CN108681796B - 基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法 - Google Patents

Abstract

本发明公开了基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法，包括以下步骤：建立城市对外公路客运枢纽选址模型；采用Dijkstra算法，以城市道路网络节点间有效距离为元素，构建路网有效距离结构矩阵，得到出行旅客和出行客车在城市路网中的最短出行路径，进而得到出行旅客和出行客车的最短出行路径经过所有路段的集合；采用加权随机数法，确定客车选择某个高速出入口出行的权重，模拟选择某个高速出入口出行的旅客数量，求解模型，选取选址模型的最小值对应的客运枢纽坐标作为城市对外公路客运枢纽选址位置。本发明客运枢纽选址方法对于缓解城市内部交通压力，保证城市道路网络系统高效运行，提高城市对外交通效率具有重要借鉴意义。

Description

基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址 方法

技术领域

本发明属于城市交通规划技术领域，涉及一种基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法。

背景技术

根据枢纽的功能不同，城市客运交通枢纽可以分为城市内部交通枢纽和城市对外交通枢纽。城市对外公路客运枢纽是城市总体规划布局中的重要组成部分，是实现城市内部交通和外部交通有效衔接，实现不同客运方式的转换，保证客运连续性的功能体。对外公路客运枢纽的主要功能是旅客运输组织，主要服务于城际间中长途客运。公路客运枢纽位置的选择是否合理，对其功能的发挥至关重要，也决定了整个城市对外公路客运系统的运行效率。随着城市规模的不断扩张和人口的不断增长，大城市对外公路客运枢纽与城市内部交通的矛盾日益突出，传统长途汽车客运站多选位城市中心区域的布局方法，极大增加了客运旅客时间成本，限制了城市对外公路客运能力和服务水平，同时加重了城市内部交通运行负担。

目前，关于城市对外公路客运枢纽选址方法的研究主要分为两个主要方向，传统的重力法和新发展的层次分析法和综合评判法等都是偏为主观的方法。重力法是枢纽选址理论的经典算法，也是所有现有优化算法的基础。传统的重力法，不可避免地将枢纽位置布局于城市中心区域，然而，城市中心区域受城市空间、公共道路资源等因素限制，使得重力法布局渐渐不能适应大城市的交通形势；近些年广泛应用的层次分析等方法，仍然偏重于主观因素选择，方法客观性有待提高。因此，亟待提出一种新的城市对外公路客运枢纽选址客观算法，探究大城市对外公路客运枢纽的选址新方法，以优化枢纽运输能力，节约出行成本。

发明内容

本发明的目的在于提供一种基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法，改善了传统重力法将客运枢纽选址限制于城市中心区域的局限性，对于缓解城市内部交通压力，保证城市道路网络系统高效运行，提高城市对外交通效率具有重要借鉴意义。

为实现上述目的，本发明采用以下技术方案：

一种基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法，包括以下步骤：

步骤1：基于地图应用开放平台，获取需求的POI经纬度坐标数据并转换为平面坐标系坐标数据，建立城市区域内对外出行全过程距离模型；

所述需求的POI经纬度坐标数据包括城市区域内对外出行交通发生源点O的经纬度坐标数据、城市道路网络节点的经纬度坐标数据和城市对外交通过程运行终点D的经纬度坐标数据；

步骤2：考虑旅客与客车的出行成本因素，城市区域内旅客和客车均按照最短路径出行，优化城市区域内对外出行全过程距离模型，得到城市对外公路客运枢纽选址模型；

步骤3：采用Dijkstra算法，以城市道路网络节点间有效距离为元素，构建路网有效距离结构矩阵M，得到城市区域内对外出行交通发生源点O的出行旅客在城市路网中的最短出行路径和城市对外公路客运枢纽中的出行客车在城市路网中最短出行路径，进而得到出行旅客的最短出行路径经过所有路段的集合和出行客车最短出行路径经过所有路段的集合；

步骤4：基于需求的POI平面坐标系坐标数据，采用加权随机数法，确定客车选择某个高速出入口出行的权重，模拟选择某个高速出入口出行的旅客数量；

步骤5：结合步骤3得到的出行旅客最短出行路径所经过路段的集合和出行客车最短出行路径所经过路段的集合，求解步骤2中的城市对外公路客运枢纽选址模型，选取城市对外公路客运枢纽选址模型的最小值对应的客运枢纽坐标作为城市对外公路客运枢纽选址位置。

进一步地，步骤1中获取需求的POI经纬度坐标数据的方式为Python语言，所述平面坐标系坐标为WSG84坐标系。

进一步地，所述城市区域内对外出行交通发生源点O为城市区域内的所有居民小区，{1，2，…，i，…n}，n为居民小区总数；所述城市对外出行交通过程运行终点D为城市高速出入口，{1，2，…，j，…m}，m为城市高速出入口总数；所述步骤1中城市区域内对外出行全过程距离模型如下：

L＝L_i，k+L_k，j，

其中：L为城市区域内对外出行全过程距离；

L_i,k为城市区域内的第i个居民小区到城市对外公路客运枢纽k的距离；

L_k,j为城市对外公路客运枢纽k到第j个城市高速出入口的距离。

进一步地，所述步骤2中城市对外公路客运枢纽选址模型如下：

其中：n为城市区域内居民小区的总数；

m为城市高速出入口总数；

Q_i为第i个居民小区的出行旅客总量；

L_i，N为第i个居民小区到该小区最近路网节点的距离，

其中x_i、y_i为第i个居民小区的平面坐标系坐标，x_i,N、y_i,N为第i个居民小区最近路网节点的平面坐标系坐标；

L_i,min为第i个居民小区内的出行旅客在城市路网中到城市对外公路客运枢纽k的最短出行路径长度；

L_N，k为城市对外公路客运枢纽k最近路网节点到城市对外公路客运枢纽k的距离，

其中x_k、y_k为城市对外公路客运枢纽k的平面坐标系坐标，x_k,N、y_k,N为城市对外公路客运枢纽k最近路网节点的平面坐标系坐标；

Q_j为第j个城市高速出入口的出行客车总载客量；

L_k,N为城市对外公路客运枢纽k到城市对外公路客运枢纽k最近路网节点的距离，L_N，k＝L_k，N；

L_k，min为城市对外公路客运枢纽k中的出行客车在城市路网中到第j个城市高速出入口的最短出行路径长度；

L_j，N为第j个城市高速出入口最近路网节点到第j个城市高速出入口的距离，

其中x_j、y_j为第j个城市高速出入口的平面坐标系坐标，x_j,N、y_j,N为第j个城市高速出入口最近路网节点的平面坐标系坐标。

进一步地，步骤3中城市道路网络节点间有效距离为l_pq，l_pq的公式如下：

l_pq＝l_pq，pra+l_pq，del，

其中：l_pq,pra为城市道路网络节点p和节点q间的实际距离，

x_p、y_p为节点p的平面坐标系坐标，x_q、y_q为节点q的平面坐标系坐标；

l_pq,del为城市道路网络节点间因交叉口影响换算出的延误距离，l_pq，del＝N·v·t，N为每个路段交叉口数量，v为每个路段平均速度，t为每个路段交叉口平均延误时间。

进一步地，当城市道路网络所述节点p和所述节点q之间无直接路段连接时，所述l_pq＝∞；

当城市道路网络所述节点p和所述节点q之间有直接路段连接时，

所述

其中P_E为城市道路中快速路上所有节点的集合；

为城市道路中主干路上所有节点的集合。

进一步地，步骤4中所述客车选择某个高速出入口出行的权重为α_k,j，α_k,j的公式如下：

其中：d_k,j为城市对外公路客运枢纽k与第j个高速出入口的距离，

x_k、y_k为城市对外公路客运枢纽k的平面坐标系坐标，x_j、y_j为第j个高速出入口的平面坐标系坐标；

m为城市高速出入口总数。

相比现有技术，本发明的有益效果在于：

1.本发明选址方法基于地图应用开放平台获取POI数据，简化了交通调查与交通预测工作；在经典重力法的基础上，加入出城时间成本的考量，建立城市对外公路客运枢纽选址模型，改善了传统重力法将客运枢纽选址限制于城市中心区域的局限性。

2.本发明选址方法采用Dijkstra算法模拟旅客出行路径，将城市路网因素与选址方法相结合，使得客运枢纽选址与城市实际路网规划更加吻合；通过数据采集与实地交通调查，以郑州市客运枢纽选址算例与实际客运枢纽位置对比，验证本发明选址方法的可行性与合理性，因此，本发明客运枢纽选址方法对于缓解城市内部交通压力，保证城市道路网络系统高效运行，提高城市对外交通效率具有重要借鉴意义。

附图说明

图1为本发明城市对外公路客运的实现过程示意图。

图2为本发明计算得到的郑州市东、西、南、北四个站点位置与郑州市现阶段正在运营的长途客运汽车站的位置对比图。

具体实施方式

以下实施例用于说明本发明，但不用来限定本发明的保护范围。若未特别指明，实施例中所用技术手段为本领域技术人员所熟知的常规手段。下述实施例中的试验方法，如无特别说明，均为常规方法。

POI是基于位置服务的最核心数据，在电子地图上运用场景广泛，如导航前选择的目的地、查看周边的餐馆等。

实施例1

一种基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法，包括以下步骤：

步骤1：基于地图应用开放平台，采用Python语言获取需求的POI经纬度坐标数据并转换为WSG84平面坐标系坐标数据，建立城市区域内对外出行全过程距离模型；所述需求的POI经纬度坐标数据包括城市区域内对外出行交通发生源点O的经纬度坐标数据、城市道路网络节点的经纬度坐标数据和城市对外交通过程运行终点D的经纬度坐标数据。

需要说明的是，城市对外公路客运的实现过程需途径三个重要节点：交通需求源点、客运枢纽和出城节点，如图1所示。因此，本发明中城市区域内对外出行交通发生源点O为城市区域内的所有居民小区，{1,2,…,i,…n}，n为居民小区总数；城市对外出行交通过程运行终点D为城市高速出入口，{1,2,…，j，…m}，m为城市高速出入口总数；

上述城市区域内对外出行全过程距离模型如下：

L＝L_i，k+L_k，j，

其中：L为城市区域内对外出行全过程距离；

L_i,k为城市区域内的第i个居民小区到城市对外公路客运枢纽k的距离；

L_k,j为城市对外公路客运枢纽k到第j个城市高速出入口的距离。

步骤2：考虑旅客与客车的出行成本因素，城市区域内旅客和客车均按照最短路径出行，优化城市区域内对外出行全过程距离模型，得到城市对外公路客运枢纽选址模型。

上述城市对外公路客运枢纽选址模型如下：

其中：n为城市区域内居民小区的总数；

m为城市高速出入口总数；

Q_i为第i个居民小区的出行旅客总量；

L_i,N为第i个居民小区到该小区最近路网节点的距离，

其中x_i、y_i为第i个居民小区的平面坐标系坐标，x_i,N、y_i,N为第i个居民小区最近路网节点的平面坐标系坐标；

L_i,min为第i个居民小区内的出行旅客在城市路网中到城市对外公路客运枢纽k的最短出行路径长度；

L_N,k为城市对外公路客运枢纽k最近路网节点到城市对外公路客运枢纽k的距离，

其中x_k、y_k为城市对外公路客运枢纽k的平面坐标系坐标，x_k,N、y_k,N为城市对外公路客运枢纽k最近路网节点的平面坐标系坐标；

Q_j为第j个城市高速出入口的出行客车总载客量；

L_k,N为城市对外公路客运枢纽k到城市对外公路客运枢纽k最近路网节点的距离，L_N,k＝L_k,N；

L_k,min为城市对外公路客运枢纽k中的出行客车在城市路网中到第j个城市高速出入口的最短出行路径长度；

L_j,N为第j个城市高速出入口最近路网节点到第j个城市高速出入口的距离，

其中x_j、y_j为第j个城市高速出入口的平面坐标系坐标，x_j,N、y_j,N为第j个城市高速出入口最近路网节点的平面坐标系坐标。

值得说明的是，出行距离直接决定了出行成本，因此载客车对于城市高速公路出入口的选择决定了载客车在城市路网中的行驶距离，是决定载客车和出行旅客出城成本的重要因素。

步骤3：采用Dijkstra算法，以城市道路网络节点间有效距离为元素，构建路网有效距离结构矩阵M，得到城市区域内对外出行交通发生源点O(即某个居民小区)中的出行旅客在城市路网中的最短出行路径和城市对外公路客运枢纽中的出行客车在城市路网中最短出行路径，进而得到出行旅客的最短出行路径经过所有路段的集合P_i,OK和出行客车最短出行路径经过所有路段的集合P_j,KD。

上述城市道路网络节点间有效距离为l_pq，l_pq的公式如下：

l_pq＝l_pq,pra+l_pq,del，

其中：l_pq,pra为城市道路网络节点p和节点q间的实际距离，

x_p、y_p为节点p的平面坐标系坐标，x_q、y_q为节点q的平面坐标系坐标；

l_pq,del为城市道路网络节点间因交叉口影响换算出的延误距离，l_pq,del＝N·v·t，N为每个路段交叉口数量，v为每个路段平均速度，t为每个路段交叉口平均延误时间。

当城市道路网络节点p和节点q之间无直接路段连接时，所述l_pq＝∞；

当城市道路网络节点p和节点q之间有直接路段连接时，

所述

其中P_E为城市道路中快速路上所有节点的集合；

为城市道路中主干路上所有节点的集合。

则以l_pq为元素，构建的路网有效距离结构矩阵

其中：s为路网节点的数量；l_pq＝l_qp。

值得说明的是，单纯的路网节点间的直线距离矩阵无法全面反映影响旅客出行路径选择的因素，因此，在传统直线距离矩阵的基础上，加入了道路等级和交叉口数量两方面因素对于出行路径选择的影响，将交叉口因素对于形成的延误影响转换为距离，提出城市道路网络节点间有效距离的概念。

上述城市区域内对外出行交通发生源点O(即某个居民小区)中的出行旅客在城市路网中的最短出行路径的长度即L_i,min，

其中：l_g为出行旅客的最短出行路径所经过每个路段g的长度。

上述城市对外公路客运枢纽中的出行客车在城市路网中最短出行路径的长度即L_j,min，

其中：l_h为出行客车的最短出行路径所经过每个路段h的长度。

则城市对外公路客运枢纽选址模型可简化为：

步骤4：基于需求的POI平面坐标系坐标数据，采用加权随机数法，借助随机数生成器，确定客车选择某个高速出入口出行的权重，模拟选择某个高速出入口出行的旅客数量。

上述客车选择某个高速出入口出行的权重为α_k,i，α_k,j的公式如下：

其中：d_k,j为城市对外公路客运枢纽k与第j个高速出入口的距离，

x_k、y_k为城市对外公路客运枢纽k的平面坐标系坐标，x_j、y_j为第j个高速出入口的平面坐标系坐标；m为城市高速出入口总数。

步骤5：结合步骤3得到的出行旅客最短出行路径所经过路段的集合和出行客车最短出行路径所经过路段的集合，求解步骤2中的城市对外公路客运枢纽选址模型，选取城市对外公路客运枢纽选址模型的最小值对应的客运枢纽坐标作为城市对外公路客运枢纽选址位置。

作为一种可实施方式，本发明选取郑州市进行实际计算。2016年，郑州市入选国家中心城市，常驻人口远超过500万，步入特大城市行列，密集的人口为城市交通带来了巨大压力，而郑州市旅客流量最大的长途客运总站仍然位于城市最中心区域，造成了车站区域内交通组织混乱，通行效率受到严重限制。在WSG84坐标系下，以郑州市西南边界点(3835287，450863)作为迭代初始点，东北方向边界点(3859296，484729)作为终止点，区域范围完整包含了整个郑州市城市区域范围。

基于地图应用开放平台，获取郑州市城市区域内所有居民小区的经纬度坐标数据和城市道路网络节点的经纬度坐标数据，筛选保留700的居民小区的坐标数据(即n＝700)；筛选郑州市主要高速公路出入口(即m＝12)，作为迭代计算区域范围选择依据，主要出入口位置坐标如表1所示；选取四环以内快速路与主干路上91处重要节点单元(即s＝91)，构建城市路网结构简化模型，路网结构简化模型采用直线和折线的形式模拟相邻节点之间真实路径，模型范围基本涵盖了郑州市四环以内所有快速路与主干路。

表1郑州市主要高速公路出入口位置坐标

采用Python语言的Numpy工具，构建郑州市路网有效距离结构矩阵M，

依照郑州市道路等级划分，确定城市道路中快速路上所有节点的集合P_E，P_E＝{1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,28,35,40,60,70,85,86,84,83,82,81,80,61,51,46,91,90,89,88,87,27,34,39,59,69,68,67,66,65,64,63,62,52,47,41,22,29,36,37,38,20,25,32,57,77}；城市道路中主干路上所有节点的集合

在数据采集的基础上，进而对于郑州市居民出行进行基本假定：(1)每个数据源点对外出行交通需求量相等；(2)旅客对于出行方向需求相等。基于郑州市部分主干路交通数据和道路间距调查，结果如表2所示。

表2郑州市部分主干路交通数据和道路间距调查结果

采用车辆平均行驶速度与交叉口平均停车延误数据，则：

设定目标计算客运枢纽数目为4，分记为东、西、南、北四站。将城市区域内主要高速入口依照其方向分布，分记为东、西、南、北四类，以各类方向高速公路出入口集合作为同方向站点出城选择控制范围，并在此基础上，以2000m作为迭代步长，计算城市对外公路客运枢纽选址模型。得到选取城市对外公路客运枢纽选址模型的最小值(即minf)分别对应的客运枢纽坐标作为本发明得到的该城市对外公路客运枢纽东、西、南、北四个站点位置，结果如表3所示。郑州市现阶段正在运营的长途客运汽车站位置坐标如表4所示。

表3本发明计算得到的郑州市东、西、南、北四个客运枢纽位置坐标

表4郑州市现阶段正在运营的长途客运汽车站位置坐标

图2为本发明计算得到的郑州市东、西、南、北四个站点位置与郑州市现阶段正在运营的长途客运汽车站的位置对比图。从图2可以看出，本发明选址方法得到的4个方向长途汽车客运枢纽的位置均远离城市中心区域，可大大降低城市对外公路客运对于城市内部交通运行的干扰，且由于算法模型加入有效距离换算，4站点位置均靠近城市快速路节点，有利于提高城市对外交通运输效率，节约出城成本。与郑州市现阶段正在运营的东站、西站、南站、北站4处客运枢纽相比，东、北两站计算结果与实际运营车站位置较为接近，而西、南两个方向计算结果比实际运营车站位置更为靠近城市边缘，这是郑州市发展过程决定的。由于郑州市中心站兴建时期最早，建设时城市规模较小，为方便与铁路运输的接驳，汽车中心站位置位于城市中心；西客站和客运南站兴建时期相对较早，郑州市规模经过一定发展，但城市区域还达不到现阶段水平，人口主要集中于城市三环路以内，西、南两站位置均靠近三环路；近些年，郑州市不断扩张，人口急剧增长，城市边界不断外扩，北站和东站是郑州市最新修建的客运车站，规划位置更加靠外，与本发明选址方法计算结果更为靠近。本发明选址方法基于目前郑州市的人口分布，结果与郑州市城市发展方向相符，且结合了郑州市现有城市路网基础，与实际城市交通运行更加吻合。

在实际客运枢纽选址工作中，传统的重力法已无法较好适用于城镇化快速发展形势下的大型城市交通状况；而新兴的层次分析法等方法受决策者和规划人员主观意愿影响偏重，客观理论依据尚不充分。本发明基于地图应用开放平台的POI数据，简化交通调查与交通预测工作，在经典重力法的基础上，加入出城时间成本的考量，建立数学模型，改善了传统重力法将枢纽限制于城市中心区域的局限性。同时，本发明选址方法采用Dijkstra算法模拟旅客出行路径，将城市路网因素与选址方法相结合，使得客运枢纽选址与城市实际路网规划更加吻合。通过数据采集与实地交通调查，以郑州市客运枢纽选址算例与实际客运枢纽位置对比，验证本发明了选址方法的可行性与合理性，因此，本发明客运枢纽选址方法对于缓解城市内部交通压力，保证城市道路网络系统高效运行，提高城市对外交通效率具有重要借鉴意义。

以上所述之实施例，只是本发明的较佳实施例而已，仅仅用以解释本发明，并非限制本发明实施范围，对于本技术领域的技术人员来说，当然可根据本说明书中所公开的技术内容，通过置换或改变的方式轻易做出其它的实施方式，故凡在本发明的原理上所做的变化和改进等，均应包括于本发明申请专利范围内。

Claims (2)

1.一种基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法，其特征在于，包括以下步骤：

步骤1：基于地图应用开放平台，获取需求的POI经纬度坐标数据并转换为平面坐标系坐标数据，建立城市区域内对外出行全过程距离模型；

所述需求的POI经纬度坐标数据包括城市区域内对外出行交通发生源点O的经纬度坐标数据、城市道路网络节点的经纬度坐标数据和城市对外交通过程运行终点D的经纬度坐标数据；

所述城市区域内对外出行交通发生源点O为城市区域内的所有居民小区，{1，2，...，i，...n}，n为居民小区总数；所述城市对外出行交通过程运行终点D为城市高速出入口，{1，2，...，j，...m}，m为城市高速出入口总数；所述步骤1中城市区域内对外出行全过程距离模型如下：

L＝L_i，k+L_k，j，

其中：L为城市区域内对外出行全过程距离；

L_i，k为城市区域内的第i个居民小区到城市对外公路客运枢纽k的距离；

L_k，_j为城市对外公路客运枢纽k到第j个城市高速出入口的距离；

步骤2：考虑旅客与客车的出行成本因素，城市区域内旅客和客车均按照最短路径出行，优化城市区域内对外出行全过程距离模型，得到城市对外公路客运枢纽选址模型；

所述城市对外公路客运枢纽选址模型如下：

其中：n为城市区域内居民小区的总数；

m为城市高速出入口总数；

Q_i为第i个居民小区的出行旅客总量；

L_i，N为第i个居民小区到该小区最近路网节点的距离，

其中x_i、y_i为第i个居民小区的平面坐标系坐标，x_i，N、y_i，N为第i个居民小区最近路网节点的平面坐标系坐标；

L_i，min为第i个居民小区内的出行旅客在城市路网中到城市对外公路客运枢纽k的最短出行路径长度；

L_N，k为城市对外公路客运枢纽k最近路网节点到城市对外公路客运枢纽k的距离，

其中x_k、y_k为城市对外公路客运枢纽k的平面坐标系坐标，x_k，N、y_k，N为城市对外公路客运枢纽k最近路网节点的平面坐标系坐标；

Q_j为第j个城市高速出入口的出行客车总载客量；

L_k，N为城市对外公路客运枢纽k到城市对外公路客运枢纽k最近路网节点的距离，L_N，k＝L_k，N；

L_k，min为城市对外公路客运枢纽k中的出行客车在城市路网中到第j个城市高速出入口的最短出行路径长度；

L_j，N为第j个城市高速出入口最近路网节点到第j个城市高速出入口的距离，

其中x_j、y_j为第j个城市高速出入口的平面坐标系坐标，x_j，N、y_j，N为第j个城市高速出入口最近路网节点的平面坐标系坐标；

步骤3：采用Dijkstra算法，以城市道路网络节点间有效距离为元素，构建路网有效距离结构矩阵M，得到城市区域内对外出行交通发生源点O的出行旅客在城市路网中的最短出行路径和城市对外公路客运枢纽中的出行客车在城市路网中最短出行路径，进而得到出行旅客的最短出行路径经过所有路段的集合和出行客车最短出行路径经过所有路段的集合；

所述城市道路网络节点间有效距离为l_pq，l_pq的公式如下：

l_pq＝l_pq，pra+l_pq，del，

其中：L_pq，pra为城市道路网络节点p和节点q间的实际距离，

x_p、y_p为节点p的平面坐标系坐标，x_q、y_q为节点q的平面坐标系坐标；

l_pq，del为城市道路网络节点间因交叉口影响换算出的延误距离，l_pq，del＝N·v·t，N为每个路段交叉口数量，v为每个路段平均速度，t为每个路段交叉口平均延误时间；

当城市道路网络所述节点p和所述节点q之间无直接路段连接时，所述l_pq＝∞；

当城市道路网络所述节点p和所述节点q之间有直接路段连接时，

所述

其中P_E为城市道路中快速路上所有节点的集合；

为城市道路中主干路上所有节点的集合；

步骤4：基于需求的POI平面坐标系坐标数据，采用加权随机数法，确定客车选择某个高速出入口出行的权重，模拟选择某个高速出入口出行的旅客数量；

所述客车选择某个高速出入口出行的权重为α_k，j，α_k，j的公式如下：

其中：d_k，j为城市对外公路客运枢纽k与第j个高速出入口的距离，

x_k、y_k为城市对外公路客运枢纽k的平面坐标系坐标，x_j、y_j为第j个高速出入口的平面坐标系坐标；m为城市高速出入口总数；

步骤5：结合步骤3得到的出行旅客最短出行路径所经过路段的集合和出行客车最短出行路径所经过路段的集合，求解步骤2中的城市对外公路客运枢纽选址模型，选取城市对外公路客运枢纽选址模型的最小值对应的客运枢纽坐标作为城市对外公路客运枢纽选址位置。

2.根据权利要求1所述的基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法，其特征在于，步骤1中获取需求的POI经纬度坐标数据的方式为Python语言，所述平面坐标系坐标为WSG84坐标系。

Images