CN108805392B - 一种基于轨迹数据集成人类出行行为的可达性评估方法 - Google Patents

一种基于轨迹数据集成人类出行行为的可达性评估方法 Download PDF

Info

Publication number
CN108805392B
CN108805392B CN201810351158.1A CN201810351158A CN108805392B CN 108805392 B CN108805392 B CN 108805392B CN 201810351158 A CN201810351158 A CN 201810351158A CN 108805392 B CN108805392 B CN 108805392B
Authority
CN
China
Prior art keywords
access probability
target facility
data
unit
time period
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201810351158.1A
Other languages
English (en)
Other versions
CN108805392A (zh
Inventor
潘晓芳
周顺平
杨林
左泽军
万波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Geosciences
Original Assignee
China University of Geosciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Geosciences filed Critical China University of Geosciences
Priority to CN201810351158.1A priority Critical patent/CN108805392B/zh
Publication of CN108805392A publication Critical patent/CN108805392A/zh
Application granted granted Critical
Publication of CN108805392B publication Critical patent/CN108805392B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于轨迹数据集成人类出行行为的可达性评估方法，本发明的方法将目标设施的使用人群分为基于空间阻碍的潜在人群与基于轨迹数据的实际人群，分别计算不同人群类型对目标设施的访问概率，并提出以两者集成的访问概率作为判断一个位置是否属于目标设施服务范围的依据；以集成访问概率为约束条件来替代传统的空间阻碍约束，生成综合考虑潜在理论因素与实际出行因素的目标设施的集成服务范围；将集成服务范围引入到两步移动搜索法中，获取可达性的评价结果。本发明在对传统可达性度量方法进行改进的基础上，从用户使用的角度出发，提出了利用轨迹数据来逼近真实可达性结果的一种方法。

Description

一种基于轨迹数据集成人类出行行为的可达性评估方法
技术领域
本发明涉及可达性评估技术领域，尤其涉及一种基于轨迹数据集成人类出行行为的可达性评估方法。
背景技术
人们在享有公用资源的过程中，公平性成为重要问题。在对公共服务设施布局公平性的测度中，可达性是一个重要的指标(顾鸣东&尹海伟，2010；江海燕等，2011；Niedzielski&Boschmann,2014；程刚等，2016)。目前，可达性研究多以潜在可达性研究为主(陈洁等，2007；宋正娜等，2010；wang，2012；Páez等，2012；Niedzielski&Boschmann，2014)，认为起点、终点及两者之间的连接形式是影响可达性结果的关键因素(宋正娜等，2010)。特别是起点和终点之间的连接形式，由于反映了空间上克服各种障碍进行交流的难易程度而成为研究的重点。
鉴于起终点地理位置的不一致性，这种空间阻碍通常需要依赖于一定的几何网络，因此各种可达性度量模型均建立在几何网络之上，从不同角度出发，对现实中的几何网络尤其是道路交通网络的连通水平进行度量(陈洁等，2007)。例如，利用路网中的最短路径距离代替欧氏距离(周锐等，2015；杨钦宇&徐建刚，2015)；并且考虑不同道路级别的速度差异及不同交通方式对通行时间的影响(杨育军&宋小冬，2004；Schuurman等，2006；Cheng等，2016；Langford等，2016；蒋海兵等，2017)。另外，距离衰减函数(例如幂函数，指数函数)或多个出行时间阈值(例如30分钟，60分钟等)被引入可达性模型以模拟可达性随距离衰减的规律(Luo&Qi，2009；Delamater，2013；Mcgrail&Humphreys，2014；Vadrevu&Kanjilal，2016；Kanuganti等，2016)。
这种基于道路网络上空间阻碍程度的可达性结果在改进过程中不断提升了结果的真实性，但依然存在两个问题：(1)假设人们对设施的选择是就近原则，但实际上，人们可以自由选择服务设施，因此，缺少不确定访问行为对可达性结果的影响的考虑；(2)对空间阻碍的度量仍以假定的理论值为主，而非出行的实际值阻碍情况。因此，研究结果为某个位置到达设施或获取服务在理论上的便利程度，而不是人们实际利用设施或服务的便利程度。
发明内容
有鉴于此，本发明提供了一种基于轨迹数据集成人类出行行为的可达性评估方法，基于人类出行轨迹数据计算真实的出行阻碍并提取人们对设施的真实访问行为来度量可达性的方法，目的在于提升可达性结果的真实性水平。
为实现上述目的，本发明采用了一种技术方案：一种基于轨迹数据集成人类出行行为的可达性评估方法，包括如下步骤：
步骤101：获取研究区域的行政区域地图、人口数据和目标设施的位置数据，基于行政区域地图将所述研究区域进行空间格网划分，并将每个格网作为一个单元；
步骤102：获取所述研究区域的轨迹数据和道路网络，对轨迹数据和道路网格进行数据匹配，提取子轨迹作为有效轨迹信息，并计算每个时段内每条道路的平均通行速度；
步骤103：基于步骤102中计算的每个时段内每条道路的平均通行速度，计算每个时段内每个单元到达每个目标设施的平均出行时间，将其作为空间阻碍约束，并按从小到大对所述空间阻碍约束进行排序而形成排序后的空间阻碍数组，建立空间访问概率模型，根据所述空间访问概率模型，计算每个时段内每个单元访问每个目标设施的空间访问概率；
步骤104：基于所述研究区域的轨迹数据和每个目标设施的位置数据，提取访问各个目标设施的用户轨迹，包括用户的出发地和目的地的位置数据、出发时间；
步骤105：基于步骤104中获取的用户轨迹，计算每个时段内每个单元内访问每个目标设施的用户人数，建立时空行为访问概率模型，根据所述时空行为访问概率模型，计算每个单元访问每个目标设施的时空行为访问概率；
步骤106：基于步骤103中建立的所述空间访问概率模型和步骤105中建立的时空行为访问概率模型，建立集成访问概率模型，根据所述集成访问概率模型，计算每个时段内每个单元访问每个目标设施的集成访问概率；
步骤107：基于步骤106计算的所述集成访问概率值，设置访问概率阈值，生成每个时段内每个目标设施在所述访问概率阈值时的初始服务范围；
步骤108：基于步骤107中计算的初始服务范围内所有单元，生成每个目标设施在所述访问概率阈值时的初始服务范围的边界，以确定每个目标设施在所述访问概率阈值时的服务范围；
步骤109：根据步骤101中获取的人口数据，计算每个单元的人口数量，将步骤108中确定的服务范围作为浮动窗口，采用两步移动搜索的方法，计算每个时段内每个单元在不同访问概率阈值时对每个目标设施的可达性。
进一步的，步骤102中所述研究区域的轨迹数据为出租车轨迹数据，出租车轨迹数据为出租车行驶的历史数据，包括车牌号、经纬度、时间、速度、方向、载客状态；对出租车轨迹数据与道路网络数据进行匹配，并提取出租车载客的子轨迹信息，子轨迹信息包括出发时间、出发地点、目的地点、到达时间、行驶道路。
进一步的，在步骤103中，所述空间访问概率模型如公式(1)所示，根据公式(1)计算时段T内所述单元访问所述目标设施的空间访问概率，并且所述空间访问概率满足
Figure BDA0001633350150000031
所述公式(1)如下：
Figure BDA0001633350150000032
其中ki表示单元，fj表示目标设施，
Figure BDA0001633350150000033
表示时段T内单元ki访问目标设施fj的空间访问概率，hT ij表示时段T内单元ki到达每个目标设施fj的平均出行时间，ST M-g+1表示时段T内排序后的空间阻碍，g表示hT ij在空间阻碍数组Sg中的排位序号，i和j均为大于或等于1的正整数，N和M分别是研究区域内的单元和目标设施的总数量。
进一步的，在步骤104中，基于所述目标设施的位置数据，设立所述目标设施的缓冲区，提取访问各个目标设施的缓冲区的用户轨迹。
进一步的，在步骤105中，所述时空行为访问概率模型如公式(2)所示，按照公式(2)计算时段T内所述单元访问所述目标设施的时空行为访问概率，所述公式(2)如下：
Figure BDA0001633350150000034
其中，ki表示单元，fj表示目标设施，
Figure BDA0001633350150000035
表示时段T内单元ki访问目标设施fj的时空行为访问概率，pT ij表示时段T内表示单元ki内访问目标设施fj的用户人数，i和j均为大于或等于1的正整数，N和M分别是研究区域内的单元和目标设施的总数量。
进一步的，在步骤106中，所述集成访问概率模型如公式(3)所示，根据公式(3)计算时段T内所述单元访问所述目标设施的集成访问概率，所述公式(3)如下：
Figure BDA0001633350150000036
其中，ki表示单元，fj表示目标设施，
Figure BDA0001633350150000037
表示时段T内单元ki访问目标设施fj的集成访问概率，λ1和λ2分别为所述空间访问概率模型和时空行为访问概率模型的影响因子，ω为不可控因素，i和j均为大于或等于1的正整数。
进一步的，设定所述空间访问概率和行为访问概率对集成概率的影响相同、没有不可控因素，λ1＝λ2＝0.5、ω＝0。
进一步的，在步骤107中，所述目标设施在所述访问概率阈值时的初始服务范围如公式(4)所示，根据公式(4)，所述目标设施在所述访问概率阈值时的服务范围由集成访问概率大于或等于所述访问概率阈值的单元组成，公式(4)如下：
Figure BDA0001633350150000041
其中，ki表示单元，fj表示目标设施，β表示访问概率阈值，ICAT(fj,β)表示时段T内目标设施fj在所述访问概率阈值β时的服务范围，i和j均为大于或等于1的正整数。
进一步的，在步骤108中，提取步骤107中计算的初始服务范围内所有单元的中心点，利用核密度分析法，生成所述目标设施在所述访问概率阈值时的初始服务范围的边界。
进一步的，所述目标设施在所述访问概率阈值时的服务范围内的单元和初始服务范围内的单元的数量比大于或等于85％。
本发明的实施例提供的技术方案带来的有益效果是：本发明在对传统可达性度量方法进行改进的基础上，从用户使用的角度出发，提出了利用轨迹数据来逼近真实可达性结果的一种方法，主要表现在：(1)将目标设施的使用人群分为基于空间阻碍的潜在人群与基于轨迹数据的实际人群，分别计算不同人群类型对目标设施的访问概率，并提出以两者集成的访问概率作为判断一个位置是否属于目标设施服务范围的依据；(2)以集成访问概率为约束条件来替代传统的空间阻碍约束，生成综合考虑潜在理论因素与实际出行因素的目标设施的集成服务范围；(3)将集成服务范围引入到两步移动搜索法中，使可达性的评价结果变得更加符合真实情况。
附图说明
图1为本发明的基于轨迹数据集成人类出行行为的可达性评估方法框架图；
图2为本发明的基于轨迹数据集成人类出行行为的可达性评估方法流程图；
图3为本发明的空间访问概率与行为访问概率模型图；
图4为本发明的数据处理流程图；
图5为本发明中的实例服务范围边界提取图；
图6为本发明中的访问概率阈值分别设置为0.1,0.2,0.3,0.4,0.5和0.6下的可达性结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
如图1和2所示，本发明提供的一种基于轨迹数据集成人类出行行为的可达性评估方法，用于计算基于位置的可达性，包括如下步骤：
步骤101：获取研究区域的行政区域地图、人口数据、目标设施fj(j＝1,2,3……M，M为大于或等于1的正整数，M是所述研究区域内的目标设施的总数量)的位置数据，基于行政区域地图将所述研究区域进行空间格网划分，并将每个格网作为一个单元ki(i＝1,2,3……N，N为大于或等于1的正整数，N是所述研究区域内的单元的总数量)；
步骤102：获取所述研究区域的轨迹数据和道路网络，对轨迹数据和道路网格进行数据匹配，提取子轨迹作为有效轨迹信息，并计算每个时段内每条道路的平均通行速度；
步骤103：基于步骤102中计算的每个时段内每条道路的平均通行速度，计算每个时段内每个单元ki到达每个目标设施fj的平均出行时间hij，将其作为空间阻碍约束，并按从小到大对所述空间阻碍约束进行排序而形成排序后的空间阻碍数组sg(g＝1,2,3……M，g表示排位序号)，建立随空间阻碍逐渐衰减的空间访问概率模型，根据所述空间访问概率模型，计算每个时段内每个单元ki访问每个目标设施fj的空间访问概率；
步骤104：基于所述研究区域的轨迹数据和每个目标设施fj的位置数据，提取访问各个目标设施fj的用户轨迹，包括用户的出发地和目的地的位置数据、出发时间等；
步骤105：基于步骤104中获取的用户轨迹，计算每个时段内每个单元ki内访问每个目标设施fj的用户人数pij，建立时空行为访问概率模型，根据所述时空行为访问概率模型，计算所述单元ki访问所述服务设施fj的时空行为访问概率；
步骤106：基于步骤103中建立的所述空间访问概率模型和步骤105中建立的时空行为访问概率模型，建立集成访问概率模型，根据所述集成访问概率模型，计算每个时段内每个单元ki访问每个目标设施fj的集成访问概率；
步骤107：基于步骤106计算的所述集成访问概率值，设置访问概率阈值β，生成每个时段内所述目标设施fj在所述访问概率阈值时的初始服务范围；
步骤108：提取步骤107中计算的初始服务范围内所有单元ki的中心点，利用核密度分析法，生成所述目标设施fj在所述访问概率阈值β时的初始服务范围的边界，也即确定所述目标设施fj在所述访问概率阈值β时的服务范围；
步骤109：根据步骤101中获取的人口数据，计算每个单元ki的人口数量，将步骤108中确定的服务范围作为浮动窗口，采用两步移动搜索的方法，计算每个时段内每个单元ki在不同访问概率阈值时对每个目标设施fj的可达性。
在步骤101中，所述研究区域内包括一个或一个以上的目标设施fj，所述目标设施fj可以是服务设施，包括但不限于医疗设施、教育设施、娱乐设施、服务设施等。所述研究区域内包括一条或一条以上的道路，不同的位置通过不同的道路到达目标设施fj。
在步骤102中，所述研究区域的轨迹数据包括但不限于出租车轨迹数据，出租车轨迹数据为出租车行驶的历史数据，包括车牌号、经纬度、时间、速度、方向、载客状态等字段，对出租车轨迹数据与道路网络数据进行数据匹配，提取出租车载客的子轨迹信息作为有效轨迹信息，子轨迹信息包括出发时间、出发地点、目的地点、到达时间、行驶道路等。每个时段T可依据实际需要设定，可以是0.5小时、1小时、2小时等，例如21:30-22:00、00:00-01:00、18:00-20:00等，依据出租车轨迹数据计算每个时段内每条道路的平均通行速度。
在步骤103中，所述空间访问概率模型如公式(1)所示，根据公式(1)计算时段T内单元ki访问目标设施fj的空间访问概率，并且满足
Figure BDA0001633350150000061
公式(1)如下：
Figure BDA0001633350150000062
其中，
Figure BDA0001633350150000063
表示时段T内单元ki访问目标设施fj的空间访问概率，hT ij表示时段T内单元ki到达每个目标设施fj的平均出行时间，sT M-g+1表示时段T内排序后的空间阻碍，g表示hT ij在空间阻碍数组sg中的排位序号。
在步骤104中，可基于所述目标设施fj的位置数据，设立所述目标设施fj的缓冲区，提取访问各个目标设施fj的缓冲区的用户轨迹。
在步骤105中，计算时段T内单元ki访问目标设施fj的时空行为访问概率如公式(2)所示：
Figure BDA0001633350150000064
其中，
Figure BDA0001633350150000065
表示时段T内单元ki访问目标设施fj的时空行为访问概率，pT ij时段T内表示单元ki内访问目标设施fj的用户人数。
在步骤106中，计算每个时段内单元ki访问每个目标设施fj的集成访问概率如公式(3)所示：
Figure BDA0001633350150000066
其中，
Figure BDA0001633350150000067
表示时段T内单元ki访问目标设施fj的集成访问概率，λ1和λ2分别为所述空间访问概率模型和时空行为访问概率模型的影响因子，ω为不可控因素，优选的，设定所述空间访问概率和行为访问概率对集成概率的影响相同、没有不可控因素，也即设置λ1＝λ2＝0.5、ω＝0。
在步骤107中，所述目标设施fj在所述访问概率阈值β(β∈[0,1])时的服务范围由集成访问概率大于或等于所述访问概率阈值的单元组成，如公式(4)所示：
Figure BDA0001633350150000071
其中，ICAT(fj,β)表示时段T内目标设施fj在所述访问概率阈值β时的服务范围。
在步骤108中，提取步骤107中计算的初始服务范围内所有单元ki的中心点，利用核密度分析法，生成所述目标设施fj在所述访问概率阈值β时的初始服务范围的边界，使得覆盖率(所述目标设施fj在所述访问概率阈值β时，所述服务范围内的单元ki和初始服务范围内的单元ki的数量比)大于或等于85％，优选的，覆盖率为98％。
为了方便理解本发明，将上述方法用于研究服务设施的可达性，下面以深圳市出租车数据为例研究深圳市三甲医院的可达性，如图4所示，实施过程为：
步骤201：获取研究区域的行政区域地图、各行政子区的人口数据和服务设施的位置数据，将设施研究区域的图层SA划分为200m*200m的格网单元，假设人口在子区中均匀分布，计算每个单元的人口；
步骤202：利用出租车轨迹数据和道路网络，以1小时为时段，计算每个时段内每条道路的平均通行速度；
步骤203：依据每条道路的平均通行速度，计算每个单元到达每个服务设施的平均出行时间，将其作为空间阻碍约束。潜在人群访问服务设施的可能性随空间阻碍的增加而逐渐减少，即，人们距离服务设施的空间阻碍越大，访问该服务设施的可能性越小。如图3所示，以一个单元k1和五个服务设施f1，f2，f3，f4，f5为例，单元k到区域内服务设施f1，f2，f3，f4，f5的空间阻碍分别为h11，h12，h13，h14，h15，根据空间阻碍从小到大排序，顺序应该为h15，h14，h11，h12，h13。因此，排序后的空间阻碍数组为：s1＝h15，s2＝h14，s3＝h11，s4＝h12，s5＝h13。根据单元ki对服务设施fj的空间访问概率模型，单元k1访问服务设施f1的空间访问概率为：
Figure BDA0001633350150000072
此公式中，因单元k1访问服务设施f1的空间阻碍h11在空间阻碍数组sg中的排序为3，也即g＝3，M＝5，并且满足
Figure BDA0001633350150000073
步骤204：根据出租车轨迹数据提取有效的出行子轨迹，得到子轨迹的出发地O及目的地D图层。在设施服务设施的设置50m*20m的矩形作为缓冲区buffer图层，叠加D图层与buffer图层，将落入缓冲区的目的地对应的子轨迹作为访问该服务设施的用户轨迹，提取该子轨迹的出发地作为该用户的出发位置，得到访问所述服务设施的所述用户轨迹；
步骤205：叠加图层S与SA，提取每个时段内每个单元内访问各个设施的用户人数。如图3所示，假设p11，p12，p13，p14，p15表示单元k1访问设施f1，f2，f3，f4，f5的人数，图中线段的粗细表示人数的多少。根据行为访问概率模型，单元k1访问服务设施f1的时空行为访问概率为
Figure BDA0001633350150000081
且满足
Figure BDA0001633350150000082
步骤206：根据集成访问概率模型，综合考虑空间访问概率和行为访问概率，单元k1访问服务设施f1的行为访问概率为
Figure BDA0001633350150000083
为了相同考虑空间访问概率和行为访问概率对集成概率的影响，设置λ1＝λ2＝0.5，并将不可控因素ω设置为0；
步骤207：基于集成访问概率，设置访问概率阈值组(例如β的取值分别为0.1，0.2，0.3，0.4，0.5，0.6)，以f1为例，其在访问概率阈值β＝0.1时的初始服务范围为集成访问概率大于等于0.1的单元ki组成：
Figure BDA0001633350150000084
步骤208：提取服务设施的初始服务范围内所有单元ki的中心点，利用核密度分析法，生成服务设施在访问概率阈值β＝0.1时的初始服务范围的边界，以确定服务设施在访问概率阈值β＝0.1时的服务范围覆盖98％的单元ki，如图5所示；
步骤209：将步骤208中确定的服务范围作为浮动窗口，将每个服务设施的专业医生人数作为服务设施的服务能力，采用两步移动搜索的方法，计算每个单元在不同访问概率阈值时对服务设施的可达性，如图6所示，图6中a-f分别依次表示访问概率阈值为0.1，0.2，0.3，0.4，0.5，0.6时对服务设施的可达性。
为了使本发明的方法可操作性更强，给出了本发明中涉及的主要参数建议值，需要指出的是，在进行实际操作时，上述参数可进行更改，且均应包含在本发明的保护范围内。
本发明的实施例提供的技术方案带来的有益效果是：本发明在对传统可达性度量方法进行改进的基础上，从用户使用的角度出发，提出了利用轨迹数据来逼近真实可达性结果的一种方法，主要表现在：(1)将目标设施的使用人群分为基于空间阻碍的潜在人群与基于轨迹数据的实际人群，分别计算不同人群类型对目标设施的访问概率，并提出以两者集成的访问概率作为判断一个位置是否属于目标设施服务范围的依据；(2)以集成访问概率为约束条件来替代传统的空间阻碍约束，生成综合考虑潜在理论因素与实际出行因素的目标设施的集成服务范围；(3)将集成服务范围引入到两步移动搜索法中，使可达性的评价结果变得更加符合真实情况。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于，包括如下步骤：
步骤101：获取研究区域的行政区域地图、人口数据和目标设施的位置数据，基于行政区域地图将所述研究区域进行空间格网划分，并将每个格网作为一个单元；
步骤102：获取所述研究区域的轨迹数据和道路网络，对轨迹数据和道路网格进行数据匹配，提取子轨迹作为有效轨迹信息，并计算每个时段内每条道路的平均通行速度；
步骤103：基于步骤102中计算的每个时段内每条道路的平均通行速度，计算每个时段内每个单元到达每个目标设施的平均出行时间，将其作为空间阻碍约束，并按从小到大对所述空间阻碍约束进行排序而形成排序后的空间阻碍数组，建立空间访问概率模型，根据所述空间访问概率模型，计算每个时段内每个单元访问每个目标设施的空间访问概率；
步骤104：基于所述研究区域的轨迹数据和每个目标设施的位置数据，提取访问各个目标设施的用户轨迹，包括用户的出发地和目的地的位置数据、出发时间；
步骤105：基于步骤104中获取的用户轨迹，计算每个时段内每个单元内访问每个目标设施的用户人数，建立时空行为访问概率模型；时空行为访问概率具体为每个时段内每个单元访问每个目标设施的时空行为访问概率；根据所述时空行为访问概率模型，计算每个时段内每个单元访问每个目标设施的时空行为访问概率；
步骤106：基于步骤103中建立的所述空间访问概率模型和步骤105中建立的时空行为访问概率模型，建立集成访问概率模型，根据所述集成访问概率模型，计算每个时段内每个单元访问每个目标设施的集成访问概率；
步骤107：基于步骤106计算的所述集成访问概率值，设置访问概率阈值，生成每个时段内每个目标设施在所述访问概率阈值时的初始服务范围；
步骤108：基于步骤107中计算的初始服务范围内所有单元，生成每个目标设施在所述访问概率阈值时的初始服务范围的边界，以确定每个目标设施在所述访问概率阈值时的服务范围；
步骤109：根据步骤101中获取的人口数据，计算每个单元的人口数量，将步骤108中确定的服务范围作为浮动窗口，采用两步移动搜索的方法，计算每个时段内每个单元在不同访问概率阈值时对每个目标设施的可达性。
2.如权利要求1所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：步骤102中所述研究区域的轨迹数据为出租车轨迹数据，出租车轨迹数据为出租车行驶的历史数据，包括车牌号、经纬度、时间、速度、方向、载客状态；对出租车轨迹数据与道路网络数据进行匹配，并提取出租车载客的子轨迹信息，子轨迹信息包括出发时间、出发地点、目的地点、到达时间、行驶道路。
3.如权利要求1所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：在步骤103中，所述空间访问概率模型如公式(1)所示，根据公式(1)计算时段T内所述单元访问所述目标设施的空间访问概率，并且所述空间访问概率满足
Figure FDA0002439565710000021
所述公式(1)如下：
Figure FDA0002439565710000022
其中ki表示单元，fj表示目标设施，
Figure FDA0002439565710000023
表示时段T内单元ki访问目标设施fj的空间访问概率，hT ij表示时段T内单元ki到达每个目标设施fj的平均出行时间，ST M-g+1表示时段T内排序后的空间阻碍，g表示hT ij在空间阻碍数组Sg中的排位序号，i和j均为大于或等于1的正整数，i＝1,2,3...N，N为研究区域内的单元总数量；j＝1,2,3...M，M为研究区域内的目标设施的总数量。
4.如权利要求1所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：在步骤104中，基于所述目标设施的位置数据，设立所述目标设施的缓冲区，提取访问各个目标设施的缓冲区的用户轨迹。
5.如权利要求3所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：在步骤105中，所述时空行为访问概率模型如公式(2)所示，按照公式(2)计算时段T内所述单元访问所述目标设施的时空行为访问概率，所述公式(2)如下：
Figure FDA0002439565710000031
其中，ki表示单元，fj表示目标设施，
Figure FDA0002439565710000032
表示时段T内单元ki访问目标设施fj的时空行为访问概率，pT ij表示时段T内表示单元ki内访问目标设施fj的用户人数，i和j均为大于或等于1的正整数，N和M分别是研究区域内的单元和目标设施的总数量。
6.如权利要求5所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：在步骤106中，所述集成访问概率模型如公式(3)所示，根据公式(3)计算时段T内所述单元访问所述目标设施的集成访问概率，所述公式(3)如下：
Figure FDA0002439565710000033
其中，ki表示单元，fj表示目标设施，
Figure FDA0002439565710000034
表示时段T内单元ki访问目标设施fj的集成访问概率，λ1和λ2分别为所述空间访问概率模型和时空行为访问概率模型的影响因子，ω为不可控因素，i和j均为大于或等于1的正整数。
7.如权利要求6所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：设定所述空间访问概率和行为访问概率对集成概率的影响相同、没有不可控因素，λ1＝λ2＝0.5、ω＝0。
8.如权利要求6所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：在步骤107中，所述目标设施在所述访问概率阈值时的初始服务范围如公式(4)所示，根据公式(4)，所述目标设施在所述访问概率阈值时的服务范围由集成访问概率大于或等于所述访问概率阈值的单元组成，公式(4)如下：
Figure FDA0002439565710000035
其中，ki表示单元，fj表示目标设施，β表示访问概率阈值，ICAT(fj,β)表示时段T内目标设施fj在所述访问概率阈值β时的服务范围，i和j均为大于或等于1的正整数。
9.如权利要求1所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：在步骤108中，提取步骤107中计算的初始服务范围内所有单元的中心点，利用核密度分析法，生成所述目标设施在所述访问概率阈值时的初始服务范围的边界。
10.如权利要求9所述的基于轨迹数据集成人类出行行为的可达性评估方法，其特征在于：所述目标设施在所述访问概率阈值时的服务范围内的单元和初始服务范围内的单元的数量比大于或等于85％。
CN201810351158.1A 2018-04-18 2018-04-18 一种基于轨迹数据集成人类出行行为的可达性评估方法 Expired - Fee Related CN108805392B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810351158.1A CN108805392B (zh) 2018-04-18 2018-04-18 一种基于轨迹数据集成人类出行行为的可达性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810351158.1A CN108805392B (zh) 2018-04-18 2018-04-18 一种基于轨迹数据集成人类出行行为的可达性评估方法

Publications (2)

Publication Number Publication Date
CN108805392A CN108805392A (zh) 2018-11-13
CN108805392B true CN108805392B (zh) 2020-06-26

Family

ID=64094398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810351158.1A Expired - Fee Related CN108805392B (zh) 2018-04-18 2018-04-18 一种基于轨迹数据集成人类出行行为的可达性评估方法

Country Status (1)

Country Link
CN (1) CN108805392B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111385753B (zh) * 2019-10-24 2022-01-04 南京瑞栖智能交通技术产业研究院有限公司 一种基于手机信令数据的医疗设施可达性评估方法
CN111784111B (zh) * 2020-06-05 2022-04-26 长江勘测规划设计研究有限责任公司 一种空间可达性评价方法
CN112487309B (zh) * 2020-10-22 2024-06-21 北京交通大学 一种基于轨迹数据的不确定性医疗可达性计算方法
CN115169764B (zh) * 2022-09-08 2023-01-31 深圳市城市交通规划设计研究中心股份有限公司 一种可达性计算方法、电子设备及存储介质
CN116453330B (zh) * 2023-03-20 2024-10-08 广州市城市规划勘测设计研究院有限公司 一种基于出行需求的交通可达性估算方法、介质及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106097222A (zh) * 2016-06-12 2016-11-09 河南理工大学 顾及用户特征的公共设施空间可达性分析方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106097222A (zh) * 2016-06-12 2016-11-09 河南理工大学 顾及用户特征的公共设施空间可达性分析方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Quantifying Accessibility to Health Care Using Two-step Floating Catchment Area Method (2SFCA): A Case Study in Rajasthan;Shalini Kanuganti 等;《Transportation Research Procedia》;20141231;全文 *
南京市养老服务设施空间分布格局及可达性评价-基于时间成本的两步移动搜索法;许昕 等;《现代城市研究》;20170228;全文 *
基于可达性测度的公园绿地服务公平性时空分析;杨建思 等;《测绘空间地理信息》;20171231;第40卷(第12期);全文 *
基于街道尺度的医疗设施可达性评价;佟圣楠 等;《卫生经济研究》;20170228(第2期);全文 *
基于高斯两步移动搜索法空间可达性模型的医院布局评价;车莲鸿;《中国医院管理》;20140228;第34卷(第2期);全文 *

Also Published As

Publication number Publication date
CN108805392A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108805392B (zh) 一种基于轨迹数据集成人类出行行为的可达性评估方法
CN102667408B (zh) 针对环境建模的3d路径分析
CN107111794B (zh) 预测和利用地图服务中出行时间的可变性
Hamdy et al. Analyses the driving forces for urban growth by using IDRISI® Selva models Abouelreesh-Aswan as a case study
CN110969857B (zh) 一种交通信息处理方法及装置
CN108446470B (zh) 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法
CN110414732B (zh) 一种出行未来轨迹预测方法、装置、储存介质及电子设备
Yang et al. Scalable space-time trajectory cube for path-finding: A study using big taxi trajectory data
Wang et al. The spatio-temporal generalized additive model for criminal incidents
CN109840272B (zh) 一种共享电动汽车站点用户需求预测方法
Zhang et al. Vehicle re-identification for lane-level travel time estimations on congested urban road networks using video images
CN115169764B (zh) 一种可达性计算方法、电子设备及存储介质
Liu et al. Linking Luojia 1-01 nightlight imagery to urban crime
Chen et al. UVLens: Urban village boundary identification and population estimation leveraging open government data
CN114398462B (zh) 一种基于多源异构信息网络的目的地推荐方法及系统
Wang et al. A comparison of proximity and accessibility drivers in simulating dynamic urban growth
Shao et al. Incorporating lstm auto-encoders in optimizations to solve parking officer patrolling problem
Wang et al. Urban noise exposure assessment based on principal component analysis of points of interest
Liu et al. Simulated impacts of 3D urban morphology on urban transportation in megacities: case study in Beijing
Sun et al. A data-driven method for measuring accessibility to healthcare using the spatial interpolation model
CN115640756A (zh) 一种基于多源数据的停车需求预测模型、方法及其应用
Pérez et al. Sustainable acoustics: A smart cities approach
Nara et al. Spatial and temporal analysis of pedestrian egress behavior and efficiency
Tregel Online Content Generation in Mobile Applications-Adaptation and Personalization for Location-based Game Systems
Yadlowsky et al. Link density inference from cellular infrastructure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200626