CN108417040A - 一种特色小镇交通分布预测方法 - Google Patents

Abstract

本发明公开了一种特色小镇交通分布预测方法。本发明方法划分交通小区并将各交通小区的特征信息通过系统平衡法进行背景预测得到交通小区间的背景出行总量分布预测模型；通过特色小镇当地居民旅游交通意愿问卷调查获取游客相关信息；建立其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型；建立特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型；根据交通小区间的背景出行总量分布预测模型、其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型以及特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型计算得到最终交通出行总量分布预测模型。与现有技术相比，本发明的预测方法提高了预测精度。

Description

一种特色小镇交通分布预测方法

技术领域

本发明属于交通需求与交通分布预测技术领域，尤其涉及一种特色小镇交通分布预测方法。

背景技术

特色小镇，作为加快新型城镇化建设的一个重要突破口，是近几年从中央到地方都在大力推进的重要任务。同时也点燃了众多企业和民间资本的参与热情，呈现出一片繁荣景象。特色小镇区别于传统意义上的行政单元和产业园区，是一个相对独立于市区，具有明确产业定位、文化内涵、旅游和一定社区功能的空间发展平台，是一种实现小空间大集聚、小平台大产业、小载体大创新的组织形式。

特色小镇交通，是特色小镇旅游业赖以生存的战略支柱行业。区域交通的状况对旅游者的出游选择在心理上有着决定性的影响。据不完全统计，旅游效果影响要素中，与住宿、饮食、景点及其它服务消费等项目相比，60％左右的旅游者将交通列为首位。因此，区域交通系统状况是影响特色小镇旅游发展最为重要的因素之一。

特色小镇交通的合理规划离不开准确的交通需求预测。交通需求分析预测作为交通规划的关键技术，决定了对未来交通发展趋势把握的准确度和可靠度，从而影响着交通部门以及规划者的决策。特色小镇作为新开发区域，不仅有本身存在的交通量，还会由于其旅游功能诱增一部分交通量，因此其交通需求预测带来了新的难题和挑战。本发明致力于特色小镇旅游诱增交通分布预测，将传统背景预测的交通分布和特色小镇预测模型计算的旅游诱增交通分布进行叠加，使得预测结果更加准确。

发明内容

为了解决上述技术问题，本发明提出了一种特色小镇交通分布预测方法。

本发明的技术方案为一种特色小镇交通分布预测方法，其特征在于，包括以下步骤：

步骤1：划分交通小区并将各交通小区的特征信息通过系统平衡法进行背景预测得到交通小区间的背景出行总量分布预测模型；

步骤2：通过特色小镇当地居民旅游交通意愿问卷调查获取游客相关信息；

步骤3：建立其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型；

步骤4：建立特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型；

步骤5：根据交通小区间的背景出行总量分布预测模型、其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型以及特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型计算得到最终交通出行总量分布预测模型。

作为优选，步骤1中所述各交通小区的特征信息为：

CI_j＝{O_j,D_j,S_j,c_jw}j∈[1,N],w∈[1,N]

其中，N为交通小区的数量，O_j为交通小区j的现状发生交通量,D_j为交通小区j的现状吸引交通量,P_j为交通小区j的人口，S_j为交通小区j的面积，c_jw为交通小区j到交通小区w的交通阻抗；

步骤1中所述采用系统平衡法的背景预测得到交通小区间的背景出行总量分布预测模型为：

X_jw j∈[1,N],w∈[1,N]

其中，X_jw为交通小区j到交通小区w的背景出行分布总量，N为交通小区的数量；

作为优选，步骤2中所述游客相关信息为：

VI＝{q₀,t,r₀,r_w,r_h,r_m,r_n}m∈[1,M_r],n∈[1,N_r]

其中，M_r为市民到特色城镇游览选择的交通方式数量，N_r为市民在特色小镇之间游览选择的交通方式数量，q₀为游客旅游频率，t为游玩天数，r₀为游客收入，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_m为市民到特色城镇游览选择第m种交通方式占全方式的平均比例，r_n为市民在特色小镇之间游览选择第n种交通方式占全方式的平均比例；

作为优选，步骤3中所述其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型为：

其中，Y_ji为预测年交通小区j到交通小区i的出行总量，N为交通小区的数量，M为特色小镇的数量，若j∈[N-M+1,N]时表示交通小区j为特色小镇，若j∈[1,N-M]时表示交通小区j为其它交通小区，Y_ji,me为预测年交通小区j到交通小区i选择交通方式m的当量小汽车出行量：

其中，N为交通小区的数量，M为特色小镇的数量，r_ji,m为预测年交通小区j到交通小区i选择交通方式m的车均实载率，E_m为交通方式m的小汽车当量换算系数，Y_ji,m为预测年交通小区j到交通小区i选择交通方式m的日出行人数：

其中，N为交通小区的数量，M为特色小镇的数量，y_ji为预测年交通小区j到交通小区i的出行比例，与交通小区j到交通小区i的出行距离L_ji有关，c、d为常数，A_i为交通小区i的吸引力排名位次，且当i≤N-M，A_i＝0，F_jm为预测年交通小区j选择交通方式m的市民日出行次数：

其中，N为交通小区的数量，M为特色小镇的数量，若j∈[N-M+1,N]时表示交通小区j为特色小镇，若j∈[1,N-M]时表示交通小区j为其它交通小区，Mr为市民到特色城镇游览选择的交通方式数量，P_j为预测年交通小区j的人口总数，qj为预测年交通小区j的市民到特色城镇游日均出行次数，与交通小区j预测年人均收入r_j有关,a、b均为常数，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_m为市民到特色城镇览选择第m种交通方式占全方式的平均比例；

作为优选，步骤4中所述特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型为：

其中，N为交通小区的数量，M为特色小镇的数量，Z_ji为预测年交通小区j到交通小区i的的出行总量，k_j为考虑交通小区j的位置修正系数，Z_ji,ne为预测年交通小区j到交通小区i选择交通方式n的当量小汽车出行量：

其中，N为交通小区的数量，M为特色小镇的数量，r_ji,n为预测年交通小区j到交通小区i选择交通方式n的车均实载率，E_n为交通方式n的小汽车当量换算系数，Z_ji,n为预测年交通小区j到交通小区i选择交通方式n的市民日出行次数：

其中，N为交通小区的数量，M为特色小镇的数量，P_j为预测年交通小区j的人口总数，q_j为预测年交通小区j的市民到特色城镇游日均出行次数，与交通小区j预测年人均收入r_j有关，a、b均为常数，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_n为市民在特色小镇之间游览选择第n种交通方式占全方式的平均比例，r_t为特色小镇停留t天的比例，t为市民在特色小镇停留天数，t_max为市民在特色小镇最大停留天数，t_min为市民在特色小镇最少停留天数；

作为优选，步骤5中所述最终交通出行总量分布预测模型为：

OD_jl＝X_jl+Y_jl+Z_jl j∈[1,N],l∈[1,N]

其中，N为交通小区的数量，OD_jl为交通小区j到交通小区l最终交通出行总量。

与现有技术相比，本发明优点为在预测旅游诱增交通分布时，考虑了游客收入、特色小镇人口、出行频率、特色小镇差异性对交通小区发生吸引量的影响，同时数据获取相对简单，对于建设特色小镇的交通分布预测具有较高的准确性和适用性。

附图说明

图1：本发明的方法流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

下面结合图1介绍本发明的实施例。本发明的实施例具体包括以下步骤：

步骤1：划分交通小区并将各交通小区的特征信息通过系统平衡法进行背景预测得到交通小区间的背景出行总量分布预测模型；

步骤1中所述各交通小区的特征信息为：

CI_j＝{O_j,D_j,S_j,c_jw}j∈[1,N],w∈[1,N]

其中，N＝27为交通小区的数量，O_j为交通小区j的现状发生交通量,D_j为交通小区j的现状吸引交通量,P_j为交通小区j的人口，S_j为交通小区j的面积，c_jw为交通小区j到交通小区w的交通阻抗；

步骤1中所述采用系统平衡法的背景预测得到交通小区间的背景出行总量分布预测模型为：

X_jw j∈[1,N],w∈[1,N]

其中，X_jw为交通小区j到交通小区w的背景出行分布总量，N＝27为交通小区的数量；

步骤2：通过特色小镇当地居民旅游交通意愿问卷调查获取游客相关信息；

步骤2中所述游客相关信息为：

VI＝{q₀,t,r₀,r_w,r_h,r_m,r_n}m∈[1,M_r],n∈[1,N_r]

其中，M_r＝6为市民到特色城镇游览选择的交通方式数量，N_r＝5为市民在特色小镇之间游览选择的交通方式数量，q₀为游客旅游频率，t为游玩天数，r₀为游客收入，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_m为市民到特色城镇游览选择第m种交通方式占全方式的平均比例，r_n为市民在特色小镇之间游览选择第n种交通方式占全方式的平均比例；

步骤3：建立其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型；

步骤3中所述其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型为：

其中，Y_ji为预测年交通小区j到交通小区i的出行总量，N＝27为交通小区的数量，M＝18为特色小镇的数量，若j∈[N-M+1,N]时表示交通小区j为特色小镇，若j∈[1,N-M]时表示交通小区j为其它交通小区，Y_ji,me为预测年交通小区j到交通小区i选择交通方式m的当量小汽车出行量：

其中，N＝27为交通小区的数量，M＝18为特色小镇的数量，r_ji,m为预测年交通小区j到交通小区i选择交通方式m的车均实载率，E_m为交通方式m的小汽车当量换算系数，Y_ji,m为预测年交通小区j到交通小区i选择交通方式m的日出行人数：

其中，N＝27为交通小区的数量，M＝18为特色小镇的数量，y_ji为预测年交通小区j到交通小区i的出行比例，与交通小区j到交通小区i的出行距离L_ji有关，c＝37.673、d＝-0.011，A_i为交通小区i的吸引力排名位次，且当i≤N-M，A_i＝0，F_jm为预测年交通小区j选择交通方式m的市民日出行次数：

其中，N＝27为交通小区的数量，M＝18为特色小镇的数量，若j∈[N-M+1,N]时表示交通小区j为特色小镇，若j∈[1,N-M]时表示交通小区j为其它交通小区，M_r＝6为市民到特色城镇游览选择的交通方式数量，P_j为预测年交通小区j的人口总数，q_j为预测年交通小区j的市民到特色城镇游日均出行次数，与交通小区j预测年人均收入r_j有关，a＝0.4248、b＝0.19，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_m为市民到特色城镇览选择第m种交通方式占全方式的平均比例；

步骤4：建立特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型；

步骤4中所述特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型为：

其中，N＝27为交通小区的数量，M＝18为特色小镇的数量，Z_ji为预测年交通小区j到交通小区i的的出行总量，k_j为考虑交通小区j的位置修正系数，Z_ji,ne为预测年交通小区j到交通小区i选择交通方式n的当量小汽车出行量：

其中，N＝27为交通小区的数量，M＝18为特色小镇的数量，r_ji,n为预测年交通小区j到交通小区i选择交通方式n的车均实载率，E_n为交通方式n的小汽车当量换算系数，Z_ji,n为预测年交通小区j到交通小区i选择交通方式n的市民日出行次数：

其中，N＝27为交通小区的数量，M＝18为特色小镇的数量，P_j为预测年交通小区j的人口总数，q_j为预测年交通小区j的市民到特色城镇游日均出行次数，与交通小区j预测年人均收入r_j有关，a＝0.4248、b＝0.19，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_n为市民在特色小镇之间游览选择第n种交通方式占全方式的平均比例，r_t为特色小镇停留t天的比例，t为市民在特色小镇停留天数，t_max为市民在特色小镇最大停留天数，t_min为市民在特色小镇最少停留天数；

步骤5：根据交通小区间的背景出行总量分布预测模型、其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型以及特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型计算得到最终交通出行总量分布预测模型；

步骤5中所述最终交通出行总量分布预测模型为：

OD_jl＝X_jl+Y_jl+Z_jl j∈[1,N],l∈[1,N]

其中，N＝27为交通小区的数量，OD_jl为交通小区j到交通小区l最终交通出行总量。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (6)

1.一种特色小镇交通分布预测方法，其特征在于，包括以下步骤：

步骤1：划分交通小区并将各交通小区的特征信息通过系统平衡法进行背景预测得到交通小区间的背景出行总量分布预测模型；

步骤2：通过特色小镇当地居民旅游交通意愿问卷调查获取游客相关信息；

步骤3：建立其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型；

步骤4：建立特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型；

步骤5：根据交通小区间的背景出行总量分布预测模型、其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型以及特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型计算得到最终交通出行总量分布预测模型。

2.根据权利要求1所述的特色小镇交通分布预测方法，其特征在于：步骤1中所述各交通小区的特征信息为：

CI_j＝{O_j,D_j,S_j,c_jw}j∈[1,N],w∈[1,N]

其中，N为交通小区的数量，O_j为交通小区j的现状发生交通量,D_j为交通小区j的现状吸引交通量,P_j为交通小区j的人口，S_j为交通小区j的面积，c_jw为交通小区j到交通小区w的交通阻抗；

步骤1中所述采用系统平衡法的背景预测得到交通小区间的背景出行总量分布预测模型为：

X_jw j∈[1,N],w∈[1,N]

其中，X_jw为交通小区j到交通小区w的背景出行分布总量，N为交通小区的数量。

3.根据权利要求1所述的特色小镇交通分布预测方法，其特征在于：步骤2中所述游客相关信息为：

VI＝{q₀,t,r₀,r_w,r_h,r_m,r_n}m∈[1,M_r],n∈[1,N_r]

其中，M_r为市民到特色城镇游览选择的交通方式数量，N_r为市民在特色小镇之间游览选择的交通方式数量，q₀为游客旅游频率，t为游玩天数，r₀为游客收入，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_m为市民到特色城镇游览选择第m种交通方式占全方式的平均比例，r_n为市民在特色小镇之间游览选择第n种交通方式占全方式的平均比例。

4.根据权利要求1所述的特色小镇交通分布预测方法，其特征在于：步骤3中所述其它交通小区到特色小镇旅游诱增交通的出行总量分布预测模型为：

其中，Y_ji为预测年交通小区j到交通小区i的出行总量，N为交通小区的数量，M为特色小镇的数量，若j∈[N-M+1,N]时表示交通小区j为特色小镇，若j∈[1,N-M]时表示交通小区j为其它交通小区，Y_ji,me为预测年交通小区j到交通小区i选择交通方式m的当量小汽车出行量：

其中，N为交通小区的数量，M为特色小镇的数量，r_ji,m为预测年交通小区j到交通小区i选择交通方式m的车均实载率，E_m为交通方式m的小汽车当量换算系数，Y_ji,m为预测年交通小区j到交通小区i选择交通方式m的日出行人数：

其中，N为交通小区的数量，M为特色小镇的数量，y_ji为预测年交通小区j到交通小区i的出行比例，与交通小区j到交通小区i的出行距离L_ji有关，c、d为常数，A_i为交通小区i的吸引力排名位次，且当i≤N-M，A_i＝0，F_jm为预测年交通小区j选择交通方式m的市民日出行次数：

其中，N为交通小区的数量，M为特色小镇的数量，若j∈[N-M+1,N]时表示交通小区j为特色小镇，若j∈[1,N-M]时表示交通小区j为其它交通小区，M_r为市民到特色城镇游览选择的交通方式数量，P_j为预测年交通小区j的人口总数，q_j为预测年交通小区j的市民到特色城镇游日均出行次数，与交通小区j预测年人均收入r_j有关,a、b均为常数，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_m为市民到特色城镇览选择第m种交通方式占全方式的平均比例。

5.根据权利要求1所述的特色小镇交通分布预测方法，其特征在于：步骤4中所述特色小镇到特色小镇旅游诱增交通的出行总量分布预测模型为：

其中，N为交通小区的数量，M为特色小镇的数量，Z_ji为预测年交通小区j到交通小区i的的出行总量，k_j为考虑交通小区j的位置修正系数，Z_ji,ne为预测年交通小区j到交通小区i选择交通方式n的当量小汽车出行量：

其中，N为交通小区的数量，M为特色小镇的数量，r_ji,n为预测年交通小区j到交通小区i选择交通方式n的车均实载率，E_n为交通方式n的小汽车当量换算系数，Z_ji,n为预测年交通小区j到交通小区i选择交通方式n的市民日出行次数：

其中，N为交通小区的数量，M为特色小镇的数量，P_j为预测年交通小区j的人口总数，q_j为预测年交通小区j的市民到特色城镇游日均出行次数，与交通小区j预测年人均收入r_j有关，a、b均为常数，r_w为市民到特色城镇游览周末占全年出行比例，r_h为市民到特色城镇游览高峰小时占全日出行比例，r_n为市民在特色小镇之间游览选择第n种交通方式占全方式的平均比例，r_t为特色小镇停留t天的比例，t为市民在特色小镇停留天数，t_max为市民在特色小镇最大停留天数，t_min为市民在特色小镇最少停留天数。

6.根据权利要求1所述的特色小镇交通分布预测方法，其特征在于：步骤5中所述最终交通出行总量分布预测模型为：

OD_jl＝X_jl+Y_jl+Z_jl j∈[1,N],l∈[1,N]

其中，N为交通小区的数量，OD_jl为交通小区j到交通小区l最终交通出行总量。