CN109508828A - 一种区内出行距离的计算方法 - Google Patents
一种区内出行距离的计算方法 Download PDFInfo
- Publication number
- CN109508828A CN109508828A CN201811358522.3A CN201811358522A CN109508828A CN 109508828 A CN109508828 A CN 109508828A CN 201811358522 A CN201811358522 A CN 201811358522A CN 109508828 A CN109508828 A CN 109508828A
- Authority
- CN
- China
- Prior art keywords
- area
- traffic zone
- traffic
- population
- zone
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区内出行平均距离的计算方法,其考虑了交通小区面积和小区人口密度不同的实际情况,将交通小区划分为四类小区,通过不同的计算方法确定了不同的区内出行距离,为更准确的交通分配奠定了基础。本发明的计算方法即简单又准确的实现了对区内出行距离进行计算的目的,进而确定了区内出行对城市交通出行的影响,满足了交通规划师对于交通分配结果精度的要求。
Description
技术领域
本发明涉及城市道路交通规划与管理技术领域,尤其涉及一种区内出行平均距离的计算方法。
背景技术
随着大数据技术的不断发展,交通规划师对于交通分配结果精度的要求不断增加,对区内出行距离的估算不能再单一的认为是零,急需一种简单准确的计算方式对区内出行距离进行估算,进而预测区内出行交通量,并将其加载在路网上。
常见的交通分配方法都离不开最短路矩阵的参与,在实际的操作中,常常将区内出行忽略,认为所有的区内出行距离为零。这是因为在交通小区面积较小时,居民区内出行距离较短,大多数出行者选择步行或者非机动车出行作为主要出行方式,不产生车辆交通量。但随着城市规模的不断扩大,交通小区的面积有了较大的差别,城市核心区域和重点区域的交通小区面积较小,居民的区内出行以步行从和非机动车为主,而在城市外围区域,交通小区面积较大,存在大量的区内出行,居民的区内出行同样会选择机动车、公交车等方式,因此不能一概而论的将区内出行距离认为是零。在这一前提下,针对交通小区面积和小区人口密度不同的实际情况,必须确定不同的区内出行距离,从而为更准确的交通分配奠定基础。
目前,针对区内交通出行距离的研究远远不能满足计算时的基本需求,一般为通过调查统计研究区内出行距离的分布规律,进而对区内出行距离进行预测,这种方法存在使用上存在一定的局限性,需要大量的人力物力进行居民出行调查,且不具备推广性。
发明内容
针对现技术中存在的上述技术问题,本发明的实施了提供了一种能够解决上述问题的区内出行平均距离的计算方法。
为解决上述技术问题,本发明采用的一种区内出行平均距离的计算方法的技术方案如图1所示:
S1、统计城市中所有交通小区的面积和人口数量,根据面积大小和人口密度将交通小区分为四个等级,分别为:I类交通小区、II类交通小区,III类交通小区以及IV类交通小区,包括以下步骤:
S2、对所有交通小区按照面积从小到大的顺序进行排列;
S3、假定总的交通小区数量为M,用M分别乘以10%和75%,向下取整找出排在第10%位的交通小区M10%和第75%位对应的交通小区M75%,以及其各自对应的面积Z1、Z2;
S4、根据交通小区的人口和面积计算出每个交通小区人口密度,单位为:人/km2,并同样将交通小区按照密度从小到达进行排列;
S5、总的交通小区数量为M,用M乘以25%和75%,向下取整找出排在第25%位和第75%位的交通小区的对应的人口密度D1、D2;
S6、以交通区面积为横轴,交通区内人口密度为纵轴,建立二维图,对不同面积和人口密度的交通小区进行划分(如图2所示):
I类交通小区为区域面积小于Z1,小区内平均人口密度小于D1的交通区,此外,若交通小区内只有一个建筑物,不论平均人口密度为多少,都属于I类交通小区。由于I类交通小区面积极小,区内出行以步行为主,当人口密度较低即人口较少时,可以忽略其他出行方式,因此,在计算中可以认为平均区内出行距离为0米。
II类交通小区为面积小于Z1,且小区内平均人口密度大于D1的交通区,此类交通区人口密集,虽然区域面积较小,但可能发生除步行以外的出行方式,由于人口基数较大,则可能存在交通量。这类小区一般存在于城市核心区域,根据小区面积设定固定值L1为其平均区内出行距离。L1的确定与这类小区的规模有直接联系,一般认为是小区对角线距离的一半。
III类交通小区包括面积大于Z1且小区内平均人口密度小于D2的交通小区,以及面积大于Z2且平均人口密度小于D1的交通小区,这类交通小区或者面积较大但人口相对稀疏,从而区内机动化出行总量较少,或者面积适中而人口分布也适中,都可以按照一类小区处理。这种类型的交通小区一般存在于城市重点区域。其平均区内出行距离L2一般为小区周长的1/4。
IV类交通小区包括小区面积大于Z1且人口密度大于D2的交通小区,及面积大于Z2且人口密度大于D1的交通小区。此类交通小区面积较大,且人口较多,一般存在于城市外围区域。区内出行距离分布呈现典型的对数正态分布特征,则其平均区内出行距离L3为该对数正态分布的期望。
与现有技术相比,本发明的有益效果是:本发明针对交通小区面积和小区人口密度不同的实际情况,确定了不同的区内出行距离,为更准确的交通分配奠定了基础。且本发明的计算方法即简单又准确,快速的实现了对区内出行距离进行计算的目的,进而确定了区内出行对城市交通出行的影响,满足了交通规划师对于交通分配结果精度的要求。
附图说明
图1为本发明的流程框图。
图2为小区划分类别示意图
图3为南京市交通小区划分图。
图4第300个交通小区的区内出行距离统计图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案,下面结合附图和具体实施方式对本发明作详细说明。
需要说明的是,本专利中提及的交通小区是本领域技术人员公知的技术术语,即在道路交通规划研究中,将交通源合并成的小区称为交通小区。
本发明提供了一种通过少量调查来计算规划范围中交通小区区内出行平均距离的方法,通过对城市所有交通小区面积和人口的排序及分类,找出不同大小和不同人口密度的交通小区的区内出行距离特征,从而确定最省时省力的交通小区区内出行距离计算方法。
以江苏省南京市为例,进行城市内交通小区区内出行距离的计算,说明该方法的实用性与优势。
统计南京市所有交通小区的面积及小区内人口,首先,根据人口和面积数据计算出各个交通小区的平均人口密度,分别对人口密度和小区面积进行排序,并按照S1中的划分原则将城市中所有交通小区划分为四个等级,分别为:I类交通小区、II类交通小区、III类交通小区和IV类交通小区:
如图3所示,将南京市划分出332个交通小区,对所有交通小区按照面积从小到大的顺序进行排列;对排序后的小区进行统计,其10%分位数,即排位于第33位的小区面积Z1为0.723平方公里;其75%分位数,即排位于第249位的交通小区面积Z2为81.317平方公里。
计算出各小区人口平均人口密度并排序,对排序后的小区进行统计,排第25%位,即第83位交通小区的人口密度D1为1820人/平方公里,其75%分位数,即排位于第249位的交通小区人口密度为4989人/平方公里。
本案例中,I类交通小区是面积小于0.723平方公里,且人口密度小于1820人/平方公里的交通小区,这些交通小区的区内出行距离为0。
II类交通小区是指面积小于0.723平方公里,且人口密度大于1820人/平方公里的交通小区,根据这些交通小区的周长和面积,认为II类交通小区的平均区内出行距离L1为400米。
III类交通小区包括面积大于0.723平方公里,人口密度小于4989人/平方公里的交通小区,以及面积大于81.317平方公里且人口密度小于1820人/平方公里的交通小区,其平均区内出行距离L2一般为小区周长的1/4,即:
其中,C为小区周长。
C=C1+C2+L Ci+L+Cn,(i=1,2,L n)
其中,C1、C2、···Cn为小区的各边长,n为该小区边长的总个数,Ci由端点所在位置的经纬度坐标根据Haversine公式计算得到:
其中:
haversin(θ)=sin2(θ/2)=(1-cos(θ))/2
其中,R为地球半径,可取平均值6371km;分别表示两点的维度,Δλ为两点经度的差值。
以第120小区为例,通过小区顶点的坐标可以确定各个边的边长,其周长为4.6公里,则其区内出行平均距离为1.15公里。
IV类交通小区包括除了上述小区以外的所有交通小区,主要分布在城市外围区域,本案例中抽样调查了第300个交通小区的区内出行距离,分布如图4所示,X轴为出行距离,Y轴为该距离出现的次数。
区内出行距离分布符合对数正态分布特征,则其平均区内出行距离L3为该对数正态分布的期望,表述为:
其中,μ和σ分别为变量对数的平均值和标准差,其最大似然估计可以表述为:
其中,X为变量,即统计的每次出行的出行距离,n为数据总量。
根据上述公式计算可得,第300个交通小区的区内平均出行距离为1.37公里。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种区内出行平均距离的计算方法,其特征在于,包括以下步骤:
S1、统计城市中所有交通小区的面积和人口数量;
S2、对所有交通小区按照面积从小到大的顺序进行排列;
S3、假定总的交通小区数量为M,用M分别乘以10%和75%,向下取整找出排在第10%位的交通小区M10%和第75%位对应的交通小区M75%,以及其各自对应的面积Z1、Z2;
S4、根据交通小区的人口和面积计算出每个交通小区人口密度,单位为:人/km2,并同样将交通小区按照密度从小到达进行排列;
S5、总的交通小区数量为M,用M乘以25%和75%,向下取整找出排在第25%位和第75%位的交通小区的对应的人口密度D1、D2;
S6、以交通区面积为横轴,交通区内人口密度为纵轴,建立二维图,对不同面积和人口密度的交通小区进行划分:
I类交通小区为区域面积小于Z1,小区内平均人口密度小于D1的交通区;
II类交通小区为面积小于Z1,且小区内平均人口密度大于D1的交通区;
III类交通小区为面积大于Z1且小区内平均人口密度小于D2的交通小区,以及面积大于Z2且平均人口密度小于D1的交通小区;
IV类交通小区为小区面积大于Z1且人口密度大于D2的交通小区,及面积大于Z2且人口密度大于D1的交通小区;
S7、I类交通小区的平均区内出行距离为0米;
II类交通小区的平均区内出行距离L1为小区对角线距离的一半;
III类交通小区的平均区内出行距离L2为小区周长的1/4;
IV类交通小区的平均区内出行距离L3为该对数正态分布的期望。
2.如权利要求1所述的一种区内出行平均距离的计算方法,其特征在于,若交通小区内只有一个建筑物,不论平均人口密度为多少,都属于I类交通小区。
3.如权利要求1所述的一种区内出行平均距离的计算方法,其特征在于,
其中,C为小区周长,C=C1+C2+LCi+L+Cn,(i=1,2,Ln),C1、C2、···Cn为小区的各边长,n为该小区边长的总个数,Ci由端点所在位置的经纬度坐标根据Haversine公式计算得到:且haversin(θ)=sin2(θ/2)=(1-cos(θ))/2
所述R为地球半径,可取平均值6371km;分别表示两点的维度,Δλ为两点经度的差值。
4.如权利要求1所述的一种区内出行平均距离的计算方法,其特征在于,
其中,μ和σ分别为变量对数的平均值和标准差,其最大似然估计可以表述为:所述X为变量,即统计的每次出行的出行距离,n为数据总量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811358522.3A CN109508828B (zh) | 2018-11-15 | 2018-11-15 | 一种区内出行距离的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811358522.3A CN109508828B (zh) | 2018-11-15 | 2018-11-15 | 一种区内出行距离的确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508828A true CN109508828A (zh) | 2019-03-22 |
CN109508828B CN109508828B (zh) | 2021-04-23 |
Family
ID=65748528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811358522.3A Active CN109508828B (zh) | 2018-11-15 | 2018-11-15 | 一种区内出行距离的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508828B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409570A (zh) * | 2021-04-27 | 2021-09-17 | 上海同济城市规划设计研究院有限公司 | 体力交通可达性的评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2554651A1 (en) * | 2006-07-31 | 2008-01-31 | Trapeze Software Inc. | System and method for optimizing a transit network |
CN106960406A (zh) * | 2017-02-10 | 2017-07-18 | 浙江大学 | 一种考虑居民出行od的公交服务覆盖率计算方法 |
CN107145983A (zh) * | 2017-05-09 | 2017-09-08 | 东南大学 | 一种基于城市虚拟交通平台的电动汽车充电站选址方法 |
-
2018
- 2018-11-15 CN CN201811358522.3A patent/CN109508828B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2554651A1 (en) * | 2006-07-31 | 2008-01-31 | Trapeze Software Inc. | System and method for optimizing a transit network |
CN106960406A (zh) * | 2017-02-10 | 2017-07-18 | 浙江大学 | 一种考虑居民出行od的公交服务覆盖率计算方法 |
CN107145983A (zh) * | 2017-05-09 | 2017-09-08 | 东南大学 | 一种基于城市虚拟交通平台的电动汽车充电站选址方法 |
Non-Patent Citations (2)
Title |
---|
张维: ""基于手机定位数据的城市居民出行特征提取方法研究"", 《中国优秀硕士论文全文数据库》 * |
武明超: ""基于移动通信网络数据的交通小区划分与OD分析方法研究"", 《中国优秀硕士论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409570A (zh) * | 2021-04-27 | 2021-09-17 | 上海同济城市规划设计研究院有限公司 | 体力交通可达性的评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109508828B (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Nodal impact assessment and alleviation of moving electric vehicle loads: From traffic flow to power flow | |
CN103279534B (zh) | 基于智能公交系统数据的公交卡乘客通勤od分布估计方法 | |
CN108388970B (zh) | 一种基于gis的公交站点选址方法 | |
CN110491158A (zh) | 一种基于多元数据融合的公交车到站时间预测方法及系统 | |
Dantsuji et al. | Simulation-based joint optimization framework for congestion mitigation in multimodal urban network: a macroscopic approach | |
CN111861022A (zh) | 一种基于大数据分析优化电动汽车充电站选址的方法 | |
CN112884208A (zh) | 一种城市街区智能划分方法 | |
CN107194541A (zh) | 一种基于自适应权重Voronoi图的配电网供电分区方法 | |
CN109508828A (zh) | 一种区内出行距离的计算方法 | |
Qiao et al. | Fast-charging station location problem: A two-phase approach with mathematical program with equilibrium constraints considering charging choice behaviour | |
CN112150045B (zh) | 基于车辆位置统计判断城市共享车辆供需关系的方法及其监测系统 | |
Bao et al. | Spatiotemporal clustering analysis of shared electric vehicles based on trajectory data for sustainable urban governance | |
CN111738527B (zh) | 一种基于热点探测模型的城市交通小区划分方法 | |
CN110674990B (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
Yan et al. | Catcharger: Deploying in-motion wireless chargers in a metropolitan road network via categorization and clustering of vehicle traffic | |
Kong et al. | Charging pile siting recommendations via the fusion of points of interest and vehicle trajectories | |
CN115345351A (zh) | 一种基于用户行为的电动汽车充电负荷预测方法 | |
CN105023063B (zh) | 公交线网新能源公交车运行能耗指标体系的建立方法 | |
CN110738373A (zh) | 一种土地交通生成和分布预测方法及系统 | |
Chen et al. | Research on Temporal and Spatial Distribution of Electric Vehicle (EV) Charging Load Based on Real Data & Simulation | |
Shimin et al. | Location and capacity planning of electric vehicles charging piles | |
Park et al. | Transit travel time forecasts for location-based queries: implementation and evaluation | |
Chen et al. | Exploring Human Spatio-Temporal Travel Behavior Based on Cellular Network Data: A Case Study of Hangzhou, China. | |
Kalakanti et al. | Charging Station Planning for Electric Vehicles. Systems 2022, 10, 6 | |
CN116629722A (zh) | 一种基于改进的欧氏距离规划区域内最优物流调配点的算法 |
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 |