤如下：
（1）取出所有线段记录数n，从第一条线段开始；
（2）找出所有与之相交的线段并求出交点数m；
（3）将m个交点和该线段节点在判断无重合后进行排序；
（4）根据交点数量，该线段被分成m+1段；
（5）第一段在原始位置不变，后m段从记录尾开始递增；
（6）重复（2）～（5），循环至n。
3．节点匹配
拓扑关系需使用统一的节点。节点匹配方法是按记录顺序将所有线段的始末点加上相应节点号，坐标相同的节点共用一个节点号，与前面所有线段首末点都不相同的节点按自然顺序递增1。
4．迪杰克斯特拉（Dijkstra）算法
经典的图论与计算机算法的有效结合，使得新的最短路径算法不断涌现。目前提出的最短路径算法中，使用最多、计算速度比较快，又比较适合于计算两点之间的最短路径问题的数学模型就是经典的
Dijkstra算法。
该算法是典型的单源最短路径算法，由Dijkstra EW于1959年提出，适用于所有弧的权均为非负的情况，主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。该算法的基本思想是：认为两节点间最佳路径要么是直接相连，要么是通过其他已找到的与起始点的最佳路径的节点中转点。定出起始点P0后，定能找出一个与之直接相连且路径长度最短的节点，设为P1，P0到P1就是它们间的最佳路径。
Dijkstra算法的基本流程如下：首先将网络中所有节点分成两组，一组包含了已经确定属于最短路径中点的集合，记为S（该集合在初始状态只有一个源节点，以后每求得一条最短路径，就将其加入到集合S中，直到全部顶点都加入到S中，算法就结束了）；另一组是尚未确定最短路径的节点的集合，记为V，按照最短路径长度递增的次序依次把第二组的顶点加入到第一组中，在加入的过程中总保持从源点到S中各顶点的最短路径长度不大于从源点到V中任何顶点的最短路径长度。此外，每个顶点对应一个距离，S中的顶点距离就是从源点到此顶点的最短路径长度，V中的顶点距离是从源点到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。
步骤
路径分析的主要步骤是：①选择变量和建立因果关系模型。这是路径分析的前提。研究人员多用路径图形象地将变量的层次，变量间因果关系的路径、类型、结构等,表述为所建立的
因果模型。下图是5个变量因果关系的路径。 图中带箭头的直线“→”连接的是具有因果关系的两个变量,箭头的方向与因果的方向相同;当两变量只有相关关系而无因果关系时，用弧线双向箭头表示。图中变量分为：a.外生变量。
因果模型中只扮演因，从不扮演果的变量,是不受模型中其他变量影响的独立变量,如x1与 x2。b.
内生变量。模型中既可为因又可为果的变量，其变化受模型中其他变量的影响,如x3、x4与x5。c.
残差变量。来自因果模型之外的影响因变量的所有变量的总称，如e3、e4、e5。
若变量间的关系是
线性可加的，则图中的因果模型可用3个标准化多元
线性回归方程表示：
pij 称为由xj到xi的路径系数，它表示xj与xi间因果关系的强弱,即当其他变量均保持不变时,变量xj对变量xi的直接作用力的大小。pie称为
残差路径
系数,它表示所有自变量所不能解释的因变量的变异部分，其大小对于
因果模型的确定有重要作用。
②检验假设。路径分析要以下列假定为前提：a.变量间的因果关系是单向的，不具有反馈性，又称递归模型；b.变量间具有线性可加关系；c.变量具有等距以上测量尺度；d.所有误差均为随机的，外生变量无测量误差；e.所有
内生变量的误差变量间及与内生变量有因果关系的所有自变量间无相关。当某些假定，如递归性或变量的测量尺度不满足时，要做适当的处理才能应用路径分析。
③估计参数。首先计算路径系数与
残差路径系数,然后计算两变量间
相关系数rji。此外，要计算两变量间总因果作用力,包括变量xj对xi的直接作用力、xj经中间变量而对xi的间接作用力两部分。例如,上图的
因果模型中，x1对x5的总作用力由直接作用力p51和间接作用力构成。这两部分作用力的大小可由两变量间的
相关系数rij的分解得到。最后还要计算
决定系数嵀,它表示所有作用于xi的
自变量所能解释xi变异量的比例。公式是： ④评估
因果模型。评估的主要指标是：a. 嵀，若嵀太小，则要考虑是否需要增加新的自变量，以保证模型精度。b，一个理想的因果模应当很小,当它很大时，则有必要重新估计此因果路径也可由公计算。c.进行F检验。 式中Q为
残差平方和,U为
回归平方和，N为样本数,K为变量数，检验不显著时要修改模型。 路径分析是
多元回归分析的延伸，与后者不同的是：①路径分析间的因果关系是多层次的，因果变量之间加入了中介变量，使路径
分析模型较一般
回归模型对于现实因果关系的描述更丰富有力。②路径分析不是运用一个而是一组
回归方程，在分析时更应注意保证各方程式所含意义的一致性。